برآورد میزان رطوبت خاک با استفاده از مدل wcm و تصاویر ماهواره ای سنتینل جهت برنامه‌ریزی آبیاری اراضی نیشکر

تخمین میزان رطوبت خاک جهت انجام  مطالعات منابع آب و برنامه‏ریزی آبیاری از اهمیت بالایی برخوردار است و بدین منظور استفاده از داده های ماهواره ای بسیار راهگشا می باشد. تحقیق حاضر به منظور ارزیابی مدل wcm مبتنی بر استفاده از داده‌های رادار و نوری سنتنیل 1 و 2 جهت  برآورد میزان رطوبت خاک و برنامه‏ریزی آبیاری در اراضی کشت نیشکر واقع در جنوب غربی ایران انجام شد. بدین منظور میزان رطوبت خاک از تاریخ 18 می تا 27 سپتامبر 2020 همزمان با 7 گذر ماهواره های سنتینل 1 و 2 در 337 نقطه کنترل زمینی واقع شده در 18 مزرعه تحت کشت نیشکر با استفاده از دستگاه رطوبت‏‏سنج tdr350 برداشت گردید. پس از انجام پردازش های لازم، میزان رطوبت خاک با استفاده از مدل wcm با بهره گیری از قطبش های مختلف تصاویر رادار و همچنین شاخص های مختلف گیاهی برآورد گردید و ارزیابی نتایج با استفاده از مشاهدات میدانی صورت گرفت. نتایج به‌دست آمده نشان ‌می‌دهد مدل wcm با استفاده از شاخص سطح برگ (lai) و قطبش vv در برآورد رطوبت خاک از دقت بالاتری برخوردار است. همچنین دقت نتایج برای حالتی که مدل مورد نظر برای هر تصویر جداگانه محاسبه شود به نسبت زمانی که یک مدل عمومی برای کل دوره رشد نیشکر توسعه داده شود بیشتر می باشد. میزان خطای جذر میانگین مربعات (rmse)  این مدل برای تک تصویر و با استفاده از شاخص lai در بازه [1-13] درصد بوده و ضریب همبستگی آن [0.98-0.34]می باشد، در صورتی که  یک مدل برای کل دوره توسعه داده شود، میزان rmse بین [22-17]درصد و ضریب همبستگی آن [0.2-0.1] می باشد. 

estimation of soil moisture using wcm model and sentinel satellite imagery for irrigation scheduling of sugarcane fields

estimating of soil moisture is very important for water resources studies and irrigation scheduling, and for this purpose the use of satellite imagery is very helpful. the present research was conducted to evaluate the capability of wcm model based on the use of radar and optical data of sentinel 1 and 2 to estimate soil moisture and irrigation scheduling in sugarcane cultivation lands located in the southwest of iran. for this purpose, the soil moisture was measured from may 18 to september 27, 2020, simultaneously with 7 passes of sentinel 1 and 2 satellites at 337 ground control points located in 18 sugarcane fields using a tdr350 moisture meter. after performing the necessary processing, the soil moisture was estimated using the wcm model using different polarizations of radar images as well as different plant indices and the results were evaluated using field observations. the obtained results show that the wcm model using lai index and vv polarization is more accurate in estimating soil moisture. also, the accuracy of the results for the case where the desired model is calculated for each image separately is higher than when a general model is developed for the entire sugarcane growth period. the rmse of this model for a single image using the lai index is in the range of [1-13 %] and its correlation coefficient is [0.98-0.34]. if a model is developed for the entire period, the rmse is between [17 -22 %] and its correlation coefficient is [0/1-0/2].