فهرست نشریات علمی دسترسی آزاد ایران

تداخل‌سنجی سنجش بازتاب سیستم‌های ماهواره‌ای ناوبری جهانی (GNSS-IR) را می‌توان به‌عنوان یکی دیگر از روش‌های سنجش از دور برای پایش رطوبت خاک به‌صورت پیوسته و البته در مقیاس محلی در نظر گرفت که در وضعیت‌های مختلف جوی مانند شرایط بارانی و مه‌آلود و در شرایط متفاوت نور و روشنایی مانند روز و شب قابل اجرا است. سیگنال‌های بازتابی از سطح زمین توسط آنتن‌های GNSS  قابل دریافت است. تغییرات در رطوبت خاک باعث تغییر در مقدار مؤلفه نسبت سیگنال به نویز  SNRسیگنال‌های بازتابی می‌شود. با تجزیه‌ و تحلیل سیگنال‌های بازتابی، می‌توان به اطلاعات مفیدی در مورد سطح بازتاب دست یافت. SNR به شدت به رطوبت خاک وابسته است. در این تحقیق داده‌های ایستگاه P038 در منطقه نیومکزیکو مورد استفاده قرار می‌گیرد. بدین‌صورت که از سیگنال‌های چندمسیری برای برآورد تغییرات رطوبت خاک در طول چهار سال، از 2017 تا 2020 استفاده می‌شود. طبق برآورد انجام شده سطح محتوای حجمی آب در سال 2017، برابر 88/8 درصد می‌باشد، که در سال 2018 به 74/11 درصد افزایش می‌یابد. سپس اندکی کاهش یافته و در سال 2019 به 88/10 درصد رسیده و نهایتاً در سال 2020 به 49/12 درصد افزایش می‌یابد. در این مقاله کارایی شبکه‌های عصبی حافظه طولانی کوتاه‌مدت (LSTM) در پیش‌بینی سری زمانی رطوبت حجمی خاک به‌دست آمده از تداخل سیگنال‌های بازتابی GNSS مورد ارزیابی قرار می‌گیرد. آموزش مدل با استفاده از 80 درصد مشاهدات ایستگاه انجام می‌گیرد. با به‌روزرسانی وضعیت شبکه با مقادیر مشاهده شده به جای مقادیر پیش‌بینی‌شده، مقدار جذر خطای مربعی میانگین از 09/0 به 04/0 کاهش یافته و پیش‌بینی‌ها دقیق‌تر انجام می‌شوند.