استفاده از روش شبکه عصبی مصنوعی آرتمپ فازی جهت بررسی روند تغییرات پوشش مرتعی

هدف اصلی از پردازش تصاویر ماهواره ای، تهیه نقشه های موضوعی و کارآمد می باشد، انتخاب روش مناسب طبقه بندی نقش مهمی در این امر ایفاء می کند. در میان روش های مختلفی که برای طبقه-بندی تصاویر وجود دارد طبقه بندی به کمک شبکه های عصبی مصنوعی دارای دقت بالایی می باشد. در این مطالعه، تصاویر سنجنده TM سال 1987، سنجنده ETM+ سال های 2000 و 2006 با استفاده از شبکه عصبی مصنوعی آرتمپ فازی در حوزه مهرگان استان کرمانشاه با مساحت 86/5957 هکتار آنالیز شده و تغییرات وضعیت پوشش مرتعی رخ داده در این حوزه در سه دوره زمانی، از سال 1987 تا 2000 و 2000 تا 2006 بررسی گردید. در این مطالعه، ابتدا تصحیحات هندسی و رادیومتری بر روی داده های ماهواره لندست سال های مورد نظر صورت گرفت. سپس با بازدیدهای میدانی، طبقات مختلف کاربری اراضی تعریف و نمونه های آموزشی انتخاب گردید. نتایج به دست آمده نشان می دهد طی دوره زمانی (1987-2000) وسعت اراضی مرتع کم تراکم و کشاورزی منطقه مورد مطالعه به ترتیب 09/89 و 08/321، افزایش یافته، در حالی که مرتع پرتراکم و مرتع نیمه تراکم، به ترتیب با روند کاهشی برابر با 29/358 و 89/48 هکتار روبرو بوده است. همچنین در طی دوره زمانی (2000-2006) وسعت اراضی مرتع کم تراکم و کشاورزی منطقه مورد مطالعه به ترتیب 98/64 و 12/727، افزایش یافته، در حالی که مرتع پرتراکم و مرتع نیمه تراکم، به ترتیب با روند کاهشی برابر با 01/144 و 1/648 هکتار روبرو بوده است. از دیگر نتایج به دست آمده این که، دقت نقشه های پوشش گیاهی حاصله از طبقه بندی داده های ماهواره ای با استفاده از الگوریتم شبکه عصبی مصنوعی آرتمپ فازی برای تصاویر (1987)TM و (2000 و 2006)ETM+ به ترتیب برابر با 97، 90 و 94 درصد بوده است که بیانگر دقت بالای این الگوریتم در طبقه بندی داده های ماهواره ای است. بنابراین این تحقیق کارایی و قابلیت روش شبکه عصبی مصنوعی آرتمپ فازی را در طبقه بندی بهتر تصاویر سنجش از دور اثبات می نماید.