توفر تقنية الاستشعار عن بعد العكسي وسيلة فعالة لمراقبة تركيز الرواسب العالقة (SSC)، لكن ملاءمتها لنطاق واسع ذو تركيزات عالية من SSC في الأنهار بحاجة إلى التحقق. بناءً على محطتي الهيدرولوجيا شيزويشان وووبو في مجرى نهر الأصفر الرئيسي، تم بناء نموذج تعلم آلي يعتمد على إزالة الميزات التكرارية المتقاطعة - الغابات العشوائية (RFECV-RF)، بواسطة معلومات الانعكاس متعدد الأطياف من القمر الصناعي Sentinel-2 لاستشعار تركيز الرواسب العالقة العالي في محطات القياس. أظهرت النتائج أن نموذج RFECV-RF حقق دقة تنبؤ بمعامل تحديد (R)² أكبر من 0.8، وقادر بشكل عام على تقدير نطاق SSC (0-44.5) كغم/م³ في المحطات، لكنه يقلل من تقدير SSC ذات القيم العالية؛ تظهر علاقة غير خطية واضحة بين تركيزات SSC العالية والمتعددة النطاقات ومعلومات الطيف، وتكون ميزات الضوء المرئي الرئيسة مهمة لعكس SSC منخفض التركيز، بينما ميزات نطاق الطيف من الضوء الأحمر إلى القريب من تحت الأحمر مهمة لعكس SSC عالي التركيز؛ في الميزات الطيفية الأساسية، تحتفظ ميزات أطياف B8A وB7/B5 وB8-B11 بحساسية ضمن نطاق SSC (0-44.5) كغم/م³، بينما B3/B8 وB4/B8 وB5/B6 تشبع تدريجياً بزيادة SSC؛ عدم اليقين في إدخال البيانات وبنية نموذج التعلم الآلي هو المصدر الرئيسي لعدم يقين نموذج الانعكاس، وعندما يتوسع نطاق SSC، تزيد اتساع ثقة التنبؤ بنسبة 95٪ ويزداد الانحراف النسبي لقيم SSC المنخفضة. بشكل عام، يمكن استخدام نموذج RFECV-RF لعكس كمية SSC عالي التركيز والنطاق الواسع وتقدير التوزيع المكاني لـ SSC في المقاطع النهرية، مما يوفر مرجعا تكنولوجيا لمراقبة SSC ذات المحتوى العالي من الرواسب ذاتياً.

تركيز الرواسب العالقة;الاستشعار العكسي;RFECV;RF;نهر الأصفر;الحساسية الطيفية;عدم اليقين