یکی از کاربردهای عمده ی داده های ماهواره ای طبقه بندی پوشش سطح زمین می باشد. طیّ سال های گذشته تعدادی الگوریتم های طبقه بندی برای طبقه بندی داده های سنجش از دور ابداع شده اند. قابل توجه ترین آنها شامل روش های حداکثر احتمال، روش هایشبکه عصبی مصنوعی و طبقه بندی های درختی می باشد. در این مطالعه، ابتدا تصحیحات هندسی و رادیومتری بر روی داده های ETM+ صورت گرفت. سپس با بازدیدهای میدانی ، طبقات مختلف کاربری اراضی تعریف و نمونه های آموزشی انتخاب گردید. در این مطالعه، هدف اصلی مقایسه سه الگوریتم انشعاب روش طبقه بندی درختی برای طبقه بندی پوشش سطح زمین حوزه چم گردلان استان ایلام می باشد. در ضمن، کارکرد این روش با دو روش طبقه بندی دیگر، شامل حداکثر احتمال و شبکه عصبی مصنوعی آرتمپ فازی مقایسه شده است.
نتایج حاصل از ارزیابی دقت تصاویر طبقه بندی شده نشان داد که روش طبقه بندی درختی با دقت کل 87 و ضریب کاپای 84/0 دارای بیشترین صحت و پس از آن روش های شبکه عصبی مصنوعی آرتمپ فازی و حداکثر احتمال به ترتیب با دقت کل 84 و 81 و ضریب کاپای 81/0 و 78/0 در رتبه های بعدی ازنظر دقت قرار می گیرند. بعلاوه، زمانی که روش های مختلف انشعاب مورد آنالیز قرار گرفت، مشخص گردید که روش انشعاب جینی نسبت به روش های انشعاب نسبت بهره و آنتروپی دقت بالاتری (با دقت کل 6% و 2% و ضریب کاپای 7% و 2% بیشتر) داشت.
در این تحقیق، بالاترین دقت طبقه بندی مربوط به طبقه بندی درختی با روش انشعاب جینی بود. بنابراین، این مطالعه نشان می دهد که روش های طبقه بندی درختی مزیّت های زیادی نسبت به روش های طبقه بندی شبکه عصبی مصنوعی آرتمپ فازی و حداکثر احتمال دارد و آن اینکه آنها از لحاظ محاسباتی سریع بوده و تابع فرضیات آماری در ارتباط با توزیع داده ها نمی باشند.
