بررسی تاثیر شاخص خیسی و داده های طیفی در براورد درصد ذرات خاک با استفاده از روش های مختلف

نوع مقاله: مقاله پژوهشی

نویسندگان

1 لرستان

2 اردکان

3 کرمان

چکیده

برآورد مستقیم برخی از ویژگی های خاک وقت گیر ، پر هزینه و گاها امکان پذیر نیست، در سال های اخیر از روش های غیر مستقیم برای برآورد این خصوصیات استفاده می شود. در مطالعه حاضر بر اساس تکنیک هایپرکیوب، محل 115 پروفیل شناسایی و سپس نمونه برداری از افق ها انجام گرفت و درصد شن و رس و سیلت نمونه های خاک اندازه گیری شد. متغیرهای محیطی یا فاکتورهای خاکسازی که در این پژوهش استفاده شد شامل: اجزاء سرزمین ، داده های تصویر لندست 8 ، نقشه سطوح ژئومورفولوژی و شاخص های منتج از آن و داده های طیف سنجی انعکاسی می باشد. همچنین، جهت ارتباط دادن بین داده های خاک (رس، شن و سیلت ) و متغیرهای کمکی از مدل های شبکه عصبی مصنوعی، رگرسیون درختی و نروفازی بهره گرفته شد. نتایج این تحقیق نشان داد که مدل نروفازی دارای دقت بیشتری نسبت به شبکه عصبی مصنوعی و رگرسیون درختی به منظور پیش بینی هر سه پارامتر رس، شن و سیلت میباشد. مقدار متوسط خطا در روش نروفازی با روش رگرسیون درختی مقایسه شد و نتایج نشان داد که مقدار متوسط مربعات خطا در مدل نروفازی برای متغیر رس1.43 و برای شن 1.98 و برای سیلت2.1 بوده که برای رس 71/6 ،برای شن 49/8 و برای سیلت 42/5 واحد نسبت به رگرسیون درختی کاهش داشت . نتایج همچنین نشان داد که برای پیش بینی رس، شن و سیلت پارامترهای داده های طیفی، شاخص خیسی، شاخص همواری با درجه تفکیک بالا بیشترین سهم را در برآورد دارند.

کلیدواژه‌ها


عنوان مقاله [English]

Investigating the effect of wetness index and spectral data on estimating the percentage of soil particles using different methods

نویسندگان [English]

  • elham mehrabi gohari 1
  • hamidreza matinfar 1
  • rohollah taghizade 2
  • AZAM JAFARI 3
1 lorestan
2 ardakan
3 KERMAN
چکیده [English]

Direct estimation of some soil characteristics is time consuming, costly and sometimes not possible. In recent years, indirect methods have been used to estimate these properties. In the present study, to predict the soil texture fractions, 115 profiles were identified based on the Hypercube technique, and the horizons were sampled and the percentage of sand, clay and silt of soil samples were measured. Environmental variables used in this study include the terrain attributes (derived from a digital elevation model), Landsat 8 image data (acquired in 2015), geomorphological map, and spectrometric data (laboratory data). Artificial neural network, regression tree and neuro-fuzzy models were used to make a correlation between soil data (clay, sand and silt) and environmental variables. The results of this study showed that the neuro-fuzzy model was more accurate in prediction of the three parameters of clay, sand and silt than artificial neural network and tree regression . The RMSE value in the neuro fuzzy model was compared to regression tree model. The neuro fuzzy model results were, for clay surface 1.43 %, for sand surface 1.98% and for silt surface 2.1% that reduced by 6.71%, 8.49% and 5.42% for clay, sand and silt respectively, compared to regression tree model. The results also showed that the most important auxiliary variables are spectrometric data followed by MrVBF and wetness index.

کلیدواژه‌ها [English]

  • Wetness Index
  • VIS_NIR
  • Artificial Neural Network
  • Tree Regression
  • Neuro-Fuzzy