شناسایی رنگ و بافت خاک با استفاده از الگوریتم هوش مصنوعی و تصاویر ماهواره ای
نویسندگان
1 دانشگاه شهید مدنی آذربایجان
doi
چکیده
نیاز به اطلاعات دقیق و با کیفیت خاک بهدلیل کاربرد در برنامهریزیهای کشاورزی در حال افزایش است. هدف این تحقیق برآورد رنگ و بافت خاک با استفاده از اطلاعات تصاویر ماهوارهای بهعنوان دادههای ورودی رگرسیون بردار پشتیبان و رگرسیون درختی میباشد. در پژوهش حاضر، شاخصهای ماهوارهای 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 معنیدار زمانی بین شاخصها است. تفاوت معنیدار بین میانگین شاخصها از نظر تنوع بافت خاکی براساس آزمون دانکن در سطح احتمال پنج درصد وجود نداشت. آمارههای 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 صحتسنجی حاکی از تطابق نوع بافت خاک مشاهداتی و رگرسیون بردار پشتیبان بود. با در نظر گرفتن اجزاء بافت خاک و مولفههای 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 آمارههای 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.