تأثير روش انتخاب نمونه‌ها و تعداد داده بر دقت مدل واسنجي پيش‌بيني خواص خاك

كشاورزي دقيق، نوعي فناوري‌ است كه در آن تغييرات موجود در مزرعه از جمله ويژگي‌هاي خاك، اندازه‌گيري و مديريت مي‌شود. در اين پژوهش از روش سريع و دقيق طيف‌سنجي مرئي مادون قرمز نزديك (VISNIR) در محدوده طيف 370 تا 2000 نانومتر براي تعيين خصوصيات فيزيكي و شيميايي خاك مزرعه استفاده شد. خصوصيات خاك شامل pH، نيتروژن كل، منيزيم، پتاسيم، فسفر، آهن و كربن آلي اندازه‌گيري شدند. هدف از اين مطالعه بررسي روش انتخاب تعداد نمونه‌ها در دقت مدل واسنجي است. از سه روش تصادفي، شيميايي و روش آناليز مؤلفه اصلي (PCA) براي انتخاب تعداد داده‌ها و مدل سازي استفاده شد و روش‌ها با هم مقايسه شدند. نتايج رگرسيون حداقل مربعات جزئي (PLSR) نشان داد با تعداد 105 نمونه، بهترين روش دسته بندي در اكثر فاكتورهاي اندازه‌گيري شده خاك، روش PCA مي‌باشد. مطابق اين روش نتايج پيش‌بيني مقدار نيتروژن بهترين جواب را مي‌دهد (R2=0.77 و RMSE=0.21). اگر دو سوم و كل نمونه‌ها نيز در مجموعه واسنجي استفاده شود نتايج چندان بهبود نمي‌يابد، چنانچه براي آهن آزاد خواهيم داشت: R2210=0.72، R2140=0.77 و R2105=0.78. در مورد ساير فاكتورهاي خاك هم نتايج قابل استنادي به‌دست آمد. دقت پيش‌بيني منيزيم (R2140=0.55، R2105=0.57) و pH خاك (R2105=0.73، R2140=0.75) به‌ترتيب بيش باري و بهبود مدل را نشان داد. در حالي‌كه در مدل¬سازي با كل داده‌ها ميزان خطا براي پيش‌بيني پتاسيم و فسفر خاك به‌ترتيب 3.37 mg g1 و 5.28 mg g1 محاسبه شد. نتايج نشان داد روش غيرمخرب VISNIR براي پيش‌بيني فاكتورهاي خاك بسيار مناسب بود و همچنين قادر به اختصاص تعداد بهينه داده‌ها در مجموعه واسنجي مي‌باشد.