پيش‌بيني شوري خاك با روش شبكۀ عصبي و رگرسيون چندمتغيره بر مبناي شاخص‌هاي سنجش از دور و مقايسۀ آن‌ها (مطالعۀ موردي: شوره‌زار دشت قزوين)

وسعت بالاي بيابان‌هاي ايران و شرايط نامناسب اقليمي حاكم بر آن‌ها، اندازه‌گيري‌ ميداني شوري خاك را در برخي موارد غيرعملي كرده است. در تحقيق حاضر از قابليت‌هاي شبكۀ عصبي و مدل‌هاي رگرسيوني براي تهيۀ نقشۀ شوري خاك در محدودۀ زهكش حائل شوره‌زار دشت قزوين استفاده شده است. به‌منظور تحليل شوري خاك، شاخص شوري خاك و پوشش گياهي با استفاده از قابليت تصاوير ماهواره‌اي استخراج شد. نتايج تحليل همبستگي ميانگين داده‌هاي زماني نشان داد شاخص GVI داراي همبستگي منفي بالايي با همۀ شاخص‌هاي شوري داشته و بر اساس يك رابطۀ رگرسيون مرتبۀ 3 و با ضريب تبيين 0.79 با شاخص شوري خاك (SI) همبستگي داشته و بر اساس نتايج آزمون من-كندال، تغييرات سري زماني دو شاخص، در بازۀ زماني 15 ساله معني‌دار بوده است. به‌منظور پيش‌بيني شوري خاك دو مدل شبكۀ عصبي و رگرسيون با متغيرهاي كمكي شامل شاخص‌هاي شوري خاك و پوشش گياهي (مستخرج از تصاوير ماهواره‌اي)، داده‌هاي ميداني اندازه‌گيري‌شدۀ شوري خاك و تراز آب زيرزميني به كار گرفته شد. نتايج تحقيق نشان داد مدل شبكۀ عصبي مصنوعي با ضريب تبيين 0.69، داراي دقت بيشتري نسبت به مدل رگرسيون براي پيش‌بيني شوري خاك بوده همچنين در فرايند مدل‌سازي، دقت پيش‌بيني هدايت الكتريكي خاك (EC) بيشتر از شاخص SAR خاك بوده است.