پایش سطح تغذیه‌گرایی در دریاچه ارومیه با استفاده از الگوریتم‌های رگرسیون خطی چند متغیره و شبکه‌ عصبی مصنوعی مبتنی بر تصاویر ماهواره‌ای لندست-8 و سنتینل-2

نویسندگان

1 کارشناس ارشد مهندسی و مدیریت منابع آب، گروه مهندسی آب، دانشکده عمران و محیط زیست، دانشگاه تربیت مدرس.

2 استادیار گروه مهندسی آب، دانشکده عمران و محیط زیست، دانشگاه تربیت مدرس.

doi
چکیده

پایش پیوسته غلظت کلروفیل و تعیین سطح تغذیه‌گرایی در دریاچه‌ها به منظور مدیریت کیفیت آب آن‌ها ضروری است. هدف این پژوهش مدل‎سازی غلظت کلروفیل-آ به عنوان متغیر کلیدی مرتبط با تغذیه‌گرایی در بخش شمالی دریاچه ارومیه با استفاده از تصاویر ماهواره‌های لندست-8 و سنتینل-2 و الگوریتم‌های رگرسیون خطی چند متغیره (MLR) و شبکه‌ عصبی مصنوعی (ANN) است. نتایج نشان داد در حالی که هر دو مدل مبتنی بر تصاویر لندست-8 (ANNLandsat -8 و MLRLandsat -8) از دقت بالایی در پایش غلظت کلروفیل-آ برخوردار بودند، عملکرد مدل‌های منتخب مبتنی بر تصاویر سنتینل-2 (ANNSentinel -2 و MLRSentinel -2) رضایت بخش نبودند. در هر دو سری مدل‌های کلروفیل-آ مبتنی بر داده‌های لندست-8 و سنتینل-2، مدل ANN (با یک لایه مخفی) نسبت به مدل MLR اندکی برتری داشت. با توجه به عملکرد مناسب مدل‌ منتخب ANNLandsat-8  از این مدل برای تحلیل الگوی تغییرات مکانی و زمانی غلظت کلروفیل-آ و سطح تغذیه‌گرایی در شمال دریاچه ارومیه استفاده شد. تحلیل الگوی تغییرات مکانی غلظت کلروفیل-آ در تمامی ماه‌ها، افزایش غلظت به سمت مرکز و نواحی عمیق شمال دریاچه و کاهش به سمت پل میان‌گذر را نشان داد. همچنین، میانگین غلظت کلروفیل-آ و سطح تغذیه‌‎گرایی در شمال دریاچه، از فوریه تا جولای به صورت قابل توجهی افزایش، از جولای تا سپتامبر کاهش و از سپتامبر تا اکتبر افزایش یافت. نتایج مدل منتخب (ANNLandsat -8)، نشان داد که شمال دریاچه در ماه‌های فوریه و سپتامبر سال 2016 در شرایط مزوتروفیک حاد و در ماه‌های جولای، آگوست و اکتبر در شرایط یوتروفیک خفیف قرار داشته است.