پژوهش های فرسایش محیطی، جلد ۴، شماره ۱، صفحات ۲۹-۳۸
عنوان فارسی بررسی رابطه بین ارزشهای رقومی بازتاب حاصل از تصاویر ماهوارهای ETM+ و ماده آلی خاک با استفاده از شبکههای عصبی مصنوعی و مدلهای رگرسیونی
چکیده فارسی مقاله مقدار ماده آلی نقشی کلیدی در تعیین رفتار فیزیکی، شیمیایی و بیولوژیکی خاک دارد و آگاهی از وضعیت و توزیع آن برای استفاده بهینه و پایدار از خاک ضروری است. اندازه‌گیری ماده آلی در آزمایشگاه، بسیار وقت‌گیر و پرهزینه بوده و امکان تعمیم نتایج حاصل به مناطق مشابه را دارا نمی‌باشد. اخیرا استفاده از داده‌های سنجش از دور در ارزیابی مقدار ماده آلی خاک به عنوان روشی ساده، سریع، ارزان و حتی دقیق توجه محققان را به خود جلب کرده است. هدف این پژوهش بررسی کارایی و دقت تصاویر ماهواره‌ای ETM+ برای برآورد ماده آلی خاک با استفاده از شبکه‌های عصبی مصنوعی و مدل‌های رگرسیونی است. در این راستا از ارزش‌های رقومی بازتاب در باندهای مختلف تصاویر ماهواره‌ای ETM+، استفاده شده است. برای برازش مدل‌های بین کربن آلی اندازه‌گیری شده در آزمایشگاه و اطلاعات ماهواره‌ای از دو روش رگرسیون‌گیری و شبکه عصبی استفاده گردید. در نهایت دقت مدل‌های بدست آمده با شاخص‌‌های آماری R2 و RMSE مورد ارزیابی قرار گرفت. آنالیزهای آماری نشان می‌دهند که بالاترین ضرایب تبیین مربوط به مدل‌های برازش داده شده با استفاده از ارزش‌های رقومی بازتاب در باندهای مرئی و مادون قرمز میانی تصاویر ماهواره‌ای است. علاوه‌براین مدل‌های توسعه‌یافته با شبکه عصبی نسبت به مدل‌های رگرسیونی از دقت بالاتر و خطای کمتری برخوردارند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Study the Relationship between Digital Number Values from ETM+ Satellite Images and Soil Organic Matter Using Artificial Neural Network and Regression Models
چکیده انگلیسی مقاله Soil organic carbon (SOC) content plays a key role in soil biological, chemical and physical behavior and knowledge about its state and distribution is essential for the effective and sustainable use of soil. Laboratory measurements of SOC are costly and time consuming and have not the possibility to extend the results to similar areas. Recently, the use of remote sensing data for evaluation of SOC as a simple, rapid, inexpensive and even accurate have attracted the attention of researchers. The aim of this study was to evaluate the efficiency and accuracy of ETM+ satellite images for estimating SOC using artificial neural network and regression models. In this way, the digital number values in different bands of ETM+ satellite images have been used. Both regression and neural networks were used to develop the models between organic carbon measured in the laboratory and satellite data. Finally the accuracy of these models was evaluated with R2 and RMSE indices. The statistical analysis shows that these models was fitted using digital number values in the visible and mid- infrared bands of satellite images have the highest coefficients of determination. Moreover, the neural network models have the higher accuracy and .less error than regression models.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله الهام نوشادی | elham noshadi
department of soil science, tarbiat modares university, tehran, iran.
تهران-دانشکده کشاورزی دانشگاه تربیت مدرس- گروه خاکشناسی
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

حسینعلی بهرامی | hossein ali bahrami
department of soil science, tarbiat modares university, tehran, iran.
تهران-دانشکده کشاورزی دانشگاه تربیت مدرس- گروه خاکشناسی
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

سیدکاظم علوی پناه | seyyed kazem alavipanah
department of remote sensing and cartography, tehran university, tehran, iran
گروه سنجش از دور و کارتوگرافی، دانشگاه تهران، تهران، ایران.
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://magazine.hormozgan.ac.ir/browse.php?a_code=A-10-123-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1412/article-1412-243628.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات