多源机器学习和太空遥感数据准确地预测了在使用中的处置单元中的三维土壤湿度
Christopher J Jarchow1, Jinyang Du2, John S Kimball2
1RSI EnTech, LLC, USA.
Journal of environmental management
|September 1, 2024
概括
这项研究表明,非侵入式雷达遥感和机器学习可以准确地监测蒸发透气 (ET) 覆盖的土壤水分 (SM). 这为废弃物处理场所管理的传统方法提供了一种具有成本效益和空间综合性的替代方案.
科学领域:
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
- 地理空间分析是什么
背景情况:
- 干旱和半干旱的环境被用于废物储存,因为地下水充电量很低,减少了污染物运输.
- 蒸发透气 (ET) 覆盖利用植被减少水透到废物处理单元.
- 准确地监测土壤湿度 (SM) 对于ET覆盖性能至关重要,平衡排水和流.
研究的目的:
- 调查非侵入性雷达遥感和地理空间数据的潜力,以监测ET覆盖地的土壤水分 (SM).
- 开发和评估机器学习 (ML) 模型,用于估计植被处置细胞中的SM概况.
- 为SM监测提供一个实用,准确和空间全面的工具.
主要方法:
- 理论模拟分析了多频雷达反射散射器在不同深度对SM的灵敏度.
- 使用谷歌地球引擎开发了浅层和深层机器学习 (ML) 模型,以估计SM配置文件.
- 模型集成了卫星雷达,光学/红外传感器数据和降雨数据,通过现场SM测量进行训练和验证.
主要成果:
- 低频雷达 (L和P频段) 对更深层土壤和更大的SM动态范围表现出更好的灵敏度.
- ML模型准确地估计了6个土壤层 (0-2米) 的SM,相关性高 (r=0.750.94) 和误差低.
- 一种更简单的浅层学习ML方法在准确性方面超过了深度学习模型.
结论:
- 与ML相结合的非侵入性雷达遥感提供了一个准确且具有成本效益的方法,用于在ET覆盖中监测SM.
- 这种方法为传统的侵入性仪器提供了一个空间全面的替代方案.
- 开发的ML模型可以应用于其他植被和潜在的岩石装甲的处置电池盖.
