محسن فرزین
چکیده
هدف از پژوهش حاضر، بررسی توان الگوریتم‌های مختلف طبقهبندی نظارت شده و نظارت نشده داده‌های سنجش از دور در تشخیص و تفکیک پوشش اراضی حوضه کوهستانی رودخانه بشار با استفاده از داده‌های لندست 8 بوده است. بدین منظور، پس از بررسی دقت هندسی و انجام تصحیحات رادیومتریک و اتمسفریک داده‌های ماهواره‌ای، مجموعه داده حاصل از ...
بیشتر
هدف از پژوهش حاضر، بررسی توان الگوریتم‌های مختلف طبقهبندی نظارت شده و نظارت نشده داده‌های سنجش از دور در تشخیص و تفکیک پوشش اراضی حوضه کوهستانی رودخانه بشار با استفاده از داده‌های لندست 8 بوده است. بدین منظور، پس از بررسی دقت هندسی و انجام تصحیحات رادیومتریک و اتمسفریک داده‌های ماهواره‌ای، مجموعه داده حاصل از ترکیب باندهای انعکاسی (باندهای 2، 3، 4، 5، 6، 7 و 8) و حرارتی (باند 10) ایجاد شد. سپس، طبقهبندی پیکسل پایه با استفاده از الگوریتم‌های نظارت شده احتمال حداکثر، ماشین بردار پشتیبان، فاصله ماهانالویی، حداقل فاصله، شبکه عصبی، پارالوئید، نقشه‌بردار زاویه طیفی، واگرایی اطلاعات طیفی، کدگذاری باینری و الگوریتم‌های نظارت نشده K-Means و IsoData انجام شد. دقت الگوریتم‌ها در شناسایی هر کدام از کاربری‌ها بر مبنای تحلیل ماتریس خطا، با استفاده از مقیاس‌های دقت تولید کننده، دقت کاربر و دقت کلی بر اساس قاعده خطای حذف و اضافه و ضریب کاپا ارزیابی شد. نتایج مبتنی بر ماتریس خطا نشان داد که مناسب‌ترین الگوریتم برای تفکیک و شناسایی کاربری/پوشش زراعت، ساخت و ساز، صخره، جنگل، باغ، مرتع، پیکره آبی و رها شده به‌ترتیب، احتمال حداکثر، فاصله ماهالانویی، احتمال حداکثر، فاصله ماهالانویی، شبکه عصبی، ماشین بردار پشتیبان، ماشین بردار پشتیبان، احتمال حداکثر است. درصد صحت کلی و ضریب کاپای الگوریتم‌ها نیز نشان می‌دهد که چهار الگوریتم احتمال حداکثر، ماشین بردار پشتیبان، فاصله ماهالانویی و شبکه عصبی با دقت کل به‌ترتیب 25/77، 9/75، 59/69 و 02/68 درصد و ضریب کاپای به‌ترتیب 0.72، 0.69، 0.63 و 0.58 نسبت به سایر الگوریتم‌ها عملکرد بهتری از خود نشان داده‌اند. به‌طور کلی، می‌توان با انتخاب و استفاده از مناسب‌ترین الگوریتم طبقهبندی برای هر نوع کاربری/پوشش در مناطق کوهستانی و سپس، ادغام نقشه‌های منفرد کاربری اراضی با یکدیگر، دقت طبقهبندی را بالا برده و نتایج بهتری نیز حاصل شود.
