مقایسه دو روش طبقه‌بندی حداکثر احتمال و شبکه عصبی مصنوعی آرتمپ فازی در استخراج نقشه پوشش مرتعی (مطالعه موردی: مرتع حوزه دویرج دهلران)

نویسندگان

1 دانشجوی دکتری بیابان‌زدایی، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد، ایران

2 دانشیار، گروه علوم جنگل، دانشکده کشاورزی، دانشگاه ایلام، ایران

3 استادیار، گروه جغرافیا، داشکده علوم انسانی، دانشگاه گلستان، ایران

4 استادیار، گروه منابع طبیعی، دانشکدۀ کشاورزی، دانشگاه شیراز، ایران

doi
10.22092/ijrdr.2015.13223
چکیده

مراتع از مهمترین منابع تجدیدشونده هستند که بدلیل وسعت و تأثیرات اقتصادی، اجتماعی و زیست‌محیطی خاص، از اهمیت ویژه‌ای برخوردارند. متأسفانه در کشور ما همانند اغلب کشورهای در حال توسعه، مراتع به دلایل مختلف از جمله مدیریت غیراصولی این منابع در معرض تخریب و نابودی قرار گرفته‌اند.فناوری دورسنجی و بهره‌گیری از داده‌های ماهواره‌ای از ابزارهای موثر در زمینه مطالعات علوم مرتع و پوشش گیاهی است. یکی از کاربردهای داده‌های ماهواره تهیه نقشه کاربری مرتع است. هدف از این تحقیق مقایسه دو روش حداکثر احتمال و فازی برای پهنه‌بندی مرتع می‌باشد. برای این منظور از تصویر سال 2007 سنجندهETM+ ماهواره Landsat استفاده شده که پس از تصحیحات هندسی و رادیومتریک و پردازش نهایی، نقشه طبقه‌بندی تهیه گردید. نتایج حاصل از ارزیابی دقت این دو روش با استفاده از ضریب کاپا نشان داده داده است، که الگوریتم شبکه عصبی مصنوعی آرتمپ فازی با ضریب 9614/0 نسبت به الگوریتم حداکثر احتمال با ضریب 8058/0 از دقت بیشتری برخوردار است. نتایج این مطالعه همچنین نشان می‌دهد الگوریتم‌های سنتی طبقه‌بندی مانند روش‌های آماری به خاطرانعطاف‌پذیری پائین و انواع پارامتریک آن مانند روش حداکثر احتمال به خاطر وابستگی به مدل آمارگوسی نمی‌توانند نتایج بهینه‌ای، در صورت نرمال نبودن نمونه‌های تعلیمی فراهم آورند. در این تحقِیق از نرم افزارهای ENVI 4.5،Idrisi Andes 15 وArc\GIS9.3  استفاده شده است.