فهرست نشریات علمی دسترسی آزاد ایران

یکی از کاربردهای عمده­ی داده­های ماهواره­ای طبقه­بندی پوشش سطح زمین می­باشد. طیّ سال­های گذشته تعدادی الگوریتم­های طبقه­بندی برای طبقه­بندی داده­های سنجش از دور ابداع شده­اند. قابل توجه­ترین آنها شامل روش­های حداکثر احتمال، روش­های شبکه عصبی مصنوعی و طبقه­بندی­های درختی می­باشد. در این مطالعه، ابتدا تصحیحات هندسی و رادیومتری بر روی داده­های ETM+ صورت گرفت. سپس با بازدیدهای میدانی ، طبقات مختلف کاربری اراضی تعریف و نمونه­های آموزشی انتخاب گردید. در این مطالعه، هدف  اصلی مقایسه سه الگوریتم انشعاب روش طبقه­بندی درختی برای طبقه­بندی پوشش سطح زمین حوزه چم گردلان استان ایلام می­باشد. در ضمن، کارکرد این روش با دو روش طبقه­بندی دیگر، شامل حداکثر احتمال و شبکه عصبی مصنوعی آرتمپ فازی مقایسه شده است. نتایج حاصل از ارزیابی دقت تصاویر طبقه­بندی شده نشان داد که روش طبقه­بندی درختی با دقت کل 87 و ضریب کاپای 84/0 دارای بیشترین صحت و پس از آن روش­های شبکه عصبی مصنوعی آرتمپ فازی و حداکثر احتمال به ترتیب با دقت کل 84 و 81 و ضریب کاپای 81/0 و 78/0 در رتبه­های بعدی ازنظر دقت قرار می­گیرند. بعلاوه، زمانی­که روش­های مختلف انشعاب مورد آنالیز قرار گرفت، مشخص گردید که روش انشعاب جینی نسبت به روش­های انشعاب نسبت بهره و آنتروپی دقت بالاتری (با دقت کل 6% و 2%  و ضریب کاپای 7% و 2%  بیشتر) داشت. در این تحقیق، بالاترین دقت طبقه­بندی مربوط به طبقه­بندی درختی با روش انشعاب جینی بود. بنابراین، این مطالعه نشان می­دهد که روش­های طبقه­بندی درختی مزیّت­های زیادی نسبت به روش­های طبقه­بندی  شبکه عصبی مصنوعی آرتمپ فازی و حداکثر احتمال دارد و آن اینکه آنها از لحاظ محاسباتی سریع بوده و تابع فرضیات آماری در ارتباط با توزیع داده­ها نمی­باشند.