ارزیابی توان تفکیکی روش های طبقه بندی پیکسل پایه داده های لندست 8 در تشخیص نوع پوشش اراضی مناطق کوهستانی، مطالعه موردی: حوزه آبخیز بشار

هدف از پژوهش حاضر، بررسی توان الگوریتم های مختلف طبقه بندی نظارت شده و نظارت نشده داده های سنجش از دور در تشخیص و تفکیک پوشش اراضی حوضه کوهستانی رودخانه بشار با استفاده از داده های لندست 8 بوده است. بدین منظور، پس از بررسی دقت هندسی و انجام تصحیحات رادیومتریک و اتمسفریک داده های ماهواره ای، مجموعه داده حاصل از ترکیب باندهای انعکاسی (باندهای 2، 3، 4، 5، 6، 7 و 8) و حرارتی (باند 10) ایجاد شد. سپس، طبقه بندی پیکسل پایه با استفاده از الگوریتم های نظارت شده احتمال حداکثر، ماشین بردار پشتیبان، فاصله ماهانالویی، حداقل فاصله، شبکه عصبی، پارالویید، نقشه بردار زاویه طیفی، واگرایی اطلاعات طیفی، کدگذاری باینری و الگوریتم های نظارت نشده K-Means و IsoData انجام شد. دقت الگوریتم ها در شناسایی هر کدام از کاربری ها بر مبنای تحلیل ماتریس خطا، با استفاده از مقیاس های دقت تولید کننده، دقت کاربر و دقت کلی بر اساس قاعده خطای حذف و اضافه و ضریب کاپا ارزیابی شد. نتایج مبتنی بر ماتریس خطا نشان داد که مناسب ترین الگوریتم برای تفکیک و شناسایی کاربری/پوشش زراعت، ساخت و ساز، صخره، جنگل، باغ، مرتع، پیکره آبی و رها شده به ترتیب، احتمال حداکثر، فاصله ماهالانویی، احتمال حداکثر، فاصله ماهالانویی، شبکه عصبی، ماشین بردار پشتیبان، ماشین بردار پشتیبان، احتمال حداکثر است. درصد صحت کلی و ضریب کاپای الگوریتم ها نیز نشان می دهد که چهار الگوریتم احتمال حداکثر، ماشین بردار پشتیبان، فاصله ماهالانویی و شبکه عصبی با دقت کل به ترتیب 25/77، 9/75، 59/69 و 02/68 درصد و ضریب کاپای به ترتیب 0.72، 0.69، 0.63 و 0.58 نسبت به سایر الگوریتم ها عملکرد بهتری از خود نشان داده اند. به طور کلی، می توان با انتخاب و استفاده از مناسب ترین الگوریتم طبقه بندی برای هر نوع کاربری/پوشش در مناطق کوهستانی و سپس، ادغام نقشه های منفرد کاربری اراضی با یکدیگر، دقت طبقه بندی را بالا برده و نتایج بهتری نیز حاصل شود.