فهیمه عربی علی آباد - دانشجوی کارشناسی ارشد مدیریت مناطق خشک و بیابانی، دانشگاه یزد
محمدحسین مختاری - استادیار دانشکده منابع طبیعی دانشگاه یزد

یکی از ضروریترین اطلاعات مورد نیاز مدیران و متولیان منابع طبیعی، نقشه های کاربری ارا ضی می باشد. امروزه فنآوریسنجش از دور به واسطه پیشرفت زیادی که داشته است به کاربران این امکان را داده تا با استفاده از این علم تغییرات حاصلاز عوامل طبیعی و انسانی را مورد بررسی و مقدار این تغییرات را مشخص سازد. محققان برای طبقه بندی تصاویر از روش هایمختلفی ا ستفاده می کنند که هر کدام دارای دقت و عملکرد بهتری نسبت به یکدیگر می باشند. هدف از این مطالعه مقایسهدقت روش های شبکه عصبی پرسپترون و فاصله ماهالانویی برای طبقه بندی پوشش سطح زمین در مناطق خشک (دشتیزد ارکان) بود؛ طبقه های کاربری اراضی منطقه مورد نظر در 7 کاربری اراضی (مرتع فقیر، اراضی بایر، مناطق مسکونی،تپه های ماسه ای، مرتع متوسط، کشاورزی، اراضی صخره ای) تعیین شد و نتایج حاصل از ارزیابی دقت این دو روش با استفادهاز صحت کلی و ضریب کاپا نشان داد روش فاصله ماهالانویی با صحت کل 892 / 0 و ضریب کاپای 8049 / 0 درصد و روششبکه ی عصبی پرسپترون چندلایه با صحت کل 233 / 0 و ضریب کاپای 21 / 0 درصد عملکرد بهتری در تهیه نقشه کاربریاراضی داشته است بنابراین روش فاصله ماهالانویی نسبت به روش پرسپترون از کارایی بیشتری در مناطق خشک برخوردار است.

شبکه عصبی، حداکثر احتمال، کاربری اراضی، طبقه بندی ، دشت یزد – اردکان