میرزایی زاده, وحید, نیک نژاد, مریم, اولادی قادیکلایی, جعفر. (1394). ارزیابی الگوریتم های طبقه بندی نظارت شده غیرپارامتریک در تهیة نقشه پوشش زمین با استفاده از تصاویر لندست 8. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی, 6(3), 29-44.
وحید میرزایی زاده; مریم نیک نژاد; جعفر اولادی قادیکلایی. "ارزیابی الگوریتم های طبقه بندی نظارت شده غیرپارامتریک در تهیة نقشه پوشش زمین با استفاده از تصاویر لندست 8". سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی, 6, 3, 1394, 29-44.
میرزایی زاده, وحید, نیک نژاد, مریم, اولادی قادیکلایی, جعفر. (1394). 'ارزیابی الگوریتم های طبقه بندی نظارت شده غیرپارامتریک در تهیة نقشه پوشش زمین با استفاده از تصاویر لندست 8', سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی, 6(3), pp. 29-44.
میرزایی زاده, وحید, نیک نژاد, مریم, اولادی قادیکلایی, جعفر. ارزیابی الگوریتم های طبقه بندی نظارت شده غیرپارامتریک در تهیة نقشه پوشش زمین با استفاده از تصاویر لندست 8. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی, 1394; 6(3): 29-44.
ارزیابی الگوریتم های طبقه بندی نظارت شده غیرپارامتریک در تهیة نقشه پوشش زمین با استفاده از تصاویر لندست 8
1دانشآموخته کارشناسی ارشد جنگلداری، دانشگاه ایلام
2دانشجوی دکتری جنگلداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری
3دانشیار دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
چکیده
هدف از این تحقیق ارزیابی کارایی سه الگوریتم ماشین بردار پشتیبان، درخت تصمیمگیری و شبکه عصبی مصنوعی فازی آرتمپ جهت تهیة نقشه پوشش زمین حوزه آبخیز ارکواز با استفاده از تصویر سنجنده OLI ماهواره لندست 8 (سال 1393) است. پس از تصحیح هندسی تصاویر و پیشپردازشهای صورت گرفته، اقدام به تعیین نمونههای تعلیمی مربوط به طبقات پوشش زمین برای انجام عملیات طبقهبندی شد و ارزیابی تفکیک پذیری نمونهها در هر کدام از طبقات پوشش زمین با استفاده از شاخص آماری واگرایی تعیین شد. به منظور ارزیابی صحت نتایج طبقهبندی هر کدام از الگوریتمها، نقشه واقعیت زمینی با استفاده از روش سیستماتیک به ابعاد 550 متری طراحی و نوع پوشش زمینی آنها در محل نمونهها مشخص گردید. در نهایت، کارایی روشهای طبقهبندی با استفاده از معیارهای صحت کلی، ضریب کاپا، صحت تولید کننده و صحت کاربر مورد بررسی قرار گرفت. مقایسة صحتهای کلی و ضریب کاپای کسب شده برای سه طبقهبندی کننده با مجموعه باندی مناسب در مقایسه با نقشة واقعیت زمینی نشان داد که طبقهبندی کننده ماشین بردار پشتیبان با مقدار صحت کلی 26/91% و ضریب کاپای 8731/0 نتایج مطلوبتری نسبت به سایر الگوریتمها دارد. نتایج همچنین نشان داد که تفکیک و طبقهبندی اراضی جنگلی از سایر طبقات کاربری منطقه با صحت بالا صورت گرفته است.