استفاده از شاخص‌هاي طيفي در برآورد رطوبت سطحي خاك براساس الگوريتم يادگيري ماشين

اطلاع دقيق از ميزان رطوبت سطح خاك و توزيع مكاني و زماني آن مي تواند منجر به بهره برداري بهينه از امكانات زمين گردد. هدف از پژوهش حاضر برآورد رطوبت سطحي خاك به وسيله پارامترهاي زوديافت خاك و شاخص هاي طيفي حاصل از سنجنده سنتينل [1]^-2 با دو روش شبكه عصبي مصنوعي (ANN) و رگرسيون بردار پشتيبان (SVM) است. به تعداد 124 نمونه خاك از سه منطقه ايران (تهران، گرمسار و لرستان) برداشته شد. پس از نرمال سازي داده هاي موردنظر، معني داري همبستگي متغيرهاي ورودي (شاخص هاي طيفي و خصوصيات پايه اي خاك) با خروجي (رطوبت سطحي) از نظر آماري بررسي گرديد. سپس، مدل سازي با روش هاي مذكور انجام و نتايج مورد ارزيابي قرار گرفت. نتايج نشان داد كه روش ANN كارايي بهتري نسبت به روش SVM دارد. در روش ANN، ميانگين مقادير، ريشه ميانگين مربعات خطا (RMSE)، آكائيك (AIC)، ضريب تعيين (R2)، و ضريب بهبود نسبي (RI) به ترتيب در مرحله آموزش 0/033، 538-، 0/71 و 21/25 و در مرحله آزمون 0/410، 266-، 0/69 و 16/06 به دست آمدند. همچنين مقادير ميانگين RMSE، AIC، R2 و RI در روش SVM به ترتيب در مرحلۀ آموزش 0/035، 474-، 0/71 و35/16 و در مرحلۀ آزمون 0/046، 252-، 0/63 و 20/21 به دست آمدند. در اين پژوهش شاخص رنگ خاك (CI) نسبت به ساير شاخص هاي طيفي با روش ANN بادقت بالاتري رطوبت خاك را برآورد كرده است؛ بنابراين روش شبكه عصبي مصنوعي با ايجاد ارتباط غيرخطي بين رطوبت سطح خاك و پارامترهاي ورودي قادر به برآورد رطوبت خاك با دقت قابل‌قبول در منطقه موردمطالعه است.