بررسی کارایی استفاده از تصاویر ماهواره ای و شبکه های عصبی مصنوعی در تخمین درصد پوشش گیاهی در مناطق خشک

پوشش گیاهی یکی از مهم ترین اجزای اکوسیستم هاست و دانستن درصد پوشش گیاهی سطحی برای بررسی میزان فرسایش خاک، شدت خشکسالی، مطالعات زیست محیطی، منابع طبیعی و غیره بسیار ضروری است. هدف از این تحقیق محاسبه ی درصد پوشش گیاهی با استفاده از تصاویر ماهواره ای و شبکه های عصبی مصنوعی (پرسپترون چندلایه) می باشد. بدین منظور از تصویر ماهواره ای alos مربوط به تاریخ 27 تیر ماه 1388 و شبکه های عصبی مصنوعی پرسپترون چندلایه برای تخمین درصد پوشش گیاهی استفاده شده است. برای انتخاب شبکه ی بهینه، از دو نوع تابع انتقال، 12 تابع آموزشی مختلف، تعداد نرون مخفی متغیر بین یک تا شش و شش ترکیب مختلف ورودی متشکل از باندهای مختلف تصویر ماهواره ای استفاده شد. برای معرفی خروجی مطلوب به شبکه، درصد پوشش گیاهی در 52 پلات 50 در 50 متر با مطالعه ی میدانی اندازه گیری شد. در ابتدا، تعداد 30 داده به عنوان داده آموزشی به شبکه معرفی و تعداد 22 داده به عنوان تست در نظر گرفته شد و با استفاده از مدل رگرسیون خطی میزان همبستگی بین داده های میدانی اندازه گیری شده و مقادیر تخمینی با استفاده از شبکه های تشکیل شده، محاسبه شد. سپس برای بررسی تاثیر انتخاب تصادفی بودن داده های آموزشی و تست، تعداد 35 داده به عنوان داده ی آموزشی و 17 داده به عنوان داده ی تست انتخاب گردید. برای حذف خطای احتمالی ناشی از تقسیم تصادفی داده های آموزشی و تست، از روش crossvalidation نیز استفاده گردید.  نتایج نشان داد که به طور کلی شبکه های عصبی توانایی تخمین درصد پوشش گیاهی را با دقت مناسبی دارند (74/0 > r2  و 02/0< rmse).