مقایسۀ روش‌‌های طبقه‏ بندی پیکسل پایه و شیءگرا در تهیۀ نقشۀ کاربری اراضی با استفاده از تصویر ماهواره‌ای (مورد شناسی: شهر ایلام)

یکی از عوامل مهم برای برنامه‌ریزی و مدیریت شهری به‌خصوص در راستای نیل به توسعۀ پایدار در نواحی شهری و استفادۀ بهینه از سرزمین، در دسترس بودن اطلاعات صحیح و بهنگام از وضعیت کاربری اراضی مناطق شهری است. در این راستا، هدف از انجام این تحقیق مقایسۀ دو روش طبقه‏بندی پیکسل پایه و شیءگرا در تهیۀ نقشۀ کاربری اراضی با استفاده از تصویر etm+ در شهر ایلام با استفاده از نرم‌افزار idrisi selvi است. پس از تهیۀ تصویر مربوط و اعمال تصحیح هندسی و رادیومتریک بر روی تصویر با استفاده از دو روش مذکور، نقشۀ کاربری اراضی استخراج شد. برای ارزیابی دقت طبقه‌‌بندی از شاخص‌های صحت کل، ضریب کاپا، دقت تولیدکننده و دقت استفاده‌کننده استفاده شده‌است. نتایج به‌دست‌آمده نشان داد که روش طبقه‌‌بندی شیءگرا تصویری با وضوح بهتر نسبت‌به روش طبقه‌‌بندی پیکسل پایه ارائه می‌‌دهد. نتایج برآورد دقت هم نشان می‏دهد که روش شیءگرا در هر دو شاخص صحت کل و ضریب کاپا با مقادیر به‌ترتیب 94 درصد و 91 درصد نسبت‌به روش پیکسل پایه با صحت کل و ضریب کاپا با مقادیر به‌ترتیب 88 درصد و 86 درصد، دقیق‌تر است. با توجه به نتایج به‌دست‌آمده از این تحقیق پیشنهاد می‏شود که روش طبقه‏بندی شیءگرا در تهیۀ نقشه‏های کاربری اراضی مناطق شهری مورد استفاده قرار گیرد.

Comparison of pixelbased and objectoriented classification methods for land use mapping Using satellite image (Case Study: Ilam City)

Important factors in planning and urban management, especially in order to achieve sustainable development and optimal use of land in urban areas is the availability of timely and accurate information about the status of land use in urban areas. In this dirction, the aim of present study is to compare two methods of pixelbased and objectoriented classification in land use mapping with using ETM+ image in Ilam city, Ilam province using Idrisi Selva software. After the supply of related image and implementing geometric and radiometric corrections on image, we applied two classification methods to land use mapping. To assess the accuracy of classification methods, we used of indices of overall accuracy, kappa coefficient, producer accuracy and user accuracy. The results show that the objectoriented classification method has more resolution than the pixelbased classification method. The results of accuracy show that method of objectoriented in two indices of overall accuracy and kappa coefficient with  (respectively) 94 percent and 91 percent was more accurate then pixelbased classification method with overall and Kappa coefficient 88 percent and 86 percent. The result of this study suggests that from objectoriented classification method use to production of land use map.