مقایسه کارآیی روش های طبقه بندی پیکسل پایه (روش های شبکه عصبی آرتمپ فازی و تصمیم گیری درختی) و شیءگرا در تهیه نقشه کاربری اراضی (مطالعه موردی: حوزه خشک و نیمه خشک میمه، استان ایلام)

نقشه کاربری اراضی، از ابزارهای پایه برای مدیران و برنامه ریزان در راستای توسعه پایدار مناطق مختلف است. روش های مختلفی برای تهیه نقشه کاربری اراضی ارائه شده است. تهیه نقشه کاربری اراضی با استفاده از تصاویر ماهواره ای با بهره گیری از تکنیک های مختلفی از جدیدترین و مهم ترین این روش ها است. هدف از این تحقیق انجام، بررسی کارایی روش های طبقه بندی پیکسل پایه (روش های شبکه عصبی آرتمپ فازی و تصمیم گیری درختی) و روش طبقه بندی مبتنی بر شی های تصویری (شیءگرا) با استفاده از داده های ماهواره ی لندست 8 مربوط به سال 2013 جهت تهیه نقشه کاربری اراضی حوزه میمه، استان ایلام است. پس از انجام تصحیحات لازم برروی تصاویر ماهواره ای، طبقات مختلف کاربری اراضی تعریف و نمونه های آموزشی انتخاب شد. نتایج طبقه بندی با استفاده از سه روش شبکه عصبی آرتمپ فازی، تصمیم گیری درختی جینی و شیءگرا نشان می دهد روش شیءگرا، دقت کل 30/95 و ضریب کاپای 88/90 درصد و روش های تصمیم گیری درختی جینی و شبکه عصبی آرتمپ فازی، به ترتیب دقت کل 32/80 و 20/72 و ضریب کاپای 75/68 و 18/36را ایجاد کرده است از این رو، روش طبقه بندی شیءگرا با اختلاف دقت کل 98/14% و 1/23% و ضریب کاپای 13/22% و 7/54% نسبت به روش های تصمیم گیری درختی جینی و شبکه عصبی آرتمپ فازی، در این مطالعه از دقت بالاتری برخوردار است. با مقایسه مساحت نقشه های حاصل از سه روش طبقه بندی، مساحت کاربری های کشاورزی، مرتع فقیر و اراضی مسکونی تقریبا نزدیک هم هستند. همچنین بیشترین اختلاف مساحت مربوط به کاربری مرتع متوسط و کمترین اختلاف نیز مربوط به کاربری اراضی مسکونی بود.