ارزیابی عملکرد مدل شبکه عصبی مصنوعی و رگرسیون فازی در پایش ماهواره ای خشکسالی

پایش خشکسالی با توجه به تاثیرات منفی آن در بخش های مختلف از جمله کشاورزی، محیط زیست و منابع آب از اهمیت چشمگیری برخوردار است. در این مطالعه، از مدل های شبکه عصبی مصنوعی و رگرسیون فازی جهت مدل سازی روابط نمایه های NDVI، VTCI، VHI، NVSWI، TCI و TVX حاصل از تصاویر سنجنده MODIS با مقادیر بارش مشاهداتی در 7 ایستگاه کرمانشاه، تبریز، کرمان، مشهد، ارومیه، یزد و زنجان به منظور پایش خشکسالی استفاده شد. نمایه های ماهواره ای VHI، NVSWI، TCI و TVX با متغیر بارش دارای بیش ترین تعداد ضریب همبستگی معنی دار بودند. براساس معیارهای خطا، رهیافت رگرسیون فازی در مدل سازی شاخص های VHI، TCI و NVSWI و رهیافت شبکه عصبی مصنوعی در مدل سازی شاخص TVX دارای کم ترین مقدار خطا بود. در رگرسیون فازی متقارن با افزایش پارامتر سطح اعتماد بر گستردگی متغیر های رگرسیون افزوده شد مانند افزایش پارامتر سطح اعتماد در شاخص VHI از 7/0 به 8/0، پارامتر گستردگی را 50 درصد افزایش داد. پارامتر نقطه پیک در رگرسیون فازی نامتقارن نسبت به فاکتورهای چولگی دارای حساسیت می باشد به طوری که در شاخص TVX، میزان درصد افزایش نقطه پیک از کمینه مقدار ضریب چولگی به بیشینه آن، 17/22 درصد بود. کاهش پارامتر سطح اعتماد شاخص TVX که نمایان گر کاهش میزان فازی بودن است، مویدی بر کارایی شبکه عصبی مصنوعی در مورد شاخص TVX است.