ارائه روشی تلفیقی مبتنی بر الگوریتم های طبقه بندی پارامتریک و غیر پارامتریک به منظور جداسازی پوشش های مختلف در جنگل های هیرکانی

تهیه نقشه های پوشش اراضی با دقت بالا، همواره یکی از اهداف مهم محققان در زمینه مدیریت اراضی بوده است. هدف از این پژوهش، ارائه روش نوینی جهت تهیه نقشه های کاربری اراضی با استفاده از پردازش تصاویر ماهواره ای بوده است. به همین منظور، از تصاویر ماهواره لندست ۸، به عنوان تصویر پایه و نقشه مدل رقومی ارتفاعی (DEM)، داده های حاصل از تجزیه به عنوان مولفه ­های اصلی و شاخص های طیفی جهت استخراج نقشه پوشش اراضی در منطقه مطالعاتی استفاده شد. پس از پیش پردازش ها و آماده سازی داده های مورد نیاز، اقدام به تهیه نمونه های آموزشی شد. در این پژوهش، نمونه های آموزشی در دو بخش به کار گرفته شدند؛ در بخش اول از آنها به عنوان ورودی، جهت طبقه بندی تصویر با الگوریتم های نظارت شده، حداکثر احتمال و ماشین بردار پشتیبان استفاده شد. در بخش دوم، به منظور طبقه بندی با روش درخت تصمیم گیری، از این نمونه ها برای تعیین محدوده بازتاب طیفی هر پوشش در طیف امواج الکترومغناطیس (باندهای تصویر، PCA، شاخص های طیفی و DEM) استفاده شد. سپس با استفاده از این داده ها و شروط دودویی درخت تصمیم گیری، هر پوشش مشخص و نقشه پوشش آن استخراج شد. پس از تهیه نقشه های ذکر شده، به منظور تلفیق نتایج طبقه بندی و حصول دقت بالاتر، از روش حداکثر رای گیری به منظور تهیه نقشه تلفیقی جدید پوشش اراضی منطقه استفاده شد. همچنین به منظور ارزیابی دقت نقشه های تولیدی، از پارامترهای آماری منتج از ماتریس ابهام شامل دقت کلی، ضریب کاپا، دقت کاربر و دقت تولیدکننده استفاده شد. بر اساس نتایج حاصله، روش تلفیقی با دقت کلی ۳۷/۹۳ درصد و ضریب کاپا ۹۱/۰ دارای بیشترین دقت بوده است. دقت کلی نقشه پوشش روش درخت تصمیم گیری، ماشین بردار پشتیبان و حداکثر احتمال نیز به ترتیب ۶۱/۸۹، ۰۱/۸۸ و ۶/۸۷ درصد بوده اند. با توجه به اینکه در طبیعت پوشش خالص، به ندرت مشاهده می شود و بیشتر پوشش ها به صورت ترکیبی وجود دارند، لذا بهتر است از روش های نوینی که همه ابعاد پدیده ها را پوشش می دهند استفاده شود. در این پژوهش، اطلاعات حاصل از طبقه بندی نظارت شده و همچنین اطلاعات حاصل از روش منطقی درخت تصمیم گیری با یکدیگر تلفیق شده و نتایج حاصله به خوبی، بیانگر بهبود دقت نهایی طبقه بندی بودند.

Keywords:

طبقه بندی حداکثر رای گیری , کاربری اراضی , الگوریتم های طبقه بندی , سنجش از دور , لندست ۸