طبقه‌بندی تصاویر چندطیفی با قدرت تفکیک مکانی متوسط، با استفاده از شاخص‌های مکانی و حرارتی

H5 dir=rtl>در طبقه‌بندی تصاویر با قدرت تفکیک مکانی متوسط، مانند لندست، تمایز اراضی کشاورزی بدون پوشش گیاهی از زمین‌های بایر و همچنین، شناسایی زمین‌های بایر از مناطق ساخته‌شده معمولاً دشوار و همراه با خطاست. به همین علت در این مطالعه، ترکیب‌های متفاوتی از ویژگی‌های ورودی، به‌روش‌های طبقه‌بندی، به‌منظور بررسی امکان ارتقای دقت طبقه‌بندی مقایسه شد. داده‌های ورودی شامل باندهای طیفی تصویر لندست7، ویژگی‌های بافتی شامل ماتریس وقوع هم‌زمان گام‌های خاکستری و شاخص‌های حرارتی و مکانی پیشنهادی در این تحقیق است. در بررسی حاضر، به‌منظور طبقه‌بندی سناریوهای متفاوت، از سه روش طبقه‌بندی شامل بیشترین میزان شباهت، شبکه عصبی و ماشین بردار پشتیبان با هسته‌های متفاوت استفاده شد. نتایج نشان داد که ادغام تمامی داده‌های ورودی و استفاده از روش ماشین بردار پشتیبان با هسته پایه شعاعی، با صحت کلی 81/98% و ضریب کاپا 25/98%، ممکن است نتایجی بهتر از دیگر روش‌ها و سناریوها داشته باشد. همچنین، در تحلیل اهمیت متغیرهای ورودی، با استفاده از روش انتخاب ویژگی برپایه جنگل تصادفی، مشخص شد که شاخص‌های پیشنهادی در این مطالعه نقش مهمی در طبقه‌بندی با صحت بالا و کارآمد داشته‌اند.