ارزيابي عملكرد الگوريتم‌هاي ماشين بردار پشتيبان و حداكثر احتمال در تهيه نقشه كاربري اراضي جنگل‌هاي رودخانه‌اي با استفاده از سنجنده oli (منطقه مورد مطالعه: جنگل‌هاي رودخانه‌اي مارون بهبهان)

تهيه اطلاعات دقيق و به‌روز از منابع جنگلي يكي از عوامل اساسي در مطالعه و مديريت پايدار اين منابع است و اين اطلاعات را مي‌توان به‌آساني و با صرف هزينه و زمان كمتر، از راه طبقه‌بندي داده‌هاي دورسنجي تهيه كرد. در اين مطالعه به‌منظور ارزيابي عملكرد الگوريتم‌هاي ماشين‌بردار پشتيبان و حداكثر احتمال در تهيه نقشه كاربردي اراضي جنگل‌هاي رودخانه‌اي، ‌از داده‌هاي ماهواره لندست 8 استفاده شد. براي اين كار، پنجره‌اي از تصاوير چندطيفي سنجنده oli جنگل‌هاي رودخانه مارون بهبهان، در استان خوزستان، انتخاب شد. پس از عمليات پيش‌پردازش، شامل رفع خطاي راديومتريك و تصحيح اتمسفريك، طبقه‌بندي تصاوير به‌روش نظارت‌شده و با استفاده از الگوريتم‌هاي حداكثر احتمال و ماشين بردار پشتيبان و با هفت كلاس كاربري جنگل، مرتع، كشاورزي، آيش، رودخانه، مسكوني و جاده، و همچنين سه كلاس كاربري جنگل، رودخانه و ديگر مناطق، روي مجموعه باندهاي اصلي صورت پذيرفت. براي ارزيابي عملكرد الگوريتم ماشين بردار پشتيبان، از سه گروه نمونه تعليمي با تعداد 241، 141 و 41 نمونه و همچنين از چهار هستهخطي، چندجمله‌اي، شعاعي و حلقوي استفاده شد. نتايج حاصل نشان داد كه تهيه نقشه طبقه‌بندي جنگل‌هاي رودخانه‌اي مارون و تفكيك كاربري‌ها با استفاده از تصاوير سنجنده oli امكان‌پذير است و بهترين نتيجه مربوط به طبقه‌بندي، با استفاده از الگوريتم polynomialsvm در باندهاي اصلي سنجنده oli و با سه كلاس كاربري و صحت كلي 99/24 و ضريب كاپاي 0/97 است. همچنين مشخص شد كه با كاهش تعداد كلاس‌ها از هفت به سه، كاربري صحت طبقه‌بندي افزايش مي‌يابد ولي با كاهش تعداد نمونه‌ها تا حد ميانگين، تغيير محسوسي در كيفيت طبقه‌بندي رخ نمي‌دهد و در صورت كاهش زياد تعداد نمونه‌ها، از صحت طبقه‌بندي نيز كاسته مي‌شود