ارزیابی تاثیر پیش پردازش پارامترهای ورودی حاصل از تصاویر ماهواره ای به شبکه عصبی مصنوعی در تعیین بافت خاک

تعیین خصوصیات خاک از جمله بافت خاک از ابزار مهم برای مدیریت مناسب، استفاده بهینه و پایدار خاک است. هدف این مطالعه تعیین بافت خاک، میانگین هندسی و انحراف معیار اندازه ذرات خاک با استفاده از تصاویر سنجنده MODIS در دوره-های زمانی تصویر برداری 2015 و 2016 می باشد. بعد از تعیین بافت خاک به روش هیدرومتری از شبکه عصبی مصنوعی برای مدلسازی بافت خاک، میانگین هندسی و انحراف معیار اندازه ذرات خاک با باندهای انعکاسی، حرارتی و شاخص های تصاویر ماهواره ای استفاده شد. از مراحل مهم در مدلسازی، پیش پردازش پارامترهای ورودی جهت انتخاب ترکیبی مناسب از آنها است. در این تحقیق پیش پردازش پارامترهای ورودی براساس سه روش معنی داری ضریب همبستگی، استفاده از تعداد معین پارامترهای ورودی و رگرسیون گام به گام انجام شد. روش رگرسیون گام به گام از کمترین خطا برخوردار بود به طوری-که درصد کاهش RMSE، به ترتیب نسبت به روش معنی داری ضریب همبستگی و استفاده از تعداد معین پارامترهای ورودی در تعیین درصد رس 22 و 6/18، در تعیین درصد شن 19/43 و 23/71، در تعیین میانگین هندسی 14/80 و 29/27 و در تعیین انحراف معیار 27/21 و 81/37 بود. همچنین درصد کاهش RMSE نسبت به روش استفاده از تعداد معین پارامترهای ورودی در تعیین درصد سیلت، 13/51 بود.کمینه مقدار متوسط آماره های RMSE، MAE و MRE برای سه روش پیش-پردازش مربوط به ذرات شن است که به عنوان نمونه متوسط MAE در مورد رس 74/1، شن 2/1 و سیلت 66/1 بود. کاهش 77/27 درصد RMSE در تعیین درصد شن با روش شبکه عصبی به عنوان نمونه گویای بهبود عملکرد مدلسازی با شبکه عصبی مصنوعی نسبت به روش رگرسیون کلاسیک است. به طور کلی نوع پارامترهای ورودی و نوع روش مدلسازی از عوامل مهم در تعیین بافت خاک می باشند.