برآورد عمق برف به عنوان يكي از پيامدهاي تغييرات آب و هوايي با استفاده از رويكرد مدل تركيبي حداقل مربعات ماشين بردار پشتيبان و الگوريتم ژنتيك

از جمله اثرات مستقيم و مشهود تغييرات آب و هوايي، دگرش در ميزان بارش برف در مناطق مختلف جغرافيايي است. اين در حالي است كه بارش برف در حوضه‌هاي كوهستاني همواره به‌عنوان مهم‌ترين منبع تأمين منابع آب در فصول خشك تلقي مي‌شود. يكي از آشكارترين ويژگي‌هاي پوشش برف كوهستان، ناهمگني مكاني آن مي‌باشد. به‌دليل محدوديت‌هاي عملي، جمع‌آوري داده‌ها به‌ويژه در مقياس‌هاي وسيع، دشوار و گاهي غيرممكن بوده و استفاده از روش‌هاي غيرمستقيم توصيه مي‌شود. در اين پژوهش كارايي حداقل مربعات ماشين بردار پشتيبان در مدل‌سازي عمق برف و همچنين اثر كاهش ويژگي با مدل الگوريتم ژنتيك در منطقه كوهستاني چلگرد ايران مورد بررسي قرار گرفت. ابتدا با استفاده از روش هايپركيوب محل ۱۰۰ نقطه مشخص و داده‌هاي عمق برف در نقاط موردنظر و همچنين در ۱۹۵ نقطه ديگر به‌صورت تصادفي برداشت گرديد. سپس با استفاده از مدل رقومي ارتفاع ۲۵ پارامتر ژئومورفومتري استخراج گرديد و همراه با شش باند تصاوير ماهواره لندست هشت و شاخص تفاوت نرمال شده برف به‌عنوان ورودي‌هاي مدل‌ها انتخاب گرديد. در اين پژوهش از الگوريتم ژنتيك براي افزايش سرعت و آماده‌سازي شبكه ماشين بردار پشتيبان كه به‌عنوان يك دسته‌بندي‌كننده عمل مي‌كند و همچنين انتخاب متغيرهايي كه بيشترين همبستگي را با عمق برف دارند استفاده گرديد. ازآنجايي‌كه كاهش ويژگي‌هاي غير مؤثر مي‌تواند سبب افزايش دقت يادگيري شود، در اين پژوهش از الگوريتم ژنتيك براي فرايند بهينه‌سازي استفاده گرديد. نتايج نشان داد روش حداقل مربعات ماشين بردار پشتيبان با ميزان ضريب تعيين 0/36 و جذر ميانگين مربعات خطاي 17/8 مدل‌سازي عمق برف را انجام داده است؛ اما الگوريتم ژنتيك با انتخاب ويژگي‌هاي مؤثر توانست با ضريب تعيين 0/95 و جذر ميانگين مربعات خطا برابر با 3/97 سانتي‌متر و بادقت بهتري نسبت به استفاده از تمامي ويژگي‌ها تغييرات عمق برف را مدل كند.