فهرست نشریات علمی دسترسی آزاد ایران

یکی از راه­های تهیه نقشه­های پوشش گیاهی و کاربری اراضی، استفاده از داده­های ماهواره­ای و فرآیند طبقه­بندی تصاویر است. با استفاده از تصاویرماهواره­ای بررسی، شناخت و ارزیابی پدیده­های مختلف و استخراج اطلاعات لازم برای برنامه­ریزی منابع زمینی یا سایر مقاصد به سهولت انجام می­گیرد. هدف پژوهش مقایسه میزان کارایی هفت روش رایج طبقه­بندی نظارت­شده داده­های ماهواره­ای در ارزیابی تغییرات کاربری اراضی با استفاده از تصاویر سنجنده TM و OLIماهواره لندست و IRS و اسپات5 و کوئیک برد و ترکیب­های رنگی متفاوتی از این تصاویر جهت استخراج کاربری­­های اراضی زراعی، مناطق مسکونی و مناطق آبی با استفاده از پردازش شی­گرا می­باشد. ابتدا نمونه­های آموزشی در پنج کلاس کاربری به وسیله نرم­افزار ایکاگنیشن با استفاده از بهینه­سازی مقیاس سگمنت­سازی با استفاده از ترکیب­های رنگی متفاوت و ضرایب شکل و فشردگی­ استخراج شد. مقیاس مناسب جهت سگمنت­سازی برای اراضی زراعی، مقیاس 50 ، برای عوارض انسانی 8 و در نهایت برای مناطق آبی 10 به دست آمد. سپس هر تصویر به طور جداگانه با استفاده از هفت روش طبقه­بندی (مانند روش شبکه عصبی) و نمونه­های مستخرج، طبقه­بندی شده و میزان کارایی هر روش با محاسبه دو شاخص صحت کلی و ضریب کاپا بررسی گردید. نتایج به دست آمده نشان­دهنده میزان دقت هر یک از روش­های طبقه­بندی بوده که شبکه عصبی با دقت کلی 475/94 و ضریب کاپای 095/92 به عنوان دقیق­ترین روش طبقه­بندی انتخاب شد. این نتایج نشان می­دهد که برداشت نمونه­های تعلیمی با دقت مناسب از طبقات موجود در تصاویر و همچنین بررسی میزان احتمال تعلق هر یک از پیکسل­های تصاویر ماهواره­ای به این طبقات، به خوبی می­تواند در طبقه­بندی گروه­های موجود در منطقه مفید واقع شود.