استفاده از شاخص های طیفی در برآورد رطوبت سطحی خاک براساس الگوریتم یادگیری ماشین
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 52، شماره: 12
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 344
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-52-12_005
تاریخ نمایه سازی: 31 اردیبهشت 1402
چکیده مقاله:
اطلاع دقیق از میزان رطوبت سطح خاک و توزیع مکانی و زمانی آن میتواند منجر به بهرهبرداری بهینه از امکانات زمین گردد. هدف از پژوهش حاضر برآورد رطوبت سطحی خاک بهوسیله پارامترهای زودیافت خاک و شاخصهای طیفی حاصل از سنجنده سنتینل[۱]-۲ با دو روش شبکه عصبی مصنوعی (ANN) و رگرسیون بردار پشتیبان (SVM) است. به تعداد ۱۲۴ نمونه خاک از سه منطقه ایران (تهران، گرمسار و لرستان) برداشته شد. پس از نرمالسازی دادههای موردنظر، معنیداری همبستگی متغیرهای ورودی (شاخصهای طیفی و خصوصیات پایهای خاک) با خروجی (رطوبت سطحی) از نظر آماری بررسی گردید. سپس، مدلسازی با روشهای مذکور انجام و نتایج مورد ارزیابی قرار گرفت. نتایج نشان داد که روش ANN کارایی بهتری نسبت به روش SVM دارد. در روش ANN، میانگین مقادیر، ریشه میانگین مربعات خطا (RMSE)، آکائیک (AIC)، ضریب تعیین (R۲)، و ضریب بهبود نسبی (RI) به ترتیب در مرحله آموزش ۰۳۳/۰، ۵۳۸-، ۷۱/۰ و ۲۵/۲۱ و در مرحله آزمون ۴۱۰/۰، ۲۶۶-، ۶۹/۰ و ۰۶/۱۶ به دست آمدند. همچنین مقادیر میانگین RMSE، AIC، R۲ و RI در روش SVM به ترتیب در مرحله آموزش ۰۳۵/۰، ۴۷۴-، ۷۱/۰ و ۱۶/۳۵ و در مرحله آزمون ۰۴۶/۰، ۲۵۲-، ۶۳/۰ و ۲۱/۲۰ به دست آمدند. در این پژوهش شاخص رنگ خاک (CI) نسبت به سایر شاخصهای طیفی با روش ANN بادقت بالاتری رطوبت خاک را برآورد کرده است؛ بنابراین روش شبکه عصبی مصنوعی با ایجاد ارتباط غیرخطی بین رطوبت سطح خاک و پارامترهای ورودی قادر به برآورد رطوبت خاک با دقت قابل قبول در منطقه موردمطالعه است. [۱]. Sentinel-۲ Satellite
کلیدواژه ها:
نویسندگان
آزاده صداقت
Department of Soil Science, Faculty of Agriculture, University of Guilan, Rasht, Iran
محمود شعبانپور شهرستانی
Department of Soil Science, University of Guilan, Iran
علی اکبر نوروزی
Watershed Management Research Institute, Tehran, Iran
علیرضا فلاح نصرت آباد
Soil and Water Research Institute, Agricultural Research, Education and Extension Organization, Karaj, Iran
حسین بیات
Department of Soil Science, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :