@ARTICLE{Ayoubi, author = {Ayoubi, S. and Taghizadeh, R. and Namazi, Z. and Zolfaghari, A. and Roustaee Sadrabadi, F. and }, title = {The Comparison of k-NN and ANN for Digital Mapping of Salinity in Chahafzal, Ardekan}, volume = {20}, number = {76}, abstract ={استفاده از داده‌های کمکی رقومی و ارتباط آنها با داده‌های مشاهداتی صحرایی از طریق روش‌های کامپیوتری که اصطلاحاً نقشه‌برداری رقومی خاک خوانده می‌شود، نسبت به روش‌های سنتی نقشه‌برداری خاک قابل‌اعتمادتر و کم ‌هزینه‌تر است. بنابراین در مطالعه حاضر، از مدل‌های شبکه عصبی مصنوعی و k نزدیک‌ترین همسایگی جهت پیش‌بینی مکانی شوری خاک در منطقه‌ای خشک به وسعت 700 کیلومتر مربع در شمال شهرستان اردکان استفاده گردید. در این منطقه براساس روش شبکه‌بندی منظم 180 نمونه خاک مشخص‌شده و سپس نمونه‌برداری و خصوصیات فیزیکی- شیمیایی خاک اندازه‌گیری شدند. متغیرهای محیطی استفاده ‌شده در این مطالعه شامل پارامترهای استخراج‌ شده از مدل رقومی ارتفاع، داده‌های تصویر ETM+ ماهواره لندست و هدایت الکتریکی ظاهری (اندازه‌گیری شده توسط دستگاه هدایت‌گر الکترومغناطیس) بودند. نتایج این تحقیق نشان داد که مدل k نزدیک‌ترین همسایگی دارای دقت بیشتری نسبت به شبکه عصبی مصنوعی به‌منظور پیش‌بینی شوری خاک است. به‌طوری‌که این مدل به‌خوبی توانسته ارتباط قوی بین داده‌های شوری خاک و اطلاعات محیطی برقرار کند. مجموع ریشه مربعات خطا و ضریب تبیین مدل k نزدیک‌ترین همسایگی به‌ترتیب 73/18 و 92/0 است. نتایج نشان داد که برای پیش‌بینی شوری خاک، هدایت الکتریکی ظاهری، شاخص‌های سنجش ‌از دور و شاخص خیسی مهم‌ترین پارامترها بودند. }, URL = {http://jstnar.iut.ac.ir/article-1-3334-fa.html}, eprint = {http://jstnar.iut.ac.ir/article-1-3334-fa.pdf}, journal = {Journal of Water and Soil Science}, doi = {10.18869/acadpub.jstnar.20.76.59}, year = {2016} }