برآورد مقدار کربن آلی خاک با استفاده از داد های طیفی در گستره VIS-NIR-SWIR-TIR
Publish place: Journal of Water and Soil، Vol: 35، Issue: 4
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 233
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSW-35-4_008
تاریخ نمایه سازی: 1 آذر 1400
Abstract:
شناخت توزیع مکانی کربن آلی خاک یکی از ابزارهای کاربردی در پیشبرد مدیریت پایدار اراضی و محیط زیست می باشد. دادهکاوی و مدل سازی مکانی همراه با تکنیک های یادگیری ماشینی به منظور بررسی میزان کربن آلی خاک مبتنی بر داده های سنجش از دور به صورت گسترده مورد توجه قرار گرفته است. هدف از این مطالعه،استفاده از تصاویر با دامنه طیفی مرئی تا مادون قرمز حرارتی و داده های زمینی برای مدل سازی میزان کربن آلی خاک میباشد. با استفاده از الگوی نمونه برداری تصادفی۱۵۶نمونه از خاک سطحی (۳۰-۰ سانتیمتر) جمع آوری شد. داده ها به دو دسته ۸۰ درصد برای آموزش و ۲۰ درصد جهت اعتبارسنجی دسته بندی شدند و از سه الگوریتم یادگیری ماشین شامل جنگل تصادفی، کوبیست و رگرسیون حداقل مربعات جزئی برای براورد و تهیه نقشه کربن آلی خاک استفاده شد. متغیرهای کمکی جهت پیش بینی کربن آلی خاک شامل باندها و شاخص های منتج از سنجنده ی OLI و TIRS لندست ۸ میباشد. به منظور کاهش حجم داده ها و انتخاب ویژگی هایی با بیشترین تاثیر بر براورد کربن آلی خاک، از روش آنالیز مولفه های اصلی استفاده شد. آنالیز مولفه های اصلی داده های سنجش از دور منجر به گزینش ۴ متغیر کمکی TSAVI، RVI، Band۱۰ و Band۱۱ بهعنوان موثرترین عوامل کمکی محیطی انتخاب گردیدند. همچنین مقایسه رویکردهای مختلف تخمین نشان داد که مدل جنگل تصادفی به ترتیب با مقادیر ضریب تبیین، خطای جذر میانگین مربعات و میانگین مربعات خطا ۷۴/۰، ۱۷/۰ و ۰۲/۰ بهترین کارایی را نسبت به سایر رویکردهای مورد استفاده در برآورد کربن آلی خاک سطحی در منطقه مطالعاتی ارائه نمود. به طور کلی نتایج این مطالعه بر قابلیت دادهای سنجش از دور و مدل یادگیری جنگل تصادفی در تخمین مکانی کربن آلی خاک به طور همزمان دلالت دارد. لذا می تواند به عنوان روشی جایگزین برای روش های مرسوم آزمایشگاهی در تعیین برخی ویژگی های خاک از جمله کربن آلی خاک مورد توجه قرار گیرد.
Keywords:
Authors
حمیدرضا متین فر
گروه علوم و مهندسی خاک، دانشگاه لرستان
محبوبه جلالی
گروه علوم و مهندسی خاک، دانشگاه لرستان
زهرا دیبایی
گروه علوم و مهندسی خاک - دانشگاه لرستان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :