سیده فریبا حسینی - دانشجوی کارشناسی ارشد ارزیابی و آمایش سرزمین دانشگاه گیلان
مهرداد خانمحمدی - عضو هیئت علمی گروه محیط زیست دانشکده منابع طبیعی دانشگاه گیلان

یکی از ضروری ترین اطلاعات مورد نیاز مدیران ومتولیان منابع طبیعی نقشه های کاربری اراضی می باشد .داده های ماهواره ای جهت ارائه اطلاعات بهنگام و رقومی _تنوع اشکال و امکان پردازش در تهیه نقشه های کاربری اراضی از اهمیت بالایی برخوردار است .از سوی دیگر در سالهای اخیر بطور گسترده ووسیع جهت طبقه بندی تصاویر از روش های طبقه بندی پیشرفته از قبیل شبکه عصبی مصنوعی _مجموعه های فازی و سیستم های هوشمند استفاده میشود .هدف اصلی این تحقیق مقایسه وش های مختلف جهت طبقه بندی کاربری اراضی با استفاده از تصاویر ماهواره Landsat می باشد .با استفاده ازین تصاویر و دو الگوریتم طبقه بندی نظارت شده شامل حداکثر احتمال و ماشین بردار پشتیبان نقشه کاربری اراضی تهیه گردید . نتایج حاصل از ارزیابی دقت این دو روش با استفاده از تعیین ضریب کاپا نشان داده شده است که الگوریتم ماشین بردار پشتیبان با ضریب 0,91 نسبت به الگوریتم حداکثر احتمال 0,87 از دقت بیشتری برخوردار است نتایج این مطالعه همچنین نشان میدهد که الگوریتم های سنتی طبقه بندی مانند روش های آماری بخاطر انعطاف پذیری پایین و انواع پارامتریک آن مثل روش حداکثر احتمال بخاطر وابستگی به مدل آمار گوسی نمی توانند نتایج بهینه در صورت نرمال نبودن داده های آموزشی فراهم آورند در حالیکه موفقیت الگریتم ماشین بردار پشتیبان در سنجش از دور این است که می تواند داده هایی با منابع مختلف را باهم تلفیق نماید .

کاربری اراضی , طبقه بندی تصویر , ماشین بردار پشتیبان , حداکثر احتمال , ضریب کاپا