مقایسهی الگوریتمهای مختلف طبقهبندی تصاویر ماهواره ای در تهیهی نقشهی کاربری اراضی
نویسندگان
1 دانشیار، گروه مهندسی طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران.
2 دانشیار، گروه مهندسی طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران
3 دانشجوی کارشناسی ارشد مدیریت وکنترل بیابان، گروه مهندسی طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران.
doi
10.22034/emj.2026.2082654.1146چکیده
یکی از ضروریترین اطلاعات مورد نیاز مدیران و تصمیمگیران منابع طبیعی نقشههای کاربری اراضی است. استفاده از دادههای ماهوارهای یکی از سریعترین و کم هزینهترین روشها جهت تهیه نقشهی کاربری اراضی بهشمار میرود که ارزش، قابلیت وکارایی این نقشهها به میزان دقت آنها بستگی دارد. با توجه به اینکه الگوریتمهای مختلفی برای طبقهبندی وجود دارد، در این پژوهش کارایی آنها در طبقهبندی نظارت شده جهت تهیه نقشه کاربری اراضی بررسی شد؛ بدین منظور، تصاویر ماهوارهای لندست 9 حوزه گلپایگان در سال 2024 اخذ و پس از انجام تصحیحات لازم، اقدام به پردازش و طبقهبندی با 6 الگوریتم حداکثر احتمال، حداقل فاصله از میانگین، فاصله ماهالانویی، نقشهبردار زاویه طیفی، ماشینبردار پشتیبان و سطوح موازی گردید. از دادههای واقعیت زمینی بهمنظور تعیین میزان دقت طبقهبندی نقشههای تهیه شده استفاده گردید. نتایج نشان داد که روش طبقهبندی ماشینبردار پشتیبان با ضریب کلی برابر 0/94 درصد و کاپا برابر با 0/85 نسبت به روشهای دیگر دارای دقت بالاتری است. سایر الگوریتمهای مورد استفاده به ترتیب شامل الگوریتمهای فاصله ماهالانویی، حداکثر احتمال، حداقل فاصله، زاویه طیفی و سطوح موازی با ضرایب صحت کلی و کاپای 0/76، 89/97 درصد و0/71، 86/82 درصد و 0/66، 84/85 درصد و 0/37، 62/48 درصد و 0/18، 29/46 درصد در ردههای بعدی قرار گرفتند. این یافتهها نشان میدهد که انتخاب الگوریتم مناسب نهتنها بر دقت تفکیک کلاسها تأثیر مستقیم دارد، بلکه میتواند در پایش دقیق زمین، مدیریت بهینه اراضی و برنامهریزی منابع طبیعی نقش کلیدی ایفا کند. الگوریتمهای پیشرفته نظیر ماشینبردار پشتیبان، امکان تولید نقشههای دقیق و قابل اعتماد را فراهم میکنند، در حالیکه الگوریتمهای با دقت پایینتر بیشتر برای مطالعات پیشتحلیلی مناسب هستند.