مقایسه دقت انواع روش های طبقه بندی برای تهیه نقشه کاربری اراضی (مطالعه موردی: شهر رضوانشهر)
- سال انتشار: 1403
- محل انتشار: فصلنامه جغرافیا و روابط انسانی، دوره: 6، شماره: 4
- کد COI اختصاصی: JR_GAHR-6-4_021
- زبان مقاله: فارسی
- تعداد مشاهده: 202
نویسندگان
گروه جغرافیای طبیعی
جغرافیای طبیعی دانشگاه محقق اردبیلی
چکیده
با توسعه روش های گوناگون در زمینه طبقه بندی تصاویر ماهواره ای و آشکارسازی تغییرات به ویژه در دهه های اخیر انتخاب بهترین و صحیح ترین روش برای تهیه نقشه کاربری و پوشش اراضی در مناطق مختلف رشد روزافزونی داشته است. هدف اصلی این پژوهش مقایسه دقت انواع روش های طبقه بندی برای تهیه نقشه کاربری اراضی در شهر رضوانشهر می باشد. بدین منظور هفت کلاس کاربری اراضی در شهر رضوانشهر (شامل مراتع، مناطق مسکونی، جاده، زمین های زراعی، رودخانه، مناطق ساحلی و جنگل) با استفاده از تصاویر ماهواره ای تعیین شدند. سپس نمونه های آموزشی از سطح منطقه با استفاده از تصاویر ماهواره ای، تصاویر گوگل ارث و بازدید میدانی جمع آوری شد. در مرحله بعد با استفاده از ویژگی های تصاویر کلاس های کاربری اراضی در محدوده مورد مطالعه تعیین و پس از مشخص نمودن میزان تفکیک پذیری کلاس ها طبقه بندی به صورت حداکثراحتمال (MLC)، ماشین بردار پشتیبان(SVM)، حداقل میانگین فاصله (MD) انجام شد. نتایج ارزیابی این سه روش نشان داد که روش ماشین بردار پشتیبان نسبت به روش های دیگر از دقت بیش تری (صحت کلی ۶۰/۹۲ ضریب کاپا ۸۷/۰ برای سال ۲۰۰۰ و صحت کلی ۱۶/۹۷ و ضریب کاپای ۹۳/۰ برای سال ۲۰۲۲) برخوردار است. بنابراین از نتایج این پژوهش می توان برای تهیه نقشه کاربری اراضی با دقت بالاتر با استفاده از روش ماشین بردار پشتیبان در کارهای ارزیابی محیط زیست و منابع طبیعی در مناطق با شرایط مشابه استفاده نمود.کلیدواژه ها
ماشین بردار پشتیبان, ضریب کاپا, نظارت شده, طبقه بندی, رضوانشهراطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.