غلظت رسوب معلق آب های سطحی ناشی از تعلیق مجدد رسوبات بستر و یا جریان رودخانه های حمل کننده ی رسوبات، مستقیماً بر کیفیت آب، باروری فیتوپلانکتون ها وتوزیع و پخش دوباره آلودگی ها تاثیر می گذارد. در مناطق ساحلی پراکندگی و میزان غلظت رسوبات معلق در یک گستره ی طیف زمانی و مکانی وسیع قرار دارد. این تغییرات وسیع سبب می شود روش های مرسوم نمونه برداری برای تعیین غلظت رسوب معلق در پیکره آب های ساحلی، کارایی لازم را نشان ندهند. در تحقیق حاضر با بهره گیری از داده های میدانی غلظت رسوب معلق حاصل 9 روز مختلف نمونه برداری و سری زمانی 9 ساله تصاویر سنجنده ی مادیس تغییرات زمانی و مکانی غلظت رسوب معلق در مصب رودخانه بهمنشیر در جنوب غربی ایران در محدوده ای به وسعت 156 کیلومتر مربع بررسی شد. در تحقیق حاضر شاخصی تحت عنوان شاخص هندسه سنجش از دوری ( )معرفی شد که همبستگی قابل قبولی با شدت رابطه غلظت رسوب معلق و بازتابش باندهای 1 و 2 مادیس از خود نشان داد و مشاهده شد مدلسازی با داده های مربوط به روزهای با شاخص هندسه سنجش از دوری بالای 8 درجه، باعث بهبود مقادیر ضریب تعیین نتایج، به مقدار 21? نسبت به حالت استفاده از داده های کل روزهای نمونه برداری شد. همچنین تکنیکی جهت جداسازی پیکسل های آبی مصب رودخانه بهمنشیر از مناطق خشکی اطراف تحت عنوان روش میانگین باند فروسرخ ارائه شد که نسبت به روش استفاده از شاخص ndvi همبستگی بهتری با دبی رودخانه کارون از خود نشان داد. جهت مدلسازی بین بازتابندگی باندهای 1 و 2 سنجنده مادیس و غلظت های رسوب معلق اندازه گیری شده میدانی همزمان با آن ها از شبکه عصبی در مقابل آنالیزهای رگرسیونی استفاده شد. مقادیر وrmse مربوط به بهترین آنالیز رگرسیونی به ترتیب 612/0 و 118 میلی گرم بر لیتر و در مدل شبکه عصبی به ترتیب 867/0 و 32/56 میلی گرم بر لیتر بود که نشان از بهبود نتایج و rmse در هنگام استفاده از شبکه عصبی به ترتیب به میزان 29? و 52? داشت. همچنین برای امکان سنجی تخمین غلظت رسوب معلق ایستگاه های رسوب سنجی منطقه بوسیله ی مدل شبکه عصبی بدست آمده، نتایج حاصل از مدل شبکه عصبی و داده های غلظت رسوب معلق گزارش شده توسط وزارت نیرو در پنج ایستگاه رسوب سنجی منطقه مقایسه شدند که همبستگی پایینی بین آن ها مشاهده شد، و نشان از عدم کارایی مدل در تخمین غلظت رسوب معلق ایستگاه های رسوب سنجی منطقه داشت. در نهایت با اعمال شبکه عصبی بر سری زمانی، نقشه های غلظت رسوب معلق ماهانه و سالانه مصب رودخانه بهمنشیر بدست آمد. برای بررسی تاثیر جزرومد بر غلظت رسوب معلق مصب، از میانگین عمق آب در بازه های زمانی مورد مطالعه استفاده شد، بررسی ها نشان داد که با افزایش عمق آب سطح مناطق با غلظت بالای رسوب معلق در مصب کاهش یافته و بالعکس با کاهش عمق آب غلظت های بالای رسوب معلق در سطح مصب گسترده می شوند. بررسی ها نشان داد روند تغییرات ماهانه غلظت رسوب معلق از ابتدای سال تا آبان ماه افزایشی و پس از آن رو به کاهش می رود. همچنین بررسی تغییرات سالانه نیز حاکی از افزایش غلظت رسوب معلق دردهه ی90 و بخصوص در سال 1387 همزمان با کاهش قابل ملاحظه گستره ی آبی مصب در این سال بود . بررسی تغییرات مکانی غلظت رسوب معلق در امتداد رودخانه بهمنشیر نشان داد حداقل غلظت رسوب معلق در نقطه ای در 2/3 کیلومتری قبل از دهانه مصب بهمنشیر اتفاق می افتد و از آن نقطه به سمت بالادست و دهانه مصب بهمنشیر غلظت ها افزایش یافته و تقریبا به مقداری برابر می رسند. بررسی تغییرات غلظت رسوب معلق در امتداد ساحل مصب بهمنشیر نیز مشخص نمود بیشترین غلظت ها در دهانه مصب و در منطقه قاسمیه در ساحل راست در فاصله ی 8/2 کیلومتری و در خور کوبرین در ساحل چپ به فاصله 8/1 کیلومتری از دهانه مصب بهمنشیر اتفاق می افتند.

مواد معلق، عمده ترین عامل آلودگی هم در مقیاس وزنی و هم حجمی در آب های شیرین سطحی هستند و می توانند نقش کلیدی در فرآیندهای زیست محیطی داشته باشند. این پارامتر می تواند به سرعت تغییر کند و غیر یکنواخت باشد. این بدان معنی است که روش های سنتی پایش رسوبات معلق که به نیروی کار میدانی، ابزار و آنالیز نمونه های آب نیاز دارند، نمی توانند مدل درستی که نماینده کل پیکره آبی باشد تولید کنند. این تحقیق، امکان سنجی استفاده از تصاویر سنجش از دوری برای توسعه مدل پایش رسوبات معلق در دهانه رودخانه بهمنشیر را که دقیق، قابل تکرار و مقرون به صرفه باشد، بررسی می کند. همچنین در این پژوهش، مدلی برای تعیین سهم مواد معلقی که در منطقه حضور دارند، توسعه داده می شود. به دلیل ویژگی های منحصر به فرد سنجنده aster در پایش آب با قدرت تفکیک طیفی و مکانی بالا، از داده های دیجیتالی این سنجنده جهت تخمین درصد رسوبات و همچنین بدست آوردن رابطه منطقی جهت تخمین غلظت رسوبات معلق استفاده شد. داده های میدانی به صورت همزمان با گذر ماهواره از منطقه مورد مطالعه درماه مه سال 2003، طی چندین سفر با قایق و از ایستگاه های مختلف برداشت شد. برای کاهش خطای جوی و واسنجی رادیومتریکی و همچنین کاهش خطاهای هندسی تصویر، تصاویر کاملا اصلاح گردید. برای بدست آوردن درصد مواد معلق از روش کد نویسی در نرم افزار matlab با روش حداقل مجذور مربعات استفاده شده است. جهت مدلسازی بین بازتابندگی رسوبات معلق و غلظت های اندازه گیری شده از شبکه عصبی مصنوعی در مقابل آنالیز های رگرسیون های خطی استفاده شد. مقادیر r2 و rmse از آنالیز های رگرسیونی به ترتیب 0/877 و 310 میلی گرم بر لیتر و برای شبکه عصبی برای حالت تست به ترتیب 0/987 و 13/381 میلی گرم بر لیتر می باشند. نتایج حاکی از آن است که شبکه عصبی به مراتب بهتر از آنالیزهای رگرسیونی عمل کرده است. این تحقیق نشان می دهد که تولیدات سنجش از دور، قادرند تا به عنوان ابزاری مهم به مدیران منابع آب در ارزیابی شرایط در دهانه های بزرگی همچون بهمنشیر به صورت اجمالی، و مکرر کمک کند.