مقايسه روش‌هاي k نزديك‌ترين همسايگي و شبكه عصبي مصنوعي براي پهنه‌بندي رقومي شوري خاك در منطقه چاه ‌افضل اردكان

استفاده از داده هاي كمكي رقومي و ارتباط آنها با داده هاي مشاهداتي صحرايي از طريق روش هاي كامپيوتري كه اصطلاحاً نقشه برداري رقومي خاك خوانده مي شود، نسبت به روش هاي سنتي نقشه برداري خاك قابل اعتمادتر و كم هزينه تر است. بنابراين در مطالعه حاضر، از مدل هاي شبكه عصبي مصنوعي و k نزديك ترين همسايگي جهت پيش بيني مكاني شوري خاك در منطقه اي خشك به وسعت 700 كيلومتر مربع در شمال شهرستان اردكان استفاده گرديد. در اين منطقه براساس روش شبكه بندي منظم 180 نمونه خاك مشخص شده و سپس نمونه برداري و خصوصيات فيزيكي شيميايي خاك اندازه گيري شدند. متغيرهاي محيطي استفاده شده در اين مطالعه شامل پارامترهاي استخراج شده از مدل رقومي ارتفاع، داده هاي تصوير ETM+ ماهواره لندست و هدايت الكتريكي ظاهري (اندازه گيري شده توسط دستگاه هدايت گر الكترومغناطيس) بودند. نتايج اين تحقيق نشان داد كه مدل k نزديك ترين همسايگي داراي دقت بيشتري نسبت به شبكه عصبي مصنوعي به منظور پيش بيني شوري خاك است. به طوري كه اين مدل به خوبي توانسته ارتباط قوي بين داده هاي شوري خاك و اطلاعات محيطي برقرار كند. مجموع ريشه مربعات خطا و ضريب تبيين مدل k نزديك ترين همسايگي به ترتيب 73/18 و 92/0 است. نتايج نشان داد كه براي پيش بيني شوري خاك، هدايت الكتريكي ظاهري، شاخص هاي سنجش از دور و شاخص خيسي مهم ترين پارامترها بودند.