광학 및 근적외선 이미지를 이용한 화강암 토양의 분류 및 토양 수분 함량 예측

토양 수분 함량은 산사태 위험의 가장 중요한 물리적 지표 중 하나입니다. 따라서 토양을 신속하고 비파괴적으로 분류하고 수분 함량을 결정하거나 예측하는 것은 산사태 위험 탐지에 필수적인 작업입니다. 우리는 서울(대한민국)에서 수집한 162개의 화강암 토양 샘플의 가시광선 및 근적외선 영역(400-1000 nm)에서의 하이퍼스펙트럼 정보를 조사했습니다. 먼저, 분류 모델을 개발하기 위해 연속 투영 알고리즘을 사용하여 전처리된 스펙트럼 데이터에서 효과적인 파장을 추출했습니다. 텍스처 변수를 추출하기 위해 회색 수준 공존 행렬을 사용했으며, 교정 모델 및 예측 모델 수립을 위해 서포트 벡터 머신을 사용했습니다. 결과는 모델링을 위한 효과적인 파장과 텍스처 특징 데이터 세트를 결합함으로써 89.8%의 최적 올바른 분류율을 달성할 수 있음을 보여줍니다. 개발된 분류 모델을 사용하여 토양 수분 함량 예측을 위한 인공 신경망(ANN) 모델이 구축되었습니다. 입력 매개변수는 먼셀 토양 색상, 반사 영역(근적외선)의 면적 및 건조 단위 중량으로 구성되었습니다. 개발된 ANN 모델의 수분 함량 예측 정확도는 결정 계수 0.91 및 평균 절대 백분율 오차 10.1%로 확인되었습니다.