بررسی و ارز یابی روش های طبقه بندی ماشین بردار پشتیبان و شبکه عصبی در استخراج کاربری های اراضی در محیط های پر تراکم شهری با استفاده از تصاویر با قدرت تفکیک بالا (مطالعه موردی: منطقه کرج)

رشد و توسعه شهرها به دلیل افزایش جمعیت شهرنشین باعث تغییرات عمده در کاربری اراضی شهری و تبدیل مناطق روستایی به مناطق شهری شده است. این تغییرات تاثیر بسیار زیادی در محیط زیست در مقیاس های محلی و جهانی دارند. درک تغییرات کاربری اراضی شهری برای برنامه ریزی و سیاست گذاری شهر در جهت رسیدن به توسعه پایدار امری ضروری است. در نتیجه درک بهتر این تغییرات نیازمند نظارت زمین با استفاده از ابزارهای مناسب می باشد. یکی از این ابزارهای نظارتی، تصاویر سنجش از دوری می باشد. به لطف پیشرفت های اخیر در فناوری های ماهواره ای در نتیجه بهبود قدرت تفکیک تصاویر سنجش از دوری، از این تصاویر ماهواره ای با قدرت تفکیک بالا به طور روزافزون برای نظارت تغییرات کاربری اراضی شهری استفاده می شوند. به منظور استخراج دقیق کاربری اراضی شهری با استفاده از تصاویر با قدرت تفکیک بالا نیاز به استفاده از تکنیک های طبقه بندی تصاویر می باشد. در این مطالعه از تکنیک های طبقه بندی ماشین بردار پشتیبان (SVM) و شبکه عصبی (Neural Network) برای استخراج اطلاعات کاربری اراضی شهر با استفاده از تصاویر ماهواره GeoEye-۱ از منطقه کرج استفاده شد. نتایج نشان می دهد روش شبکه عصبی نتایج بهتری از لحاظ دقت نسبت به روش ماشین بردار پشتیبان ارائه می دهد.

Keywords:

سنجش از دور , کاربری اراضی , قدرت تفکیک , طبقه بندی , ماشین بردار پشتیبان , شبکه عصبی