مقایسه میزان کارآیی سه روش طبقه بندی نظارت شده بر داده های ماهواره ای در مطالعه پوشش برف

در اختیار داشتن نقشه های کاربری اراضی جدید در بسیاری از زمینه ها از جمله برنامه ریزی و مدیریت منابع طبیعی از اهمیت بسیاری برخوردار است. امروزه تعدادی از روش های پیشرفته طبقه بندی توسعه پیدا کرده اند که از آنها میتوان به شبکه های عصبی مصنوعی و ماشین بردار پشتیبان اشاره کرد. در این مطالعه از تصاویر سنجنده +ETM با قدرت تفکیک 30 متر جهت استخراج سطح پوشش برف با استفاده از سه روش طبقه بندی شبکه عصبی مصنوعی، ماشین بردار پشتیبان و بیشترین شباهت اقدام شد. پس از پردازش های اولیه بر روی تصاویر و با استفاده از نمونه های تعلیمی، طبقه بندی بر روی تصاویر صورت پذیرفت. نتایج حاصل از آنالیز آماری ضرایب صحت نشان داد که شبکه عصبی مصنوعی نسبت به روش ماشین بردار پشتیبان و روش بیشترین شباهت با ضریب کاپای 0/945 و صحت کلی 96/75 درصد دارای بیشترین دقت در برآورد پوشش برف و آب و خاک میباشد. روش شبکه عصبی مصنوعی کلاسهایی را که دارای خصوصیات طیفی مشترک بودند بهتر تفکیک کرد است. همچنین در جدا سازی پوشش برف و آب و خاک ماشین بردار پشتیبان قابلیت جداسازی بهتری نسبت به بیشترین شباهت داشته و تشخیص مرز بین عارضه ها ملموس تر نمایان گردیده است. با توجه به نتایج هر سه روش شبکه عصبی مصنوعی، ماشین بردار پشتیبان و بیشترین شباهت برای طبقه بندی پوشش برف خوب بوده است اما اختلاف اندک این سه روش میتواند ناشی از این باشد که در روش بیشترین شباهت خطا کمینه میشود ولی شبکه عصبی مصنوعی و ماشین بردار پشتیبان ریسک ساختاری را کمینه میکند.

کلیدواژه ها:

سطح پوشش برف ، طبقه بندی تصاویر ، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان ، بیشترین شباهت