TY - JOUR T1 - Estimating Suspended Sediment Concentration Using Remote Sensing and Artificial Neural Network (Case Study: Karun River) TT - کاربرد سنجش از دور و شبکه عصبی مصنوعی در تخمین غلظت رسوب معلق رودخانه (مطالعه موردی: رودخانه کارون) JF - JSTNAR JO - JSTNAR VL - 22 IS - 2 UR - http://jstnar.iut.ac.ir/article-1-3421-fa.html Y1 - 2018 SP - 249 EP - 259 KW - Suspended sediment concentration KW - MODIS KW - RBF KW - Regression method N2 - بازتاب طیفی سنجش از راه دور اندازه‌گیری شده توسط سنسور‌های ماهواره‌ای، یک جایگزین سریع و رویکرد اقتصادی برای ارزیابی غلظت رسوب معلق در اقیانوس‌ها، دریا‌ها، رودخانه‌ها و آب‌های ساحلی است. بر همین اساس در این تحقیق از ترکیب اطلاعات به‌دست آمده از تصاویر ماهواره‌ای و یک مدل شبکه عصبی پایه شعاعی، جهت برآورد غلظت بار معلق رودخانه‌ای استفاده شد. داده‌های میدانی غلظت رسوب معلق، دبی جریان و بازتاب باند یک و نسبت بازتاب باند دو به یک سنجنده مادیس، به‌عنوان ورودی به شبکه عصبی معرفی شدند، همچنین یک مدل رگرسیون خطی چندمتغیره برای ایجاد ارتباط میان غلظت رسوب معلق و بازتاب رسیده به سنجنده استفاده شد. در نهایت نتایج حاصل از شبکه عصبی با نتایج حاصل از رگرسیون و منحنی سنجه رسوب مقایسه شد. براساس نتایج به‌دست ‌آمده، مدل شبکه عصبی مصنوعی با ورودی باند یک و دبی جریان با RMSE برابر 19/0، عملکرد بهتری را نسبت به دو روش رگرسیون و منحنی سنجه رسوب با RMSE به‌ترتیب برابر 21/0 و 29/0 دارا است. M3 10.29252/jstnar.22.2.249 ER -