شناسایی رنگ و بافت خاک با استفاده از الگوریتم هوش مصنوعی و تصاویر ماهواره ای

نیاز به اطلاعات دقیق و با کیفیت خاک به دلیل کاربرد در برنامه ریزی های کشاورزی در حال افزایش است. هدف این تحقیق برآورد رنگ و بافت خاک با استفاده از اطلاعات تصاویر ماهواره ای به عنوان داده های ورودی رگرسیون بردار پشتیبان و رگرسیون درختی می باشد. در پژوهش حاضر، شاخص های ماهواره ای NDVI، PDI،SAVI ، MPDI،MSAVI ،TCI ، TVX، VHI، NVWSI، RVWSI،MVWSI  وVCI  استفاده شد. آزمون دانکن در سطح احتمال پنج درصد حاکی از وجود تغییرات معنی دار زمانی بین شاخص ها است. تفاوت معنی دار بین میانگین شاخص ها از نظر تنوع بافت خاکی براساس آزمون دانکن در سطح احتمال پنج درصد وجود نداشت. آماره های خطای RMSE،RRMSE ، AMAPE و MSE در مورد شن از رگرسیون درختی به رگرسیون بردار پشتیبان به ترتیب 43/15، 33/13، 41/16 و 7/28 درصد کاهش داشتند. تعیین بافت خاک با مثلث بافت خاک در دوره صحت سنجی حاکی از تطابق نوع بافت خاک مشاهداتی و رگرسیون بردار پشتیبان بود. با در نظر گرفتن اجزاء بافت خاک و مولفه های رنگ خاک آماره RPD از رگرسیون درختی به رگرسیون بردار پشتیبان به میزان 43/12 درصد افزایش داشت که بیانگر کارایی رگرسیون بردار پشتیبان در برابر رگرسیون درختی است. درصد کاهش آماره های RMSE،RRMSE    و MSE از رگرسیون خطی چندگانه به رگرسیون بردار پشتیبان در هیو به ترتیب 88/76، 4/77 و 6/94 و در رگرسیون درختی به ترتیب 15/72، 58/72 و 92/92 بیانگر عملکرد بهتر دو مدل رگرسیونی نسبت به رگرسیون خطی چندگانه بود. براساس تحلیل از جهات گوناگون رگرسیون بردار پشتیبان نسبت به رگرسیون درختی عملکرد بهتری در تعیین رنگ و بافت خاک داشت.