برآورد میزان رطوبت خاک به کمک دادههای سری زمانی ماهواره ای مالتی مودال، دادههای ایستگاه زمینی و مدلهای یادگیری عمیق LSTM و GRU

رطوبت خاک از جمله مولفه های هیدرولوژی است که نقش مهمی در حوزههای مختلفی همچون مدیریت منابع آب، کشاورزی ، بررسی روند خشکسالی و ... ایفا می نماید. عوامل بسیاری بر روند برآورد میزان رطوبت خاک اثرگذارند که از این بین پارامترهای مربوط به مختصات جغرافیایی ، زمان، شاخص های پوشش گیاهی و پهنه آبی NDVI) و (NDWI به دست آمده از تصاویر لندست ، داده ماهواره ای SMAP و سنتینل -۱ در دو پلاریزاسیون VV و VH، شاخص پوشش گیاهی در تصاویر راداری و میزان رطوبت خاک اندازهگیری شده توسط تجهیزات زمینی در این تحقیق مورد استفاده قرار گرفته اند. جهت برآورد میزان رطوبت خاک به کمک این پارامترها مدلهای یادگیری عمیق LSTM و GRU به کار گرفته شدند؛ به کارگیری مدلهای یادگیری عمیق در این مقاله سبب بهبود قابلیت تعمیم پذیری روش مذکور می گردد. هم چنین استفاده از دادههای سری زمانی و مدل LSTM و GRU که قابلیت بالایی در پردازش دادههای سری زمانی دارند، از جمله نکات قابل توجه در این مطالعه محسوب می گردد. در نهایت نتایج حاصل به کمک معیار MAE و MAE) MSE برابر ۰۴۳,۰ و ۰۳۱,۰ و MSE برابر ۰۰۷,۰ و ۰۰۶,۰به ترتیب برای مدلهای LSTM و (GRU و بررسی روند پیشبینی میزان رطوبت توسط دو مدل با یکدیگر مقایسه شدند و بنابر نتایج حاصل ، مدل GRU عملکرد بهتری در روند برآورد میزان رطوبت خاک از خود نشان داده است .

کلیدواژه ها:

برآورد رطوبت خاک ، SMAP ، LSTM ، GRU