فریما عزیزی

رشد جمعیت و تخلیه فاضلاب های مختلف باعث افزایش آلودگی منابع آبی، به ویژه آب های سطحی، شده است که این امر منجر به رشد جلبک ها، کاهش اکسیژن محلول و افت کیفیت آب می شود. به دلیل هزینه بر و زمان بر بودن روش های میدانی، فناوری سنجش ازدور به عنوان روشی کارآمد برای پایش کیفیت آب مورد استفاده قرار می گیرد. در این مطالعه، از تصاویر ماهواره ای سنتینل-۲ برای بررسی کیفیت آب دریاچه زریبار و شناسایی منابع آلاینده استفاده شد. ابتدا با اعمال شاخص NDWI، پیکره آبی از سایر عوارض جدا گردید و سپس شاخص NDCI برای برآورد غلظت کلروفیل-آ به کار رفت که دقت آن با داده های زمینی R²=0.90 و RMSE=0.07 ارزیابی شد. همچنین، با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی، کاربری اراضی منطقه در پنج کلاس جنگل، پیکره آبی، مناطق شهری، کشاورزی و ترکیب جنگل و مرتع طبقه بندی شد که دقت کلی 04/92 درصد و ضریب کاپا 78/88 درصد را نشان داد. نتایج حاکی از آن بود که نواحی ساحلی دریاچه به دلیل ورود آبراهه های آلوده، بیش ترین میزان آلودگی را دارند، درحالی که چشمه های کف دریاچه موجب کاهش آلودگی در مرکز آن شده اند. همچنین، قسمت شرقی دریاچه به علت مجاورت با اراضی کشاورزی، تخلیه فاضلاب شهری و فعالیت های تفریحی آلوده تر از سایر بخش ها بود. یافته ها نشان داد که استفاده از تصاویر سنتینل-۲ و الگوریتم های یادگیری ماشین، روشی مؤثر و مقرون به صرفه برای ارزیابی کیفیت منابع آبی است که امکان پایش سریع و دقیق شاخص های کیفی را فراهم کرده و به مدیریت بهتر منابع آبی و کاهش آلودگی کمک می کند.