تعیین بهینه باندهای ماهواره لندست به منظور اندازه گیری CDOM دریاچه ها با استفاده از الگوریتم SVR

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 250

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIS-13-1_005

تاریخ نمایه سازی: 24 شهریور 1400

چکیده مقاله:

ماده آلی محلول رنگی (CDOM) مقیاس مهمی در سنجش کیفیت آب است. می توان اذعان کرد CDOM نور موجود در لایه های آب را کاهش می دهد و فعالیت های بیولوژیکی فتوسنتز را مختل می کند و سرانجام، مانع رشد جمعیت فیتوپلانکتون هایی می شود که برای زنجیره غذای آبزیان ضروری اند. در بیشتر تحقیق هایی که تا کنون به انجام رسیده، از طول موج خاصی برای اندازه گیری ضریب جذب CDOM استفاده شده است اما، در این تحقیق، امکان استفاده از گستره وسیعی از باندهای طیف مرئی، برای تعیین ماده آلی محلول رنگی، در طول موج های ۴۴۳-۲۵۴ (۲۵۴، ۲۶۰، ۳۵۰، ۳۷۵، ۴۰۰، ۴۱۲، ۴۴۰، ۴۴۳) نانومتر در ماهواره لندست ۸ بررسی شده؛ ضمن آنکه مناسب ترین نسبت باند برای اندازه گیری ماده آلی محلول، در طول موج های قابل اندازه گیری، با استفاده از الگوریتم SVR (اجزای این پارامتر بهینه سازی شده است) به دست آمده است. در پژوهش حاضر، نسبت باندهای Coastal به قرمز (R۱/R۴)، آبی به قرمز (R۲/R۴) و نسبت باندهای سبز به قرمز (R۳/R۴) برای بازیابی CDOM در نظر گرفته شده است. براساس نتایج و با توجه به ضریب تعیین (۷۱/۰=R۲) و میزان خطاها ( m۱۶۱/۱MSE=،m-۱ ۰۷۷/۱RMSE= وm-۱ ۹۴۶/۰MAE=) می توان نتیجه گرفت که استفاده از نسبت باندهای سبز به قرمز در ماهواره لندست ۸ مناسب ترین گزینه برای تعیین ماده آلی محلول رنگی است. افزون براین، نتایج این تحقیق مشخص کرده اند که اندازه گیری  CDOMدر طول موج ۴۴۰ نانومتر می تواند شاخص مناسبی برای بررسی کیفیت دریاچه ها، براساس غلظت آنها، محسوب شود.

کلیدواژه ها:

ماده آلی محلول رنگی ، الگوریتم رگرسیون بردار پشتیبان ، لندست ۸ ، سنجش کیفیت آب

نویسندگان

محمد مومنی اصفهانی

کارشناس ارشد سنجش از دور، دانشگاه آزاد، واحد تهران جنوب

امیر شاهرخ امینی

استادیار گروه مهندسی نقشه برداری، دانشگاه آزاد، واحد تهران جنوب

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Awad, M. & Khanna, R., ۲۰۱۵, Efficient Learning Machines: Theories, ...
  • Bergamaschi, B.A., Krabbenhoft, D.P., Aiken, G.R., Patino, E., Rumbold, D.G. ...
  • Bowers, D., Evans, D., Thomas, D.N., Ellis, K. & Williams, ...
  • Brando, V.E. & Dekker, A.G., ۲۰۰۳, Satellite Hyperspectral Remote Sensing ...
  • Brando, V.E., Dekker, A.G., Park, Y.J. & Schroeder, T., ۲۰۱۲, ...
  • Brezonik, P., Menken, K.D. & Bauer, M., ۲۰۰۵, Landsat-Based Remote ...
  • Carder, K.L., Chen, F.R., Lee, Z.P., Hawes, S.K. & Kamykowski, ...
  • Cristianini, N. & Shawe-Taylor, J., ۲۰۰۰, An Introduction to Support ...
  • D'Sa, E.J. & Miller, R.L., ۲۰۰۳, Bio-Optical Properties in Waters ...
  • Del Castillo, C.E. & Miller, R.L., ۲۰۰۸, On the Use ...
  • Evans, C., Monteith, D.T. & Cooper, D.M., ۲۰۰۵, Long-Term Increases ...
  • Häder, D.-P., Kumar, H.D., Smith, R.C. & Worrest, R.C., ۲۰۰۷, ...
  • Herzsprung, P., von Tümpling, W., Hertkorn, N., Harir, M., Büttner, ...
  • Hoge, F.E. & Lyon, P.E., ۱۹۹۶, Satellite Retrieval of Inherent ...
  • Hoge, F.E., Vodacek, A., Swift, R.N., Yungel, J.K. & Blough, ...
  • Joshi, I.D., D'Saa, E.J., Osburnb, C.L., Bianchic, T.S., Ko, D.S., ...
  • Kallio, K., ۱۹۹۹, Absorption Properties of Dissolved Organic Matter in ...
  • Kallio, K., Attila, J., Härmä, P., Koponen, S., Pulliainen, J., ...
  • Kecman, V., ۲۰۰۱, Learning and Soft Computing: Support Vector Machines, ...
  • Kutser, T., ۲۰۱۲, The Possibility of Using the Landsat Image ...
  • Kutser, T., Alikas, K., Kothawala, D.N. & Köhler, S.J., ۲۰۱۵a, ...
  • Kutser, T., Pierson, D.C., Kallio, K.Y., Reinart, A. & Sobek, ...
  • Kutser, T., Tranvik, L. & Pierson, D.C., ۲۰۰۹, Variations in ...
  • Kutser, T., Verpoorter, C., Paavel, B. & Tranvik, L.J., ۲۰۱۵b, ...
  • Lee, Z., Carder, K.L. & Arnone, R.A., ۲۰۰۲, Deriving Inherent ...
  • Lee, Z., Carder, K.L., Hawes, S.K., Steward, R.G., Peacock, T.G. ...
  • Mannino, A., Russ, M.E. & Hooker, S.B., ۲۰۰۸, Algorithm Development ...
  • Matilainen, A., Vepsäläinen, M. & Sillanpää, M., ۲۰۱۰, Natural Organic ...
  • McDonald, T.A. & Komulainen, H., ۲۰۰۵, Carcinogenicity of the Chlorination ...
  • Menken, K.D., Brezonik, P.L. & Bauer, M.E. ۲۰۰۶, Influence of ...
  • Mobley, C.D., Sundman, L.K., Davis, C.O., Bowles, J.H., Downes, T.V., ...
  • Nelson, N.B. & Coble, P.G., ۲۰۰۹, Optical Analysis of Chromophoric ...
  • Roushangar, K. & Koosheh, A., ۲۰۱۵, Evaluation of GA-SVR Method ...
  • Schölkopf, B., ۲۰۰۰, Statistical Learning and Kernel Methods, Microsoft Research, ...
  • Shawe-Taylor, J. & Cristianini, N., ۲۰۰۴, Kernel Methods for Pattern ...
  • Shuchman, R.A., Leshkevich, G., Sayers, M.J., Johengen, T.H., Brooks, C.N. ...
  • Toming, K., Toming, K., Kutser, T., Tuvikene, L., Viik, M., ...
  • Tranvik, L.J., ۱۹۹۰, Bacterioplankton growth on fractions of dissolved organic ...
  • Vahtmäe, E., T., Kutser, G., Martin & J., Kotta, ۲۰۰۶, ...
  • Verma, A., Llorà, X., Goldberg, D.E. & Campbell, R.H., ۲۰۰۹, ...
  • Vertucci, F.A. & Likens, G.E., ۱۹۸۹, Spectral Reflectance and Water ...
  • Wetzel, R.G., ۲۰۰۱, Limnology: Lake and River Ecosystems, Gulf Professional ...
  • Zhu, W., Yu, Q., Tian, Y.Q., Becker, B.L., Hunter, T.Z. ...
  • Zhu, W., Yu, Q., Tian, Y.Q., Chen, R.F. & Gardner, ...
  • نمایش کامل مراجع