محمودرضا طباطبایی - دانشگاه ساری ، بخش مهندسی اب
کریم سلیمانی - دانشگاه ساری ، بخش مهندسی اب

روش های فعلی اندازه گیری غلظت رسوبات معلق در ایستگاه های هیدرومتری اغلب به روش های مستقیم وسنتی است که در اغلب موارد زمان بر و پر هزینه بوده و در حالیکه در پاره ای از مواقع با خطاهای انسانی تواممی باشد غالبا در مقیاس زمانی و مکانی به صورت ناپیوسته محاسبه و ثبت می گردند. در این راستا، استفاده ازانعکاس طیفی داده های ماهواره ای خصوصا تصاویر سنجنده مادیس به دلیل در دسترس بودن و تصویر برداریروزانه می تواند ابزار مناسبی جهت برآورد غلظت رسوبات معلق رودخانه ای به صورت پیوسته باشد. در اینتحقیق، همبستگی میان بازتاب طیفی باندهای تصاویر سنجنده مادیس (باندهای قرمز و مادون قرمز، هر یک بهتنهائی و همچنین نسبت باندی بین آن ها) با غلظت رسوبات معلق رودخانه ای در یک دوره زمانی 9 ساله (سالهای 1382 تا 1390 ) و برای فصل مرطوب مورد بررسی قرار گرفته است. در تخمین غلظت رسوبات معلقرودخانه ای، کارائی شبکه عصبی مصنوعی (از نوع پیشخور با الگوریتم پس انتشار خطا)، با داشتن یک لایهمخفی 13 نورونی و استفاده همزمان از باندهای قرمز و مادون قرمز بهتر از روش های رگرسیونی بوده است (میلی گرم بر لیتر R(2)=0/73, RMSE=120). دراین رابطه، مناسبت ترین مدل رگرسیونی محاسبه شده از نوع خطی و با استفاده از باند قرمز می باشد (میلی گرم بر لیتر R(2)=0/5, RMSE=204). نتایج تحقیق نشان می دهد که شبکه های عصبی مصنوعی به همراه تصاویر روزانه مادیس می توانند ابزار مناسبی در تخمین و پایش غلظت رسوبات معلق روزانه در رودخانه های بزرگ باشند.

رودخانه کارون، سنجنده مادیس، شبکه عصبی، غلظت رسوبات معلق