ارزیابی عملکرد مدل شبکه عصبی مصنوعی و رگرسیون فازی در پایش ماهواره‌ای خشکسالی

پایش خشکسالی با توجه به تاثیرات منفی آن در بخش‌های مختلف از جمله کشاورزی، محیط زیست و منابع آب از اهمیت چشمگیری برخوردار است. در این مطالعه، از مدل‌های شبکه عصبی مصنوعی و رگرسیون فازی جهت مدل‌سازی روابط نمایه‌های ndvi، vtci، vhi، nvswi، tci و tvx حاصل از تصاویر سنجنده modis با مقادیر بارش مشاهداتی در 7 ایستگاه کرمانشاه، تبریز، کرمان، مشهد، ارومیه، یزد و زنجان به منظور پایش خشکسالی استفاده شد. نمایه‌های ماهواره‌ای vhi، nvswi، tci و tvx با متغیر بارش دارای بیش‌ترین تعداد ضریب همبستگی معنی‌دار بودند. براساس معیارهای خطا، رهیافت رگرسیون فازی در مدل‌سازی شاخص‌های vhi، tci و nvswi و رهیافت شبکه عصبی مصنوعی در مدل‌سازی شاخص tvx دارای کم‌ترین مقدار خطا بود. در رگرسیون فازی متقارن با افزایش پارامتر سطح اعتماد بر گستردگی متغیر‌های رگرسیون افزوده شد مانند افزایش پارامتر سطح اعتماد در شاخص vhi از 7/0 به 8/0، پارامتر گستردگی را 50 درصد افزایش داد. پارامتر نقطه پیک در رگرسیون فازی نامتقارن نسبت به فاکتورهای چولگی دارای حساسیت می‌باشد به‌طوری‌که در شاخص tvx، میزان درصد افزایش نقطه پیک از کمینه مقدار ضریب چولگی به بیشینه آن، 17/22 درصد بود. کاهش پارامتر سطح اعتماد شاخص tvx که نمایان‌گر کاهش میزان فازی بودن است، مویدی بر کارایی شبکه عصبی مصنوعی در مورد شاخص tvx است.