fa مدل‌سازی خطی رطوبت خاک با استفاده از تجزیه و انتخاب ویژگی‌های تمام قطبیده راداری سنجش از دور RS پژوهشي Research <span style="font-family:b nazanin;">رطوبت خاک یک متغییر کلیدی در فرآیند هییدرولوژی است، که تحت تأثیر تبادل آب و انرژی در سطح زمین می-باشد. برآورد دقیق از تغییرات مکانی و زمانی رطوبت خاک برای مطالعات زیست محیطی بسیار حیاتی می</span>‌<span style="font-family:b nazanin;">باشد. برای چنین هدفی تصاویر تمام قطبیده راداری (</span><em><span dir="LTR"><span style="font-size:8.0pt;">PolSAR</span></span></em><span style="font-family:b nazanin;">) یک ابزار مناسب و قدرتمند می</span>‌<span style="font-family:b nazanin;">باشد. همچنین این تصاویر هم پوشش وسیع و هم‌توان تفکیک مکانی مناسب را تضمین</span>&nbsp;<span style="font-family:b nazanin;">می‌نمایند. در این مطالعه، یک مدل تحلیلی خطی برای تخمین رطوبت خاک با استفاده از داده</span>‌<span style="font-family:b nazanin;">های اخذشده توسط سنجنده ایرسار در سال 2003 در باندهای </span><em><span dir="LTR"><span style="font-size:8.0pt;">C,L,P</span></span></em><span style="font-family:b nazanin;"> پیشنهادشده است. در این راستا با استفاده از الگوریتم ژنتیک، انتخاب روبه</span> <span style="font-family:b nazanin;">جلو و روبه</span>‌<span style="font-family:b nazanin;">عقب ویژگی به بررسی و انتخاب ویژگی</span>‌<span style="font-family:b nazanin;">های مناسب قطبیده به‌منظور مدل‌سازی اقدام شده است. همچنین برآورد انجام‌شده رطوبت خاک با اندازه</span>‌<span style="font-family:b nazanin;">گیری</span>‌<span style="font-family:b nazanin;">های زمینی مقایسه شده است. نتایج به‌دست‌آمده نشان‌ می</span>‌<span style="font-family:b nazanin;">دهد مدل تحلیلی خطی پیشنهاد شده با ویژگی</span>‌<span style="font-family:b nazanin;">های که الگوریتم ژنتیک انتخاب کرده است، با دقت بیشتری نسبت به الگوریتم</span>‌<span style="font-family:b nazanin;">های روبه</span>&nbsp;<span style="font-family:b nazanin;">جلو و روبه</span>&nbsp;<span style="font-family:b nazanin;">عقب ویژگی رطوبت خاک را مدل‌سازی می‌کند. پارامترهای آماری به‌دست‌آمده با استفاده از این روش </span><em><span dir="LTR"><span style="font-size:8.0pt;">R2</span></span></em><span style="font-family:b nazanin;"> بالای %80 و&nbsp; مجذور میانگین مربع خطا کمتر از 280_/0 برای باندهای </span><em><span dir="LTR"><span style="font-size:8.0pt;">P,L,C</span></span></em><span style="font-family:b nazanin;"> می</span>‌<span style="font-family:b nazanin;">باشد که در مقایسه با سایر الگوریتم</span>‌<span style="font-family:b nazanin;">ها با دقت بیشتری رطوبت خاک را تخمین زده است. همچنین مدل تحلیلی خطی پیشنهاد شده با استفاده از ویژگی‌های باند </span><em><span dir="LTR"><span style="font-size:8.0pt;">C</span></span></em><span style="font-family:b nazanin;"> رطوبت خاک با دقت بالاتری نسبت به مدل تحلیلی خطی ویژگی‌های باند های </span><em><span dir="LTR"><span style="font-size:8.0pt;">L</span></span></em><span style="font-family:b nazanin;">&nbsp; و </span><em><span dir="LTR"><span style="font-size:8.0pt;">P</span></span></em><span style="font-family:b nazanin;"> تخمین</span>&nbsp;<span style="font-family:b nazanin;">زده</span>&nbsp;<span style="font-family:b nazanin;">شده</span>&nbsp;<span style="font-family:b nazanin;">است.</span><strong><span style="font-family:b nazanin;"></span></strong> &nbsp;<br> Soil moisture is a key variable in the hydrologic process, which is affected by the exchange of water and energy on the Earth&#39;s surface. Precise estimation of spatial and temporal variations of soil moisture is crucial for environmental studies. The Polarimetric SAR (PolSAR) images are a convenient tool for this purpose. These images also guarantee both broad coverage and suitable spatial resolution. In this study, a linear analytical model has been suggested for estimating soil moisture. This model uses data gathered by the AIRSAR sensor in 2003 in C, L, and P bands. For this purpose, with incorporation of a genetic algorithm (GA), sequential forward selection (SFS), and sequential backward selection (SBS), we examine and select appropriate features best fitted for soil moisture modeling. Also in this estimation, soil moisture measurements were compared to in-situ data. The results showed that the proposed method (linear analysis model) had a good efficiency by using GA feature selection compare to both SFS and SBS feature selection. Regarding statistical parameters for proposed method, R2 model is higher than %80 and RMSE is less than 0.027 for P, L, and C bands, which in comparison with other algorithms, the R2 model estimates soil moisture more accurately. Also, the best bands to estimate soil moisture model using proposed model and incorporated PolSAR features is the C band. مدل تحلیلی خطی, رطوبت خاک, الگوریتم ژنتیک, الگوریتم رو به جلو , الگوریتم رو به عقب. Linear analytical model, Soil moisture, GA, SFS, SBS. 51 66 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-532-2&slc_lang=fa&sid=1 Esmaeil Khedri اسماعیل خدری 10031947532846007184 10031947532846007184 No University of Tehran دانشگاه تهران Mahdi Hasanlou مهدی حسنلو hasanlou@ut.ac.ir 10031947532846007185 10031947532846007185 Yes University of Tehran دانشگاه تهران