برآورد رطوبت حجمي خاك از تداخل ‌سنجي سنجش بازتاب سيستم هاي ماهواره‌اي ناوبري جهاني و تحليل سري زماني حاصل با شبكه‌هاي عصبي مصنوعي حافظه طولاني كوتاه‌ مدت

تداخل ‌سنجي سنجش بازتاب سيستم‌هاي ماهواره‌اي ناوبري جهاني (GNSS-IR) را مي‌توان به‌عنوان يكي ديگر از روش‌هاي سنجش از دور براي پايش رطوبت خاك به‌صورت پيوسته و البته در مقياس محلي در نظر گرفت كه در وضعيت‌هاي مختلف جوي مانند شرايط باراني و مه‌آلود و در شرايط متفاوت نور و روشنايي مانند روز و شب قابل اجرا است. سيگنال‌هاي بازتابي از سطح زمين توسط آنتن‌هاي GNSS  قابل دريافت است. تغييرات در رطوبت خاك باعث تغيير در مقدار مؤلفه نسبت سيگنال به نويز  SNRسيگنال‌هاي بازتابي مي‌شود. با تجزيه‌ و تحليل سيگنال‌هاي بازتابي، مي‌توان به اطلاعات مفيدي در مورد سطح بازتاب دست يافت. SNR به شدت به رطوبت خاك وابسته است. در اين تحقيق داده‌هاي ايستگاه P038 در منطقه نيومكزيكو مورد استفاده قرار مي‌گيرد. بدين‌صورت كه از سيگنال‌هاي چندمسيري براي برآورد تغييرات رطوبت خاك در طول چهار سال، از 2017 تا 2020 استفاده مي‌شود. طبق برآورد انجام شده سطح محتواي حجمي آب در سال 2017، برابر 8.88 درصد مي‌باشد، كه در سال 2018 به 11.74 درصد افزايش مي‌يابد. سپس اندكي كاهش يافته و در سال 2019 به 10.88 درصد رسيده و نهايتاً در سال 2020 به 12.49 درصد افزايش مي‌يابد. در اين مقاله كارايي شبكه‌هاي عصبي حافظه طولاني كوتاه‌مدت (LSTM) در پيش‌بيني سري زماني رطوبت حجمي خاك به‌دست آمده از تداخل سيگنال‌هاي بازتابي GNSS مورد ارزيابي قرار مي‌گيرد. آموزش مدل با استفاده از 80 درصد مشاهدات ايستگاه انجام مي‌گيرد. با به‌روزرساني وضعيت شبكه با مقادير مشاهده شده به جاي مقادير پيش‌بيني‌شده، مقدار جذر خطاي مربعي ميانگين از 0.09 به 0.04 كاهش يافته و پيش‌بيني‌ها دقيق‌تر انجام مي‌شوند.