تخمین رطوبت خاک با استفاده از روشهای یادگیری ماشین و تصاویر سنجش ازدوری با حد تفکیک مکانی متوسط

رطوبت خاک یا به عبارتی میزان آب موجود در خاک نقش حیاتی در رشد، سلامت گیاه و محصولات کشاورزی دارد. تایین مقدار دقیق آن، می تواند در مدیریت و برنامه ریزی میزان تولید محصول کشاورزی یک شهر و یا کشور موثر واقع گردد. با توجه به اهمیت بالای این موضوع روشهای اندازهگیری متعددی برای آن توسعه دادهشدهاست . ازجمله ی این روشها، می توان به روشهای زمینی اشاره نمود که علی رغم دقت بالا بسیار زمانبر و پرهزینه هستند. از طرفی روشهای سنجش ازدوری تخمین رطوبت خاک علاوه بر هزینه پایین ، قابلیت اجرا در وسعت بالا را دارا می باشد. با این حال حد تفکیک مکانی پایین آنها امکان محاسبه این پارامتر را در مقیاس کوچک دشوار می کند. در همین راستا، در این پژوهش با استفاده از تصاویر رایگان ۸Landsat- و روشهای یادگیری ماشین سعی بر افزایش حدتفکیک مکانی ماهواره تخمین رطوبت خاک SMAP شد. نتایج به دست آمده از آموزش و اعمال مدل یادگیری ماشین CatBoost با مقدار ۸۲/۰ برای معیار ۲R حاکی از عملکرد مناسب آن در تخمین این پارامتر است .

کلیدواژه ها:

تخمین رطوبت خاک ، الگوریتم یادگیری ماشین ، دادههای رطوبت خاک SMAP ، رگرسیون خطی