پایش شوری خاک با استفاده تصاویر ماهواره ای و روشهای یادگیری ماشین

شوری خاک، بعنوان یک شاخص زیست محیطی قابل توجه، یکی از مهمترین دلایل تخریب زمین، به ویژه در مناطق خشک و نیمه خشک محسوب میشود. در بسیاری از موارد، این تهدید عمده منجر به از بین رفتن زمینهای قابل کشت، کاهش بهره وری محصول، از بین رفتن منابع آب زیرزمینی، افزایش هزینه های اقتصادی برای مدیریت خاک و در نهایت افزایش احتمال فرسایش خاک میشود. نظارت بر توزیع شوری خاک و درجه شوری و نقشه برداری از هدایت الکتریکی با استفاده از روشهای سنجش ازدور برای مدیریت کاربری زمین بسیار مهم است. خاک متاثر از شوری یک پدیده غالب در رودخانه شور اشتهارد واقع در شهرستان اشتهارد است. در این مطالعه، پتانسیل تصاویر Sentinel-۲ برای نقشهبرداری و نظارت بر شوری خاک بررسی شد. با توجه به گذر ماهواره، خواص مختلف نمک برای ۱۹۷ نمونه خاک در مطالعه داده میدانی اندازه گیری شد. بنابراین چندین ویژگی طیفی، مانند بازتاب باند ماهواره ای، شاخصهای شوری و شاخصهای پوشش گیاهی، از تصاویر Sentinel-۲ استخراج شدند. برای ساخت یک مدل رگرسیون یادگیری ماشین بهینه برای تخمین شوری خاک، از دو مدل مختلف رگرسیون، از جمله روش جنگل تصادفی و ماشین بردار پشتیبان استفاده شد. روش جنگل تصادفی با ضریب تعیین ۰.۷۱، خطای ریشه میانگین مربعات حدود ۰.۹۱ دسی زیمنس بر متر و خطای میانگین مربعات نرمال شده حدود ۰.۳۶ دسی زیمنس بر متر، عملکرد بهتری نسبت به مدل ماشین بردار پشتیبان داشت. نتایج نشان داد که ادغام داده های سنجشازدور، داده های میدانی و استفاده از یک مدل یادگیری ماشین مناسب میتواند نقشه های شوری با دقت بالا را برای نظارت بر شوری خاک به عنوان یک مشکل زیست محیطی ارائه دهد.