ارزیابی کارایی چهار روش شبکه ی عصبی مصنوعی در تهیه ی نقشه ی پوشش/کاربری اراضی با استفاده از تصاویر ماهواره ای etm+ مطالعه موردی: سه منطقه دویرج، مهران و سرابله
چکیده
نقشه هایپوشش/کاربریاراضیحاصلازتصاویرماهواره اینقشمهمیدرارزیابی هایمنطقه ایوملیپوشش/کاربریاراضیایفامی کنند.طیّ سالهای گذشته، کاربردهای زیادی از روشهای طبقهبندی شبکه عصبی مصنوعی برای طبقهبندی پوشش/کاربری اراضی در منابع گزارش شده است، اما مطالعات معدودی، مقایسه ی آنها با هم را ارزیابی نمودهاند. در این مطالعه، ابتدا تصحیحات هندسی بر روی دادههای+etm صورت گرفت. سپس با بازدیدهای میدانی، طبقات مختلف پوشش/کاربری اراضی تعریف و نمونههای آموزشی انتخاب گردید. در این مطالعه، هدف اصلی مقایسه ی چهار روش شبکه ی عصبی مصنوعی برای طبقهبندی پوشش سطح زمین در سه منطقه ی مهران (مرکز استان ایلام)، دویرج (جنوب استان ایلام) و سرابله (شمال استان ایلام) با شرایط اقلیمی متفاوت میباشد. در این مطالعه، از روش های شبکه ی عصبی مصنوعی آرتمپ فازی، تابع پایه شعاعی، کوهونن و پرسپترون چند لایه استفاده شده است. نتایج ارزیابی دقت تصاویر طبقهبندی شده نشان داد که روش طبقهبندی آرتمپ فازی با دقت کل متوسط 84/9۴ و ضریب کاپای متوسط 93/0 درصد دارای بیشترین دقت نسبت به سایر روشهای بررسی شده میباشد. اختلاف دقت کل متوسط در این روش نسبت به روش تابع پرسپترون 44/11 و اختلاف ضریب کاپا متوسط 18/0 درصد، نسبت به روش کوهونن به ترتیب 3/17 و 23/0 درصد و نسبت به روش پایه شعاعی 01/31 و 36/0 درصد میباشد. در این تحقیق، بالاترین دقت طبقهبندی مربوط به طبقهبندی شبکه ی عصبی مصنوعی آرتمپ فازی بود. بنابراین این مطالعه کارایی و قابلیت روش شبکه ی عصبی مصنوعی آرتمپ فازی را در طبقهبندی بهتر تصاویر سنجش از دور اثبات مینماید.