فرشید قربانی چقامارانی

منابع آب شیرین داخل یک کشور (رودخانه‌ها و دریاچه‌ها) به دلیل حیاتی بودن این آب‌ها برای موجودات زنده، فعالیت‌های کشاورزی، صنعتی و اکوسیستم یک منطقه از اهمیت زیادی برخوردار هستند. یک مقیاس مهم و تاثیر گذار درکیفیت آب ماده آلی محلول رنگزا (CDOM) است. هدف از این مطالعه تعیین میزان جذب ناشی از CDOM در تالاب زریوار با استفاده از تصاویر ماهواره‌های لندست 8، لندست 9، سنتینل 2 و تخمین میزان جذب ناشی از CDOM با استفاده از الگوریتم‌های یادگیری ماشین می‌باشد. در این مطالعه از میزان جذب در 355 نانومتر برای مشخص کردن میزان جذب ناشی از CDOM نمونه برداری شده استفاده شد. تصحیحات به‌کار برده شده در این مطالعه تصحیح اتمسفری FLAASH و C2RCC برای تصویر ماهواره‌ای L1 و L1C و تصاویر ماهواره‌ای Level 2 , L2A می‌باشند. همچنین از همبستگی پیرسون برای به دست آوردن بهترین نسبت باند از میان نسبت‌ باندهای مختلف B3/B4، B4/B5، B2/B3، B4/B2، B2/B4 به عنوان ورودی برای مدل‌های به‌کار برده شده در این مطالعه استفاده شد. سه مدل مختلف رگرسیون خطی، مدل رگرسیون خطی چندگانه (MLP)، ANFIS برای تخمین و پیش‌بینی میزان جذب ناشی از CDOM در تالاب بین‌المللی زریوار از مدل‌های مورد استفاده بودند. همچنین پارامتر‌های R2، RMSE، MAE برای اعتبار سنجی مدل‌ها به کار گرفته شدند. نتایج نشان داد که تصحیح اتمسفری FLAASH و تصاویر L2A بهترین نتایج را در بین تصحیحات اتمسفری داشته‌اند همچنین نسبت باند B3/B4، B2/B3، ماهواره لندست 9 بهترین نتایج را برای تخمین میزان جذب ناشی از CDOM دارد مدل ANFIS دقت برازش بهتری را برای داده‌های آموزش مدل 9/0=R2، 07/0=RMSE و 06/0=MEA نشان داد، اما کمترین دقت برازش را برای داده‌های اعتبارسنجی رگرسیون خطی 71/0=R2، 8/0=RMSE و 78/0=MEA داشت. بنابراین، ثبات مدل رگرسیون خطی کمتر از دو مدل دیگر بود. مدلMLP با 86/0=R2، 2/0=RMSE و 13/0=MEA در داده‌های آموزش و اعتبارسنجی دقت بیشتری نسبت به مدل رگرسیون خطی داشتند. به طور کلی، 3 مدل بیش از 70 درصد دقت را برای برآورد میزان جذب CDOM در داده‌های موجود به دست آوردند.