Remotely sensed data capacities to assess soil degradation

این تحقیق تلاش می کند تا از روش متداول دو منطقه برای ارزیابی ظرفیت داده های سنجش از دور برای مدل سازی تخریب خاک استفاده کند. بر اساس یافته های تحقیق ما، انواع تجزیه و تحلیل پیش پردازش اثرات قابل توجهی بر دقت مدل نشان نداده است. برعکس، نوع شاخص ها و شاخص های مدل مبتنی بر فیلد مورد استفاده تاثیر زیادی بر دقت مدل دارد. علاوه بر این، با استفاده از برخی از شاخص های سنجش از دور از قبیل شاخص اکسید آهن و شاخص های مواد معدنی آهنی می تواند به بهبود دقت مدل سازی برخی از شاخص های زمینه ارزیابی وضعیت خاک کمک کند. با توجه به نتایج، ظرفیت های مدل می تواند به طور قابل توجهی با استفاده از داده های حساس از راه دور سری با استفاده از داده های تک تاریخ بهبود یافته است. علاوه بر این، اگر شبکه های عصبی مصنوعی به جای رگرسیون خطی چند متغیری در داده های حساس از راه دور استفاده می شود، دقت مدل را می توان به طور چشمگیری افزایش داد زیرا این مدل به شکل غیر خطی کمک می کند. با این حال، اگر مجموعه ای از داده های داده شده از راه دور استفاده می شود، دقت مدل سازی شبکه عصبی مصنوعی بسیار متفاوت از دقت مدل رگرسیون است. معلوم شد که بر خلاف آنچه فکر می شود، اما بر اساس نتایج ما، افزایش تعداد ورودی ها به مدل سازی شبکه های عصبی مصنوعی در عمل، دقت واقعی مدل را کاهش می دهد.