مهدی اکبرفخرآبادی - دانشجوی کارشناسی ارشد دانشگاه صنعتی مالک اشتر
رضا فاطمی مفرد - استادیار دانشگاه صنعتی مالک اشتر، دانشکده برق
ناصر مهتابی - دانشجوی کارشناسی ارشد دانشگاه صنعتی مالک اشتر
علی بیات - دانشجوی کارشناسی ارشد دانشگاه صنعتی مالک اشتر

تولید آمار و اطلاعات دقیق و واقعی تر همیشه مهمترین دغدغه فکری مدیران و برنامه ریزان است. روش های گوناگون برای تولید این نوع از آمار و اطلاعات وجود دارد، ازجمله این روش های می توان به روش های سنتی ( نقشه برداری زمینی ) و پیشرفته ( نقشه برداری های هوایی و ماهواره ای ) اشاره کرد. در مورد روش های پیشرفته، فن آوری سنجش ازدور به دلایل گوناگون از اهمیت ویژه ای برخوردار است به گونه ای که با توسعه و گسترش این فناوری، انقلابی در تولید آمار و اطلاعات مکان دار به وجود آمده و افق جدیدی را به روی برنامه ریزان و مدیران گشوده است. لازمه اتخاذ اطلاعات دقیق از این فناوری، طبقه بندی اصولی و دقیق تصاویر ماهواره ای است. از دیدگاه تصمیم گیری، نقشه های حاصل از طبقه بندی می توانند مفید واقع شوند، زیرا، این الگوریتم ها اطلاعات پیچیده طیفی مکانی را در تعداد محدودی کلاس موردنیاز، خلاصه می کنند . با طبقه بندی کردن عارضه ها در یک تصویر ما می توانیم از عناصر تفسیری بصری جهت شناخت گروه های همسان مربوط به پیکسل های مورد مطالعه که نشانگر عوارض یا کلاس هایی از واحدهای زمینی دلخواه ( فکیک واحدهای زمین شناسی و غیره ) استفاده کنیم. در تصاویر رقومی جهت پردازش و استفاده از این مدل، بسته به استفاده و کاربرد می توان از دو متد طبقه بندی نظارت شده و طبقه بندی بدون نظارت استفاده کرد . در این پژوهش بر آنیم این دو متد طبقه بندی را در نرم افزار ERDAS انجام و نتایج آن را باهم مقایسه کنیم. مطالعه موردی بر روی داده های ماهواره لندست 8 از منطقه خلیج سانفرانسیسکو در ایالات متحده امریکا است که در سال 2015 نمونه برداری شده اند.

ماهواره سنجش ازدور، طبقه بندی، تصاویر ماهواره ای، روش k-means ، روش حداکثر احتمال