طبقه بندی پوشش مناطق شهری با استفاده از یادگیری ماشین

تغییرات کاربری زمین و پوشش زمین به دلیل تاثیرات گسترده ای که بر محیط زیست، جامعه انسانی و مدیریت منابع طبیعی دارد از موضوعات حیاتی در علوم محیطی و برنامه ریزی منطقه ای محسوب می شود. این پژوهش به بررسی دقیق تغییرات مناطق شهری در منطقه نایسر، استان کردستان با استفاده از داده های ماهواره ای Landsat ۹ و الگوریتم جنگل تصادفی می پردازد. نتایج طبقه بندی با استفاده از معیارهایی نظیر دقت کلی (۹۰.۳۸) و ضریب کاپا (۸۷.۳۸) ارزیابی شد. بررسی کلاس های مختلف نشان داد که الگوریتم جنگل تصادفی در طبقه بندی جنگل ها با دقت تولیدکننده ۹۶ عملکرد بهتری داشت اما در طبقه بندی اراضی بایر با دقت ۵۶ چالش هایی را تجربه کرد. در مجموع این مطالعه تایید می کند که ترکیب داده های ماهواره ای با الگوریتم های یادگیری ماشین می تواند ابزار موثری برای تولید نقشه های دقیق پوشش مناطق شهری باشد، همچنین یافته ها نشان دهنده اهمیت انتخاب الگوریتم و ویژگی های ورودی مناسب برای دستیابی به نتایج قابل اعتماد هستند.

کلیدواژه ها:

یادگیری ماشین ، جنگل تصادفی ، لندست ۹ ، کاربری زمین