خاک هوشمند: کاربرد یادگیری ماشین، طیف‌سنجی و مدل‌های فیزیک‌محور در شناخت خاک (مقاله کلیدی)

پذیرفته شده برای ارائه شفاهی

کد مقاله : 1698-ISSC19

گسترش داده‌های سنجش‌ازدور، حسگرهای نزدیک‌برد و کتابخانه‌های بزرگ طیفی، علوم خاک را به نقطه‌ای رسانده که روش‌های کلاسیک آماری دیگر پاسخ‌گو نیستند. هوش مصنوعی و به‌طور خاص یادگیری ماشین و یادگیری عمیق، امکان مدل‌سازی روابط بسیار غیرخطی میان متغیرهای توپوگرافی، اقلیمی، کاربری اراضی و سیگنال‌های طیفی خاک را فراهم کرده و دقت نقشه‌برداری رقومی خاک را به‌طور محسوس بالا برده است. هم‌زمان، طیف‌سنجی خاک از یک روش آزمایشگاهی به سوی کاربرد در مزرعه و میدانی حرکت می‌کند، اما با چالش‌هایی مانند تغییر رطوبت، هندسهٔ اندازه‌گیری و ناهمگنی سطح روبه‌رو است؛ چالش‌هایی که مدل‌های عمیق، انتقال یادگیری و «افزودن دادهٔ محلی» می‌توانند آنها را تعدیل کنند. علاوه بر این، ورود شبکه‌های عصبی آگاه از فیزیک باعث شده مدل‌های خاکی نه‌فقط با داده، بلکه با معادلات فیزیکی فرایندهای آب–حرارت–انتقال در خاک نیز سازگار شوند و از بیش‌برازش رها شوند.

نقشه برداری رقومی خاک؛ طیف‌سنجی؛ مدل‌های فیزیک‌محور

فناوری داده‌ و هوشمندسازی اطلاعات خاک