روش هم افزایی برای بهبود تخمین رطوبت خاک سطحی با استفاده از رگرسیون جنگل تصادفی و داده های چندمنبعی ماهواره ای: اعتبارسنجی با شبکه بین المللی ISMN

رطوبت خاک سطحی پارامتری کلیدی در مدیریت منابع آب، پایش خشکسالی و کشاورزی پایدار است. با توجه به محدودیت داده های زمینی در مقیاس وسیع، این پژوهش با هدف بهبود حد مکانی رطوبت خاک از تصاویر ماهواره ای با حد تفکیک پایین به تفکیک مکانی متوسط انجام شده است. در این راستا، از ادغام داده های چندمنبعی شامل SMAP، Landsat-۸، Sentinel-۱، GPM و داده های رطوبت خاک در چهار منطقه شاهد بین المللی (ایتالیا، سوئیس، یونان و عربستان) استفاده شد. الگوریتم رگرسیون جنگل تصادفی برای مدل سازی رابطه بین ویژگی های سطح زمین با رزولوشن بالا و رطوبت خاک (به عنوان داده آموزشی) به کار رفت. نتایج نشان داد که ترکیب کامل ویژگی های استخراج شده (از جمله شاخص های راداری Sentinel-۱ و داده های بارش GPM) منجر به بیشترین دقت برآورد شد. نتایج نشان داد ترکیب کامل همه شاخص ها بیشترین دقت برآورد با R² بالای ۰/۸۰ تا ۰/۹۸ در مناطق مختلف را دارد. اعتبارسنجی نهایی با داده های مستقل شبکه بین المللی پایش رطوبت خاک ISMN نشان داد که مدل خروجی هایی با همبستگی و تطابق بالا با مشاهدات زمینی ارائه کرده و توانسته است تنوع مکانی را به طور موثری نسبت به داده های بهبود بخشد. این رویکرد، مقدمه ای قوی برای تولید نقشه های دقیق رطوبت خاک در اقلیم های خشک و نیمه خشک مانند ایران فراهم می آورد.

کلیدواژه ها:

تخمین رطوبت خاک ، تصاویر ماهواره ای ، داده های شبکه بین المللی ISMN