مدلسازی رطوبت سطحی خاک با استفاده از مدلهای یادگیری ماشین و داده های ماهواره سنتینل-۲

رطوبت سطحی خاک متغیر مهمی است که نقش حیاتی در مدیریت منابع آب و خاک دارد. برآورد این پارامتر یکی از کاربردهای مهم سنجش از دور به حساب می آید. هدف از این پژوهش ارائه الگوریتمی برای برآورد میزان رطوبت سطحی خاک با استفاده از تصاویر ماهواره سنتینل-۲ است. در این مطالعه به بررسی ارتباط میان شاخصهای طیفی خاک با رطوبت سطحی خاک، با استفاده از تکنیک یادگیری ماشین بردار پرداخته، مدلی برای تخمین رطوبت خاک ارائه خواهد شد. برآورد رطوبت حجمی سطح خاک با روش رندم فارست بهترین دقت و برآورد را نسبت به روش رگرسیون داشته است. PTF۴ که شامل ورودیهایی مانند خصوصیات پایه ایی به همراه شاخص های طیفی رطوبت NMDI) و (WRI هم در روش رگرسیون (MLR) و هم در روش رندم فارست (RF) در دو مرحله آموزش و آزمون بهترین نتایج را داشته است. بنابراین میتوان گفت که رندم فارست رابطه ای خوب میان رطوبت خاک و ورودیها ایجاد کرده و مدلی با دقت بالاتر ارائه میدهد. بنابراین شاخص های طیفی تخمینگرهای خوبی برای برآورد رطوبت خاک میباشند.

کلیدواژه ها:

سنجش ازدور ، شاخصهای طیفی ، رطوبت سطحی خاک ، ماهواره سنتینل-۲