ارائه کننده: بنیاد احمدی
استاد راهنما: دکتر مهدی غلامعلی فرد
استاد راهنمای دوم: دکترتیت کاتسر
استاد مشاور: دکتر سید محمود قاسم پوری
استاد مشاور دوم: دکتر اندری کاستیانوی
استاد ناظر داخلی: دکتر علیرضا ریاحی بختیاری، دکتر وحید موسوی
استاد ناظر خارجی: دکتر عبدالرسول سلمان ماهینی، دکتر سیدرضی شیخ الاسلامی
نماینده تحصیلات تکمیلی: دکتر نادر بهرامی فر
تاریخ: ۱۴۰۴/۰۲/۲۲
ساعت: ۸:۳۰
مکان: سالن اصلی کاخ

چکیده:
روش‌های میدانی مبتنی بر شناورها برای پایش مناطق ساحلی به‌دلیل هزینه‌ و زمان‌بر بودن، با محدودیت‌هایی در تناوب و پوشش مکانی مواجه‌اند. در مقابل، سنجش از دور راهکاری کارآمد و مقرون‌به‌صرفه برای شناسایی کمی مؤلفه‌های فعال نوری (OACs) نظیر کلروفیلa، مواد آلی محلول رنگی (CDOM) و کدورت در پهنه‌های آبی فراهم می‌کند. با این حال، توسعه و اعتبارسنجی الگوریتم‌های سنجش از دور برای ارزیابی کیفیت آب، نیازمند داده‌های میدانی دقیق و مدل‌سازی بهینه این مؤلفه‌ها در شرایط خاص هر منطقه است. در این میان، تعبیه الگوریتم‌های بهینه برای مؤلفه‌های فعال نوری، به‌ویژه در نواحی دارای فعالیت‌های صنعتی گسترده یا درگیر بحران‌های محیط‌زیستی، از اهمیت مضاعفی برخوردار است. در همین راستا، منطقه ویژه اقتصادی انرژی پارس (PSEEZ)، به‌عنوان قطب اصلی استخراج گاز در خلیج فارس، طی دهه‌های اخیر (از سال 1377) با رشد سریع صنعتی مواجه بوده که پیامدهای محیط‌زیستی و تغییرات چشمگیر در کیفیت آب را بهمراه داشته است. این شرایط، لزوم پایش پیوسته با وضوح زمانی و مکانی بالا را در مدیریت منابع آبی برجسته کرده است. با وجود اهمیت بوم‌شناختی و اقتصادی این منطقه، فقدان چارچوب نظارتی منسجم برای پایش بلندمدت کیفیت آب همچنان به‌عنوان یک خلأ جدی در سطح پژوهشی و مدیریتی باقی مانده است. از سوی دیگر، بحران محیط‌زیستی در خلیج گرگان و تالاب میانکاله، ناشی از قطع ارتباط هیدرولوژیک با دریای خزر، منجر به کاهش شدید حجم و کیفیت آب و بروز پیامدهایی نظیر کاهش تنوع زیستی و شیوع بیماری مانند بوتولیسم در پرندگان مهاجر شده است. این وضعیت، ضرورت استفاده از سامانه‌های پایش یکپارچه مبتنی بر سنجش از دور را برای رصد تغییرات کیفی و تدوین راهبردهای احیای بوم‌شناختی دوچندان می‌کند. در این راستا، توسعه الگوریتم‌های پیشرفته سنجش از دور نه‌تنها ابزاری پژوهشی، بلکه ضرورتی اجرایی برای سیاست‌گذاری حفاظتی در پهنه‌های آبی حساس ایران به‌شمار می‌رود. در چارچوب این پژوهش، پایش درجا مؤلفه‌های فعال نوری با CTD به‌صورت ماهانه در سال ۱۴۰۱ در تالاب میانکاله و به‌شیوه فصلی در سال ۱۴۰۲ در منطقه ویژه اقتصادی، هماهنگ با پایش ماهواره‌ای و همگام با پنجره زمانی ±۳ ساعتی از گذر مداری سنجنده‌های MSI (ماهواره سنتینل-۲)، OLI (ماهواره لندست-۸) و OLCI (ماهواره سنتینل-۳)، اجرا گردید. بازیابی کمی مؤلفه‌های کیفی آب با به‌کارگیری روش‌های پیشرفته یادگیری ماشین تحت پلتفرم پایتون و اعتبارسنجی متقاطع مبتنی بر شاخص‌های ارزیابی صحت انجام پذیرفت. نتایج حاصل نشان داد که الگوریتم نزدیک‌ترین همسایه (k-NN) در بازیابی مؤلفه‌های فعال نوری عملکرد قابل قبولی دارد. همچنین، نوع معیار فاصله مورد استفاده تأثیر معناداری بر دقت نتایج بازیابی این مؤلفه‌ها داشت. در بازیابی کدورت، استفاده از فاصله اقلیدسی (ED) شیب رگرسیون را به 9/0 بهبود بخشید (ارتقای 17/55 درصدی نسبت به فاصله فازی ماهالانوبیس (FD)) و شاخص RMSLE را به 51/0 کاهش داد که بیانگر ارتقای تقریبی ۱۶۰ درصدی در دقت است. برای CDOM، مقادیر RMSLE در ED و FD به ترتیب 39/0 و 48/0 بود که نشانگر بهبود 75/18 درصدی عملکرد ED است. علاوه بر این، تحلیل اریبی، انحراف ۱ تا ۶ درصدی نسبت به داده‌های مرجع را آشکار ساخت که کمترین مقادیر مربوط به فاصله ماهالانوبیس (MD) در سنجنده MSI و FD در سنجنده OLCI بود. در بازیابی کلروفیلa، انتخاب معیار فاصله، دقت سنجنده OLCI را به‌صورت مستقیم تحت تأثیر قرار داد و منجر به ایجاد اریبی دوطرفه شامل هم بالا‌برآوردی و هم پایین‌برآوردی شد که ماهیت آن وابسته به معیار انتخابی بود. همچنین نتایج نشان داد الگوریتم MDN با ثبت ضریب تعیین 81/0 و شیب رگرسیون 7/0 برای مؤلفه کلروفیلa، به‌عنوان برترین مدل شناخته شد و کمترین خطای میانگین (بایاس 10 درصد کم‌برآوردی) را نشان داد. در بازیابی کدورت، این الگوریتم با میانه انحراف نسبی متقارن (SSPB برابر 4 درصد) و تعادل خطای سیستماتیک، عملکردی متعادل‌تر نسبت به سایر مدل‌ها ارائه کرد. برای مؤلفه CDOM، k-NN با تابع ماهالانوبیس با کاهش 75/18 درصد خطای RMSLE (39/0) و حداقل Bias (۱-۶ درصد)، بهترین نتیجه را ثبت نمود. در مقابل، الگوریتم BRR با خطای تقریبی ۴ درصد ضعیف‌ترین عملکرد را داشت. مطابق با ارزیابی‌های انجام‌شده، می‌توان نتیجه‌گیری کرد که الگوریتم k-NN بر اساس شاخص‌های ارزیابی صحت، در بازیابی مؤلفه‌های فعال نوری در منطقه ویژه اقتصادی انرژی پارس عملکرد بالایی بالایی داشته و توانسته دقت قابل‌توجهی در بازیابی مؤلفه‌های فعال نوری ارائه دهد. در حالی‌که در نواحی شمالی کشور، الگوریتم MDN با دقت بالاتر به‌عنوان مدل بهینه شناسایی شد. همچنین، نتایج نشان داد که شیوع بیماری بوتولیسم در پرندگان هم‌زمانی قابل‌توجهی با افزایش غلظت CDOM دارد و از الگویی با تأخیر زمانی نسبت به تغییرات غلظت کلروفیلa تبعیت می‌کند. تحلیل فضایی داده‌ها نیز گویای افت کیفیت آب در بخش‌های جنوبی منطقه است که با الگوی توسعه صنعتی همپوشانی دارد. درمجموع، نتایج این پژوهش نشان می‌دهد که پایش مؤلفه‌های فعال نوری با بهره‌گیری از الگوریتم‌های بهینه‌شده سنجش از دور، رویکردی مؤثر و مبتنی بر شواهد برای تحلیل تغییرات محیطی و ارزیابی دقیق پیامدهای بوم‌شناختی در بوم‌سازگان‌های حساس و در حال تغییر، چون میانکاله و پارس جنوبی فراهم می‌سازد.