برآورد عیار پتاسیم شورابه زیرزمینی با استفاده از تصاویر ماهواره ای سنتینل و الگوریتم جنگل تصادفی (مطالعه موردی پلایای خور و بیابانک، استان اصفهان)

یکی از عناصر پرمصرف که نقش مهمی در تولید پایدار کشاورزی دارد، پتاسیم است. پتاسیم خاک سطحی در پلایا از پتاسیم موجود در آب زیرزمینی نشات می گیرد و در نتیجه، بین پتاسیم خاک سطحی و عیار پتاسیم شورابه زیرزمینی همبستگی وجود دارد. هدف این پژوهش، استفاده ترکیبی از الگوریتم جنگل تصادفی (RF) و تصویر ماهواره ای برای یافتن ارتباط بین پتاسیم سطحی خاک و شاخص های سنجش ازدور تعریفی مختص این مطالعه به منظور پیش بینی عیار پتاسیم شورابه زیرزمینی در پلایای خور و بیابانک استان اصفهان است. بدین منظور تعداد ۶۰ نمونه خاک از لایه ۵-۰ سانتی متری جهت اندازه گیری پتاسیم لایه سطحی (متغیر وابسته) نمونه برداری شد. به منظور تعیین مختصات نمونه گیری ها از روش ابر مکعب لاتین استفاده شد. همچنین ۱۲ گمانه جهت استخراج و اندازه گیری عیار پتاسیم شورابه زیرزمینی حفر شد. از ۱۲ باند ماهواره سنتینل ۲ و چهار عمل اصلی ریاضی برای تعریف شاخص (متغیرهای مستقل) به منظور مدل سازی پتاسیم لایه سطحی و درنهایت برآورد عیار پتاسیم شورابه زیرزمینی استفاده شد. داده ها به دو دسته ۷۰ درصد برای واسنجی (آموزش) و ۳۰ درصد برای اعتبار سنجی (آزمون) دسته بندی شده و با الگوریتم RF در محیط Google Colab و با استفاده از زبان برنامه نویسی پایتون مدل سازی شدند. نتایج این الگوریتم با شاخص های آماری R۲، MSE، RMSE و MAE به ترتیب ۵۱/۰، ۰۱۷۹/۰، ۱۳۳۸/۰ و ۱۱۳۰/۰ به دست آمد. نتایج این پژوهش تائید کننده کارایی داده های سنجش ازدور و الگوریتم یادگیری ماشین در پیش بینی عیار پتاسیم شورابه زیرزمینی است.

کلیدواژه ها:

واژه های کلیدی: پایتون ، سنجش از دور ، کفه های نمکی ، مدل سازی ، یادگیری ماشین