فهرست نشریات علمی دسترسی آزاد ایران

هدف از این مطالعه، توسعه مدل‌های یادگیری ماشین جهت برآورد کربن آلی خاک با استفاده از تصاویر لندست 8 و مادیس به‌صورت جداگانه و هم­افزایی تصاویر فوق در خاک‌های کشاورزی در منطقه مرکزی ایران می‌باشد. در این مطالعه، نمونه‌های خاک از 336 نقطه در خاک‌های کشاورزی در دو کاربری زراعی و باغی استان البرز جمع‌آوری شدند و کربن آلی خاک‌ به روش اکسیداسیون تر اندازه‌گیری شد. برای تحلیل کربن آلی خاک از داده‌های سنجش‌ازدور استفاده شد که از منابع مختلف مانند تصویر لندست 8 و سنجنده مادیس به‌دست‌آمده بودند. در این مطالعه سه مدل یادگیری ماشینی شامل شبکه‌های عصبی مصنوعی (ANN)، رگرسیون بردار پشتیبان (SVR) و الگوریتم بیان ژن (GEP) استفاده شدند. این مدل‌ها به‌منظور برآورد میزان کربن آلی خاک استفاده شدند. نتایج این پژوهش نشان داد که به‌کارگیری مدل SVR در حالت استفاده هم‌زمان از داده‌های تصویر لندست 8 و سنجنده مادیس عملکرد بهتری (0/62 =R 2 ، 0/63 =RMSE و 0/98 =R 2 /RMSE) نسبت به استفاده هر تصویر به‌صورت جداگانه داشت؛ بنابراین، این پژوهش به این نتیجه رسید که استفاده هم‌زمان (تحت عنوان هم‌افزایی) داده‌های سنجش‌ازدور از منابع مختلف می‌تواند بهبود قابل‌توجهی در دقت برآورد محتوای کربن آلی در خاک‌های کشاورزی در منطقه مرکزی ایران ایجاد کند. استفاده از تکنیک‌های فیوژن پیشرفته یا تکنیک‌های یادگیری عمیق برای ترکیب ویژگی‌ها در سطح بالاتر پیشنهاد می­‌شود.