تخمین و تولید نقشه غلظت مس خاک با استفاده از تصویر لندست ۸ در محیط ابری موتور پردازش زمین گوگل (GEE)

مس به عنوان یک عنصر کلیدی در اکوسیستم، نقش اساسی در حیات موجودات زنده ایفا می نماید، اگرچه وجود مس در زنجیره غذایی و همچنین در صنعت با ارزش است اما تجمع بیش از حد این فلز سنگین در طبیعت منجر به بروز بسیاری از اختلالات برای انسان و سایر ارگانیسم ها می شود. لذا پایش مداوم محتوای مس مورد توجه محققین این حوزه می باشد. در این مطالعه، با به کارگیری تکنیک های سنجش از دوری و همچنین استفاده از پتانسیل بالقوه محیط پردازش زمین GEE این امکان برای کاربران فراهم شده است. نتایج نشان داد که مدل های تجمعی همچون XGBoost نسبت به سایر مدل های یادگیری ماشین از قابلیت به مراتب بالایی برای تخمین محتوای مس برخوردارند. مقادیر ضریب تعیین بالای ۶۰ درصد و همچنین خطای مربعات کمتر از ۱ بر اثبات آن تاکید می نماید.

کلیدواژه ها:

محتوای مس ، یادگیری ماشین ، جنگل تصادفی ، مدل تجمعی XGBoost