بانک مقالات جغرافیا

طبقه بندي يکي از مهم ترين روش هاي استخراج اطلاعات از تصاوير رقومي ماهواره اي است. در روش هاي معمول پيکسل پايه، طبقه بندي بر اساس ارزش عددي هر يک از پيکسل ها انجام مي شود که نتيجه بازتاب عارضه هاي متناظر آن در سطح زمين است. توانايي روش هاي کلاسيک در طبقه بندي تصاوير ماهواره اي هنگامي که اشيا متفاوت اطلاعات طيفي مشابهي دارند محدود مي با شد. اين امر موجب کاهش صحت روش هاي طبقه بندي پيکسل پايه مي گردد. اما در روش طبقه بندي شي گرا اطلاعات طيفي با اطلاعات مکاني ادغام گرديده و پيکسل ها بر اساس شکل، بافت و تن خاکستري در سطح تصوير با مقياس مشخص سگمنت سازي شده و طبقه بندي تصوير بر اساس اين سگمنت ها انجام مي شود. در اين تحقيق الگوريتم طبقه بندي پيکسل پايه حداکثر احتمال و الگوريتم طبقه بندي نزديک ترين همسايه شيءگرا در طبقه بندي تصاوير سنجنده HDR ماهواره اي SPOT 5 مورد مقايسه قرار گرفته است و به منظور مقايسه نتايج، نقشه کاربري اراضي استان آذربايجان غربي با هر دو روش طبقه بندي تهيه شده است. مقايسه نتايج مربوط به صحت کلي طبقه بندي ها نشان مي دهد که روش طبقه بندي شيء گرا با افزايش دقت معادل 7% در هر دو شاخص صحت کلي و کاپا، در طبقه بندي تصاوير ماهواره اي از دقت بالاتري برخوردار است. نتايج اين تحقيق در استخراج نقشه هاي کاربري اراضي استان آذربايجان شرقي و آشکارسازي تغييرات کاربري 30 ساله محدوده بالادست سد ستارخان مورد استفاده قرار گرفت.

 نسخه قابل چاپ