برآورد میزان کلروفیل آ در مخزن سد با استفاده از تکنیک های سنجش از دور و مدل های داده کاوی

کلروفیل آ به عنوان معیاری جهت اندازه گیری میزان جلبک در حال رشد در آب مورد استفاده قرار می گیرد که می توان از آن برای طبقه بندی وضعیت تغذیه ای پهنه های آبی استفاده کرد. ا بر اساس بررسی های صورت گرفته غلظت سطوح بسیار بالای کلروفیل آ نشان دهنده کیفیت پایین آب است و وجود طولانی مدت غلظت های بالای کلروفیل آ مشکلات اساسی برای تولید اولیه زیست توده است. بر همین اساس غلظت کلروفیل آ یک شاخص کلیدی برای کیفیت آب به حساب می آید. در این تحقیق سعی شده است تا با استفاده از تکنیک های سنجش ازدور و مدل های داده کاوی اقدام به برآورد میزان کلروفیل آ در مخزن سد سردشت گردد. اطلاعات مورد استفاده در این تحقیق به دو قسمت تقسیم می شوند. قسمت اول مقادیر اندازه گیری شده کلروفیل آ در مخزن سد سردشت می باشد. این اطلاعات شامل ۷ مرحله اندازه گیری در ۱۰ نقطه با مختصات مختلف در مخزن سد بوده و مربوط به اسفندماه ۱۳۹۶ تا خردادماه ۱۳۹۸ می باشد. قسمت دوم اطلاعات مورد استفاده، تصاویر ماهواره سنتینل-۲ بوده که از اطلاعات آن در مدل-های داده کاوی استفاده شده است. اطلاعات باندهای مختلف از تصاویر سنتینل-۲ استخراج گردید و بر اساس مقادیر باندی، معیارهای سنجش میزان کلروفیل آ محاسبه شده و در اختیار مدل های داده کاوی جهت آموزش قرار گرفت. در این تحقیق از سه مدل داده کاوی XGBoost، M۵ و MARS جهت برآورد میزان کلروفیل آ استفاده شد. در این مطالعه، ۹ معادله برآورد کلروفیل آ به عنوان ورودی مدل های داده کاوی در نظر گرفته شد و مقدار لگاریتم کلروفیل آ اندازه گیری شده به عنوان خروجی لحاظ گردید. ۸۰ درصد داده های موجود جهت آموزش مدل های داده کاوی و ۲۰ درصد باقی مانده جهت صحت سنجی کارایی مدل های مورد استفاده به کار رفت. بر اساس اطلاعات ورودی، مدل درختی M۵ فضای مسئله را به ۵ قسمت تقسیم کرده و به ازای هر بخش معادله خطی ارائه داده است. بر اساس ساختار ارائه شده توسط الگوریتم های M۵ و MARS، ترکیب های باندی آبی، قرمز و سبز و نیز مادون قرمز و قرمز تاثیر بالایی بر روی مدل های ارائه شده توسط این دو الگوریتم داشته اند. نتایج به دست آمده از الگوریتم XGBoost نشان دهنده اهمیت ترکیب های باندی آبی، قرمز و سبز بر روی نتایج ارائه شده می باشد. بر این اساس ترکیب باندی آبی، قرمز و سبز در هر سه الگوریتم به عنوان مهم ترین و یا یکی از مهم ترین متغیرهای ورودی جهت محاسبه کلروفیل آ مورد استفاده قرار گرفته است. ضریب تبیین برای سه مدل XGBoost، M۵ و MARS به ترتیب برابر با ۶۱/۰، ۴۹/۰ و ۳۱/۰ محاسبه شد. مقدار ضریب ناش-ساتکلیف برای سه مدل XGBoost، M۵ و MARS به ترتیب برابر با ۵۴/۰، ۴۷/۰ و ۲۷/۰ محاسبه شد که نشان می دهد نتایج دو مدل XGBoost و M۵ دارای وضعیت مطلوبی می باشند. نتایج مدل های مورد استفاده نشان می دهد که دو مدل XGBoost و M۵ نتایج دقیق تری را نسبت به مدل MARS ارائه نمودند. استفاده از دیاگرام تیلور نیز نشان دهنده نزدیک بودن کارایی دو مدل XGBoost و M۵ در محاسبه میزان کلروفیل آ می باشد. توزیع کلروفیل آ در محدوده مخزن سد سردشت توسط مدل های مورد استفاده نشان می دهد که در نواحی محدودی از سد، مقادیر ارائه شده با مقادیر اندازه-گیری شده همخوانی ندارد که محدود بودن داده های اندازه گیری مورد استفاده و عدم انطباق کامل زمانی تصاویر سنتینل-۲ با داده های اندازه گیری در مخزن سد می تواند تاثیر مهمی در این زمینه داشته باشد. استفاده از تعداد داده های متعدد در مخازن سدهای مختلف، به کارگیری مدل های داده کاوی متنوع و استفاده از تصاویر سایر سنجنده ها می تواند ابزار مناسبی را در اختیار مدیران مخازن قرار داده تا بتوانند با دقت بیشتری اقدام به ارزیابی کیفی آب مخازن نمایند.

برآورد میزان کلروفیل آ در مخزن سد با استفاده از تکنیک های سنجش از دور و مدل های داده کاوی Keywords:

جلبک , کیفیت آب , تصاویر سنتینل-۲ , الگوریتم های XGBoost , M۵ و MARS