برآورد غلظت کل مواد جامد محلول و کدورت آب سدهای کرخه و دز و رودخانه کارون بزرگ با استفاده از تصاویر ماهواره Sentinel-2

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه سنجش از دور و GIS دانشکده علوم زمین دانشگاه شهید چمران اهواز

2 دانشگاه شهید چمران اهواز

3 گروه عمران دانشکده فنی دانشگاه جندی شاپور دزفول

4 گروه سنجش از دور و GIS دانگاه شهید چمران اهواز

چکیده

سنجش از دور ازجمله فناوری‌های نوینی است که می‌تواند با صرف هزینه اندک، اطلاعات پیوسته‌ای ازنظر زمان و مکان تغییرات پارامترهای کیفیت آب در منابع آب سطحی برآورد نماید، بنابراین این مطالعه با هدف برآورد غلظت پارامترهای کیفیت آب TDS و Turbidity در سدهای کرخه و دز و رودخانه کارون بزرگ با استفاده از تصاویر برداشت‌شده به‌وسیله ماهواره سنتینل-2 انجام گرفت. ابتدا با انجام پردازش‌های اولیه بر روی تصاویر ماهواره مذکور، شاخص‌های طیفی مناسبی از آن‌ها استخراج گردید و سپس با به‌کارگیری مدل شبکه عصبی، روابطی بهینه‌ میان آن‌ها و مقادیر هرکدام از پارامترهای TDS و Turbidity برقرار شد. جهت ارزیابی دقت مدل‌سازی‌های انجام‌شده شاخص‌های RMSE و خطای نسبی استفاده گردید و مقادیر هرکدام از آن‌ها برای مدل‌سازی میان تصاویر ماهواره‌ای و پارامتر TDS به ترتیب برابر با (ppm) 48/105 و 088/0 و برای مدل‌سازی میان تصاویر ماهواره‌ای و پارامتر Turbidity برابر با (N.T.U) 1/3 و 110/0 به دست آمد. در نهایت با اعمال مدل‌های تهیه‌شده بر روی تصاویر ماهواره‌ای سنتینل-2 که در سال‌های 1394 تا 1395 برداشت‌شده بودند، نقشه پراکندگی پارامترهای کیفیت آب ذکر شده در چهار زمان برای سدهای کرخه و دز و رودخانه کارون بزرگ در مقطع ملاثانی تا ایستگاه‌ هیدرومتری فارسیات در جنوب اهواز تهیه گردید.

کلیدواژه‌ها


اسماعیلی.م.، پسندی.م.، هاشمی اصفهانیان.م.، 1395، تخمین مدول الاستیسیته سنگ بکر با استفاده از شبکه عصبی مصنوعی و رگرسیون غیر خطی، مجله زمین­شناسی کاربردی پیشرفته، پاییز 95، شماره 21.
البرزی. م.، 1386، آشنایی با شبکه­های عصبی، تهران، انتشارات دانشگاه صنعتی شریف.
چالکش امیری. م.، 1392، اصول تصفیه آب، چاپ دهم، اصفهان، انتشارات ارکان دانش.
حقیقی. ح.، علی‌محمدی.ع.، سراجیان.م.، عاشورلو.د.، 1388، برآورد مقدار کدورت خلیج گرگان با استفاده از تصاویر LISS-IIIماهواره IRS، فصلنامه مدرس علوم انسانی، دوره 13، شماره 3، پاییز 1388.
رضوی­راد. ف.، کوهساری.ا.ح.، 1392، شبیه­سازی عناصر نادر خاکی سریوم و لانتانیوم موجود در رسوبات آبراهه­ای منطقه اشتهارد با استفاده از روش شبکه عصبی، مجله زمین شناسی کاربردی پیشرفته، پاییز 92، شماره 9.
عزت­آبادی­پور.ح.، 1395، معرفی تصاویر ماهواره سنتینل 2، سومین کنفرانس بین المللی نوآوری­های اخیر در مهندسی عمران، معماری و شهرسازی، تهران، 18 شهریور.
علیزاده.ب.، معروفی.خ.، حیدری فرد.م.ح.، 1392، ارزیابی میزان ماده حاصل از شبکه عصبی مصنوعی در چهارچوب چینه­نگاری سکانسی: مطالعه موردی از سازند پابده در میدان نفتی مارون، مجله زمین­شناسی کاربردی پیشرفته، بهار 92، شماره 7.
فتاحی مقدم.م.، 1390، ارزیابی قابلیت سنجنده هایپریون، فیلداسپک 3 و داده­های زمینی برای برآورد پارامترهای کیفیت آب در رودخانه کارون مقطع شهر اهواز، پایان­نامه کارشناسی ارشد، دانشگاه شهید چمران اهواز، دانشکده علوم زمین، گرایش سنجش از دور و سیستم اطلاعات جغرافیایی.
معصومی.ب.،محمدی.ر.، 1391، اصول تصفیه آب، تبریز، انتشارات فروزش.
Bagherian.Marzouani.M., Akhoundali.A.M., Moazed.H., Jaafarzadeh.N., Ahadian.J., Hasoonizadeh.H., 2014, Evaluation of Karun River Water Quality Scenaros Using Simulation Model Results, International Journal of Advanced Biological and Biomedical Research, Volume 2, Issue 2, 339-358.
Baillarin.S.J., Meygret.A., Dechoz.C., Petrucci.B., Lacherade.S., Tremas.T., et al., 2012, SENTINEL-2 LEVEL 1 PRODUCTS AND IMAGE PROCESSING PERFORMANCES. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XXXIX-B1, 197-202.
Bonansea.M., Claudia Rodriguez.M., Pinotti.L., Ferrero.S., 2015, Using multi-temporal Landsat imagery and linear Models for assessing water quality parameters in Rio Tercero reservoir (Argentina), Journal of Remote Sensing of Environment, 158, 28–41.
Chawira.M., Dube.T., Gumindoga.W., 2013, Remote Sensing Based Water Quality Monitoring in Chivero and Manyame Lakes of Zimbabwe, Journal of Physics and Chemistry of the Earth, Parts A/B/C, Volume 66, 38-44.
Du.Y., Zhang.Y., Ling.F., Wang.Q., Li.W., Li.X., 2016, Water Bodies’ Mapping from Sentinel-2 Imagery with Modified Normalized Difference Water Index at 10-m Spatial Resolution Produced by Sharpening the SWIR Band. Journal of Remote Sensing, 354; 3390-3403.
Du.Y., Zhang.Y., Ling.F., Wang.Q., Li.W., Li.X., 2016, Water Bodies’ Mapping from Sentinel-2 Imagery with Modified Normalized Difference Water Index at 10-m Spatial Resolution Produced by Sharpening the SWIR Band. Journal of Remote Sensing, 354; 3390-3403.
Du.Y., Zhang.Y., Ling.F., Wang.Q., Li.W., Li.X., 2016, Water Bodies’ Mapping from Sentinel-2 Imagery with Modified Normalized Difference Water Index at 10-m Spatial Resolution Produced by Sharpening the SWIR Band. Journal of Remote Sensing, 354; 3390-3403.
Egbers.R., 2016,  Sentinel-2 data processing and identifying glacial features in Sentinel-2 imagery. Bachelor Thesis. TU Delft University of Technology in Netherlands.
Feyisa.G.L., Meilby.H., Fensholt.R., 2014, Proud SR. Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery. Journal of Remote Sensing of Environment, 23–35.
Gursory.O., Birdal.A.C., Ozyonar.F., Kasaka.E.,2015, Determining and Monitoring The Water Quality of Kizilirmark River of Turkey: First Results, The International Archive of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XL-7/W3, 1469-1474.
Hosseini.Zare.N., Gholami.A., Panahpour.E., Jafarnejadi.A., 2014, Pollution Load Assessment in the Soil and Water Resources: A Case Study in Karun River Drainage Basin, Southwest of Iran, European Online Journal of Natural and Social Sciences,Vol.3, No.3 Special Issue on Environmental, Agricultural, and Energy Science, 428-434.
kwpa.ir
Liu.J., Zhang.Y., Yuan.D., Song.X., 2015, Empirical Estimation of Total Nitrogen and Total Phosphorus Concentration of Urban Water Bodies in China Using High Resolution IKONOS Multispectral Imagery, Journal of Water, 7, 6551-6573.
Main-Knorn.M., Pflug.B., Debaecker.V., Louis.J.,2015, CALIBRATION AND VALIDATION PLAN FOR THE L2A PROCESSOR AND PRODUCTS OF THE SENTINEL-2 MISSION, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XL-7/W3, 1249-1255.
Navarroa.G., Caballeroa,I., Silva.G., Cecilio.Parrac.P., Vazquezd.A., Caldeirab.R., 2017,  Evaluation of forest fire on Madeira Island using Sentinel-2A MSI imagery, International Journal of Applied Earth Observation and Geoinformation, 97–106.
Sherfey, J. S., Soplata, A. E., Ardid, S., Roberts, E. A., Stanley, D. A., Pittman-Polletta, B. R., & Kopell, N. J. (2018). DynaSim: A MATLAB Toolbox for Neural Modeling and Simulation. Frontiers in neuroinformatics, 12, 10.‏
Su.T.C., Chou.H.T., 2015, Application of Multispectral Sensors Carried on Unmanned Aerial Vehicle (UAV) to Trophic State Mapping of Small Reservoirs: A Case Study of Tain-Pu Reservoir in Kinmen, Taiwan. Journal of Remote Sensing, 7, 10078-10097.
Trivero.P., Borasi.M., Biamino.W., Cavagnero.M., Rinaudo.C., Bonansea.M., et al, 2013, River pollution Remediation Monitored by Optical and Infrared High-Resolution Satellite Images, Journal of Environmental Monitoring and Assessment, 185(9), 7647–7658.
Xie.T., Yu.H., Wilamowski.B., 2011, Comparison between Traditional Neural Networks and Radial Basis Function Networks, IEEE International Symposum on Industerial Electronics, p: 1194-1199
Zolfaghari.K., Duguay.C.R., 2016. Estimation of Water Quality Parameters in Lake Erie from MERIS Using Linear Mixed Effect Models, Journal of Remote Sensing, 8, 473-498.