محمد کریمی فیروزجایی - دانشجوی دکتری گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
امیر صدیقی - دانشجوی دکتری گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
نجمه نیسانی سامانی - استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران

بکارگیری ویژگی های بهینه در الگوریتم های مختلف طبقه بندی، بر دقت نتایج حاصل از طبقه بندی تاثیرگذار می باشد. هدف از پژوهش حاضر بررسی قابلیت های تصاویر هایپریون و لندست و مقایسه کارایی الگوریتم های بهینه سازی ازدحام ذرات و جستجوی گرانشی جهت تعیین ویژ گی های بهینه برای تفکیک اراضی فضای سبز و شالیزار می باشد. در این مطالعه از تصاویر ماهواره ای لندست، هایپریون و مجموعه داده های واقعی مربوط به منطقه ای در شمال ایران استفاده شده است. در این مطالعه کارایی الگوریتم های بهینه سازی ازدحام ذرات و جستجوی گرانشی جهت تعیین ویژ گی های بهینه و قابلیت تصاویر لندست و هایپریون برای تفکیک اراضی فضای سبز و شالیزار با استفاده از مجموعه ی داده های واقعی مقایسه گردید. برای ارزیابی نتایج از پارامترهای دقت کاربر، دقت تولید کننده، دقت کلی و ضریب کاپا استفاده شده است. نتایج پژوهش بیانگر این است که دقت کلی تفکیک اراضی فضای سبز و شالیزار با تصویر هایپریون 15 درصد بالاتر از تصویر لندست می باشد. بکارگیری شاخص های طیفی در فرایند طبقه بندی، سبب بهبود دقت تفکیک اراضی فضای سبز و شالیزار در هر دو داده لندست و هایپریون می گردد. همچنین استفاده از الگوریتم بهینه سازی برای تعیین ویژگی های بهینه و استفاده از ویژگی های بهینه در فرایند طبقه بندی سبب افزایش دقت تفکیک اراضی فضای سبز و شالیزار می گردد. با توجه به مقادیر دقت کلی، کارایی الگوریتم بهینه سازی جستجوی گرانشی برای تفکیک اراضی فضای سبز و شالیزار 2 درصد بهتر از الگوریتم ازدحام ذرات می باشد.

طبقه بندی, ویژگی های بهینه, ازدحام ذرات, جستجوی گرانشی, لندست, هایپریون