माटोको आर्द्रता अनुगमनमा साहित्य समीक्षा

1. माटोको आर्द्रता अनुगमन प्रविधिहरूको वर्गीकरण

माटोको आर्द्रता अनुगमन प्रविधिहरूलाई अनुगमन मापन र सिद्धान्त अनुसार तीन वर्गमा विभाजन गर्न सकिन्छ: भू-आधारित बिन्दु मापन टेक्नोलोजी, प्रक्सिमल सेन्सिङ प्रविधि, र रिमोट सेन्सिङ निगरानी प्रविधि। स्थानीय बिन्दु मापन देखि विश्वव्यापी स्तर अनुगमन सम्म आवेदन आवश्यकताहरु को पूर्ण दायरा कभर गरी तीन प्रविधिहरु मध्ये प्रत्येक को आफ्नै फोकस छ।

(१) भू-आधारित बिन्दु मापन प्रविधि

भू-आधारित बिन्दु मापन टेक्नोलोजी प्रत्यक्ष सम्पर्क माटो सेन्सर मापन मा केन्द्रित छ, जसले निरन्तर वा निश्चित-बिन्दु माटोको नमी डेटा संग्रह महसुस गर्न सक्छ र माटोको नमी निगरानीको आधारभूत माध्यम हो। यसमा मुख्यतया रेजिस्टेन्स प्रोबहरू, टाइम डोमेन रिफ्लेक्टोमेट्री (TDR), क्यापेसिटन्स सेन्सरहरू, न्यूट्रोन प्रोबहरू र अन्य प्रकारहरू समावेश हुन्छन्। विभिन्न सेन्सरहरू सटीकता, लागत, र लागू परिदृश्यहरूमा महत्त्वपूर्ण रूपमा भिन्न हुन्छन्।

(२) प्रोक्सिमल सेन्सिङ टेक्नोलोजी

प्रोक्सिमल सेन्सिङ टेक्नोलोजी मुख्यतया फिल्ड वा वाटरशेड स्केलमा लागू गरिन्छ। यसले भू-आधारित बिन्दु मापनको स्थानीय सीमितताको लागि गैर-आक्रामक माध्यमहरू मार्फत माटोको आर्द्रताको स्थानिय वितरण विशेषताहरू प्राप्त गर्दछ। सामान्य प्रविधिहरूमा इलेक्ट्रोम्याग्नेटिक इन्डक्सन (EMI), ग्राउण्ड-पेनिट्रेटिंग रडार (GPR), कस्मिक रे न्यूट्रोन प्रोब (CRNP), आदि समावेश छन्। ती मध्ये, CRNP प्रविधिले ठूलो क्षेत्रमा क्षेत्रीय औसत माटोको आर्द्रताको गैर-आक्रामक मापन महसुस गर्न सक्छ, र ग्राउन्ड-बेसेनट मापन बिन्दु जोड्ने मुख्य पुल भएको छ।

(3) रिमोट सेन्सिङ निगरानी प्रविधि

रिमोट सेन्सिङ टेक्नोलोजीले उपग्रह र विमान जस्ता प्लेटफर्महरू मार्फत ठूलो मात्रामा (क्षेत्रीय देखि विश्वव्यापी) माटोको नमीको गतिशील अनुगमनलाई महसुस गर्छ। रिमोट सेन्सिङ ब्यान्डका अनुसार यसलाई अप्टिकल रिमोट सेन्सिङ, थर्मल इन्फ्रारेड रिमोट सेन्सिङ र माइक्रोवेभ रिमोट सेन्सिङमा विभाजन गर्न सकिन्छ। तिनीहरूमध्ये, माइक्रोवेभ रिमोट सेन्सिङ मौसम अवस्था र वनस्पति र सतह माटो छिर्न सक्ने क्षमताको कम संवेदनशीलताको कारणले ठूलो मात्रामा माटोको नमी अनुगमनको लागि मुख्यधारा प्रविधि भएको छ। यसलाई सक्रिय माइक्रोवेभ रिमोट सेन्सिङ (जस्तै सिंथेटिक एपर्चर रडार, SAR) र निष्क्रिय माइक्रोवेभ रिमोट सेन्सिङ (जस्तै रेडियोमिटर) मा विभाजन गर्न सकिन्छ।

2. मुख्य निगरानी प्रविधिहरूको सिद्धान्त र प्रदर्शन तुलना

(1) ग्राउन्ड-आधारित बिन्दु मापन सेन्सरहरूको प्रदर्शन तुलना

सेन्सर प्रकार	फाइदाहरू	बेफाइदाहरू	लागू परिदृश्यहरू	शुद्धता सूचकांक
प्रतिरोधी जाँच	1. निरन्तर मापनको लागि डाटा लगरहरूसँग जोड्न सकिन्छ; 2. न्यूनतम मूल्य; 3. कम पावर खपत	1. खराब शुद्धता, क्यालिब्रेसन मान माटोको प्रकार र नुन सामग्री अनुसार भिन्न हुन्छ; 2. सेन्सरहरू बुढ्यौली हुने सम्भावना हुन्छ	परिदृश्यहरू जुन केवल नमी सामग्रीमा परिवर्तनहरूको न्याय गर्न आवश्यक छ र सटीकताको लागि कम आवश्यकताहरू छन्	कम सटीकता
TDR जाँच	1. निरन्तर मापन प्रदर्शन गर्न सक्छ; 2. माटो-विशिष्ट क्यालिब्रेसन पछि उच्च सटीकता (2-3%); 3. लवणता को लागी असंवेदनशील (संकेत गायब नभएसम्म); 4. उच्च शैक्षिक मान्यता	1. क्यापेसिटन्स सेन्सरहरू भन्दा उच्च परिचालन जटिलता; 2. स्थापना गर्न खाडल आवश्यक छ, जुन समय खपत हुन्छ; 3. उच्च लवणता वातावरणमा अमान्य; 4. उच्च शक्ति खपत (ठूलो रिचार्जेबल ब्याट्री आवश्यक छ)	उच्च परिशुद्धता मापन आवश्यक पर्ने सान्दर्भिक प्रणालीहरूसँग सुसज्जित प्रयोगशालाहरू	उच्च शुद्धता (2-3%)
क्षमता सेन्सर	1. निरन्तर मापन प्रदर्शन गर्न सक्छ; 2. केहि प्रकारका लागि सजिलो स्थापना; 3. उच्च सटीकता (2-3%) क्यालिब्रेसन पछि; 4. कम पावर खपत (साना ब्याट्री पर्याप्त छन्); 5. कम मूल्य, बहु-बिन्दु मापन सक्षम गर्दै	1. उच्च लवणता वातावरणमा शुद्धता घट्छ (स्याचुरेटेड एक्स्ट्र्याक्ट बिजुली चालकता > 8 dS/m); 2. कम गुणस्तर ब्रान्डहरूको खराब प्रदर्शन	परिदृश्यहरू बहु-बिन्दु मापन, सरल प्रणाली तैनाती र मर्मत, र कम पावर खपत आवश्यक छ।	उच्च शुद्धता (2-3%)
न्यूट्रोन प्रोब	1. ठूलो मापन भोल्युम; 2. लवणता को लागी असंवेदनशील; 3. उच्च शैक्षिक मान्यता (परिपक्व प्रविधि); 4. माटो-सेन्सर सम्पर्क समस्याहरु द्वारा प्रभावित छैन	1. महँगो; 2. सञ्चालन विकिरण प्रमाणीकरण आवश्यक छ; 3. अत्यधिक समय खपत; 4. निरन्तर मापन गर्न सक्दैन	अवस्थित उपकरणहरू र प्रमाणीकरणका साथ परिदृश्यहरू जसमा उच्च-लवणता वा विस्तारित-सङ्क्रित माटोको माटोको मापन आवश्यक हुन्छ।	कम सटीकता (फिल्ड क्यालिब्रेसन पछि सुधारिएको)
CRNP (कोस्मिक रे न्यूट्रोन प्रोब)	1. अत्यन्त ठूलो मापन दायरा (800m व्यास संग प्रभाव मात्रा); 2. स्वचालित मापन; 3. उपग्रह डाटा को जमीन प्रमाणीकरण को लागी उपयुक्त (ठूलो मापन परिवर्तनशीलता चिकनी); 4. माटो-सेन्सर सम्पर्क समस्याहरु द्वारा प्रभावित छैन	1. उच्चतम मूल्य; 2. अस्पष्ट मापन भोल्युम परिभाषा, माटोको नमी संग भिन्न; 3. वनस्पति जस्ता भ्रमित कारकहरू द्वारा सीमित सटीकता	परिदृश्यहरू ठूलो मात्रामा औसत आर्द्रता मानहरू र उपग्रह डेटाको जमीन प्रमाणीकरण आवश्यक छ	RMSE ≈ ०.०३२ cm³/cm³ (क्यालिब्रेसन पछि)

सेन्सर प्रकार	फाइदाहरू	बेफाइदाहरू	लागू परिदृश्यहरू	शुद्धता सूचकांक
प्रतिरोधी जाँच	1. निरन्तर मापनको लागि डाटा लगरहरूसँग जोड्न सकिन्छ; 2. न्यूनतम मूल्य; 3. कम पावर खपत	1. खराब शुद्धता, क्यालिब्रेसन मान माटोको प्रकार र नुन सामग्री अनुसार भिन्न हुन्छ; 2. सेन्सरहरू बुढ्यौली हुने सम्भावना हुन्छ	परिदृश्यहरू जुन केवल नमी सामग्रीमा परिवर्तनहरूको न्याय गर्न आवश्यक छ र सटीकताको लागि कम आवश्यकताहरू छन्	कम सटीकता
TDR जाँच	1. निरन्तर मापन प्रदर्शन गर्न सक्छ; 2. माटो-विशिष्ट क्यालिब्रेसन पछि उच्च सटीकता (2-3%); 3. लवणता को लागी असंवेदनशील (संकेत गायब नभएसम्म); 4. उच्च शैक्षिक मान्यता	1. क्यापेसिटन्स सेन्सरहरू भन्दा उच्च परिचालन जटिलता; 2. स्थापना गर्न खाडल आवश्यक छ, जुन समय खपत हुन्छ; 3. उच्च लवणता वातावरणमा अमान्य; 4. उच्च शक्ति खपत (ठूलो रिचार्जेबल ब्याट्री आवश्यक छ)	उच्च परिशुद्धता मापन आवश्यक पर्ने सान्दर्भिक प्रणालीहरूसँग सुसज्जित प्रयोगशालाहरू	उच्च शुद्धता (2-3%)
क्षमता सेन्सर	1. निरन्तर मापन प्रदर्शन गर्न सक्छ; 2. केहि प्रकारका लागि सजिलो स्थापना; 3. उच्च सटीकता (2-3%) क्यालिब्रेसन पछि; 4. कम पावर खपत (साना ब्याट्री पर्याप्त छन्); 5. कम मूल्य, बहु-बिन्दु मापन सक्षम गर्दै	1. उच्च लवणता वातावरणमा शुद्धता घट्छ (स्याचुरेटेड एक्स्ट्र्याक्ट बिजुली चालकता > 8 dS/m); 2. कम गुणस्तर ब्रान्डहरूको खराब प्रदर्शन	परिदृश्यहरू बहु-बिन्दु मापन, सरल प्रणाली तैनाती र मर्मत, र कम पावर खपत आवश्यक छ।	उच्च शुद्धता (2-3%)
न्यूट्रोन प्रोब	1. ठूलो मापन भोल्युम; 2. लवणता को लागी असंवेदनशील; 3. उच्च शैक्षिक मान्यता (परिपक्व प्रविधि); 4. माटो-सेन्सर सम्पर्क समस्याहरु द्वारा प्रभावित छैन	1. महँगो; 2. सञ्चालन विकिरण प्रमाणीकरण आवश्यक छ; 3. अत्यधिक समय खपत; 4. निरन्तर मापन गर्न सक्दैन	अवस्थित उपकरणहरू र प्रमाणीकरणका साथ परिदृश्यहरू जसमा उच्च-लवणता वा विस्तारित-सङ्क्रित माटोको माटोको मापन आवश्यक हुन्छ।	कम सटीकता (फिल्ड क्यालिब्रेसन पछि सुधारिएको)
CRNP (कोस्मिक रे न्यूट्रोन प्रोब)	1. अत्यन्त ठूलो मापन दायरा (800m व्यास संग प्रभाव मात्रा); 2. स्वचालित मापन; 3. उपग्रह डाटा को जमीन प्रमाणीकरण को लागी उपयुक्त (ठूलो मापन परिवर्तनशीलता चिकनी); 4. माटो-सेन्सर सम्पर्क समस्याहरु द्वारा प्रभावित छैन	1. उच्चतम मूल्य; 2. अस्पष्ट मापन भोल्युम परिभाषा, माटोको नमी संग भिन्न; 3. वनस्पति जस्ता भ्रमित कारकहरू द्वारा सीमित सटीकता	परिदृश्यहरू ठूलो मात्रामा औसत आर्द्रता मानहरू र उपग्रह डेटाको जमीन प्रमाणीकरण आवश्यक छ	RMSE ≈ ०.०३२ cm³/cm³ (क्यालिब्रेसन पछि)

(२) रिमोट सेन्सिङ मोनिटरिङ टेक्नोलोजीहरूको मूल सिद्धान्त र प्रदर्शन

रिमोट सेन्सिङ मोनिटरिङ टेक्नोलोजीले विभिन्न ब्यान्डहरूमा माटोको प्रतिबिम्ब, उत्सर्जन वा बिखर्ने विशेषताहरू विद्युत चुम्बकीय विकिरण पत्ता लगाएर माटोको आर्द्रता पुन: प्राप्त गर्दछ। विभिन्न ब्यान्डहरूमा मापन गहिराइ, स्थानिय रिजोल्युसन र प्रविधिहरूको लागू परिदृश्यहरू महत्त्वपूर्ण रूपमा भिन्न हुन्छन्:

• अप्टिकल र थर्मल इन्फ्रारेड रिमोट सेन्सिङ: अप्टिकल रिमोट सेन्सिङ (दृश्य प्रकाश, नजिक-अवरक्त, छोटो-वेभ इन्फ्रारेड) माटोको रङमा परिवर्तनहरू मार्फत (≤1mm) माटोको नमीलाई पुन: प्राप्त गर्दछ। थर्मल इन्फ्रारेड रिमोट सेन्सिङले अप्रत्यक्ष रूपमा सतह माटोको तापक्रममा हुने परिवर्तनहरू निगरानी गरेर नमी अवस्था प्रतिबिम्बित गर्दछ। दुबै मौसम र वनस्पति आवरणको लागि संवेदनशील छन् र उथले मापन गहिराइ छ।

• माइक्रोवेभ रिमोट सेन्सिङ: माटोको भोल्युमेट्रिक डाइइलेक्ट्रिक स्थिरता (पानीको डाइइलेक्ट्रिक स्थिरता लगभग 80, माटोको ठोस र हावाको भन्दा धेरै उच्च छ) मापन गरेर आर्द्रता प्राप्त गर्दछ, जुन सक्रिय (राडारले प्रतिध्वनि मापन गर्न संकेतहरू पठाउँछ) र निष्क्रिय (प्राकृतिक माइक्रोवेभ विकिरण मापन गर्दछ) मा विभाजित हुन्छ। माइक्रोवेभ ब्यान्डहरू मध्ये, एल-ब्यान्ड र पी-ब्यान्डमा वनस्पतिहरू छिर्न सक्ने बलियो क्षमता छ र नजिकको सतह र जरा क्षेत्र माटोको आर्द्रता अनुगमनको लागि उपयुक्त छ; सी-ब्यान्ड खाली माटो वा कम वनस्पति क्षेत्रहरूको लागि उपयुक्त छ।

मुख्यधारा माइक्रोवेभ रिमोट सेन्सिङ स्याटेलाइट मिसनहरूको प्रदर्शन तुलना

उपग्रह मिशन	सेन्सर प्रकार	ब्यान्ड	स्थानिय संकल्प	पुन: भ्रमण अवधि	कोर फाइदाहरू	शुद्धता सूचकांक
SMOS (माटोको नमी र महासागर लवणता उपग्रह)	निष्क्रिय माइक्रोवेव रेडियोमिटर	L-ब्यान्ड	२५ किमी (EASE-2 ग्रिड)	३ दिन	वनस्पति अप्टिकल डेप्थ (VOD) पुन: प्राप्त गर्न सक्षम माटोको आर्द्रता अनुगमनको लागि विशेष गरी पहिलो उपग्रह मिशन।	माध्य R²=0.75, RMSE=0.023 m³/m³
SMAP (माटोको आर्द्रता सक्रिय निष्क्रिय उपग्रह)	सक्रिय रडार + निष्क्रिय रेडियोमीटर (राडार असफल)	L-ब्यान्ड	३६ किमी (मानक), ९ किमी (परिष्कृत)	2-3 दिन	हालको सबैभन्दा सटीक विश्वव्यापी माटोको नमी उत्पादन, जरा क्षेत्र (0-100cm) नमी डेटा प्रदान गर्न सक्षम	ubRMSE=0.035-0.038 cm³/cm³ (सतह तह); ०.०२६-०.०३ सेमी³/सेमी³ (मूल क्षेत्र)
सेन्टिनेल-१	सक्रिय सिंथेटिक एपर्चर रडार (SAR)	सी-ब्यान्ड	१०-२० मि	६ दिन	उच्च स्थानिय रिजोल्युसन, 3km रिजोलुसन उत्पादनहरू उत्पन्न गर्न SMAP डाटासँग फ्यूज गर्न सकिन्छ	RMSE<0.046 cm³/cm³
ESA CCI (जलवायु परिवर्तन पहल)	सक्रिय + निष्क्रिय माइक्रोवेव फ्यूजन	बहु-ब्यान्ड	बहु रिजोल्युसनहरू	डाटा स्रोत मा निर्भर गर्दछ	1978 देखि दीर्घकालीन निरन्तर विश्वव्यापी माटोको नमी डेटा प्रदान गर्दछ	मध्यम व्यापक शुद्धता, दीर्घकालीन जलवायु परिवर्तन अनुसन्धानको लागि उपयुक्त

3. माटोको आर्द्रता अनुगमन सटीकतालाई असर गर्ने मुख्य कारकहरू

साहित्य 3 को मेटा-विश्लेषण परिणामहरूमा आधारित, माटोको आर्द्रता अनुगमनको शुद्धता विभिन्न कारकहरू जस्तै सेन्सर प्रकार, मोडेलिङ विधि, र वातावरणीय अवस्थाहरूद्वारा प्रभावित हुन्छ। मुख्य प्रभावकारी कारकहरू निम्नानुसार छन्:

(1) सेन्सर र प्राविधिक कन्फिगरेसन

• सेन्सर प्रकार: एक्लै प्रयोग गर्दा सक्रिय र निष्क्रिय माइक्रोवेभ सेन्सरहरूको शुद्धता तुलनात्मक हुन्छ (दुवैको लागि मध्य R²=0.7), तर तिनीहरूको संयुक्त प्रयोगमा थोरै अध्ययनहरू छन्। हालको प्रमाणले देखाउँछ कि फ्युजन सटीकतामा उल्लेखनीय सुधार भएको छैन (मध्य R² = 0.59), जसलाई थप अनुसन्धान र अनुकूलन आवश्यक छ।

• ध्रुवीकरण मोड: सक्रिय माइक्रोवेभ सेन्सरहरू मध्ये, VV+VH दोहोरो-ध्रुवीकरण संयोजनको उच्चतम सटीकता छ (Median R²=0.76, RMSE=0.035 m³/m³), त्यसपछि HH ध्रुवीकरण, र VH ध्रुवीकरणमा सबैभन्दा कम सटीकता छ।

• मापन गहिराई: माइक्रोवेभ रिमोट सेन्सिङ मुख्यतया सतह तह (0-5 सेमी) माटोको आर्द्रता निगरानीको लागि उपयुक्त छ। गहिरो तह (>20 सेन्टिमिटर) ओसिलो अप्रत्यक्ष रूपमा मेसिन लर्निङ मोडेलहरू मार्फत प्राप्त गर्न आवश्यक छ। हाल, गहिरो तह निगरानी सटीकता को लागी डाटा नमूना को संख्या सानो छ, र निष्कर्ष अझै स्पष्ट छैन।

(२) मोडेलिङ र डाटा प्रोसेसिङ विधिहरू

डेटा निगरानीको उल्टो मोडलिङ विधिले सटीकतालाई महत्त्वपूर्ण रूपमा असर गर्छ:

• मेसिन लर्निङ मोडेलहरू (विशेष गरी न्यूरल नेटवर्कहरू) मा मध्य R²=0.73 र RMSE=0.035 m³/m³ सँग उच्चतम शुद्धता हुन्छ; तिनीहरू मध्ये, LSTM सञ्जालहरूको उच्चतम शुद्धता हुन्छ (मध्य R²=0.86) किनभने तिनीहरूले अस्थायी निर्भरता कब्जा गर्न सक्छन्।

• सेमी-इम्पिरिकल मोडेलहरू (जस्तै वाटर क्लाउड मोडेल (WCM), τ-ω मोडेल) व्यापक रूपमा प्रयोग गरिन्छ, र तिनीहरूको शुद्धता मेसिन लर्निङको तुलनामा थोरै कम हुन्छ (Median R²=0.71, RMSE=0.042 m³/m³)।

• मेसिन लर्निङ र अर्ध-अनुभवजन्य मोडेलहरूको संयोजनले अझ सटीकतामा सुधार गर्न सक्छ (Median R²=0.79, RMSE=0.030 m³/m³)।

(३) वातावरणीय र सतह अवस्थाहरू

• जलवायु प्रकार: शुष्क र अर्ध-सुक्खा क्षेत्रहरूमा निगरानी सटीकता (उच्च मध्य R² संग) आर्द्र र अर्ध आर्द्र क्षेत्रहरूमा भन्दा राम्रो छ। किनभने आर्द्र क्षेत्रहरूमा घना वनस्पति र ठूलो आर्द्रता उतार-चढ़ाव हुन्छ, जसले संकेतहरूमा हस्तक्षेप गर्ने सम्भावना हुन्छ।

• माटोको बनावट: बलौटे दोमटमा उच्चतम निगरानी शुद्धता हुन्छ (मध्य R²=0.75); निष्क्रिय सेन्सरहरूले माटोको दोमट र माटोमा राम्रो प्रदर्शन गर्दछ, जबकि सक्रिय सेन्सरहरूले बलौटे दोमट र दोमटमा राम्रो प्रदर्शन गर्दछ।

• भूमि कभर: कृषि भूमि (गहुँ, मकै, भटमास, आदि) मुख्य अनुसन्धान परिदृश्य हो। वनस्पतिको घनत्वले माइक्रोवेभ संकेतहरूको प्रवेशलाई असर गर्छ, जसले गर्दा सटीकतालाई असर गर्छ, तर विभिन्न मौसमहरू बीचको निगरानी शुद्धतामा भिन्नता महत्त्वपूर्ण छैन, माइक्रोवेभ प्रविधिको स्थिरतालाई प्रतिबिम्बित गर्दछ।

4. माटोको आर्द्रता अनुगमनका लागि आवेदन प्रणाली र डाटा स्रोतहरू

(1) इन्टरनेट अफ थिंग्स (IoT) र डाटा व्यवस्थापन प्रणालीहरू

साहित्य १ मा प्रस्तावित ZENTRA प्रणाली माटोको आर्द्रता अनुगमनको लागि एक विशिष्ट IoT समाधान हो। यसले सेन्सरहरू, डाटा लगरहरू र क्लाउड प्लेटफर्महरू (ZENTRA क्लाउड) लाई सरलीकृत स्थापना, रिमोट डाटा डाउनलोड, वास्तविक समय गल्ती प्रारम्भिक चेतावनी र बहु-साइट डाटा फ्युजन महसुस गर्न एकीकृत गर्दछ। यसले अनुसन्धानकर्ताहरूको कार्यभारलाई उल्लेखनीय रूपमा कम गर्न र डाटा व्यवस्थापन दक्षता सुधार गर्न सक्छ।

(२) विश्वव्यापी र क्षेत्रीय अनुगमन नेटवर्कहरू

• COSMOS नेटवर्क: CRNP प्रविधिमा आधारित विश्वव्यापी माटोको नमी अवलोकन नेटवर्क। हाल, संयुक्त राज्य अमेरिका, जर्मनी, अष्ट्रेलिया, र युनाइटेड किंगडम जस्ता क्षेत्रहरू समेट्ने संसारभरि लगभग 194 स्थायी स्टेशनहरू छन्। यसले भू-आधारित बिन्दु मापन र स्याटेलाइट रिमोट सेन्सिङ बीचको स्थानिय स्तरको अन्तरलाई भर्न सक्छ।

• अन्तर्राष्ट्रिय माटो ओसिलो नेटवर्क (ISMN): विश्वभरका धेरै स्टेशनहरूबाट माटोको आर्द्रता डेटालाई एकीकृत गर्दछ, विभिन्न मापन प्रविधिहरू समावेश गर्दछ, र रिमोट सेन्सिङ डेटा प्रमाणीकरणको लागि महत्त्वपूर्ण आधारभूत डेटा स्रोत हो।

• TERENO नेटवर्क: जर्मनीको स्थलीय वातावरणीय पर्यवेक्षक नेटवर्क, जसमा वाटरशेड-स्केल माटोको आर्द्रता गतिशील अनुगमनको लागि 20 CRNP स्टेशनहरू समावेश छन्।

(3) डाटा उत्पादन र साझेदारी प्लेटफर्महरू

• SMOS डेटा: ESA आधिकारिक वेबसाइट र CATDS प्लेटफर्मबाट उपलब्ध छ, सतह माटोको नमी, VOD, जरा क्षेत्र माटोको नमी र अन्य उत्पादनहरू सहित।

• SMAP डाटा: संयुक्त राज्य अमेरिकाको नेशनल स्नो एन्ड आइस डाटा सेन्टर (NSIDC) द्वारा जारी गरिएको, सतह र जरा क्षेत्र माटोको चिस्यान उत्पादनहरू सहित उच्चतम सटीकताका साथ।

• ESA CCI डाटा: 1978 देखि दीर्घकालीन विश्वव्यापी माटोको नमी डेटा (तीन प्रकारका उत्पादनहरू: सक्रिय, निष्क्रिय र फ्युज्ड) प्रदान गर्दछ, जुन ESA Soil Moisture CCI आधिकारिक वेबसाइटबाट प्राप्त गर्न सकिन्छ।

5. अनुसन्धान निष्कर्ष र भविष्य दिशाहरू

तीनवटा साहित्यले लगातार माटोको आर्द्रता अनुगमन प्रविधिहरूले भू-आधारित बिन्दु मापनबाट विश्वव्यापी रिमोट सेन्सिङसम्म पूर्ण-स्केल प्रणाली बनाएको संकेत गर्दछ। ती मध्ये, माइक्रोवेभ रिमोट सेन्सिङ ठूलो मात्रामा निगरानीको लागि मुख्य प्रविधि हो, र मेसिन लर्निङ मोडेलहरूले उल्टो सटीकतामा उल्लेखनीय सुधार गरेको छ। हालको टेक्नोलोजीहरूको मुख्य चुनौतीहरू समावेश छन्: सक्रिय र निष्क्रिय माइक्रोवेभ सेन्सरहरूको फ्यूजनको सटीकता अनुकूलन, गहिरो माटोको आर्द्रता अनुगमन विधिहरूको प्रमाणीकरण, र जटिल वनस्पति र आर्द्र क्षेत्रहरूमा निगरानी सटीकताको सुधार। भविष्यको अनुसन्धानले यी दिशाहरूमा ध्यान केन्द्रित गर्नुपर्दछ, डेटा आत्मसात गर्ने विधिहरूमा थप सुधार गर्दै, रिमोट सेन्सिङ डाटा र ग्राउन्ड अवलोकनहरूको संयोजनलाई सुदृढ गर्दै, र कृषि सिँचाइ व्यवस्थापन, खडेरी र बाढीको प्रारम्भिक चेतावनी, र जलवायु परिवर्तन अनुसन्धान जस्ता क्षेत्रमा माटोको आर्द्रता डेटाको गहिरो प्रयोगलाई बढावा दिँदै।