طبقه بندی نوع پوشش زمین استان زنجان با استفاده از الگوریتم های یادگیری ماشین و داده های ماهواره ای در سامانه Google Earth Engine

تهیه نقشه کاربری اراضی از داده های سنجش از دور یکی از رایج ترین و مهم ترین کاربردها در مدیریت و برنامه ریزی زمین است. این مطالعه با استفاده از سه روش طبقه بندی ماشین بردار پشتیبان (SVM)، جنگل تصادفی (RF) و روش مرسوم بیشترین شباهت (Maximum Likelihood) به بررسی و مقایسه دقت نقشه های کاربری اراضی استان زنجان پرداخته است. داده ها شامل تصاویر ماهواره Sentinel-۲ (فصل بهار و تابستان سال ۲۰۲۰) بوده و پردازش آن ها در بستر Google Earth Engine (GEE) انجام شد. چهار کلاس کاربری شامل کشاورزی، زمین بایر، پهنه های آبی و مناطق مصنوعی تعریف گردید. در هر سه روش از داده های آموزشی یکسان استفاده شد تا مقایسه منصفانه ای صورت گیرد. ارزیابی نتایج با استفاده از شاخص های دقت کلی و ضریب کاپا انجام گرفت. نتایج نشان داد که روش RF با دقت کلی ۹۷% و کاپای ۹۸% دقیق ترین الگوریتم بوده و بیشترین شباهت را به واقعیت زمینی دارد. روش SVM با دقت کلی ۹۵% و کاپای ۹۳% در رتبه دوم قرار گرفت و روش MLC با دقت کلی ۸۶% و کاپای ۸۲% کمترین دقت را ارائه داد. بر این اساس، RF می تواند الگوریتمی مناسب برای تولید نقشه های کاربری اراضی در استان زنجان باشد.

کلیدواژه ها:

الگوریتم های یادگیری ماشین ، سنجش از دور ، کاربری زمین ، Google Earth Engine و تصاویر ماهواره ای