استفاده از ترکیب رویکردهای سنجش از دور و یادگیری ماشین در پیشبینی پارامترهای هیدرولوژیکی: یک مطالعه علمسنجی | ||
| تحقیقات آب و خاک ایران | ||
| دوره 56، شماره 3، خرداد 1404، صفحه 825-850 اصل مقاله (2.12 M) | ||
| نوع مقاله: مروری | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2025.386927.669850 | ||
| نویسندگان | ||
| معین توسن1؛ راضیه شمشیرگران2؛ مهدی دستورانی* 1 | ||
| 1گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران. | ||
| 2گروه مهندسی عمران، دانشکده مهندسی، دانشگاه بیرجند، بیرجند، ایران. | ||
| چکیده | ||
| ادغام دادههای سنجش از دور با تکنیکهای یادگیری ماشین، رویکردی نوین و مؤثر در پیشبینی پارامترهای هیدرولوژیکی از جمله تبخیر-تعرق، رطوبت خاک و دما محسوب میشود. این پژوهش با هدف تحلیل علمسنجی روندهای تحقیقاتی و همکاریهای بینالمللی در این حوزه انجام شده است. بدین منظور، دادههای مرتبط از پایگاه اطلاعاتی Web of Science استخراج و با استفاده از نرمافزارهای Bibliometrix و VOSviewer تحلیل شدند. این تحلیلها روابط بین مقالات، نویسندگان، کلمات کلیدی و کشورها را آشکار ساختند. نتایج نشان دادند که مدلهای یادگیری ماشین پیشرفته نظیر شبکههای عصبی مصنوعی (ANN) و جنگل تصادفی (RF) در ترکیب با دادههای سنجش از دور منابعی مانند MODIS، Sentinel و SMAP، بهویژه در مناطق با محدودیت دادههای زمینی، کاربرد گستردهای دارند. همچنین، استفاده از دادههای چندمنبعی و الگوریتمهای پیشرفته یادگیری ماشین در راستای شبیهسازی دقیقتر پارامترهای هیدرولوژیکی و پیشبینی تغییرات اقلیمی و خشکسالیها به عنوان روندهای نوظهور شناسایی شدند. علاوه بر این، افزایش استفاده از دادههای ماهوارهای مانند MODIS، SMAP و شاخص NDVI در تحلیل پارامترهای هیدرولوژیکی در مناطق با کمبود دادههای زمینی از دیگر یافتههای مهم این پژوهش است. این مطالعه ضمن شناسایی روندهای کلیدی، به بررسی چالشها، شکافهای تحقیقاتی و ارائه پیشنهاداتی برای پژوهشهای آتی در این حوزه میپردازد. | ||
| کلیدواژهها | ||
| ادغام دادهها؛ تحلیل علمسنجی؛ دادههای چندمنبعی؛ روندهای پژوهشی؛ هیدرولوژی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 857 تعداد دریافت فایل اصل مقاله: 493 |
||