ارزیابی روش های آماری، سنجش از دور و هوش مصنوعی در تخمین بیومس برای برآورد پتانسیل تولید بیوانرژی

بیوانرژی یکی از منابع مهم انرژی های تجدیدپذیر است که با توجه به محدودیت منابع سوخت فسیلی و نیز آلودگی های زیست محیطی و انتشار گازهای گلخانه ای حاصل از احتراق سوخت های فسیلی، بیش از پیش مورد توجه قرار گرفته است. بیومس، به عنوان ماده خام برای تولید بیوانرژی، از منابع مختلفی مانند بقایای گیاهی، جنگلی و محصولات کشاورزی به دست می آید. با استفاده از تخمین مقدار بیومس موجود در هر منطقه می توان برآورد مناسبی از پتانسیل تولید بیوانرژی انجام داد. تصاویر ماهواره ای از بهترین ابزارها برای تخمین مقدار بیومس هستند. در مطالعه حاضر، روش های مختلف تحلیل داده های ماهواره ای شامل سنجش از دور، سیستم اطلاعات جغرافیایی (GIS)، سامانه گوگل ارث انجین (GEE)، یادگیری ماشین، هوش مصنوعی و رشدسنجی در تخمین بیومس ارزیابی شده اند. نتایج نشان می دهند که مدل های مبتنی بر شاخص های پوشش گیاهی دقتی بین ۷۱ تا ۸۸٪ دارند، در حالی که ترکیب داده های چندماهواره ای دقت پیش بینی را تا ۹۶٪ افزایش داده و حدود ۱۰٪ نسبت به روش های سنتی بهتر عمل می کند. در حوزه یادگیری ماشین، شبکه های عصبی مصنوعی (ANN) و شبکه های عصبی عمیق (DNN) به ترتیب دقت نقشه برداری را تا ۹۰% و ۹۷% نشان دادند. الگوریتم های جنگل تصادفی (RF) و ماشین بردار پشتیبان (SVM) دقتی بین ۹۰–۷۰٪ را ارائه کردند این یافته ها نشان می دهند که تلفیق داده های ماهواره ای با فناوری های پیشرفته قابلیت ارائه تخمین های دقیق تر و پایدارتر از میزان بیومس را دارد.

کلیدواژه ها:

انرژی تجدید پذیر ، تصاویر ماهواره ای ، سوخت زیستی ، بیومس ، یادگیری ماشین