چارچوب ترکیبی داده‌های ماهواره‌ای و یادگیری ماشین برای پایش تراز آب سد دز

ظهیری, جواد; جعفری, احمد; چراغی, میترا

doi:10.22098/mmws.2026.19903.1824

چارچوب ترکیبی داده‌های ماهواره‌ای و یادگیری ماشین برای پایش تراز آب سد دز

مقالات آماده انتشار

نوع مقاله : پژوهشی

نویسندگان

¹ دانشیار گروه مهندسی آب، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران

² استادیار گروه مهندسی آب، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران

³ دانشیار گروه مهندسی طبیعت، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران

10.22098/mmws.2026.19903.1824

چکیده

اندازه‌گیری مستقیم تراز سطح آب در بسیاری از مخازن سدها، به‌دلیل هزینه‌های بالای نگهداری ایستگاه‌های ترازسنجی و صعب‌العبور بودن برخی مناطق، همواره با محدودیت‌هایی مواجه بوده است. بر همین اساس این مطالعه به ارزیابی کارایی تصاویر ماهواره‌ای سنتینل-۲ در ترکیب با مدل رقومی ارتفاع SRTM در بستر گوگل ارث انجین (GEE) برای تخمین تراز سطح آب مخزن سد دز پرداخته است. هدف اصلی، توسعه و اعتبارسنجی الگوریتمی خودکار و کم‌هزینه مبتنی بر سنجش ‌از دور برای شبیه‌سازی تغییرات ارتفاع آب مخزن سد دز در بازه زمانی 1396 تا 1402 است. در این راستا، چارچوبی در محیط GEE توسعه داده شد که در آن شاخص‌های NDWI و MNDWI برای تفکیک پهنه آبی محاسبه شدند. سپس تراز مخزن از طریق استخراج میانگین ارتفاع لبه آب بر روی تصاویر ماهواره‌ای استخراج گردید. به منظور افزایش دقت پیش‌بینی، مدل رگرسیون ماشین بردار پشتیبان (SVM) به‌صورت تجمعی آموزش داده شد. در این پژوهش، دو سناریو برای برآورد تراز سطح آب مخزن سد دز با استفاده از مدل SVM بررسی شد. در سناریوی اول، مدل تنها بر پایه متغیرهای استخراج‌شده از تصاویر ماهواره‌ای توسعه یافت، در حالی‌که در سناریوی دوم، تراز سطح آب با تأخیر زمانی ۵ روزه نیز به‌عنوان ورودی اضافه شد. نتایج نشان داد افزودن تراز سطح آب با تأخیر زمانی موجب بهبود دقت مدل می‌شود؛ به‌طوری‌که RMSE در مرحله صحت‌سنجی از 64/2 به 97/1 متر و پهنای باند عدم‌قطعیت از 81/6 به 24/4 متر کاهش یافت. با این حال، سناریوی اول به دلیل عدم نیاز به داده‌های مشاهداتی زمینی، گزینه‌ای مناسب برای برآورد تراز سطح آب در مخازن فاقد ایستگاه‌های هیدرومتری یا مناطق دارای داده‌های محدود به شمار می‌رود. تحلیل حساسیت به روش اهمیت جایگشت نشان داد که تراز سطح آب با تأخیر زمانی و تراز سطح آب برآورد شده از تصاویر ماهواره‌ای مؤثرترین پارامترهای ورودی هستند، در حالی که شاخص‌های NDWI و MNDWI نقش کمتری در مرحله پیش‌بینی نهایی داشتند. چارچوب ارائه‌شده، ضمن یکپارچگی کامل فرآیند در بستر GEE، قابلیت تکرارپذیری و کاربرد در سامانه‌های پایش منابع آب را داراست.

کلیدواژه‌ها