مقایسه الگوریتم‎های مختلف طبقه‎بندی تصاویر ماهواره‎ IRS در تهیه نقشه پراکنش گندم (مطالعه موردی: حوضه قره‎سو، گرگان

به دلیل فقدان نقشه اراضی زراعی در بسیاری از مناطق کشور نمیتوان آمار صحیحی از مناطق کشت محصولات مختلف در هر سال زراعی ارائه داد. با توجه به این که تهیه نقشه زمینهای زراعی به وسیله مساحی نیازمند صرف زمان و هزینه بسیار زیادی میباشد، لذا استفاده از دادههای سنجش از دور به دلیل صرف هزینه و زمان کمتر، یکپارچه و وسیع بودن و تهیه پوششهای تکراری در مقایسه با سایر روشهای گردآوری میتواند مورد توجه قرار گیرد. روش‎های مختلفی جهت طبقه‎بندی تصاویر ماهواره‎ای وجود دارد که هر یک دارای مزایا و معایبی می‎باشند. تحقیق حاضر با هدف تعیین بهترین روش طبقه‎بندی تصویر ماهواره SRI از بین سه روش طبقه‎بندی نظارت ‎شده جهت استخراج نقشه پراکنش گندم در حوضه قره‎سو گرگان صورت گرفته است. در این راستا از دستگاه SPG و نرمافزارهای 1.3.9 SIG CRA و 2.9 ENIGAMI SADRE استفاده شد. برای انجام این تحقیق، محدوده حوزه قرهسو روی تصویر SRI مشخص و از آن جدا گردید و پس از اعمال پردازشهای لازم از جمله تصحیح هندسی تصویر، آنالیز مولفههای اصلی، اعمال شاخص پوشش گیاهی (IVDN(، با استفاده از روش طبقهبندی نظارت شده با سه الگوریتم: حداقل فاصله از میانگین، فاصله ماهالانویی و روش حداکثر احتمال شباهت طبقه‎بندی بر روی تصویر SRI حوضه قره‎سو صورت گرفت و نقشه پراکنش گندم استخراج گردید. از 6831 نقطه کنترل زمینی که توسط دستگاه SPG برداشت شده بود، جهت ارزیابی صحت روش‎های طبقه‎بندی استفاده شد و ضریب کاپا برای هر سه روش طبقه‎بندی محاسبه شد. نتایج نشان داد که الگوریتم حداکثر احتمال شباهت بیشترین دقت را نسبت به دو روش دیگر داشت، به طوری که نقشه پراکنش گندم استخراج شده توسط این روش از ضریب کاپای بالایی برخوردار بود.

کلیدواژه ها:

پراکنش گندم ، حوضه قره‎سو ، IRS ، طبقه‮بندی نظارت شده ، ضریب کاپا