مصطفی آصفی - دانش آموخته کارشناسی ارشد/ گروه مهندسی طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران
علی فتح زاده - دانشیار/ گروه مهندسی طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران

دست یابی به توزیع مکانی عمق برف باید از راه مشاهده ای و در مقیاسی فشرده صورت گیرد. بنابراین به دلیل محدودیت های عملی، جمع آوری اطلاعات به ویژه در مقیاس های مذکور، دشوار و گاهی غیرممکن است. اما با توجه به مشکلات موجود در مناطق مرتفع، استفاده از روش های غیرمستقیم توصیه می شود. در این پژوهش کارایی شبکه عصبی مصنوعی و رگرسیون خطی در مدل سازی عمق برف و هم چنین اثر کاهش ویژگی ها با تحلیل مولفه اصلی در منطقه چلگرد واقع در چهارمحال و بختیاری ایران بررسی شد. به همین منظور ابتدا با استفاده از روش هایپرکیوب، محل ۱۰۰ نقطه مشخص و طی یک عملیات صحرایی داده های عمق برف در نقاط مورد نظر و هم چنین در ۱۹۵ نقطه دیگر به صورت تصادفی و با نمونه بردار مدل فدرال برداشت شد. سپس با استفاده از مدل رقومی ارتفاع، ۲۵ متغیر ژئومورفومتری استخراج و همراه با شش باند تصاویر ماهواره لندست ۸ و شاخص NDSI به عنوان ورودی های مدل ها انتخاب شد. نتایج حاصل از این پژوهش نشان داد که مدل شبکه عصبی مصنوعی با آرایش ۱، ۶ و ۳۲، ضریب تبیین ۰.۶۲ و میانگین مربعات خطا برابر با ۱۹.۵۷ توانسته است با دقت بهتری تغییرات عمق برف را مورد شبیه سازی قرار دهد. هم چنین کاهش ویژگی های ورودی با PCA در مدل سازی عمق برف تاثیر نداشته است. بنابراین، پیشنهاد می شود از سایر روش های کاهش ویژگی جهت دست یابی به مهم ترین متغیرهای موثر در عمق برف استفاده شود.

تحلیل مولفه های اصلی, توزیع مکانی, سنجش از دور, شبکه عصبی, عمق برف