تمثل مراقبة عمق المياه عالية الدقة وغير التلامسية أهمية بالغة لإدارة وحماية مشاهد البحيرات الطحلبية. لا يمكن للاستشعار عن بعد عبر الأقمار الصناعية التقاط الخصائص الدقيقة للرواسب تحت الماء في البحيرات الطحلبية. في السنوات الأخيرة، تم تطبيق تقنيات الاستشعار عن بعد باستخدام الطائرات بدون طيار الصغيرة والخفيفة لتحقيق قياس عمق المياه بدقة فائقة في المناطق الضحلة. ومع ذلك، فإن النموذج اللوغاريتمي الكلاسيكي في استرجاع عمق المياه يصعب تكييفه مع ظاهرة تشتت رايلي الواسعة الانتشار داخل البحيرات الطحلبية. بناءً على ذلك، تستخدم هذه الدراسة نماذج التعلم الآلي لإجراء استرجاع عمق المياه للبحيرات الطحلبية اعتمادًا على صور الطائرات بدون طيار. تم اختيار بحيرة هواهواي في جيوزهايجو، مقاطعة سيتشوان، الصين، كمنطقة تجريبية، وتمت تدريب والتحقق من نماذج استرجاع عمق المياه القائمة على الغابة العشوائية (RF)، آلة الدعم الناقل (SVM)، والشبكة العصبية متعددة الطبقات (MLP)، مع قيم خطأ جذر متوسط التربيع على التوالي 0.816 متر، 0.945 متر، و0.832 متر. أظهرت النتائج التجريبية أن نماذج التعلم الآلي أظهرت دقة أعلى في استرجاع عمق المياه مقارنة بالنموذج اللوغاريتمي التقليدي. من بينها، كانت نماذج الغابة العشوائية والشبكة العصبية متعددة الطبقات أكثر ملاءمة لاسترجاع عمق البحيرات الطحلبية بناءً على صور الطائرات بدون طيار مقارنة بنموذج آلة الدعم الناقل.

بحيرات الطحالب; طائرات بدون طيار; الصور الجوية; استرجاع عمق المياه; التعلم الآلي; الغابة العشوائية; آلة الدعم الناقل; الشبكة العصبية متعددة الطبقات