ارزیابی روش شبکه عصبی (MLP) و طبقه بندی شی گرا در استخراج کاربری اراضی مطالعه موردی: شهرستان مرند

پایش تغییرات کاربری و پوشش اراضی نقش اساسی در برنامه ریزی و مدیریت محیط زیست دارد. شناسایی پدیدههایی مانند کاربری و پوشش اراضی به روش سنتی وقت گیر و پرهزینه است. در حالی که روش های رقومی استخراج اطلاعات از دادههای دور سنجی سریعتر و کم هزینه تر می باشد. تصاویر ماهواره ای و تکنیکهای سنجش از دور، به دلیل فراهم آوردن دادههای به هنگام و قابلیت بالای آنالیز تصویر، کاربرد گستردهای در تمامی بخش ها از جمله کشاورزی و منابع طبیعی دارند. در پژوهش حاضر با هدف مقایسه روش شبکه عصبی مصنوعی (مدل MLP با الگوریتم پس انتشار ) با روش شیءگرا اقدام به تهیه نقشه کاربری ارضی شهرستان مرند استان آذربایجان شرقی با استفاده از تصویر ماهواره ای اسپات گردید. پس از عملیات پیش پردازش ( تصحیحات اتمسفری، هندسی، ارتفاعی) و نرمال سازی تصویر، مدل شبکه عصبی روی آن انجام و از تصویر طبقه بندی نظارت نشده (پنج طبقه) به عنوان داده کمکی استفاده شد. نهایتا پس از انتخاب پارامترهای مختلف شبکه با توپولوژی ۹لایه ورودی، ۱۲ لایه پنهان و ۱۲ لایه خروجی (12*12*9) به عنوان بهترین شبکه انتخاب گردید و نقشه کاربری تولید شده پس از بررسی زمینی با دقت کلی ۸۷٪ و کاپای 84% ارزیابی شد و در روش شیءگرا برای سگمنت سازی از اطلاعات مربوط به ویژگی های هندسی کلاس ها شامل (محتوا، شکل، بافت) استفاده شد. برای سگمنت سازی از پارامتر مقیاس ۵۰ انتخاب، معیار همگنی برای رنگ 8/0، نرمی شکل 9/0 شکل 1/0 و فشردگی 5/0 در نظر گرفته شد. نتایج حاکی از دقت بالای روش شیءگرا در مقایسه با روش شبکه عصبی می باشد. مقایسه واقعیتهای زمینی و مشاهدات میدانی با نقشه حاصل از طبقه بندی بیانگر دقت بالای روش شیءگرا برای طبقه بندی کاربری و پوشش اراضی می باشد

Keywords:

کاربری اراضی , اسپات , شهرستان مرند , شی ء گرا , شبکه عصبی