ارزیابی تأثیر پیش پردازش پارامترهای ورودی حاصل از تصاویر ماهواره ای به شبکه عصبی مصنوعی در تعیین بافت خاک

تعیین خصوصیات خاک از جمله بافت خاک از ابزار مهم برای مدیریت مناسب، استفاده بهینه و پایدار خاک است. هدف این مطالعه تعیین بافت خاک، میانگین هندسی و انحراف معیار اندازه ذرات خاک با استفاده از تصاویر سنجنده MODIS در دوره-های زمانی تصویر‌برداری 2015 و 2016 می‌باشد. بعد از تعیین بافت خاک به روش هیدرومتری از شبکه عصبی مصنوعی برای مدلسازی بافت خاک، میانگین هندسی و انحراف معیار اندازه ذرات خاک با باندهای انعکاسی، حرارتی و شاخص‌های تصاویر ماهواره‌ای استفاده شد. از مراحل مهم در مدلسازی، پیش‌پردازش پارامترهای ورودی جهت انتخاب ترکیبی مناسب از آنها است. در این تحقیق پیش‌پردازش پارامترهای ورودی براساس سه روش معنی‌داری ضریب همبستگی، استفاده از تعداد معین پارامترهای ورودی و رگرسیون گام به گام انجام شد. روش رگرسیون گام به گام از کمترین خطا برخوردار بود به‌طوری-که درصد کاهش RMSE، به ترتیب نسبت به روش معنی‌داری ضریب همبستگی و استفاده از تعداد معین پارامترهای ورودی در تعیین درصد رس 22 و 6/18، در تعیین درصد شن 19/43 و 23/71، در تعیین میانگین هندسی 14/80 و 29/27 و در تعیین انحراف معیار 27/21 و 81/37 بود. همچنین درصد کاهش RMSE نسبت به روش استفاده از تعداد معین پارامترهای ورودی در تعیین درصد سیلت، 13/51 بود.کمینه مقدار متوسط آماره‌های RMSE، MAE و MRE برای سه روش پیش-پردازش مربوط به ذرات شن است که به‌عنوان نمونه متوسط MAE در مورد رس 74/1، شن 2/1 و سیلت 66/1 بود. کاهش 77/27 درصد RMSE در تعیین درصد شن با روش شبکه عصبی به عنوان نمونه گویای بهبود عملکرد مدلسازی با شبکه عصبی مصنوعی نسبت به روش رگرسیون کلاسیک است. به‌طور کلی نوع پارامترهای ورودی و نوع روش مدلسازی از عوامل مهم در تعیین بافت خاک می‌باشند.