fa ارزیابی میزان داده‌های هیدرو گرافی مورد نیاز در عمق‌یابی ماهواره‌ای پژوهشي Research عملیات عمق‌سنجی در نواحی ساحلی وسیع به روش مستقیم آبنگاری (عمق‌سنجی با اکوساندر) بسیار هزینه‌بر بوده و زمان زیادی را به خود اختصاص می‌دهد. بنابراین سنجش از دور با توجه به توانایی بالا در جمع آوری اطلاعات در زمان کوتاه و در محدوده‌ای وسیع، راهکاری بسیار مناسب و مؤثر می‌تواند باشد. در تحقیق پیشرو به دو روش عمق یابی ماهواره ای یکی بر مبنای اصول فیزیکی و دیگری بر مبنای نگاشت عددی ( روش شبکه عصبی) اشاره می‌شود و در داده‌ایی یکسان با هم مقایسه می‌شوند سپس با توجه به سادگی و بهینه‌تر بودن نتایج روش دوم، تاثیر میزان اندازه‌گیری های مستقیم برای کالیبره کردن یا آموزش این روش با مقایسه اختلاف میانمقادیر خروجی با مقادیر عمق اندازه‌گیری شده ارزیابی می‌شود. در واقع هدف از انجام آزمونهای این قسمت پاسخ به این پرسش است که تا چه حد روشهای عمق‌یابی سنجش از دور به داده‌های صحرایی نیاز دارند و به بیان دیگر رابطه تغییر دقت عمق-سنجی با تغییر تعداد و پراکندگی نقاط کنترل چگونه است و آیا می‌توان با تعداد محدودی از خطوط عمق‌یابی به دقت معقولی رسید؟ بررسی‌ها نشان می‌دهد که علاوه بر کارایی روش شبکه عصبی در برآورد عمق تنها یک مسیر هیدروگرافی از ساحل تا میانه دریا می‌تواند نتایج رضایت بخشی(RMSE حدود 6/1 و ضریب همبستگی 92%) را ارائه دهد. Today, depth mapping of coastal and waterfront areas is necessary for various aims such as shipping, dredging, underwater piping, hazardous area detection, hydrological studies, material mapping of water bed, information collection from marine settlements for environment preservation, military and engineering applications. Periodical depth mapping of wide water areas by classic hydrographic method (via ecosounder) is expensive and time consuming. Therefore, due to high capability of remote sensing in rapid data collection from wide area, it can be an effective and proper complementary method for this purpose. Attention to this issue is more important for our country which has long shorelines. At this paper two physical and mathematical bathymetric methods are evaluated. The first method is based on physical behaviour of light attenuation in water column while the second method is a numerical fitting between image gray levels and according water depths by means of artificial neural network (ANN). Our initial experiments show that although the first method has physical meaning but the second method is more accurate and simpler too. Both methods require a set of known hydrographic depthes as calibration data. Therefore, our next experiments try to answer two principal questions: how much can reduce the hydrographic filed operations in remote sensing bathymetry and how much is the accuracy of waterbed topography extracting from satelite images? The result of our experiments showes that introducing of only one hydrographic line perpendicular to coastline as calibration data to ANN method is able to produce satisfied result with depth accuracy RMSE 1.6m and correlation coefficient 92%. عمق یابی, فیزیک تضعیف نور, تصاویر ماهواره ای Bathymetry, light attenuation physic, Satellite images. 41 53 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-128-24&slc_lang=fa&sid=1 Mojde Ebrahimi kia مژده ابراهیمی کیا moj_ebrahimikia@yahoo.com 10031947532846004710 10031947532846004710 Yes University of Tehran دانشگاه تهران Mohammad Saadat Seresht محمد سعادت سرشت 10031947532846004711 10031947532846004711 No University of Tehran دانشگاه تهران