مدل‌سازی و نقشه‌برداری شوری و رطوبت خاک با استفاده از سنجش از دور طیفی و راداری

Abstract

شوری خاک ناشی از فرآیندهای طبیعی یا انسانی و یک خطر عمده زیست محیطی می­باشد. همچنین کمبود رطوبت خاک که تأثیر منفی بر فعالیت­های کشاورزی در مناطق کوهستانی که اکثر آب و هوای نیمه مرطوب می­گذارنند دارد. هدف اصلی این تحقیق نقشه­برداری از شوری و رطوبت خاک واقع در قسمت غرب دریاچه ارومیه در کشور ایران با استفاده از تصاویر ماهواره­های سنتینل 1 و 2 همراه با پنج الگوریتم شبکه عصبی می­باشد. مدل­های یادگیری، شبکه­های عصبی چند لایه (MLP-NN)، عملکرد تابش پایه شعاعی (RBF-NN)، فرآیندهای گاوسی (GP)، رگرسیون بردار پشتیبان (SVR) و جنگل­های تصادفی (RF) می­باشند. ابتدا با استفاده از الگوریتم­های مختلف شاخص­های مختلف شوری و رطوبت خاک بدست آورده شدند. سپس با استفاده از 60 نمونه خاک که از عمق 5 تا 15 سانتی­متری خاک در طول بررسی میدانی در تاریخ 18/06/1398 همراه با زمان تصویر برداری سنتینل 1 و 2 برداشت شد، دقت­سنجی انجام گرفت. در شاخص­های شوری خاک مورد استفاده در تصاویر اپتیکی شاخص Salinity index با 96/0 R2= شاخص بهینه برای برآورد شوری خاک با توجه به مقایسه با داده­های زمینی بود. شاخص NDWI نیز برای برآورد رطوبت در تصاویر اپتیکی بادقت 0.89 دارای بالاترین میزان دقت در شاخص­های مورد استفاده این پژوهش بوده است. میزان دقت برآورد رطوبت و شوری خاک در تصاویر رادار به ترتیب 80/0 R2= و 89/0 R2= بوده است. عملکرد پنج الگوریتم برای مدل سازی نیز با استفاده از خطای میانگین مربعات (RMSE) و ضریب همبستگی (R2) ارزیابی و مقایسه شد. نتایج نشان دادند که مدل GP بالاترین عملکرد پیش­بینی ­ ( RMSE = 2و 82/0 R2=) را نسبت به سایر مدل­های یادگیری ماشین مورد استفاده در این تحقیق داشته است.