مقایسه روش های طبقه بندی ماشین بردار پشتیبان و شبکه عصبی مصنوعی در تهیه ی نقشه کاربری اراضی (مطالعه موردی: پارک ملی بوجاق)

پارک های ملی و پناهگاه های حیات وحش از مهم ترین سرمایه های اکولوژیکی به شمار می روند. از این رو اطلاع از تغییرات کمی و کیفی کاربری اراضی آنها نقش اساسی در کیفیت مدیریت این مناطق دارد. الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش ازدور توسعه یافته اند، انتخاب الگوریتم مناسب طبقه بندی در دستیابی به نتایج صحیح نقش بسیار مهمی را ایفا می کند. در این تحقیق با مقایسه صحت طبقه بندی دو الگوریتم شبکه عصبی مصنوعی و ماشین بردار پشتیبان، الگوریتم دقیق تر تعیین و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در پارک ملی بوجاق واقع در استان گیلان طی سال های ۲۰۰۰ تا ۲۰۱۷ با استفاده از تصاویر ماهواره ای +ETM و OLI لندست ۷ و ۸ انجام گرفت. نتایج نشان داد که الگوریتم ماشین بردار پشتیبان به ترتیب با دقت کل و ضریب کاپا، ۸۶/۴۲ و ۰/۸۳ برای سال ۲۰۰۰ و ۹۰/۶۵۰ و ۰/۸۸ برای سال ۲۰۱۷، در مقایسه با الگوریتم شبکه عصبی مصنوعی به ترتیب با دقت کل و ضریب کاپا، ۸۳/۷۱ و ۰/۸۰ برای سال ۲۰۰۰ و دقت کل و ضریب کاپا، ۸۹/۲۵ و ۰/۸۷ برای سال ۲۰۱۷، تصاویر ماهواره ای را بهتر طبقه بندی کرده است؛ بنابراین، از نقشه های کاربری اراضی حاصل از الگوریتم ماشین بردار پشتیبان جهت بررسی تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی با این روش مشخص کرد که در طی دوره بررسی شده، مساحت کاربری های پیکره آبی، دریا، پوشش علفی و کشاورزی کاهش یافته است درحالی که کلاس کاربری های باتلاقی، درختی و بدون پوشش افزایش یافته است.

کلیدواژه ها:

سنجش از دور ، کاربری اراضی ، ماشین بردار پشتیبان ، شبکه عصبی مصنوعی ، طبقه بندی ، پارک ملی بوجاق