برآورد رطوبت خاك به كمك تلفيق ويژگي‌هاي فيزيكي و هيدروليكي خاك با داده‌هاي نوري سنجش‌از‌دور با استفاده از روش يادگيري ماشين

رطوبت خاك به‌عنوان متغيري پويا در مكان و زمان، يكي از عوامل اصلي اثرگذار در چرخه آب در طبيعت و توليد محصولات كشاورزي محسوب مي‌شود؛ بنابراين برآورد دقيق آن براي مديريت بهينه منابع آب در بخش كشاورزي حائز اهميت است. داده‌هاي انعكاس طيفي سنجش‌از‌دور در طول‌موج مادون‌قرمز نزديك و دور قابليت زيادي براي برآورد رطوبت خاك دارند و از طرفي ويژگي‌هاي فيزيكي و هيدروليكي خاك بر تغييرپذيري مكاني و زماني رطوبت خاك اثرگذارند. هدف از اين پژوهش توسعه و ارزيابي مدل‌هاي مختلف حاصل از تركيب متغيرهاي سنجش‌ازدور و فيزيكي خاك براي برآورد رطوبت خاك در مزارع كشت‌و‌صنعت اميركبير خوزستان با استفاده از روش‌هاي مختلف يادگيري ماشين بود. بدين منظور 166 نقطه كنترل زميني و 16 تصوير ماهواره سنتينل-2 در طول دوره رشد گياه نيشكر در سال 1400 مورداستفاده قرار گرفت. از تركيب ويژگي‌هاي فيزيكي/ هيدروليكي و شاخص‌هاي سنجش‌ازدور، هفت مدل به‌صورت سلسله مراتبي به دست آمد كه با شش الگوريتم يادگيري ماشين شامل درخت تصميم‌گيري، ‌ماشين بردار خطي، رگرسيون خطي، درخت توسعه‌يافته، درخت كيسه گذاري و شبكه عصبي تلفيق و ارزيابي شدند. نتايج نشان داد تركيب ويژگي‌هاي فيزيكي/ هيدروليكي و شاخص‌هاي سنجش‌ازدور دقت برآورد رطوبت خاك را افزايش مي‌دهد. تقريباً همه مدل‌هاي به‌دست‌آمده با مقدار cm^-3 cm^3 RMSE= 0.040-0.060 و R^2 حدود 0/80 برآورد قابل قبولي از مقدار رطوبت خاك ارائه دادند. متغير STR در مقايسه با NIR به دليل حساسيت بيشتر به مقدار آب خاك، اهميت بالاتري در برآورد رطوبت خاك از خود نشان داد. بعلاوه، روش رگرسيون خطي گام‌به‌گام با مقدار RMSE برابر cm^3 cm^-3 0.042 در مقايسه با ساير مدل‌هاي يادگيري ماشين با دقت بالاتري رطوبت خاك را برآورد كرد. نتايج نشان داد كه مدل‌هاي ارائه‌شده قادر به برآورد تغييرات مكاني و زماني رطوبت خاك هستند، لذا مي‌توان از آن‌ها براي برنامه‌ريزي دقيق آبياري و مديريت بهينه آب در مقياس مزرعه استفاده كرد.