سلمان احمدی

رطوبت خاک یک متغیر کلیدی در درک سیستم آب و هوا از طریق کنترل آن بر انرژی سطح زمین ، تقسیم بودجه آب و چرخه کربن است. علاوه بر این ، از آن به عنوان شاخص بلایای طبیعی مانند سیل ، خشکسالی ، طوفان گرد و غبار و فرسایش استفاده می شود. بنابراین توزیع مکانی و زمانی این متغییر و درک آن از اهمیت به سزایی برخوردار بوده و می تواند از بسیاری از اتفاقات و فاجعه های زیست محیطی جلوگیری نماید. در این پژوهش ابتدا رابطه ای میان شاخص های وابسته به رطوبت خاک و مقادیر واقعی رطوبت خاک محاسبه می شود. این مدل در اندازه پیکسل های تولیدات رطوبت خاک سنجنده SMAP که تولیدات Smap / 1-Sentinel با قدرت تفکیک مکانی 9 کیلومتر را ارائه می دهند، آموزش داده می شود. برای این منظور، مقادیر بازتابش باند قرمز، بازتابش باند مادون قرمز نزدیک، مقادیر شاخص پوشش گیاهی NDVI و EVI و مقادیر شاخص NDWI از سنجنده 2-Sentinel به دست آمدند و به عنوان داده های اپتیکی مورداستفاده قرار گرفتند. شاخص ها و ویژگی های ذکرشده، تمامی وابسته به مقادیر رطوبت خاک هستند. همچنین مقادیر بازپراکنش راداری ثبت شده در سه قطبش همگن و غیر همگن، و در دو گذر مختلف پایین گذر و بالا گذر، به عنوان مشاهدات راداری مایکروویو فعال در نظر گرفته شدند. درنهایت مقادیر دمای سطح سنجنده MODIS نیز به عنوان مقادیر حرارتی وابسته به رطوبت خاک مورداستفاده قرار گرفتند. به این ترتیب رطوبت توسط مدل با قدرت تفکیک 9 کیلومتری محاسبه شده و با رطوبت 9 کیلومتری ماهواره ای برای انتخاب بهترین مدل مقایسه شد و بهترین مدل توانست با ضریب همبستگی 0.9 و ضریب تبیین 0.82 بدست آید. که باید رطوبت مدل با رطوبت میدانی اندازه گیری شده مقایسه شود. با توجه به تفاوت در قدرت تفکیک مکانی تمامی این تولیدات، ما قدرت تفکیک مکانی 250 متر را برای برآورد مقادیر رطوبت خاک در نظر گرفتیم. سپس مدل آموزش داده شده بر روی داده های راداری، حرارتی و مرئی پیاده سازی می شوند تا رطوبت خاک در اندازه پیکسل های 250 متری محاسبه شوند مدل به دست آمده برای تشکیل نقشه رطوبت خاک در قدرت تفکیک مکانی 250 متری مورد استفاده قرار گرفت. روش پیشنهادی قادر بود رطوبت خاک را با ضریب همبستگی 0.59، مقادیر RMSE برابر با 0.11، مقادیر بایاس 0.08 و مقدار ub-RMSE برابر با 0.054 محاسبه کند. این موضوع نشان می دهد که روش پیشنهادی دارای دقت قابل قبولی است.