گروهی از محققان با همكاری پژوهشگران ایرانی با استفاده از روش های یادگیری ماشینی روشی برای پیش بینی رطوبت خاك ابداع كرده اند.
رطوبت خاك تأثیر مستقیمی بر عملكرد اكوسیستم، پوشش گیاهی و تولید محصول، سلامت محیط و پایداری جوامع روستایی دارد.
علاوه بر آن رطوبت خاك نقش مهمی در تمام جنبه‌های فعل و انفعالات جو و زمین از جمله رویدادهای شدید مانند موج گرما، خشكسالی و سیل دارد. ماهیت پیچیده رطوبت خاك یك چالش بزرگ برای برآورد دقیق آن به حساب می‌آید. با وجود پیشرفت‌های اخیر در رصد ماهواره، وضوح زمانی و مكانی و مشاهدات كم‌عمق این ابزار مانع از آن می‌شود كه نتایج رصدهای ماهواره‌ای در مدلسازی مكانیك وهمچنین كاربردهای با وضوح بالا استفاده شود.
در همین راستا گروهی از محققان با همكاری نیما شكری و سحر بخشیان با توجه به اهمیت رطوبت خاك در بسیاری از فرآیندهای هیدرولوژیكی، تحقیقی انجام دادند تا یك ابزار پیش بینی كننده بسازند كه قادر به توصیف رابطه بین رطوبت خاك و طیف وسیعی از پارامترهای مرتبط با آب وهوا و خاك باشد.
به همین دلیل آنها شبكه‌های متراكم اندازه‌گیری در محل را ابداع كردند كه با كمك یادگیری ماشینی راستی آزمایی دقیقی از وضعیت خاك ارائه می‌دهد.
محققان یك كمپین مشاهداتی دقیق در زمینی به مساحت 100 هزار متر مربع در فالكنبرگ آلمان انجام دادند و در این فرایند از یك شبكه متراكم از حسگرها در 29 نقطه استفاده كردند تا رطوبت خاك، دمای محیط و رطوبت نسبی، سرعت باد و دمای خاك را بسنجند.
همچنین آنها در این پژوهش ویژگی‌های خاك و خواص مهم آن (مانند توزیع اندازه ذرات) را تعیین كردند. در این فرایند پژوهشگران از پیش‌بینی‌كننده‌های اقلیمی استاتیك و دینامیك و مرتبط با خاك (متغیرهای كمكی) برای آموزش مدل‌های یادگیری ماشینی استفاده كردند تا رابطه پیچیده بین رطوبت خاك و متغیرهای پیش‌بینی‌كننده را مشخص كنند.
پژوهش مذكور چشم انداز وسیع‌تری درباره تعامل رابطه بین دینامیك رطوبت خاك و انواع پارامترهای اقلیمی و خاكی فراهم می‌كند.
