ارزيابي تأثير پيش پردازش پارامترهاي ورودي حاصل از تصاوير ماهواره اي به شبكه عصبي مصنوعي در تعيين بافت خاك

تعيين خصوصيات خاك از جمله بافت خاك از ابزار مهم براي مديريت مناسب، استفاده بهينه و پايدار خاك است. هدف اين مطالعه تعيين بافت خاك، ميانگين هندسي و انحراف معيار اندازه ذرات خاك با استفاده از تصاوير سنجنده MODIS در دوره هاي زماني تصوير‌برداري 2015 و 2016 مي‌باشد. بعد از تعيين بافت خاك به روش هيدرومتري از شبكه عصبي مصنوعي براي مدلسازي بافت خاك، ميانگين هندسي و انحراف معيار اندازه ذرات خاك با باندهاي انعكاسي، حرارتي و شاخص‌هاي تصاوير ماهواره‌اي استفاده شد. از مراحل مهم در مدلسازي، پيش‌پردازش پارامترهاي ورودي جهت انتخاب تركيبي مناسب از آنها است. در اين تحقيق پيش‌پردازش پارامترهاي ورودي براساس سه روش معني‌داري ضريب همبستگي، استفاده از تعداد معين پارامترهاي ورودي و رگرسيون گام به گام انجام شد. روش رگرسيون گام به گام از كمترين خطا برخوردار بود به‌طوريكه درصد كاهش RMSE، به ترتيب نسبت به روش معني‌داري ضريب همبستگي و استفاده از تعداد معين پارامترهاي ورودي در تعيين درصد رس 22 و 18.6، در تعيين درصد شن 43.19 و 71.23، در تعيين ميانگين هندسي 80.14 و 27.29 و در تعيين انحراف معيار 21.27 و 37.81 بود. همچنين درصد كاهش RMSE نسبت به روش استفاده از تعداد معين پارامترهاي ورودي در تعيين درصد سيلت، 51.13 بود.كمينه مقدار متوسط آماره‌هاي RMSE، MAE و MRE براي سه روش پيشپردازش مربوط به ذرات شن است كه به‌عنوان نمونه متوسط MAE در مورد رس 1.74، شن 1.2 و سيلت 1.66 بود. كاهش 27.77 درصد RMSE در تعيين درصد شن با روش شبكه عصبي به عنوان نمونه گوياي بهبود عملكرد مدلسازي با شبكه عصبي مصنوعي نسبت به روش رگرسيون كلاسيك است. به‌طور كلي نوع پارامترهاي ورودي و نوع روش مدلسازي از عوامل مهم در تعيين بافت خاك مي‌باشند.