مقایسه ی الگوریتم های طبقه بندی شبکه ی عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال در استخراج نقشه کاربری اراضی حوزه آبخیز ابوالعباس

تهیه نقشه ­های کاربری اراضی یکی از مهمترین وظایف فن­آوری سنجش از دور در مدیریت عرصه­های مختلف محسوب می­گردد. در تحقیق حاضر جهت تهیه نقشه کاربری اراضی حوزه آبخیز ابوالعباس از تصویر ماهواره­ای لندست/TM سال ۱۳۸۸ استفاده شده است. سپس تصویر به کمک هر یک از الگوریتم­های شبکه عصبی مصنوعی پرسپترون سه لایه، ماشین بردار پشتیبان شعاعی و الگوریتم حداکثر احتمال طبقه­بندی شد. در نهایت میزان کارایی الگوریتم­های مختلف طبقه­بندی در تهیه  نقشه کاربری اراضی منطقه­ی مورد نظر، با استفاده از پارامترهای دقت کلی و ضریب کاپا مورد ارزیابی قرار گرفت. نتایج نشان داد که روش­های ناپارامتریک مانند شبکه عصبی مصنوعی (دقت کلی ۸/۹۵ درصد، ضریب کاپای۹۵/۰) و ماشین بردار پشتیبان شعاعی (دقت کلی ۸/۹۵ درصد، ضریب کاپای۹۴/۰) با دقت کلی و ضریب کاپای تقریبا مشابه در بهترین حالت دارای صحت و دقت بالاتری در تهیه نقشه کاربری اراضی نسبت به روش پارامتریک حداکتر احتمال (دقت کلی۷/۹۳ درصد، ضریب کاپای۹۱/۰) می باشند. در کل مطالعه­ی حاضر نشان داد که هر سه الگوریتم طبقه­بندی شبکه عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال قابلیت تهیه نقشه کاربری اراضی را با صحت بالا، دارا می باشند.

Keywords:

Satellite image , Classification algorithms , Land use map , Overall accuracy , Kappa coefficient , Abolabbas basin. , تصویر ماهواره ای , الگوریتم طبقه بندی , نقشه کاربری اراضی , ضریب کاپا , دقت کلی , حوزه آبخیز ابوالعباس.