احمد نجفی
سارا عزیزی قلاتی
محمدحسین مختاری

طبقه بندی جهت استخراج کاربری های اراضی همیشه یکی از مهم ترین کاربردهای سنجش از دور بوده و به همین دلیل روش های متفاوتی ایجاد شده اند. با گذشت زمان روش های پیشرفته تر و با دقت بالاتری به وجود آمدند که باعث افزایش دقت شده و در استخراج کلاس هایی که از نظر طیفی به هم نزدیک تر بودند بهتر عمل کرده اند. یکی از این روش ها ماشین بردار پشتیبان است که در این تحقیق از این روش برای استخراج کاربری های جنگل، کشاورزی، مرتع و شهر استفاده شده و کرنل های مختلف آن شامل خطی (Linear)، چندجمله ای (Polynomial)، شعاعی (RBF) و حلقوی (Sigmoid) مورد ارزیابی قرار گرفتند تا بهترین کرنل جهت استخراج کاربری های نامبرده مشخص گردد. نتیجه نشان داد بهترین ضریب کاپا و دقت کلی به ترتیب مربوط به پلی نومیال­های درجه ۵، ۶ و ۴ و کمترین مربوط به حلقوی یا Sigmoid است. با افزایش درجه پلی نومیال (بجز درجه ۲) به ضریب کاپا و دقت کلی افزوده شد. در کل به این نتیجه رسیدیم که با افزایش درجات پلی نومیال مرز بین کلاس ها بهتر تفکیک شد و در قسمت هایی که از نظر طیفی نزدیک به هم بودند موفق تر عمل نمود. همچنین افزایش درجه در پلی نومیال باعث شد با دقت بیشتری مرز بین کلاس ها جدا شوند. همچنین هنگامی که هدف ما طبقه بندی بیش از دو کاربری است استفاده از درجات بالاتر پلی نومیال (ترجیحا ۵ یا ۶) توصیه می شود.

Classification, Landuse, Remote sensing, Suport vector machine, کاربری اراضی, ماشین بردار پشتیبان, طبقه بندی, سنجش از دور