فهرست نشریات علمی دسترسی آزاد ایران

برای ارزیابی میزان ازت و رطوبت غلاف برگ نیشکر با استفاده از سنجش از دور و مدل‎های هوش مصنوعی، از سه مدل رگرسیون بردار پشتیبان (SVR)، جنگل تصادفی (RF) و شبکه عصبی مصنوعی (ANN) استفاده و از شاخص‎های گیاهی و تک‎باندهای ماهواره سنتینل2 به‎عنوان ورودی هر یک از مدل‎ها استفاده گردید. تحلیل حساسیت کلیه پارامترهای ورودی برای شبیه‌سازی مقادیر ازت و رطوبت غلاف برگ،با استفاده از همبستگی پیرسون انجام و تنها آن دسته از فاکتورهایی که تأثیر بیشتری بر ازت یا رطوبت غلاف برگ داشتند، در نظر گرفته شد. نتایج نشان داد، در شبیه‎سازی ازت برگ، تک‎باندهای B2، B3 ،B4 ،B5 ،B6 ،B7 ،B11 ، B12 و شاخص گیاهی NDVI و در شبیه‎سازی رطوبت غلاف برگ باندهای B2، B3 ،B4 ،B5 ،B6 ،B7 ،B11 ، B12و شاخص‎های گیاهی NDVI،NDMI و LAI اهمیت بیشتری دارند و به‎عنوان ورودی مدل‎ها در نظر گرفته شدند. همچنین از میان مدل‎ها، مدل جنگل تصادفی(RF) در شبیه‌سازی ازت با R2 برابر با 88/0، RMSE برابر با 06/0 و rMBE برابر با 19/0 در مرحله آموزش و R2 معادل 93/0، RMSE معادل 05/0 و rMBE برابر با 66/0- در مرحله صحت‌سنجی و رطوبت غلاف برگ با R2 برابر با 88/0، RMSE برابر با 71/0 و rMBE برابر با 09/0 در مرحله آموزش و R2 معادل 92/0، RMSE معادل 59/0 و rMBE برابر با 07/0- از عملکرد بهتری در شبیه‌سازی برخوردار بود. نتایج نشان داد کاربرد ترکیبی شاخص‌های گیاهی، باندهای ماهواره سنتینل2 و مدل‎های هوش مصنوعی برآورد قابل قبولی از میزان ازت و رطوبت غلاف برگ به‌دست می‎دهد.