مقایسه کارایی الگوریتم های کاربری مختلف طبقه بندی جهت استخراج نقشه های کاربری اراضی از تصاویر Sentinel-2A

یکی از راه های تهیه نقشه های پوشش گیاهی و کاربری اراضی، استفاده از داده های ماهواره ای و فرایند طبقه بندی تصاویر است. استفاده از تصاویر ماهواره ای مستلزم شناخت کارآیی این ابزار و نیز شناسایی بهترین روش های کاربرد آن ها می باشد. هدف پژوهش مقایسه میزان کارآیی پنج روش رایج طبقه بندی نظارت شده با استفاده از تصاویر سنجنده Sentinel-2A جهت استخراج کاربری های اراضی باغ، مناطق مسکونی، جاده، اراضی کشاورزی، اراضی بایر، اراضی مرتعی و پهنه های آبی می باشد. در این راستا ابتدا تصحیحات هندسی، رادیومتریکی واتمسفری برروی تصویر اعمال شد، سپس نمونه های آموزشی در 7 کلاس کاربی از تصویر استخراج گردید و با استفاده از روش Stratified Random تعداد 204 نمونه نقطه به ازای هر کلاس تولید شد. در ادامه منطقه مورد مطالعه با استفاده از روش های طبقه بندی حداکثر احتمال، حداقل فاصله، فاصله ماهالونوبیس،شبکه عصبی و روش پشتیبان بردار ماشین طبقه بندی شدند. پس از تولید نقشه های کاربری توسط روش های طبقه بندی مذکور، جهت بررسی دقت هر کدام از روش ها، مجدداً با استفاده از روشStratified Random مقدار 144 نمونه برای هر کاربری از بین نمونه های زمینی و نمونه های حاصل از گوگل ارث استخراج گردید. سپس با استفاده از این نمونه ها، ضریب کاپا و دقت هریک از روش های طبقه بندی استخراج شد. نتایج نشان دادکه روش پشتیبان بردار ماشین به ترتیب با ضریب کاپا 0/92 و دقت کلی 92/89 دارای بیشترین دقت در مقایسه با سایر روش ها می باشد. با بررسی دقت هر کاربری در این دو روش کاملا مشهود است که روش پشتیبان بردار دراستخراج کاربری های باغ، جاده و انسان ساخت به ترتیب با دقت برابر با 94/44، 93/06 و 96/53 بهتر از روش حداکثر احتمال عمل کرده است. که این نتایج حاکی از این است که روش پشتیبان بردار ماشین در شناسایی عوارض با هندسه منظم عملکرد بهتری داشته است.