پیش بینی شوری خاک با روش شبکه عصبی و رگرسیون چندمتغیره بر مبنای شاخص های سنجش از دور و مقایسه آن ها (مطالعه موردی: شوره زار دشت قزوین)

وسعت بالای بیابان های ایران و شرایط نامناسب اقلیمی حاکم بر آن ها، اندازه گیری میدانی شوری خاک را در برخی موارد غیرعملی کرده است. در تحقیق حاضر از قابلیت های شبکه عصبی و مدل های رگرسیونی برای تهیه نقشه شوری خاک در محدوده زهکش حایل شوره زار دشت قزوین استفاده شده است. به منظور تحلیل شوری خاک، شاخص شوری خاک و پوشش گیاهی با استفاده از قابلیت تصاویر ماهواره ای استخراج شد. نتایج تحلیل همبستگی میانگین داده های زمانی نشان داد شاخص GVI دارای همبستگی منفی بالایی با همه شاخص های شوری داشته و بر اساس یک رابطه رگرسیون مرتبه 3 و با ضریب تبیین 79/0 با شاخص شوری خاک (SI) همبستگی داشته و بر اساس نتایج آزمون من-کندال، تغییرات سری زمانی دو شاخص، در بازه زمانی 15 ساله معنی دار بوده است. به منظور پیش بینی شوری خاک دو مدل شبکه عصبی و رگرسیون با متغیرهای کمکی شامل شاخص های شوری خاک و پوشش گیاهی (مستخرج از تصاویر ماهواره ای)، داده های میدانی اندازه گیری شده شوری خاک و تراز آب زیرزمینی به کار گرفته شد. نتایج تحقیق نشان داد مدل شبکه عصبی مصنوعی با ضریب تبیین 69/0، دارای دقت بیشتری نسبت به مدل رگرسیون برای پیش بینی شوری خاک بوده همچنین در فرایند مدل سازی، دقت پیش بینی هدایت الکتریکی خاک (EC) بیشتر از شاخص SAR خاک بوده است.