Investigación sobre el modelo de inversión del contenido de humedad del suelo basado en un nuevo índice ReMPDI en las...

Área de la Ciencia:

• Ciencias del medio ambiente
• Detección remota
• Ciencias del suelo

Sus antecedentes:

• La excavación subterránea de carbón causa problemas ecológicos, lo que requiere un control eficaz de la humedad del suelo.
• La medición manual de la humedad del suelo es ineficiente, lo que impulsa la investigación en métodos de inversión de datos de teledetección.

Objetivo del estudio:

• Desarrollar y validar un nuevo índice (ReMPDI) para la recuperación del contenido de humedad del suelo.
• Para comparar el rendimiento de seis algoritmos de aprendizaje automático para la inversión de la humedad del suelo.
• Proporcionar una base teórica para el monitoreo a gran escala de la humedad del suelo en las zonas mineras.

Principales métodos:

• Construcción del índice de sequía perpendicular modificado del borde rojo (ReMPDI).
• Utilizando el borde rojo y las bandas de infrarrojo cercano para el análisis de las características espectrales.
• Comparación y validación de seis modelos de aprendizaje automático (RF, SVM, BPNN, PLSR, CNN, RBFNN) con los datos medidos.

Principales resultados:

• La combinación óptima de bandas espectrales para las líneas de suelo utiliza bandas de borde rojo e infrarrojas cercanas (NIR).
• El ReMPDI, que incorpora cubierta vegetal, alcanzó el coeficiente de determinación más alto (R2 = -0,798), superando al MPDI y al PDI.
• El modelo Random Forest (RF) demostró una precisión de inversión superior con solo un error del 9,52%.

Conclusiones:

• El índice ReMPDI y el modelo RF ofrecen un enfoque sólido para el monitoreo preciso de la humedad del suelo.
• El control eficaz de la humedad del suelo es crucial para mitigar los impactos ambientales en las regiones mineras.
• Esta investigación apoya el monitoreo a gran escala de la humedad superficial del suelo mediante teledetección.