زینب ملائی - ۱. Department of Water Engineering, Faculty of Agriculture and Rural Engineering, Khuzestan Agricultural Sciences and Natural Resources University, Ahvaz, Iran.
جواد ظهیری - ۱. Department of Water Engineering, Faculty of Agriculture and Rural Engineering, Khuzestan Agricultural Sciences and Natural Resources University, Ahvaz, Iran.
سعید جلیلی - ۱. Department of Water Engineering, Faculty of Agriculture and Rural Engineering, Khuzestan Agricultural Sciences and Natural Resources University, Ahvaz, Iran.
محمدرضا انصاری - ۲. Department of Soil Science, Faculty of Agriculture, Khuzestan Agricultural Sciences and Natural Resources University, Ahvaz, Iran.
ایوب تقی زاده - ۳. Department of GIS and RS, Faculty of Earth Sciences, Chamran University, Ahvaz, Iran.

بازتاب طیفی سنجش از راه دور اندازهگیری شده توسط سنسورهای ماهوارهای، یک جایگزین سریع و رویکرد اقتصادی برای ارزیابی غلظت رسوب معلق در اقیانوسها، دریاها، رودخانهها و آبهای ساحلی است. بر همین اساس در این تحقیق از ترکیب اطلاعات بهدست آمده از تصاویر ماهوارهای و یک مدل شبکه عصبی پایه شعاعی، جهت برآورد غلظت بار معلق رودخانهای استفاده شد. دادههای میدانی غلظت رسوب معلق، دبی جریان و بازتاب باند یک و نسبت بازتاب باند دو به یک سنجنده مادیس، بهعنوان ورودی به شبکه عصبی معرفی شدند، همچنین یک مدل رگرسیون خطی چندمتغیره برای ایجاد ارتباط میان غلظت رسوب معلق و بازتاب رسیده به سنجنده استفاده شد. در نهایت نتایج حاصل از شبکه عصبی با نتایج حاصل از رگرسیون و منحنی سنجه رسوب مقایسه شد. براساس نتایج بهدست آمده، مدل شبکه عصبی مصنوعی با ورودی باند یک و دبی جریان با RMSE برابر ۱۹/۰، عملکرد بهتری را نسبت به دو روش رگرسیون و منحنی سنجه رسوب با RMSE بهترتیب برابر ۲۱/۰ و ۲۹/۰ دارا است.  

Suspended sediment concentration, MODIS, RBF, Regression method, غلظت رسوب معلق, سنجنده مادیس, شبکه عصبی پایه شعاعی, رگرسیون خطی