عملکرد داده های سنجش از دوری در ارزیابی تخریب خاک

در این تحقیق سعی شده است با بهره گیری از دو مدل میدانی، توانایی داده های سنجش از دوری در مدل سازی تخریب خاک مورد آزمون قرار گیرد. بر اساس یافته های این پژوهش، در بررسی سنجش از دوری کیفیت خاک، نوع پیش پردازش انجام شده بر روی داده ها، اثر قابل ملاحظه ای در مدل سازی ها نشان نخواهد داد. بر عکس نوع مدل میدانی مورد استفاده و شاخص ها و معیارهای آن، تاثیر زیادی بر روی دقت مدل سازی دارد. همچنین در مورد برخی شاخص های میدانی بررسی وضعیت خاک، استفاده از شاخص های سنجش از دوری مانند شاخص اکسید آهن و شاخص موادمعدنی، به افزایش دقت مدل سازی کمک قابل توجه ای می نماید. بر اساس نتایج بدست آمده، استفاده از سری زمانی داده های سنجش از دوری نسبت به داده های تک زمانه به طور چشمگیری توان مدل سازی پارامترها مرتبط با خاک را افزایش می دهد. همچنین استفاده از مدل سازی های شبکه های عصبی مصنوعی بجای استفاده از رگرسیون خطی با غیر خطی نمودن روابط، باعث افزایش توان مدل سازی های سنجش از دوری در حالت تک زمانه خواهد شد، اما دقت مدل سازی شبکه های عصبی سری های زمانی داده های سنجش از دوری با دقت مدل سازی های رگرسیونی تفاوت چندانی ندارد. در نهایت مشخص شد بر خلاف آنچه تصور می گردد، افزایش بعد یا تعداد ورودی ها به مدل سازی شبکه عصبی در عمل باعث کاهش دقت واقعی مدل سازی خواهد شد نه افزایش آن.