پایش شوری خاک با استفاده تصاویر ماهواره­ای 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 می شود. در بسیاری از موارد، این تهدید عمده منجر به از بین رفتن زمین های 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 می شود. نظارت بر توزیع شوری خاک و درجه شوری و نقشه برداری از هدایت الکتریکی با استفاده از روش های 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-2 برای نقشه برداری و نظارت بر شوری خاک بررسی شد. با توجه به گذر ماهواره، خواص مختلف نمک برای 197 نمونه خاک در مطالعه داده میدانی اندازه گیری شد. بنابراین چندین ویژگی طیفی، مانند بازتاب باند ماهواره ای، شاخص های شوری و شاخص های پوشش گیاهی ، از تصاویر sentinel-2 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 0.71، خطای ریشه میانگین مربعات حدود 0.91 دسی زیمنس بر متر و خطای میانگین مربعات نرمال شده حدود 0.36 دسی زیمنس بر متر، عملکرد بهتری نسبت به مدل ماشین بردار پشتیبان داشت. نتایج نشان داد که ادغام داده های سنجش ازدور، داده های میدانی و استفاده از یک مدل یادگیری ماشین مناسب می تواند نقشه های شوری با دقت بالا را برای نظارت بر شوری خاک به عنوان یک مشکل زیست محیطی ارائه دهد.