انتخاب ویژگی هوشمند فازی به منظور طبقه بندی رطوبت خاک

علی رغم توانایی سنجش از دور در مشاهده مستقیم مقدار رطوبت خاک، غالبا رادیانس اندازه گیری شده توسط سنجنده متاثر از پارامترهای مختلف خاک و اتمسفر می باشد. علاوه بر رطوبت خاک، تعداد زیادی از عوامل مانندپوشش گیاهی، زبری سطح، دمای سطح خاک و بافت خاک بر شدت رادیانس دریافتی سنجنده تاثیرگذار هستند. بنابراین، با توجه به اهمیت انتخاب ویژگی های بهینه جهت شناسایی مقدار رطوبت خاک، مطالعه در مورد بکارگیری منطق فازی (Fuzzy-logic) جهت انتخاب ویژگی هوشمند محور اصلی این تحقیق است. به طور روشن تر، ویژگی ها بر اساس  اصل توسعه، به عنوان یک عدد فازی تعریف می شوند.از سوی دیگر، با توجه به این که طبقه بندی یکی از روش های کسب اطلاعات از تصاویر سنجش از دوراست،در ادامه ویژگی های انتخاب شده به منظور طبقه بندی رطوبت خاک، در دو طبقه بندی کننده متداول (ماشین بردار پشتیبان ([1]SVM) و شبکه عصبی [2]MLP) استفاده می شوند. توانایی رقابت این دو طبقه بندی کننده با بهترین الگوریتم های یادگیری ماشین موجود، تایید شده است. به عبارت دیگر، هدف اصلی این مدل، انتخاب کمترین تعداد ویژگی براساس منطق فازی همراستا با افزایش دقت طبقه بندی رطوبت خاک می باشد.روش پیشنهادی در این تحقیق، جهت انتخاب ویژگی های بهینه به کار گرفته شد و دقت عملکرد آن در دو طبقه بندی کننده Fuzzy-SVM و Fuzzy-ANN، با استفاده از داده های جمع آوری شده از کشور ایران مورد ارزیابی قرار گرفت. جهت مقایسه دقت طبقه بندی رطوبت خاک با استفاده از ویژگی های انتخابی توسط مدل ارائه شده فازی، حالت دیگری نیز در نظر گرفته شد. در حالت دوم، سه ویژگی پوشش گیاهی (NDVI)، دمای سطح خاک (LST) و توپوگرافی به عنوان ویژگی های منتخب جهت طبقه بندی در دو طبقه بندی کننده مذکور به کار برده شدند. دلیل انتخاب این سه ویژگی از میان تمام ویژگی ها، تاثیر عمده ای است که این سه ویژگی بر مقدار رطوبت سطح خاک دارند. نتایج به دست آمده بسیار دلگرم کننده بود و نشان داد که با استفاده از الگوریتم انتخاب ویژگی پیشنهادی می توان دقت طبقه بندی رطوبت خاک را حدودا 8% بهبود بخشید.