|
پایش تراز آب مخزن سد جره با تلفیق تصاویر سنتینل-۲ و الگوریتم جنگل تصادفی
|
جواد ظهیری*   |
| دانشگاه علوم کشاورزی و منابع طبیعی خوزستان |
|
|
چکیده: (15 مشاهده) |
| مخازن با امکان ذخیره، تنظیم و توزیع آب شیرین، نقش کلیدی در تأمین آب شرب، کشاورزی، تولید برقآبی و کنترل سیلاب ایفا میکنند. با این حال، بهرهبرداری پایدار از مخازن به دادههای دقیق تراز آب و مساحت سطح مخزن وابسته است. روشهای سنتی اندازهگیری میدانی علیرغم دقت بالا، به دلیل هزینه زیاد، محدودیتهای لجستیکی و عدم دسترسی به مناطق دورافتاده، برای پایش گسترده و مداوم مخازن بهویژه در مناطق خشک و نیمهخشک کارآمد نیستند. در این پژوهش، یک چارچوب یکپارچه برای تخمین روزانه تراز سطح آب مخزن سد جره با تلفیق تصاویر سنتینل-۲، مدل رقومی ارتفاعی ALOS PALSAR و الگوریتم جنگل تصادفی توسعه داده شد. شاخصهای طیفی NDWI و MNDWI برای استخراج پهنه آبی و محاسبه مساحت سطح آب به کار رفتند. ارتفاع لبه آب با اعمال مدل رقومی ارتفاع بر روی پیکسلهای مرزی مخزن استخراج گردید. سه سناریوی متفاوت شامل دادههای ماهوارهای (تراز آب مدلسازی شده، NDWI، MNDWI و مساحت مخزن)، همراه با دادههای تراز آب اندازهگیریشده با ۵ روز و ۱۰ روز قبل طراحی شد. دادهها با نسبت ۸۰ به ۲۰ درصد به دو مجموعه آموزش و آزمون تقسیم و سپس استاندارد شدند. نتایج نشان داد مدل جنگل تصادفی در سناریوی اول عملکرد قابل قبولی داشت (RMSE آزمون 33/1 متر)، اما افزودن دادههای تراز آب 5 روز پیش (سناریوی دوم) بهبود چشمگیری ایجاد کرد و RMSE مجموعه آزمون را به 74/0 متر کاهش داد و ضریب نش-ساتکلیف را به 92/0 رساند. سناریوی سوم بهبود معناداری نسبت به سناریوی دوم نداشت. ارزیابی عدم قطعیت با استفاده از خطای برونکیسهای نشان داد که سناریوی دوم و سوم از پهنای باند عدم قطعیت باریکتری (حدود 40/1 متر برای بازه اطمینان 90%) در مقایسه با سناریو اول (65/1 متر) برخوردار هستند. با این حال، سناریوی اول امکان برآورد تراز سطح آب مخزن تنها بر اساس دادههای سنجشازدور و بدون استفاده از دادههای میدانی را فراهم میکند و بنابراین از نظر کاربردی برای مناطق فاقد ایستگاه اندازهگیری از اهمیت ویژهای برخوردار است. نتایج تحلیل حساسیت نشان داد که مدل بیش از همه به پارامترهای تراز آب اندازهگیریشده وابسته است. پس از آن، پارامترهای تراز آب و مساحت مخزن استخراجشده از تصاویر ماهوارهای، بیشترین نقش را در تعیین خروجی مدل دارند. پژوهش حاضر نشان میدهد که تلفیق دادههای سنتینل-۲، مدل رقومی ارتفاعی و جنگل تصادفی میتواند ابزاری کارآمد، کمهزینه و قابل دسترس برای پایش پیوسته تراز آب مخازن مورد استفاده قرار گیرد. |
|
شمارهی مقاله: 7 |
| واژههای کلیدی: تحلیل عدم قطعیت، سنجش از دور، شاخصهای طیفی، مدیریت منابع آب، یادگیری ماشین |
|
|
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1405/3/13 | ویرایش نهایی: 1405/4/14 | پذیرش: 1405/4/14 | انتشار الکترونیک پیش از انتشار نهایی: 1405/4/14
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
