جواد چزگی - دانشجوی کارشناسی ارشد مهندسی آبخیزداری- دانشکده منابع طبیعی دانشگاه تربیت مدرس، نور
مهدی وفاخواه - دانشیار گروه علوم و مهندسی آبخیزداری- دانشکده منابع طبیعی دانشگاه تربیت مدرس، نور
سامره فلاحتکار - استادیار گروه محیطزیست- دانشکده منابع طبیعی دانشگاه تربیت مدرس، نور

نقشه ه ای پوشش اراضی یکی از اساسی ترین اطلاعات پایه مورد نیاز مدیران منابع طبیعی در راستای مدیریت صحیح و بهینه منابع طبیعی است. با پیشرفت علم سنجش از دور و داده ه ای ماهوارهای در سالهای اخیر، روشهای طبقهبندی تصاویر ماهواره ای هم افزایش یافته اند. بنابراین لازم است تا دقت روشها و الگوریتم های مختلف در تهیه نقشه پوشش اراضی بررسی شود. در همین راستا پژوهش حاضر به مقایسه کارایی دو روش حداکثر احتمال و شبکه عصبی مصنوعی پرسپترون چند لایه در تهیه نقشه پوشش اراضی حوزه آبخیز امامه تهران پرداخته است. نتایج نشان داد در مناطقی بین پوششهای موجود در منطقه رفتارهای طیفی مشابه وجود دارد که سبب اختلال در طبقه بندی صحیح منطقه میگردد. این مشکل در هر دو الگوریتم به کار گرفته شده مشاهده شد. با کمک از تفسیر چشمی و تهیه داده ه ای تعلیمی دقیق طبقه بندی قابل قبولی از تصویر OLI حاصل شد. ضریب کاپا و صحت کلی نقشه های نهایی 0/81 و 86/12 درصد برای روش حداکثر احتمال و 0/87 و 91/9 درصد برای روش شبکه عصبی مصنوعی براورد گردید. نتایج صحت بالاتر روش شبکه عصبی مصنوعی را نسبت به روش حداکثر احتمال در منطقه مورد مطالعه نشان می دهد.

سنجنده OLI، حداکثر احتمال، شبکه عصبی مصنوعی، حوزه آبخیز امامه