پایش و مدلسازی تغییرات سطحی دریاچه ارومیه با استفاده از شبکه عصبی مصنوعی
نویسندگان
1 گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران
2 استادیار گرایش سنجش از دور، گروه مهندسی نقشهبرداری، پردیس دانشکدههای فنی، دانشگاه تهران
doi
10.22059/jes.2021.304189.1008026چکیده
دریاچه ارومیه یکی از بزرگترین پهنههای آبی شور در جهان است که در سالهای اخیر در شرایط بحرانی قرار داشته است. در این مطالعه، تغییرات این دریاچه و حوضه آبخیز آن بررسی گردید. سپس قابلیتهای شبکهی عصبی مصنوعی در پیش بینی تغییرات سطحی دریاچه مورد ارزیابی قرار گرفت. بدین ترتیب با استفاده از دادههای سنجنده TRMM، مدل هیدرولوژیکی GLDAS، سنجنده GRACE، سری ماهوارههای ارتفاع سنجی Jason و همچنین تصاویر MODIS به ترتیب میزان بارش، تغییرات احجام آبی سطحی و زیر سطحی (TWS)، تغییرات ارتفاعی و سطحی دریاچه ارومیه در بازه 183 ماه بین آوریل 2002 تا ژوئن 2017 محاسبه گردید. در ادامه با استفاده از دو روش مبتنی بر یادگیری ماشین MLP و LSTM و بهکارگیری پارامترهای موثر بر تغییرات سطحی دریاچه به عنوان ورودی شبکه، تغییرات سطحی دریاچه با جذر خطای مربعات ماندههای 0511/0 توسط شبکه بهینه LSTM مدلسازی شد. همچنین به منظور پیشبینی تغییرات سطحی دریاچه برای مدت زمان طولانیتر، چهار مدل برای تخمین تغییرات 3، 6، 9 و 12 ماه بعد، تشکیل شدند که در نتیجه آن، شبکه LSTM این تغییرات را برای یک سال آینده با دقتی بالا (جذر خطای مربعات ماندههای 0882/0) و توانایی مناسب در شناسایی تغییرات فصلی، تخمین زد.