قابليت طيف‌سنجي مرئي مادون قرمزنزديكVIS-NIR) ) در پيش‌بيني درصد ذرات خاك با استفاده از شبكه عصبي مصنوعي و رگرسيون حداقل مربعات جزئي

طيف‌سنجي مرئي و مادون قرمز نزديك (VISNIR) به طور گسترده اي براي تخمين خصوصيات فيزيكي خاك و اخيرا برآورد بافت خاك استفاده مي شود. مطالعه حاضر با هدف پيش‌بيني احتمالي بافت خاك با استفاده از اندازه گيري هاي طيفي و مدل‌هاي شبكه عصبي مصنوعي و رگرسيون حداقل مربعات جزئي انجام گرفته است. بر اساس تكنيك هايپركيوب، محل 115 پروفيل شناسايي و سپس نمونه برداري از افق‌هاي خاك انجام گرفت، درصد شن و رس و سيلت نمونه‌هاي خاك اندازه‌گيري شد. رگرسيون حداقل مربعات جزئي (PLSR) و شبكه عصبي مصنوعي (ANN) براي مدل‌سازي درصد رس، شن و سيلت خاك مقايسه شدند. نتايج اين بررسي نشان داد كه شبكه عصبي مصنوعي نسبت به رگرسيون حداقل مربعات جزئي كارايي بهتري داشت، براي هر دو مدل از محدوده خاصي از طول موج (بين 400 2450 ميكرون با اعمال پيش‌پردازش‌ها و حذفيات يكسان) استفاده گرديد. هنگامي كه مدل رگرسيون مربعات جزئي اجرا شد، دقت بسيار پاييني داشت (R2 ~0.10.3)، در مقابل، روش شبكه عصبيمصنوعي مقدار R2 به ترتيب براي رس، شن و سيلت 0.70, 0.76و 0.73 بود و ميانگين ريشه مربعات خطا به ترتيب 9.14، 5.54 و 7.01 گرم بر كيلوگرم براساس داده‌هاي آزمون (20 درصد) به دست آمد كه نشان دهنده دقت بالاتر و خطاي كمتر مدل شبكه عصبيمصنوعي مي‌باشد. از آنجايي كه رابطه بين درصد ذرات خاك و بازتاب طيفي خاك خطي نيست، به نظر مي‌رسد روش شبكه عصبيمصنوعي براي بررسي و تجزيه و تحليل رابطه بين اجزاي بافت خاك و داده‌هاي طيفي مناسب باشد.