بررسی الگوریتم های طبقه بندی نظارت شده در تهیه نقشه کاربری اراضی(منطقه مورد مطالعه: شهر یاسوج)

پایش تغییرات کاربری و پوشش اراضی نقش اساسی در برنامه ریزی و مدیریت محیط زیست دارد. داده های ماهواره ای کارایی بالایی در آشکارسازی و تجزیه و تحلیل تغییرات زیست محیطی دارند. روش های متعددی برای اشکارسازی تغییرات یک منطقه با استفاده از تصاویر ماهواره ای وجود دارد که هر کدام دارای مزایا و محدودیت هایی هستند. یکی از تکنیک های مهم درتفسیرتصاویر سنجش از دور، طبقه بندی تصاویر است که کاربرد زیادی در بررسی تغییرات زمین دارد مسئله مهم تعیین یک روش طبقه بندی با دقت مناسب برای تصاویر ماهواره ای می باشد. به منظور بررسی و مقایسه الگوریتم های طبقه بندی حداکثر مشابهت، حداقل فاصله از میانگین، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و نقشه بردار زاویه طیفی جهت تهیه نقشه کاربری اراضی از داده های سنجنده نقشه بردار موضوعی(tm ) ماهواره لندست استفاده گردید. پس از اعمال تصحیحات و ایجاد تصویر رنگی با استفاده از تصویر تجزیه مولفه های اصلی(pca )به انتخاب نمونه های تعلیمی در 7 کلاس متفاوت پرداخته شد و پس از انجام تست تفکیک پذیری نمونه های تعلیمی، کلاس های انتخابی در هر یک از الگوریتم های طبقه بندی قرار داده شد و ضریب کاپا و صحت کلی با استفاده از تجزیه و تحلیل ماتریس خطا بدست آورده شد. بر طبق نتایج بدست آمده، روش طبقه بندی ماشین بردار پشتیبان با صحت کلی 3582/97% و ضریب کاپا 8426/0 بالاترین دقت را در تهیه نقشه کاربری اراضی نشان می دهد.