شبیهسازی توزیع مکانی عمق برف با استفاده از هوش مصنوعی و رگرسیون خطی مبتنی بر کاهش ویژگی ها (مطالعه موردی: حوزه آبخیز چلگرد)

دست یابی به توزیع مکانی عمق برف باید از راه مشاهده ای و در مقیاسی فشرده صورت گیرد. بنابراین به دلیل محدودیت های عملی، جمع آوری اطلاعات به ویژه در مقیاس های مذکور، دشوار و گاهی غیرممکن است. اما با توجه به مشکلات موجود در مناطق مرتفع، استفاده از روش های غیرمستقیم توصیه می شود. در این پژوهش کارایی شبکه عصبی مصنوعی و رگرسیون خطی در مدل سازی عمق برف و هم چنین اثر کاهش ویژگی ها با تحلیل مولفه اصلی در منطقه چلگرد واقع در چهارمحال و بختیاری ایران بررسی شد. به همین منظور ابتدا با استفاده از روش هایپرکیوب، محل 100 نقطه مشخص و طی یک عملیات صحرایی داده های عمق برف در نقاط مورد نظر و هم چنین در 195 نقطه دیگر به صورت تصادفی و با نمونه بردار مدل فدرال برداشت شد. سپس با استفاده از مدل رقومی ارتفاع، 25 متغیر ژیومورفومتری استخراج و همراه با شش باند تصاویر ماهواره لندست 8 و شاخص NDSI به عنوان ورودی های مدل ها انتخاب شد. نتایج حاصل از این پژوهش نشان داد که مدل شبکه عصبی مصنوعی با آرایش 1، 6 و 32، ضریب تبیین 0.62 و میانگین مربعات خطا برابر با 19.57 توانسته است با دقت بهتری تغییرات عمق برف را مورد شبیه سازی قرار دهد. هم چنین کاهش ویژگی های ورودی با PCA در مدل سازی عمق برف تاثیر نداشته است. بنابراین، پیشنهاد می شود از سایر روش های کاهش ویژگی جهت دست یابی به مهم ترین متغیرهای موثر در عمق برف استفاده شود.