| برآورد کدورت آب با استفاده از تصاویر Sentinel-2 و الگوریتم Random Tree |
| کد مقاله : 1059-CONFIHA |
| نویسندگان |
|
جواد ظهیری * دانشیار گروه مهندسی آب- دانشگاه علوم کشاورزی و منابع طبیعی خوزستان |
| چکیده مقاله |
| پایش کدورت یکی از مؤلفه‌های مهم ارزیابی کیفیت آب در سامانه‌های آبی بزرگ مانند دریاچه‌ها است و تکیه صرف بر نمونه‌برداری میدانی، به دلیل محدودیت مکانی و زمانی، امکان پایش پیوسته را کاهش می‌دهد. در این پژوهش، داده‌های کدورت Lake Erie با متغیرهای طیفی حاصل از تصاویر Sentinel-2 تلفیق و یک مدل Random Tree در محیط Weka توسعه داده شد. شش ورودی شامل باندهای B3، B4، B5 و B8 و دو نسبت طیفی B8/B4 و B3/B4 در مدل به کار رفتند. بر اساس داده‌های واقعی و پیش‌بینی مدل، خطای ریشه میانگین مربعات برای آموزش29/3 NTU، میانگین قدرمطلق خطا 14/2 NTU و ضریب تعیین 96/0 به دست آمد؛ در آزمون، RMSE برابر 61/3 NTU و MAE برابر 89/2 NTU بود و R² به 72/0رسید. در مجموعه آزمون، تمام خطاها مثبت بودند و میانگین خطای جهت‌دار 35/2 NTU نشان داد که مدل برای مقادیر کم کدورت، تمایل به بیش‌برآورد دارد. بنابراین، تلفیق داده‌های سنجش‌ازدور و Random Tree در محدوده داده‌های مورد استفاده رابطه‌ای قابل توجه ایجاد کرده است، و اختلاف کم دامنه بین آموزش و آزمون، تعمیم‌پذیری مناسب مدل را نشان می‌دهد. یافته‌ها نشان می‌دهند که افزایش نمونه‌های میدانی، تطابق زمانی-مکانی دقیق‌تر و اعتبارسنجی مستقل برای توسعه مدل عملیاتی ضروری است. |
| کلیدواژه ها |
| کدورت، Sentinel-2، Random Tree، Lake Erie |
| وضعیت: پذیرفته شده مشروط برای ارائه به صورت پوستر |
