فرحناز رشیدی - استادیار پژوهش، موسسه تحقیقات جنگل ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
ابوالفضل جعفری - استادیار پژوهش، موسسه تحقیقات جنگل ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

مقدمه: هدف این پژوهش، بررسی عملکرد الگوریتم های مختلف در افزایش صحت نقشه پوشش زمین با استفاده از تصاویر سنتینل بوده است.مواد و روش­ها: منطقه پژوهش یک برگ نقشه (مقیاس ۲۵۰۰۰/۱) در منطقه رویشی زاگرس شهرستان مریوان به مساحت ۶/۱۵۷۸۲ هکتار بود. نقشه پوشش زمین با استفاده از الگوریتم های نظارت شده فاصله ماهالانوبیس، حداکثر احتمال، حداقل فاصله از میانگین، شبکه عصبی مصنوعی، موازی، ماشین بردار پشتیبان، نقشه بردار زاویه طیفی، اطلاعات طیفی واگرایی و کدگذاری دودویی با استفاده از بهترین ترکیب باندی از دوازده باند (۲، ۳، ۴، ۵، ۶، ۷، ۸، a۸، ۱۱، ۱۲، NDVI،SAVI ) و نمونه های تعلیمی به دست آمده از اطلاعات میدانی و تصاویر ماهواره ای تهیه شد. از ۷۰ درصد نمونه ها برای طبقه بندی و از ۳۰ درصد برای ارزیابی صحت نقشه های طبقه بندی شده استفاده شد.یافته­ها: نتایج نشان داد که سه طبقه بندی کننده ماشین بردار پشتیبان، شبکه عصبی و حداکثر احتمال دارای بیشترین صحت هستند. طبقه بندی کننده ماشین بردار پشتیبان با اختلاف بسیار جزئی صحت بیشتری از دو طبقه بندی کننده دیگر داشت. شایان ذکر است که برای بهبود طبقه بندی از کرنل های ماشین بردار پشتیبان (خطی، چندجمله ای، تابع پایه شعاعی و حلقوی) و تنظیمات نقشه بردار زاویه طیفی (شش حالت) و موازی (دو حالت) استفاده شد. نتایج نشان داد که طبقه بندی کننده ماشین بردار پشتیبان به روش تابع چندجمله ای با درجه ۶ دارای بیشترین صحت است. سپس نقشه با بیشترین صحت پس پردازش شد و صحت کلی ۶۳/۹۶ و ضریب کاپا ۹۳۹۳/۰ به دست آمد.نتیجه­گیری: بررسی بیست حالت طبقه بندی کننده روی تصاویر سنتینل در این پژوهش، نشان از بررسی کامل الگوریتم های طبقه بندی کننده در مقایسه با پژوهش های انجام گرفته دارد.

چندجمله ای, حداکثر احتمال, شبکه عصبی, کرنل, ماشین بردار پشتیبان