ارزیابی تخمین تنش آبی پنبه با استفاده از تصاویر چند طیفی ماهواره ای، مبتنی بر مدل درخت M۵

تنش آبی در نتیجه عدم تعادل بین آب خاک در محیط ریشه و آب مصرفی گیاه رخ می دهد که ضرورت تعیین شاخص تنش آبی گیاه را ایجاب می کند. رطوبت خاک سطحی ارتباط مستقیمی با آب موجود در گیاه دارد. در دسترس بودن داده های ماهواره ای منجر به تفکیک زمانی و مکانی داده های مزرعه ای شده است و فرصت های جدیدی را برای نظارت بر شرایط کشت ارائه می دهد. در این پژوهش، پایش دقیق و مستمر رطوبت خاک به عنوان نماینده تنش رطوبتی خاک، با اندازه گیری های میدانی رطوبت خاک و مقایسه با داده های چند طیفی تصاویر ماهواره ای لندست ۹ و سنتینل ۲ صورت گرفت. ارتباط بین شاخص های گیاهی به عنوان متغیر مستقل و رطوبت خاک سطحی به عنوان متغیر وابسته، با استفاده از روش های رگرسیون چند متغیره خطی و رگرسیون درخت M۵بررسی شد. با توجه به غیرخطی بودن رابطه بین رطوبت خاک با بازتاب های طیفی، رگرسیون چند متغیره خطی نتایج رضایت بخشی را نشان نداد (با ضریب تعیین (R۲) ۰/۴۶ و۰/۳۴ به ترتیب برای ماهواره لندست ۹ و سنتتینل ۲ و همچنین جذر میانگین خطا (RMSE) برابر ۰/۰۴۳ و ۰/۰۵۲). ولی، رگرسیون درختی M۵، نتایج قابل قبول تری را نشان داد، به طوری که با برقراری ۱۶ و ۲۰ رابطه رگرسیونی برای ماهواره های لندست ۹ و سنتینل ۲ ، رطوبت خاک را با ضریب تعیین  ۰/۷۰ و۰/۶۷ و جذر میانگین مربعات خطا برابر ۰/۰۳۳ و ۰/۰۳۸ برآورد کرد. نتایج نشان داد که تخمین رطوبت خاک با روش های مبتنی بر یادگیری ماشین، همچون مدل M۵، دقت محاسبات را بالا می برد. در رگرسیون درخت تصمیم M۵، لزوما تعداد بالای متغیر، منجر به افزایش دقت تخمین رطوبت خاک نمی شود و در تعداد متغیرهای کم هم رابطه ای با بالاترین دقت یافت می شود. بنا بر این، بدون اندازه گیری داده های خاک، می توان رابطه بدست آمده در سطح مزرعه را برای ارزیابی تنش آبی خاک و تعیین زمان آبیاری در زمین­های کشاورزی در مقیاس وسیع استفاده کرد.

کلیدواژه ها:

لندست ۹ ، سنتینل ۲ ، داده کاوی ، رگرسیون درخت تصمیم