عنوان پایان‌نامه
برآورد رطوبت خاک با استفاده از تصاویر فعال و غیرفعال ماهواره‌ای
- رشته تحصیلی
- مهندسی نقشه برداری گرایش سنجش از دور
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3630;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3630;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81487;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81487
- تاریخ دفاع
- ۲۲ شهریور ۱۳۹۶
- دانشجو
- اسماعیل خدری
- استاد راهنما
- مهدی حسنلو
- چکیده
- رطوبت خاک یک متغییر کلیدی در فرآیند هیدرولوژی است که تحت تأثیر تبادل آب و انرژی در سطح زمین می‌باشد. برای برآورد دقیق از تغییرات مکانی و زمانی رطوبت خاک برای مطالعات زیست محیط بسیار حیاتی می‌باشد. برای چنین هدفی تصاویر قطبیده رادار با گشایش مصنوعی (SAR) یک ابزار مناسب می‌باشد، که هم پوشش وسیع و هم‌توان تفکیک مکانی مناسب را تضمین می‌کند. مدل IWCM یکی از رایج‌ترین مدل‌های مایکرویو فعال محاسبه رطوبت خاک می‌باشد که اثرات پوشش گیاهی و زبری سطح روی ضریب پس پراکنش رادار در نظر گرفته‌شده است. با این وجود، عامل دمای سطح خاک که می‌تواند یک عامل مهم روی ضریب پس¬پراکنش باشد در نظر گرفته نشده است، همچنین تنها برای زمین‌ها با پوشش گیاهی کم مناسب می‌باشد. در این تحقیق، با توسعه مدل IWCM و افزودن دمای سطح خاک و استفاده از شاخص انترپی به‌جای VWC برای اعمال سهم پوشش گیاهی به آن، مدل MIWCM برای زمین‌های دارای پوشش گیاهی زیاد ارائه شده است. همچنین در این تحقیق با استخراج ویژگی‌ها از داده‌های سنجش‌ازدور با استفاده از روش‌های تحلیلی خطی و روش رگرسیونی بردار پشتیبان (SVR)، به مدل‌سازی رطوبت خاک پرداختیم. در این پژوهش از الگوریتم‌های تکاملی مثل الگوریتم ژنتیک (GA)، الگوریتم انتخاب ویژگی ترتیبی روبه‌جلو (SFS) و الگوریتم انتخاب ویژگی رو به عقب (SBS) برای رسیدن به انتخاب ویژگی مطلوب استفاده‌شده است. در این پژوهش با استفاده از روش خطی در حالت کلی به RMSE =0/0188 و ضریب تعیین R2=89% و با استفاده از روش رگرسیون بردار پشتیبان در حالت کلی به RMSE=0/00043 و R2=99% رسیدیم که بیانگر عملکرد خوب رگرسیون بردار پشتیبان برای تخمین رطوبت خاک می‌باشد. واژه‌های کلیدی: تخمین رطوبت خاک، الگوریتم ژنتیک، الگوریتم ترتیبی، مدل‌سازی نیمه‌تحلیلی، مدل‌سازی تحلیلی خطی، SVR
- Abstract
- Soil moisture is a key variable in hydrology process which is affected by water and energy exchange on ground. Precise evaluation of spatial and temporal changes in soil moisture is critical for environmental studies. In this regards, the Synthetic Aperture Radar (SAR) is a reliable tool for monitoring this parameter which provides multi-channel data-set with wide coverage. Modified Improved Water Cloud Model (IWCM) strategy is a contemporary active microwave models of estimating soil moisture in which the elements of surface tension and propagation radar is considered. However, soil surface temperature which is crucial in propagation is ignored, besides it is effective in lands with minimal vegetation. In this study, IWCM is developed and there is an increase in soil surface temperature through anthropic index rather than Water Cloud Model (VWC) for indication of the surface vegetation and MIWCM is utilized for lands with high vegetation. Also, in this research, we extracted features of the data from the Remote Sensing using linear and Support Vector Regression (SVR) using soil moisture modeling. In this study we used genetic algorithm (GA), sequential feature selection (SFS) and Sequential Backward Selection (SBS) for selecting suitable features in order to estimate model. The results using linear model is [RMSE= 0.0188 and R² =0.89] and the results for Support Vector Regression model is [RMSE= 0.00043 and R² =0.99] that show the high efficiency of SVR method. Keywords: Estimates Soil moisture, Genetic Algorithm, Sequential Feature Algorithm, Semi-analytical modeling, linear modeling, Support Vector Regression (SVR)
