بهبود تخمین نقاط شاخص منحنی رطوبتی با استفاده از داده‌های سنجش از دور و به‌کارگیری شبکه‌های بیزی و عصبی مصنوعی

Abstract

با پیشرفت فنآوری های سنجش از دور اخیرا تلاش­های وسیعی در بکارگیری داده های حاصل از این فنآوری برای برآورد ویژگی های سخت وصول خاک صورت گرفته است. در این مطالعه با افزودن اطلاعات مربوط به پوشش گیاهی حاصل از تصاویر ماهواره­ای (SAVI) و اطلاعات رقومی ارتفاع (DEM) به متغیرهای حاصل از اندازه­گیری­های زمینی، امکان بهبود توابع انتقال (PTFs) برای تخمین سه نقطه منحنی رطوبتی PWP ,FC ,θ_s بررسی گردید. در این پژوهش 176 نمونه از استان­های آذربایجان شرقی و گیلان مشتمل بر10 کلاس بافتی تهیه گردید. توزیع اندازه ذرات، جرم مخصوص ظاهری و حقیقی، تخلخل کل، ماده آلی، درصد منافذ ریز و درشت، درصد آهک،EC وpH، میانگین هندسی و انحراف استاندارد هندسی قطر خاکدانه­ها، رطوبت در مکش یک کیلوپاسکال، SAVI و DEM به­عنوان ورودی توابع انتقالی مورد استفاده قرار گرفتند. به­منظور پیش­بینی سه نقطه پتانسیلی از توابع انتقالی با اساس شبکه بیزی و عصبی استفاده شد. مدل­های ایجاد شده با استفاده از آزمون مرگان-گرنجر-نیوبلد (MGN) و ریشه میانگین مربعات خطا (RMSE) برای داده­های مشاهده­ای و پیش­بینی­شده ارزیابی شدند. این تحقیق بهبود در توانایی توابع انتقالی به منظور برآورد سه نقطه از منحنی رطوبتی (بر اساس RMSE) هنگامی که از خصوصیات حاصل از اندازه­گیری­های زمینی، توپوگرافی و پوشش گیاهی در مقایسه با زمانی که تنها از خصوصیات حاصل از اندازه­گیری­های زمینی به­عنوان ورودی استفاده می­شود، تأیید می­کند. مقایسه روش شبکه بیزی و شبکه عصبی مصنوعی نشان داد شبکه بیزی در تخمین توابع انتقال سه نقطه از منحنی رطوبتی در مقایسه با شبکه عصبی از اعتبار و اطمینان بالاتری در برآورد برخوردار است.