تلفیق روش‌های مختلف طبقه‌بندی اراضی با استفاده از الگوریتم فازی به کمک ادغام تصاویر ماهواره‌ای سنتینل-2 و لندست-8

تکنیک‌های سنجش از دور و پردازش تصویر با فراهم‌نمودن اطلاعات مکانی و زمانی تحول بزرگی در اندازه‌گیری‌های سنتی  به‌وجود آورده‌اند و از ‌این پتانسیل برخوردارند تا دانش ما در حوزه فنی و مهندسی از جمله کامپیوتر، مهندسی منابع آب، سازه هیدرولیکی و نقشه‌برداری مانند برف، زمین‌شناسی و جغرافیا افزایش دهند. به‌منظور استفاده هم‌زمان از اطلاعات طیفی و مکانی تصاویر ماهواره‌ای از روش‌های مختلف تلفیق تصاویر استفاده می‌گردد. در تصویر ادغام‌یافته توانایی تفسیر افزایش می‌یابد و نتایج قابل‌قبول‌تری را به‌همراه دارد، چرا که داده‌هایی با ویژگی‌های متفاوت با یکدیگر ترکیب شده‌اند. در این پژوهش تصویر ادغام‌شده دو ماهواره لندست-8 و سنتینل-2 برای منطقه موردمطالعه بسطام شاهرود با پنج روش حداکثر احتمال، حداقل فاصله ماشین‌بردار پشتیبان، شبکه عصبی مصنوعی و جنگل تصادفی پردازش گردید و روش شبکه عصبی مصنوعی با ضریب کاپای 93/0 و روش حداقل فاصله با ضریب کاپای 34/0 به‌ترتیب بهترین و بدترین نتایج را به‌همراه داشتند. سپس چهار روش طبقه‌بندی حداکثر احتمال، ماشین‌بردار پشتیبان، شبکه عصبی مصنوعی وجنگل تصادفی با الگوریتم فازی جمع جبری تلفیق‌شده و ضریب کاپای 94/0 را نتیجه داد که نشان می‌دهد تلفیق بهترین نتایج طبقه‌بندی می‌تواند نتایج بهتر و دقیق‌تری در خصوص طبقه‌بندی به‌همراه‌داشته باشد.

integration of different land classification methods using fuzzy algorithm with the help of integration of sentinel-2 and landsat 8 satellite images

remote sensing and image processing techniques have brought about a great transformation in traditional measurements by providing spatial and temporal information and have the potential to increase our knowledge in technical and engineering fields, including computers, water resources engineering, hydraulic structures, and mapping such as snow, geology, and geography. the ability to measure the amount of precipitation and flow is one of the basic applications of remote sensing and image processing. different image integration methods are used to simultaneously use satellite image’s spectral and spatial information. in the integrated image, the ability to interpret increases, and it brings more acceptable results because data with different characteristics are combined with each other. in this research, the integrated image of two satellites (landsat 8) and (sentinel 2) for the study area of bastam shahrood was processed with five methods of maximum likelihood, minimum distance, support vector machine (svm), artificial neural network and random forest. the artificial neural network method with a kappa coefficient of 0.93 and the minimum distance method with a kappa coefficient of 0.34 had the best and worst results, respectively. then, four classification methods of maximum likelihood, support vector machine(svm), artificial neural network, and random forest were combined with a fuzzy algebraic summation algorithm, and the kappa coefficient was 0.94, which shows that combining the best classification results can bring better and more accurate classification results.