مدلسازی فرونشست دشت ابرکوه با استفاده از روش تداخلسنجی راداری و هوش مصنوعی
نویسندگان
1 استادیار گروه احیاء و مدیریت مناطق خشک و بیابانی، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد، یزد، ایران
2 دانشجوی دکتری بیابانزدایی، گروه احیاء و مدیریت مناطق خشک و بیابانی، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد، یزد، ایران
3 دانشیار بخش مهندسی راه، ساختمان و محیط زیست، دانشکده مهندسی، دانشگاه شیراز، شیراز، ایران.
4 استاد بخش هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران.
5 استاد گروه علوم خاک، دانشکده کشاورزی، دانشگاه اژه، ازمیر، ترکیه.
doi
10.22059/jrwm.2022.340930.1652چکیده
هدف از پژوهش حاضر، مدلسازی فرونشست دشت ابرکوه با استفاده از تکنیک تداخلسنجی راداری و هوش مصنوعی بود. در ابتدا با استفاده از 46 تصویر راداری Sentinel-1 بین سالهای 2014 تا 2018 و تکنیک تداخلسنجی راداری نقشه فرونشست منطقه تهیه شد. در ادامه جهت مدلسازی فرونشست، از الگوریتم شبکه عصبی مصنوعی پیشرونده استفاده شد. در این الگوریتم از پنج پارامتر تغییرات سطح آب زیرزمینی (2018-2014)، سطح آب زیرزمینی، ضخامت آبخوان، ضخامت لایه رس در آبخوان و همچنین ضخامت لایه رس در محدوده تغییرات سطح آب زیرزمینی (2018-2014) به عنوان ورودی مدل و مقدار فرونشست حاصل از روش تداخلسنجی راداری به عنوان خروجی جهت آموزش مدل به شبکه معرفی شد. ورودیهای مدل از مجموعه دادههای اندازهگیری شده 34 چاه پیزومتری و 77 لاگ حفاری موجود در آرشیو آب منطقهای استان یزد بدست آمد که پس از بررسی صحت دادههای اخذ شده وآنالیزهای اولیه، پارامترهای پنجگانه با استفاده از میانیابی به روش کریجینگ، به کل منطقه تعمیم داده شد و لایه رستری آنها تهیه گردید. نتایج روش تداخلسنجی راداری نشان داد که فرونشست در مناطقی از شرق، شمال شرق و شمال به ترتیب با نرخ متوسط فرونشست 6، 7/2 و 6/1 سانتیمتر در سال بیشترین مقادیر را به خود اختصاص داده است. همچنین جهت تایید صحت مدل، از معیارهای ارزیابی نظیر ناش– ساتکلیف(NS)، جذر میانگین مربعات خطا(RMSE)، میانگین خطای مطلق(MAE) و میانگین قدر مطلق خطای نسبی(MARE) استفاده گردید که به ترتیب مقادیر9524/0، 0018/0، 0012/0 و 1545/0 بدست آمد.