چکیده:
با توسعة روشهای گوناگون در زمینة طبقهبندی تصاویر ماهوارهای و آشکارسازی تغییرات به ویژه در دهة اخیر، انتخاب بهترین و صحیحترین روش برای تهیه نقشه کاربری و پوشش اراضی در مناطق مختلف رشد روزافزونی داشته است. هدف اصلی این پژوهش مقایسه الگوریتم طبقهبندی برای طبقهبندی پوشش سطح زمین در منطقه خشک دشت یزد-اردکان است. به این منظور، چهار طبقه کاربری اراضی در دشت یزد_اردکان (شامل اراضی بایر، مناطق مسکونی، ، مرتع ، کشاورزی، جاده) بااستفاده از تصاویر ماهوارهای تعیین شد. سپس نمونههای آموزشی از سطح منطقه با استفاده از عکسهای هوایی 1:20000، تصاویر ماهوارهای، تصاویر گوگل ارث و بازدید میدانی جمع آوری شد. در مرحله بعد، با استفاده از ویژگیهای تصاویر، کلاسهای کاربری اراضی در محدوده مورد مطالعه تعیین و پس از مشخص نمودن میزان تفکیکپذیری کلاسها، طبقهبندی بهصورت فاصله ماهالانویی، حداکثر احتمال، ماشین بردار پشتیبان، حداقل فاصله از میانگین، کدگذاری باینری، جعبه ای، شبکه عصبی، نقشه بردار زاویه طیفی انجام شد. نتایج ارزیابی دقت این 8 روش نشان داد که روش استفاده ازالگوریتمهای حداکثر احتمال، فاصله ماهالانویی، ماشین بردار پشتیبان، نسبت به دیگر روش های طبقه بندی، از دقت بیشتری برخوردار است.
In recent decades, with the development of various methods in the field of satellite image classification and change detection, there has been an increasing advancement in choosing the best and accurate method for preparation of maps of lands use and land cover. The aim of this study is to compare some algorithms which are used in land cover classification in arid lands of Ardakan plain, Yazd. For this purpose, the satellite images of the plain were categorized into four classes of bare lands, residential areas, rangelands, agricultural and road. Then, training samples were collected by using 1: 20000 aerial photos, satellite images, and Google Earth as well as through field visits Next, considering the characteristics of the images, the land use classes in the study area were defined. After the amount of differentiation of the classes was determined, land cover classification was done through Mahalanobis distance, maximum likelihood, support vector machine, minimum distance, binary encoding, parallelepiped, neural network, and spectral angel mapper. The results of the accuracy assessment of these eight methods showed that maximum likelihood, Mahalanobis distance, and support vector machine have the best performance in land use mapping in arid lands.
خلاصه ماشینی:
مقايسه دقت انواع روش هاي طبقه بندي در تهيه نقشه کاربري اراضي (مطالعه موردي: شهر يزد) مرضيه خزاعي ١ ، کارشناسي ارشد مديريت مناطق بياباني ، دانشکده منابع طبيعي ، دانشگاه يزد، يزد محمد زارع ، استاديار دانشکده منابع طبيعي ، دانشگاه يزد، يزد محمدحسين مختاري، استاديار دانشکده منابع طبيعي ، دانشگاه يزد، يزد آناهيتا رشتيان ، استاديار دانشکده منابع طبيعي ، دانشگاه يزد، يزد فهيمه عربي عليآباد، دانشجوي دکتري مديريت و کنترل مناطق بياباني ، دانشکده منابع طبيعي ، دانشگاه يزد، يزد چکيده با توسعۀ روش هاي گوناگون در زمينۀ طبقه بندي تصاوير ماهواره اي و آشکارسازي تغييرات به ويژه در دهۀ اخير، انتخاب بهترين و صحيح ترين روش براي تهيه نقشه کاربري و پوشش اراضـي در منـاطق مختلف رشد روزافزوني داشته است .
(اسکات و مارک (٢٠٠١)، به منظور ارزيـابي داده هـاي سـنجنده +ETM در تهيـه نقشـه پوشش اراضي در جنگل هاي فورت بنينگ ايالات متحده صحت کلي ٦٩/٥% را بـا اسـتفاده از الگوريتم حداکثر احتمال براي ١٠ کاربري به دست آوردند.
جدول ١- خصوصيات سنجنده مورد استفاده {مراجعه شود به فایل جدول الحاقی} روش کار براي طبقه بندي پوشش اراضي ابتدا تصوير لندست ٥ بر اساس لندست ٧ زمين مرجع شـد.
هدف از اين تحقيق مقايسه روش هاي گوناگون طبقه بنـدي نظارت شده و تهيه نقشه پوشش سطحي و کاربري اراضي شهر يزد با استفاده از سنجنده هاي +ETM و TM ماهواره لندست است .
طبقـه بنـدي کننـده Maximum likelihod يکي از متداول ترين روش هاي طبقه بنـدي داده هـاي سـنجش از دور بود که تکنيک مناسبي جهت طبقه بندي رقومي تصاوير ماهواره اي است .