كاربرد شبكه هاي عصبي مصنوعي(ANN) در تخمين محتواي آبي گياهان(VWC) با استفاده از داده هاي فرا طيفي

با گسترش سنجش از دور فراطيفي امكان بهره گيري از گروه جديدي از شاخص هاي طيفي و مدل هاي آماري، براي تخمين پارامترهاي بيو فيزيكي و بيوشيميايي گياهان به وجود آمده است. يكي از پارامتر هاي بيوشيميايي گياه، محتواي آبي گياه (VWC) است كه پارامتري مهم در بخش كشاورزي است و مي تواند در جهت آبياري صحيح و ارزيابي شرايط خشكسالي مورد استفاده قرار بگيرد. در اين تحقيق با استفاده از شبكه هاي عصبي مصنوعي و داده هاي فرا طيفي كه با استفاده از دستگاه اسپكترومتر GER 3700 بدست آمده اند به تخمين محتواي آبي گياهان پرداخته شد. چهار گونه گياهي متفاوت براي نمونه برداري طيفي و اندازه گيري محتواي آبي گياه انتخاب شدند. در مجموع با ايجاد تغيير در تراكم تاج پوشش گياهان 95 نمونه شامل بازتاب هاي طيفي و همچنين اندازه گيري هاي محتواي آبي گياهان براي آموزش شبكه مهيا شد. سپس يك شبكه پس انتشار خطا (پرسپترون چند لايه) با سه گروه از ورودي ها كه شامل تمامي باند هاي باريك موجود، ده مولفه اصلي اول و همچنين چهار شاخص باريك باند گياهي بودند براي تخمينVWC مورد استفاده قرار گرفت. براي ارزيابي كارايي شبكه در تخمينVWC از روش Cross-validation استفاده شد. با استفاده از رگرسيون خطي ساده بين خروجي شبكه و داده هاي اندازه گيري شده VWCگياه و بر حسب معيارهاي Rcv2و RMSEcv بهترين مدل انتخاب شد. نتايج تحقيق نشان دادند كه شبكه هاي عصبي داراي قابليت بالا در تخمين VWC با استفاده از داده اي فراطيفي مي باشند (Rcv=0.88، RMSEcv=0.31).