مدل سازی و نقشه برداری شوری و رطوبت خاک با استفاده از سنجش از دور طیفی و راداری

شوری خاک ناشی از فرآیندهای طبیعی یا انسانی و یک خطر عمده زیست محیطی می باشد. همچنین کمبود رطوبت خاک که تاثیر منفی بر فعالیت های کشاورزی در مناطق کوهستانی که اکثر آب و هوای نیمه مرطوب می گذارنند دارد. هدف اصلی این تحقیق نقشه برداری از شوری و رطوبت خاک واقع در قسمت غرب دریاچه ارومیه در کشور ایران با استفاده از تصاویر ماهواره های سنتینل 1 و 2 همراه با پنج الگوریتم شبکه عصبی می باشد. مدل های یادگیری، شبکه های عصبی چند لایه (MLP-NN)، عملکرد تابش پایه شعاعی (RBF-NN)، فرآیندهای گاوسی (GP)، رگرسیون بردار پشتیبان (SVR) و جنگل های تصادفی (RF) می باشند. ابتدا با استفاده از الگوریتم های مختلف شاخص های مختلف شوری و رطوبت خاک بدست آورده شدند. سپس با استفاده از 60 نمونه خاک که از عمق 5 تا 15 سانتی متری خاک در طول بررسی میدانی در تاریخ 18/06/1398 همراه با زمان تصویر برداری سنتینل 1 و 2 برداشت شد، دقت سنجی انجام گرفت. در شاخص های 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 داده های زمینی بود. شاخص NDWI  نیز برای برآورد رطوبت در تصاویر اپتیکی بادقت 0.89 دارای بالاترین میزان دقت در شاخص های 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 پیش بینی    (RMSE = 2و 82/0 R2=) را نسبت به سایر مدل های یادگیری ماشین مورد استفاده در این تحقیق داشته است.