ارزیابی روش های طبقه بندی شئ گرا و پیکسل مبنا در جداسازی سازندهای زمین شناسی با استفاده از تصاویر لندست 8 و بهره گیری از منطق بولین

تهیه نقشه های سنگ شناسی به کمک داده های میدانی و دورکاوی به دلیل تنوع ساختاری زمین و مشکلاتی مانند دشواری دسترسی به بعضی مناطق، همیشه با خطا همراه بوده است. اما در دهه های گذشته استفاده از تصاویر ماهواره ای کمک شایانی در افزایش دقت و سرعت تهیه نقشه های زمین شناسی داشته است. هدف از پژوهش حاضر، بررسی قابلیت استفاده از تصاویر ماهواره لندست-8 و روش های طبقه بندی پیکسل مبنا و شی گرا در تهیه نقشه سازندهای زمین شناسی بخشی از رشته کوه شیرکوه استان یزد می باشد. این منطقه جزء سلسله کوه های پراکنده ایران مرکزی با اقلیم خشک و حداقل پوشش گیاهی است. در آغاز برای شناسایی سازندها با استفاده از پردازش های: MNF, PCA و FCC بارزسازی انجام شد. سپس با بهره گیری از خوارزمیک های (الگوریتم) شی گرا (BAYES، SVM، KNN، DECISION TREE و RANDOM FOREST)، شبکه عصبی (ART MAP، RBF، MLP و SOM) و پیکسل مبنا (حداکثر احتمال، حداقل فاصله، ماهالانوبیس و SAM) ، طبقه بندی شدند و مقدار خطای هرکدام از روش ها با استفاده از منطق بولین و ضریب کاپا محاسبه شد. طبقه بندی حداکثر احتمال با ضریب کاپا 75% در دسته پیکسل مبنا، طبقه بندی آرتمپ فازی در روش شبکه عصبی با ضریب کاپا 72% و طبقه بندی بیز در روش شی گرا  با ضریب کاپا 82% بهترین نتایج را در بین دیگر روش های بررسی شده نشان دادند. این نتایج کارآمدی روش های نامبرده شده را در شناسایی سازندهای زمین شناسی به اثبات می رساند. روش SAM از روش های پیکسل مبنا، روش SOM از روش های شبکه عصبی و روش RF از روش های شی گرا به ترتیب 49 %، 64 % و 61 % کمترین میزان دقت نتایج را در هر دسته نشان دادند.