| تعداد نشریات | 45 |
| تعداد شمارهها | 1,540 |
| تعداد مقالات | 18,785 |
| تعداد مشاهده مقاله | 62,821,092 |
| تعداد دریافت فایل اصل مقاله | 22,748,027 |
تخمین سطح برف با استفاده از روش های مبتنی بر محاسبات نرم و هم افزایی شاخص های برف | ||
| جغرافیا و برنامهریزی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 30 شهریور 1405 | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/gp.2026.71937.3527 | ||
| نویسندگان | ||
| صدیقه امامی1؛ مصطفی کابلی زاده* 2؛ کاظم رنگزن1؛ سجاد زارعی1 | ||
| 1دانشگاه شهید چمران اهواز، دانشکده علوم زمین، گروه سنجش از دور و GIS | ||
| 2گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز؛ اهواز؛ ایران | ||
| چکیده | ||
| هدف: با توجه به عدم قطعیت سطح بالای پوشش برف (SCA) در مناطق کوهستانی با توپوگرافی پیچیده، این پژوهش با هدف بهبود تفکیک برف از سایر سطوح از ترکیب شاخصهای ساخت و الگوریتمهای بهینهسازی فراابتکاری انجام شد. روش پژوهش: در این مطالعه از تصاویر ماهوارههای Landsat8 مربوط به استانهای البرز و چهارمحال و بختیاری در ماههای ژانویه و مارس استفاده شد. شاخصهای اجزای شامل NDSI، NDSII-1، S3، SWI و مؤلفه دوم تحلیلهای اصلی ( (PCAM2) استخراج شد. سپس به منظور مدلسازی پدیده برف بهعنوان یک پدیدهسازی پیوسته، سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) و نسخههای بهینهسازی شده آن با استفاده از الگوریتمهای فراابتکاری شامل الگوریتمهای الگوریتم ژنتیک ,(GA) تکامل تفاضلی ,(DE) بهینهسازی ازدحام ذرات ,(PSO)کلونی مورچهها (ACO)، و بهینهسازی نهنگ (WOA)به ئکار گرفته شد. عملکرد مدلها در مراحل آموزش و آزمون با استفاده از شاخصهای آماری RMSE و MSE انجام شد. نتایج: نتایج نشان داد عملکرد الگوریتمها وابسته به شرایط مکانی و زمانی منطقه مورد مطالعه است. در حوضه کارون شمالی، الگوریتم PSO در تاریخ 20/11/2022کمترین مقدار RMSE (0.077) را در دادههای آزمون ثبت کرد و در تاریخ 20/03/2023 نیز همراه با ANFIS کمترین میزان خطا را نشان داد. در مقابل، الگوری WOA در هر دو منطقه بیشترین میزان خطا و ناپایداری را داشت. در حوضه تهران–کرج، مدل ANFIS در هر دو تاریخ مورد بررسی دقیقترین و پایدارترین عملکرد را ارائه داد. نتیجهگیری: نتایج این پژوهش نشان داد که ترکیب همافزای شاخصهای طیفی پوشش برف با مدلهای هوش محاسباتی و الگوریتمهای بهینهسازی فراابتکاری، میتواند عدمقطعیت برآورد پوشش برف در مناطق کوهستانی را بهطور قابلتوجهی کاهش دهد. در میان مدلهای بررسیشده، الگوریتم بهینهسازی ازدحام ذرات (PSO) و مدل ANFIS عملکرد دقیقتر و پایدارتری در پایش پوشش برف حوضههای کوهستانی نشان دادند و بهعنوان گزینههای کارآمدتر پیشنهاد میشوند. | ||
| کلیدواژهها | ||
| پوشش برف؛ سیستم استنتاج فازی-عصبی تطبیقی؛ بهینه سازی ازدحام ذرات؛ بهینه سازی فراابتکاری؛ حوزه آبخیز کوهستانی | ||
|
آمار تعداد مشاهده مقاله: 3 |
||