طراحی مدلهای تراز–سطح برای دریاچه ارومیه با استفاده از مشاهدات زمینی و فضایی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 96

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWAI-15-4_008

تاریخ نمایه سازی: 11 اردیبهشت 1402

چکیده مقاله:

امروزه به لطف داده های سنجش از دور ماهواره ای، مشاهدات فضایی برای نظارت و پایش دقیق و مداوم سطح و تراز دریاچه ارومیه فراهم شده است. با این وجود، هنوز مدل مناسبی جهت تعیین ارتباط بین مساحت و تراز دریاچه ارومیه که یک فاکتور مهم در تجزیه و تحلیل های مختلف هیدرولوژیکی و زیست محیطی است، پیشنهاد نشده است. هدف مقاله حاضر، استخراج خصوصیات تراز-سطح دریاچه ارومیه با استفاده از داده های سنجش از دور (فضایی)، مشاهدات زمینی و مدل های تحلیلی است. معادلات تراز-سطح دریاچه با استفاده از داده های تراز ایستگاه زمینی و داده های سطح مستخرج از تصاویر ماهواره ای همزمان آنها تعیین شده است. در تحقیق حاضر ۶ مدل پیشنهادی شامل توابع پایه چندجمله ای، نمایی، فوریه، گوسین، کسری (گویا) و شبکه عصبی به همراه مدلهای موجود، شامل؛ آب منطقه ای آذربایجان غربی و مدل دانشگاه سهند با استفاده از داده های تعلیمی آموزش دیده و با استفاده از داده های اعتبارسنجی مورد ارزیابی قرار گرفته است. با مقایسه معیارهای ارزیابی RMSE، MAE، MAPE و NSE، مشخص گردید که تابع کسری به عنوان بهترین مدل پیشنهادی تراز-سطح دریاچه ارومیه، قادر است تنها با خطای RMSE=۵۷.۸ کیلومترمربع و با NSE=۰.۹۹۵۸، مساحت دریاچه ارومیه را برآورد نماید. با لحاظ معیار RMSE، مشخص می شود که مدل تابع کسری پیشنهادی خطای تخمین سطح دریاچه را نسبت به بهترین مدل پیشین حدود ۵ برابر کاهش داده است. با توجه به اندازه گیری روزانه تراز دریاچه در ایستگاه زمینی، مدل پیشنهادی تراز-سطح، می تواند مساحت روزانه دریاچه را بدون نیاز به مشاهدات فضایی (تصاویر ماهواره ای) برآورد نماید.

نویسندگان

وحید صادقی

استادیار گروه مهندسی نقشه برداری- دانشکده مهندسی عمران- دانشگاه تبریز

حسین اعتمادفرد

استادیار گرایش GIS گروه مهندسی عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد

یونس نعیمی

عضو هیات علمی گروه مهندسی نقشه برداری، دانشگاه آزاد اسلامی واحد بناب

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 :
  • دسترنج ح. ر. توکلی ف. و سلطان پور ع. ۱۳۹۷. ...
  • آذرافزا م. و مختاری م. ح. ۱۳۹۲. ارزیابی تغییرات شوری ...
  • Abbaspour M. and A Nazaridoust. ۲۰۰۷. Determination of environmental water ...
  • AghaKouchaka A. Norouzi H. Madani K. Mirchi A. Azarderakhsh M. ...
  • Forecasting Surface Area Fluctuations of Urmia Lake by Image Processing Technique [مقاله ژورنالی]
  • Cook A. G. Weinstein and Centeno J.A. ۲۰۰۵. Health effects ...
  • Crétaux J. F. Arsen Calmant S. Kouraev A. Vuglinski V. ...
  • Delavar M. A. Naderi A. Ghorbani Y. Mehrpouyan A. and ...
  • jamali M. de Beaulieu J.L Shah-hosseini M. Andrieu-Ponel V. Ponel ...
  • Eimanifar A. and Mohebbi F. ۲۰۰۷. Urmia Lake (northwest Iran): ...
  • Farahmand N. and Sadeghi V. ۲۰۲۰. Estimating Soil Salinity in ...
  • Ghaheri M. Baghal-Vayjooee M.H. and Naziri J. ۱۹۹۹. Lake Urmia, ...
  • Hassanzadeh E. Zarghami M. and Hassanzadeh Y. ۲۰۱۲. Determining the ...
  • Jaafari S. Danehkar A. and Alizadeh Shabani A. ۲۰۱۳. Investigation ...
  • Kim P. ۲۰۱۷. Matlab deep learning with machine learning, neural ...
  • Merufinia E. Aram A. and Esmaeili F. ۲۰۱۴. Saving the ...
  • Nash J.E. Sutcliffe J.V. ۱۹۷۰. River flow forecasting through conceptual ...
  • Mohammadi A. Shahabi H. Shirzadi A. Al-Ansari N. Ahmad B.B. ...
  • Pengra B. The drying of Iran’s Lake Urmia and its ...
  • Sima S. and Tajrishy M. ۲۰۱۳. Using satellite data to ...
  • Tourian M.J. Elmi O. Chen Q. Devaraju B. Roohi Sh. ...
  • Yamaguchi N. Sakotani A. Ichijo T. Kenzaka T. Tani K. ...
  • Zeinoddini M. Tofighi M.A. and Vafaee F. ۲۰۰۹. Evaluation of ...
  • نمایش کامل مراجع