TY - JOUR ID - 83491 TI - عمق سنجی از نواحی کم عمق ساحلی با استفاده از تصاویر لندست-8 به طریق آموزش شبکه عصبی (مطالعه موردی: جنوب شرقی دریای خزر) JO - پژوهشهای ژئومورفولوژی کمّی JA - GMPJ LA - fa SN - 22519424 AU - امینی, لیلا AU - عبداللهی کاکرودی, عطاءاله AD - دانشجوی کارشناسی ارشد سنجش‌ازدور و GIS، دانشکده جغرافیا، دانشگاه تهران. AD - استادیار گروه سنجش‌ازدور و GIS ، دانشکده جغرافیا، دانشگاه تهران. Y1 - 2019 PY - 2019 VL - 7 IS - 3 SP - 216 EP - 230 KW - عمق سنجی KW - لندست- 8 KW - کلاسه‌بندی فازی KW - شبکه عصبی KW - جنوب شرقی دریای خزر DO - N2 - تصاویر سنجش ­از­دور ابزاری مناسب جهت برآورد عمق در مناطق ساحلی است. در این پژوهش، به منظور مطالعه مناطق کم­ عمق ساحلی، از تصاویر لندست-8 و داده­های هیدروگرافی که با روش اکوساندر جمع­ آوری شده استفاده شده است. هدف از این پژوهش، عمق سنجی از نواحی جنوب شرقی ساحل دریای خزر از طریق آموزش شبکه عصبی است. تصحیح اتمسفری Dark Object Subtract (DOS)، تصحیح رادیومتریکی (تبدیل درجات روشنایی به بازتاب)، تصحیح درخشندگی خورشید و در نهایت ماسک کردن مناطق آبی از مناطق خشکی، از جمله پیش­پردازش­های لازم است که بر روی باندهای آبی­ساحلی، آبی، سبز و قرمز تصویر لندست-8 اعمال شده است. در این پژوهش برآورد عمق از طریق شبکه عصبی در دو حالت بررسی گردد. در حالت اول، هر یک از چهار باند به عنوان داده­های ورودی و داده­های عمق متناظر با هر یک از این پیکسل­ها به عنوان هدف به شبکه عصبی معرفی گردید. و در حالت دوم، داده­های عمق به روش میانگین فازی، به شش کلاس تقسیم­بندی شدند و اطلاعات هر کلاس بصورت جداگانه به شبکه ارائه شد. در هر دو حالت مورد بررسی، سهم داده­های آموزشی، داده­های اعتبارسنجی و داده­های آزمون از داده­های ورودی به ترتیب 60 درصد، 10 درصد و 30 درصد می­باشد. نتایج حاصل از شبکه عصبی نشان می­دهد که دقت عمق برآورد شده در کلاسه­های مختلف، متفاوت است و بیشترین دقت ( RMSE =0.11و0.90  R2 =) و کمترین دقت ( RMSE =0.11و0.67  R2 =) به ترتیب به محدوده عمق­های 97/3- تا 1/3- و 48/4- تا 4- اختصاص دارد. در حالیکه عمق برآورد شده از داده­های کل (کلاسه­بندی نشده) معادل  R2 = 0.94و  RMSE =0.16متر بدست آمد. از این رو، با آموزش شبکه عصبی می­توان به برآورد عمق از نواحی کم عمق ساحلی با دقت بالا پرداخت.   UR - https://www.geomorphologyjournal.ir/article_83491.html L1 - https://www.geomorphologyjournal.ir/article_83491_154832f181ad6cdd19c7baeb3e4b6a44.pdf ER -