دانشگاه تبریز
فهرست نشریات دارای اعتبار وزارت علوم، تحقیقات و فناوری
پایگاه استنادی علوم جهان اسلام (ISC)

 آمار

تعداد نشریات45
تعداد شماره‌ها1,550
تعداد مقالات18,887
تعداد مشاهده مقاله63,302,678
تعداد دریافت فایل اصل مقاله23,067,445
صادقی لله لو, مریم, ولیزاده کامران, خلیل, کریم زاده, صدرا, قنبری, ابوالفضل, صمدیان‌فرد, سعید. (1405). بازیابی رطوبت سطحی خاک با تلفیق مدل‌های نیمه‌تجربی و یادگیری ماشین مبتنی بر داده‌های Sentinel-1مطالعه موردی: دشت شرقی تبریز، حوضه آبریز دریاچه ارومیه. سامانه مدیریت نشریات علمی, (), -. doi: 10.22034/hyd.2026.72878.1854
مریم صادقی لله لو; خلیل ولیزاده کامران; صدرا کریم زاده; ابوالفضل قنبری; سعید صمدیان‌فرد. "بازیابی رطوبت سطحی خاک با تلفیق مدل‌های نیمه‌تجربی و یادگیری ماشین مبتنی بر داده‌های Sentinel-1مطالعه موردی: دشت شرقی تبریز، حوضه آبریز دریاچه ارومیه". سامانه مدیریت نشریات علمی, , , 1405, -. doi: 10.22034/hyd.2026.72878.1854
صادقی لله لو, مریم, ولیزاده کامران, خلیل, کریم زاده, صدرا, قنبری, ابوالفضل, صمدیان‌فرد, سعید. (1405). 'بازیابی رطوبت سطحی خاک با تلفیق مدل‌های نیمه‌تجربی و یادگیری ماشین مبتنی بر داده‌های Sentinel-1مطالعه موردی: دشت شرقی تبریز، حوضه آبریز دریاچه ارومیه', سامانه مدیریت نشریات علمی, (), pp. -. doi: 10.22034/hyd.2026.72878.1854
صادقی لله لو, مریم, ولیزاده کامران, خلیل, کریم زاده, صدرا, قنبری, ابوالفضل, صمدیان‌فرد, سعید. بازیابی رطوبت سطحی خاک با تلفیق مدل‌های نیمه‌تجربی و یادگیری ماشین مبتنی بر داده‌های Sentinel-1مطالعه موردی: دشت شرقی تبریز، حوضه آبریز دریاچه ارومیه. سامانه مدیریت نشریات علمی, 1405; (): -. doi: 10.22034/hyd.2026.72878.1854

بازیابی رطوبت سطحی خاک با تلفیق مدل‌های نیمه‌تجربی و یادگیری ماشین مبتنی بر داده‌های Sentinel-1مطالعه موردی: دشت شرقی تبریز، حوضه آبریز دریاچه ارومیه

هیدروژئومورفولوژی
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 02 شهریور 1405
نوع مقاله: پژوهشی
شناسه دیجیتال (DOI): 10.22034/hyd.2026.72878.1854
نویسندگان
مریم صادقی لله لو1؛ خلیل ولیزاده کامران* 2؛ صدرا کریم زاده3؛ ابوالفضل قنبری2؛ سعید صمدیان‌فرد4
1دانشجوی دکتری گروه سنجش از دور و GIS، دانشگاه تبریز، تبریز، ایران.
2استادگروه سنجش از دور و GIS، دانشگاه تبریز، تبریز، ایران.
3دانشیارگروه سنجش از دور و GIS، دانشگاه تبریز، تبریز، ایران.
4دانشیارگروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران.
چکیده
این پژوهش با هدف ارزیابی کارایی مدل‌های نیمه‌تجربی WCM و Dubois در بازسازی ضریب پس‌پراکنش راداری و بازیابی رطوبت خاک با استفاده از داده‌های Sentinel-1 در دشت شرقی تبریز، واقع در حوضه آبریز دریاچه ارومیه، انجام شد. نوآوری پژوهش در استفاده از خروجی مدل‌های نیمه‌تجربی به‌عنوان ویژگی‌های فیزیکی ورودی الگوریتم جنگل تصادفی برای بهبود بازیابی رطوبت خاک و ارزیابی عملکرد شاخص‌های NDVI، DPSVI و IDPDD در بازسازی ضریب پس‌پراکنش و بازیابی رطوبت خاک است. نمونه‌های زمینی هم‌زمان با گذر ماهواره برداشت شدند. ابتدا مدل ابر آب اصلاح‌شده پیشنهادی (PMWCM) برای کاهش اثر پوشش گیاهی و استخراج مؤلفه VV به‌کار گرفته شد. سپس خروجی آن برای کالیبراسیون محلی مدل Dubois و استخراج پارامترهای پراکندگی سطحی استفاده شد. ویژگی‌های فیزیکی و راداری حاصل به الگوریتم جنگل تصادفی (RF) منتقل شد تا روابط غیرخطی میان متغیرها و رطوبت خاک مدل‌سازی شود. نتایج نشان داد PMWCM در بازسازی ضریب پس‌پراکنش عملکرد مطلوبی داشته و شاخص IDPDD با R²=0.9184 و RMSE=0.3455 بهترین عملکرد را در حذف اثر پوشش گیاهی و بازسازی سیگنال VV ارائه کرد. بااین‌حال، این مدل در بازیابی مستقیم رطوبت خاک محدودیت داشت. کالیبراسیون محلی مدل Dubois عملکرد آن را بهبود داد، اما روابط پیچیده میان رطوبت خاک، زبری سطح و پوشش گیاهی را به‌طور کامل توصیف نکرد. مدل هیبریدی Dubois–RF با استفاده از NDVI بهترین نتایج را با R²=0.7972 و RMSE=0.0365 m³/m³ نشان داد. نتایج بیانگر آن است که تلفیق مدل‌های نیمه‌تجربی و یادگیری ماشین می‌تواند بازیابی رطوبت سطحی خاک از داده‌های Sentinel-1 را بهبود دهد.
کلیدواژه‌ها
بازیابی رطوبت خاک؛ Sentinel-1 SAR؛ یادگیری ماشین؛ مدل نیمه‌تجربی؛ حوضه دریاچه ارومیه
آمار
تعداد مشاهده مقاله: 106


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب