در این تحقیق سعی شده است با بهرهگیری از دو مدل میدانی، توانایی دادههای سنجش از دوری در مدلسازی تخریب خاک مورد آزمون قرار گیرد. بر اساس یافتههای این پژوهش، در بررسی سنجش از دوری کیفیت خاک، نوع پیشپردازش انجام شده بر روی دادهها، اثر قابلملاحظهای در مدلسازیها نشان نخواهد داد. بر عکس نوع مدل میدانی مورد استفاده و شاخصها و معیارهای آن، تاثیر زیادی بر روی دقت مدلسازی دارد. همچنین در مورد برخی شاخصهای میدانی بررسی وضعیت خاک، استفاده از شاخصهای سنجش از دوری مانند شاخص اکسید آهن و شاخص موادمعدنی، به افزایش دقت مدلسازی کمک قابلتوجهای مینماید. بر اساس نتایج بدست آمده، استفاده از سریزمانی دادههای سنجش از دوری نسبت به دادههای تکزمانه بهطور چشمگیری توان مدلسازی پارامترها مرتبط با خاک را افزایش میدهد. همچنین استفاده از مدلسازیهای شبکههای عصبی مصنوعی بجای استفاده از رگرسیون خطی با غیر خطی نمودن روابط، باعث افزایش توان مدلسازیهای سنجش از دوری در حالت تکزمانه خواهد شد، اما دقت مدلسازی شبکههای عصبی سریهای زمانی دادههای سنجش از دوری با دقت مدلسازیهای رگرسیونی تفاوت چندانی ندارد. در نهایت مشخص شد بر خلاف آنچه تصور میگردد، افزایش بعد یا تعداد ورودیها به مدلسازی شبکه عصبی در عمل باعث کاهش دقت واقعی مدلسازی خواهد شد نه افزایش آن.