روش حداکثر احتمال

تهیه نقشه پوشش اراضی، برای بسیاری از فعالیت های برنامه ریزی و مدیریت شهری دارای اهمیت است. در پژوهش حاضر، به منظور تهیه نقشه پوشش اراضی شهر اراک از داده های رقومی سنجنده LISS-III (1385) استفاده شد. ابتدا تصویر با میانگین خطای مربعات 58/0 پیکسل تصحیح هندسی شد و با توجه به کوهستانی بودن منطقه، تصحیح توپوگرافی نیز بر روی تصویر اعمال گردید. برای طبقه بندی تصویر، دو روش طبقه بندیِ نظارت شده با الگوریتم حداکثر احتمال و شبکه عصبی مصنوعی پرسپترون سه لایه با به کارگیری نقشه شیب و بدون استفاده از آن به کار گرفته شد. درنهایت، نقشه پوشش اراضی منطقه به 4 طبقه شهری، پوشش گیاهی، بایر و رخنمون سنگی طبقه بندی گردید. از نقشه شیب طبقه بندی شده منطقه به منظور جداسازی بهتر رخنمون های سنگی به عنوان ورودی در شبکه عصبی استفاده شد. برای ارزیابی صحت نتایج طبقه بندی، نقشه تولیدی با نقشه واقعیت زمینی ایجاد شده از طریق GPS بررسی گردید و صحت کلی طبقه بندی برای روش حداکثر احتمال، روش شبکه عصبی بدون استفاده از نقشه شیب و شبکه عصبی با استفاده از نقشه شیب به ترتیب 6/92، 7/92 و 6/94 درصد برآورد گردید. مطالعه حاضر نشان داد که روش طبقه بندی شبکه عصبی، قابلیت تهیه نقشه پوشش اراضی را با صحت بالا دارد.

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.