فهرست نشریات علمی دسترسی آزاد ایران

برآورد و پایش زمانی-مکانی رطوبت خاک سطحی براساس مشاهدات سنجش از دوری (نوری و حرارتی) بدلیل ماهیت فیزیکی در شرایط پوشش گیاهی متراکم چالش برانگیز است که نیاز به بهبود و افزایش دقت تخمین رطوبت خاک در این مناطق را ضروری می‌سازد. لذا این پژوهش با هدف توسعه یک رویکرد جدید در برآورد رطوبت خاک سطحی در مزارع کشاورزی با شرایط پوشش گیاهی متراکم، براساس ترکیب داده‌های سنجش از دور نوری-حرارتی و اطلاعات فیزیکی خاک با استفاده از مدل‌های یادگیری ماشین انجام شد. بدین منظور از 16 تصویر ماهواره لندست-8 و بیش از 430 نقطه کنترل زمینی در طول دوره رشد گیاه نیشکر در سال زراعی 1399-1398 در منطقه کشت و صنعت نیشکر حکیم فارابی خوزستان استفاده گردید. 10 سناریوی مختلف براساس متغیرهای ورودی طراحی شد و سپس توسط پنج الگوریتم یادگیری ماشین شامل رگرسیون خطی چندگانه، مدل‌های مبتنی بر درخت تصمیم (classification and regression tree و M5-pruned) و مدل‌های مبتنی بر یادگیری جمعی (رگرسیون درختان توسعه یافته و رگرسیون جنگل تصادفی) مورد ارزیابی قرار گرفتند. مطابق با نتایج، بیشترین همبستگی متغیرها با رطوبت خاک سطحی در شاخص‌های خیسی خاک و رطوبت خاک نرمال شده با مقادیر ضریب همبستگی برابر 79/0 و 69/0 مشاهده شد. همچنین بیشترین دقت مدل‌های یادگیری ماشین بر اساس آماره‌هایR2 ، RMSE و MAE به ترتیب در مدل‌های رگرسیون درختان توسعه یافته (99/0، 011/0 و 001/0) و رگرسیون جنگل تصادفی (99/0، 014/0 و 007/0) به دست آمد. به طور کلی یافتههای این پژوهش بیان‌گر اهمیت استفاده از ویژگی‌های بیوفیزیکی مستخرج از داده‏های ماهواره لندست-8 در ترکیب با مدل‌های یادگیری جمعی است که می‌تواند مستقل از هرگونه اندازه‌گیری زمینی باشد.