برآورد ضريب گياهي گندم پاييزه با استفاده از داده‌هاي سنجش از دور با رويكرد كاهش داده

استفاده بهينه از آب آبياري نياز به برنامه ريزي دقيق آبياري دارد و برآورد دقيق ضريب گياهي به‌خصوص در مقياس هاي وسيع پيش نياز آن است. هدف از اين تحقيق مقايسه برخي از رويكردهاي پيش پردازش داده هاي ورودي به شبكه عصبي مصنوعي: رگرسيوني و كاهش داده (تحليل مؤلفه هاي اصلي و چرخشي) در برآورد ضريب گياهي با شاخص هاي NDVI، RI، TVI، MSAVI، SAVI، mTVI، EVI، MNDVI، TVX، NVSWI در جهت مدل‌سازي ضريب گياهي گندم در استان آذربايجان شرقي بود. مقايسه عملكرد رويكرد كاهش داده و رگرسيون بيانگر كاهش معيارهاي خطا در رويكرد كاهش داده بود، به عنوان نمونه درصد افزايش آماره RMSE از حالت چرخشي به رگرسيون 11.8 و از حالت تحليل مؤلفه هاي اصلي به رگرسيون 22.7 بود. رويكردهاي مورد استفاده در برآورد ضريب گياهي از تخمين بيش برآوردي برخوردار بودند به طوري كه ميزان افزايش متوسط ضريب گياهي دوره صحت سنجي از ضريب گياهي فائو به رويكرد پيش پردازش با رگرسيون، تحليل مؤلفه هاي اصلي و چرخشي به ترتيب 13.7، 6.7 و 4.6 درصد بوده است. بنابراين استفاده از چرخش در تحليل كاهش داده ميزان دقت تخمين را بالا مي برد. كاهش 39.13 درصد ضريب همبستگي از شاخص MSAVI نسبت بهNDVI ، حاكي از اين است كه شاخص هاي توسعه يافته براساس شرايط منطقه در افزايش كارايي برآورد ضريب گياهي با تصاوير ماهواره اي از اهميت ويژه اي برخوردار هستند.