چکیده:
بر اثر فعالیتهای انسانی و پدیدههای طبیعی، چهره زمین همواره دستخوش تغییر میباشد. افزایش جمعیت و استفاده بیش از حد از توان زمین، فشار بر محیط زیست را افزایش داده است. از اینرو برای مدیریت بهینه مناطق طبیعی آگاهی از نسبت کاربری اراضی از ضروریات محسوب میشود. در این تحقیق روش مبتنی بر طبقهبندی شیءگرا و روش مبتنی بر پیکسل پایه در تهیه نقشه کاربری اراضی باسنجنده OLI ماهواره Landsat8 مورد مقایسه قرار گرفت. برای مقایسه عملی نتایج، در هر دو روش از دادههای آموزشی یکسان برای طبقهبندی استفاده گردید؛ سپس مهمترین روشهای ارزیابی صحت شامل دقتکلی و ضریب کاپای طبقهبندی استخراج و مشخص شد که الگوریتم حداکثراحتمال در روش طبقهبندی پیکسل پایه در مقایسه با دیگر الگوریتمها، حدود 9 درصد نتایج بهتری را نشان میدهد. اما در مقایسه با روش طبقهبندی شیءگرا حدود 1 درصد (درهردوشاخصدقتکلی و ضریبکاپای طبقهبندی) دقت بالاتری را در طبقهبندی تصاویر نتیجه میدهد. مقدار افزایش صحت در روش مبتنی بر طبقهبندی شیءگرا تا حد زیادی به انتخاب پارامترهای مناسب برایطبقه بندی، تعریف قوانین و بهکارگیری الگوریتم مناسب جهت بهدست آوردن درجه عضویت بستگی دارد.
For landscapes and natural phenomena, the face of the earth has always been subject to change. The increase in population and the excessive use of land has increased the pressure on the environment.Therefore, in order to optimize the management of natural areas, awareness of land use is considered as an urgent requirement In this study, a pixel-based classification approach based on ENVI 5.3 software and an object-oriented approach using eCognition software was used to prepare the land use map of Susangerd County with Landsat 8 satellite OLI sensor. In order to compare the results, both methods used the same educational data for classification. Then, the most important methods for assessing accuracy including precision and kappa coefficient of classification were extracted and it was determined that the maximum optimal algorithm in the base pixel classification method compared with other algorithms, 9% show better results. But in contrast to the object-oriented classification method, about 1% (in particular, precise and precise classification) results in higher accuracy in the classification of images. The amount of accuracy in the object-oriented classification-based method depends largely on choosing the appropriate parameters for classification, defining the rules, and applying the appropriate algorithm to obtain the degree of membership.
خلاصه ماشینی:
بررسی مطالعات انجام شده نشان میدهد که محققان جهت قطعه بندی تصاویر ماهواره ای با استفاده از روش شیگرا، تنها از الگوریتم چند مقیاسه استفاده نموده اند لذا عوارضی مانند شهر و روستا تنها در طبقه قرار میگرفت ، در تحقیق حاضر علاوه بر الگوریتم چند مقیاسه از الگوریتم معیار ناهمگونی جهت قطعه بندی استفاده شده است .
بر این مبنا در ساختار تحقیق روش های مختلف طبقه بندی با در نظر گرفتن یک معیار ارزیابی نتایج مورد بررسی واقع میشوند و در نهایت روشی که بهترین عملکرد را داشته باشد، میتواند به عنوان مبنایی برای طبقه بندی عوارض مختلف در سطح یک منطقه استفاده شود.
جدول ١- مشخصات تصویر ماهواره ای مورد استفاده در تحقیق حاضر Table 1- Satellite image specifications used in the present study {مراجعه شود به فایل جدول الحاقی} پیش پردازش تصاویر مرحله پیش پردازش داده ها یکی از مهم ترین مراحل در پردازش تصاویر است ، چرا که تمامی محاسبات بعدی بر اساس تصویر تولیدی در این مرحله انجام میگیرد.
(به تصویر صفحه مراجعه شود) شکل ٤: تصاویر طبقه بندی با روش شیگرا Figure 4: Classification images by using of the object-oriented method پارامترهای استفاده شده جهت شناسایی و طبقه بندی کاربریاراضی شهرستان سوسنگرد در جدول (٥)، ذکر شده است .
تعداد پوشش /کاربری اراضی با توجه به تصاویر و نقشه های کاربری موجود و شرایط منطقه مورد مطالعه ، برای تهیه نقشه پوشش زمین به هشت کلاس تقسیم شد سپس نتایج طبقه بندی با الگوریتم های مختلف پیکسل پایه و شیگرا با هم دیگر مقایسه گردید.