مقايسۀ روش‌هاي بصري و خودكارِ مبتني‌بر شيء در شناسايي لندفرم‌هاي حوضه يزد اردكان

شناسايي لندفرم‌هاي غالب مناظر طبيعي در انواع برنامه‌ريزي‌هاي شهري، آمايش، گردشگري و ... كاربرد و اهميت فراوان دارد. در اين پژوهش، لندفرم‌هاي حوضه يزد اردكان، به دو روش بصري و خودكار، شناسايي و سپس مقايسه شدند. در روش شناسايي خودكار لندفرم‌ها، از قطعه‌بندي تصوير با دو الگوريتم قدرت تفكيك چندگانه و تباين پيكسلي، در قالب مفاهيم شيء‌پايه، استفاده شد. نتايج نشان داد قطعه‌بندي به‌روش قدرت تفكيك چندگانه، به‌دليل لحاظ‌كردن معيار شكل در تشخيص ساختار و مرز طبيعي لندفرم‌ها مانند مخروط‌افكنه،‌ مناسب به‌نظر مي‌رسد ولي قطعه‌بندي به‌روش تباين پيكسلي، در شناسايي ميكرولندفرم‌ مانند كانال‌هاي گيسويي در سطح مخروط‌افكنه، مناسب است. نتايج حاصل از مقايسۀ شناسايي بصري و خودكار لندفرم‌ها نشان داد، در روش بصري، فقط امكان شناسايي لندفرم‌هاي بزرگ همچون توده‌هاي كوهستاني، انواع دشت‌سرها، كفه اردكان و به‌سختي تلماسه‌ها وجود داشت. ولي در روش خودكار مبتني‌بر شيء، نه تنها لندفرم‌هاي مذكور بلكه لندفرم‌هاي كوچك‌تر مثل تپه‌هاي عرضي، مخروط‌افكنه‌ها، هزاردره‌ها، كوه‌هاي منفرد نيز شناسايي شدند. براي ارزيابي دقت مدل‌هاي شناسايي خودكار لندفرم‌ها، از دو روش كيفي و كمّي استفاده شد؛ در ارزيابي كيفي، از تكنيك‌ هم‌پوشاني به‌منظور بررسيِ چشمي ميزان تطابق و رويِ هم قرارگيري نقشۀ حاصل از مدل با تصاوير گوگل ارث و در ارزيابي كمّي، از ماتريس درهمي استفاده شد. نتايج ارزيابي‌ها نشان دادند كه الگوريتم قدرت تفكيك چندگانه در شناسايي و قطعه‌بندي لندفرم‌ها داراي صحت كلي و ضريب كاپاي است. همچنين، خطاهاي كُميسيون و اُميسيون نشان دادند كه كمترين خطاهاي شناسايي مربوط به لندفرم‌هايي با بافت نرم، مانند دشت،‌ است ولي بيشترين خطاهاي شناسايي به لندفرم‌هايي با بافت خشن، مثل كوهستان، بازمي‌گردد.