CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مدلسازی رطوبت سطحی خاک با استفاده از مدلهای یادگیری ماشین و داده های ماهواره سنتینل-۲

عنوان مقاله: مدلسازی رطوبت سطحی خاک با استفاده از مدلهای یادگیری ماشین و داده های ماهواره سنتینل-۲
شناسه ملی مقاله: SSCI17_430
منتشر شده در هفدهمین کنگره علوم خاک ایران و چهارمین همایش ملی مدیریت آب در مزرعه تجدید حیات حکیمانه خاک و حکمروائی حکیمانه آب در سال 1400
مشخصات نویسندگان مقاله:

آزاده صداقت - گروه علوم و مهندسی خاک، دانشکده علوم کشاورزی دانشگاه گیلان، ایران
محمود شعبانپور شهرستانی - گروه علوم و مهندسی خاک، دانشکده علوم کشاورزی دانشگاه گیلان، ایران
علی اکبر نوروزی - پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
علیرضا فلاح نصرت آباد - موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
حسین بیات - گروه علوم و مهندسی خاک؛ دانشکده کشاورزی دانشگاه بوعلی سینا، همدان، ایران

خلاصه مقاله:
رطوبت سطحی خاک متغیر مهمی است که نقش حیاتی در مدیریت منابع آب و خاک دارد. برآورد این پارامتر یکی از کاربردهای مهم سنجش از دور به حساب می آید. هدف از این پژوهش ارائه الگوریتمی برای برآورد میزان رطوبت سطحی خاک با استفاده از تصاویر ماهواره سنتینل-۲ است. در این مطالعه به بررسی ارتباط میان شاخصهای طیفی خاک با رطوبت سطحی خاک، با استفاده از تکنیک یادگیری ماشین بردار پرداخته، مدلی برای تخمین رطوبت خاک ارائه خواهد شد. برآورد رطوبت حجمی سطح خاک با روش رندم فارست بهترین دقت و برآورد را نسبت به روش رگرسیون داشته است. PTF۴ که شامل ورودیهایی مانند خصوصیات پایه ایی به همراه شاخص های طیفی رطوبت NMDI) و (WRI هم در روش رگرسیون (MLR) و هم در روش رندم فارست (RF) در دو مرحله آموزش و آزمون بهترین نتایج را داشته است. بنابراین میتوان گفت که رندم فارست رابطه ای خوب میان رطوبت خاک و ورودیها ایجاد کرده و مدلی با دقت بالاتر ارائه میدهد. بنابراین شاخص های طیفی تخمینگرهای خوبی برای برآورد رطوبت خاک میباشند.

کلمات کلیدی:
سنجش ازدور، شاخصهای طیفی، رطوبت سطحی خاک، ماهواره سنتینل-۲

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1312606/