ارزیابی عملکرد الگوریتم های ماشین بردار پشتیبان و حداکثر احتمال در تهیه نقشه کاربری اراضی جنگل های رودخانه ای با استفاده از سنجنده OLI (منطقه مورد مطالعه: جنگل های رودخانه ای مارون بهبهان)

تهیه اطلاعات دقیق و به روز از منابع جنگلی یکی از عوامل اساسی در مطالعه و مدیریت پایدار این منابع است و این اطلاعات را می توان به آسانی و با صرف هزینه و زمان کمتر، از راه طبقه بندی داده های دورسنجی تهیه کرد. در این مطالعه به منظور ارزیابی عملکرد الگوریتم های ماشین بردار پشتیبان و حداکثر احتمال در تهیه نقشه کاربردی اراضی جنگل های رودخانه ای، از داده های ماهواره لندست ۸ استفاده شد. برای این کار، پنجره ای از تصاویر چندطیفی سنجنده OLI جنگل های رودخانه مارون بهبهان، در استان خوزستان، انتخاب شد. پس از عملیات پیش پردازش، شامل رفع خطای رادیومتریک و تصحیح اتمسفریک، طبقه بندی تصاویر به روش نظارت شده و با استفاده از الگوریتم های حداکثر احتمال و ماشین بردار پشتیبان و با هفت کلاس کاربری جنگل، مرتع، کشاورزی، آیش، رودخانه، مسکونی و جاده، و همچنین سه کلاس کاربری جنگل، رودخانه و دیگر مناطق، روی مجموعه باندهای اصلی صورت پذیرفت. برای ارزیابی عملکرد الگوریتم ماشین بردار پشتیبان، از سه گروه نمونه تعلیمی با تعداد ۲۴۱، ۱۴۱ و ۴۱ نمونه و همچنین از چهار هستهخطی، چندجمله ای، شعاعی و حلقوی استفاده شد. نتایج حاصل نشان داد که تهیه نقشه طبقه بندی جنگل های رودخانه ای مارون و تفکیک کاربری ها با استفاده از تصاویر سنجنده OLI امکان پذیر است و بهترین نتیجه مربوط به طبقه بندی، با استفاده از الگوریتم - PolynomialSVM در باندهای اصلی سنجنده OLI و با سه کلاس کاربری و صحت کلی ۲۴/۹۹ و ضریب کاپای ۹۷/۰ است. همچنین مشخص شد که با کاهش تعداد کلاس ها از هفت به سه، کاربری صحت طبقه بندی افزایش می یابد ولی با کاهش تعداد نمونه ها تا حد میانگین، تغییر محسوسی در کیفیت طبقه بندی رخ نمی دهد و در صورت کاهش زیاد تعداد نمونه ها، از صحت طبقه بندی نیز کاسته می شود.

کلیدواژه ها:

SVM ، MLC ، جنگل های رودخانه ای ، سنجنده OLI ، طبقه بندی ، مارون بهبهان