پایش سطح تغذیه گرایی در دریاچه ارومیه با استفاده از الگوریتم های رگرسیون خطی چند متغیره و شبکه عصبی مصنوعی مبتنی بر تصاویر ماهواره ای لندست-۸ و سنتینل-۲

پایش پیوسته غلظت کلروفیل و تعیین سطح تغذیهگرایی در دریاچهها به منظور مدیریت کیفیت آب آن ها ضروری است. هدف این پژوهش مدلسازی غلظت کلروفیل-آ به عنوان متغیر کلیدی مرتبط با تغذیه گرایی در بخش شمالی دریاچه ارومیه با استفاده از تصاویر ماهواره های لندست-۸ و سنتینل-۲ و الگوریتم های رگرسیون خطی چند متغیره (MLR) و شبکه عصبی مصنوعی (ANN) می باشد. نتایج نشان داد در حالی که هر دو مدل مبتنی بر تصاویر لندست-۸ (ANNLandsat -۸ و MLRLandsat -۸) از دقت بالایی در پایش غلظت کلروفیل-آ برخوردار بودند، عملکرد مدل های منتخب مبتنی بر تصاویر سنتینل-۲ (ANNSentinel -۲ و MLRSentinel -۲) رضایت بخش نبودند. در هر دو سری مدل های کلروفیل-آ مبتنی بر دادههای لندست-۸ و سنتینل-۲، مدل ANN (با یک لایه مخفی) نسبت به مدل MLR اندکی برتری داشت. با توجه به عملکرد مناسب مدل منتخب ANNLandsat-۸ از این مدل برای تحلیل الگوی تغییرات مکانی و زمانی غلظت کلروفیل-آ و سطح تغذیه گرایی در شمال دریاچه ارومیه استفاده شد. تحلیل الگوی تغییرات مکانی غلظت کلروفیل-آ در تمامی ماه ها، افزایش غلظت به سمت مرکز و نواحی عمیق شمال دریاچه و کاهش به سمت پل میانگذر را نشان داد. همچنین میانگین غلظت کلروفیل-آ و سطح تغذیه گرایی در شمال دریاچه، از فوریه تا جولای به صورت قابل توجهی افزایش، از جولای تا سپتامبر کاهش و از سپتامبر تا اکتبر افزایش یافت. نتایج مدل منتخب (ANNLandsat -۸)، نشان داد که شمال دریاچه در ماه های فوریه و سپتامبر سال ۲۰۱۶ در شرایط مزوتروفیک حاد و در ماه های جولای، آگوست و اکتبر در شرایط یوتروفیک خفیف قرار داشته است.