كاربرد ماشين هاي بردار پشتيبان براي تهيۀ نقشۀ پوشش/ كاربري اراضي از تصاوير ماهوارۀ لندست

آگاهي از وضعيت پوشش زمين و نوع كاربري هاي آن براي بسياري از مطالعات زيست محيطي، تغييرات اقليمي و مديريت منابع خاك و آب ضروري است. امروزه به طور فزاينده اي از اطلاعات سنجش از دور، كه از ماهواره ها بدست مي آيند، براي تهيۀ نقشۀ پوشش/كاربري اراضي استفاده مي شود. هدف از اين مطالعه بررسي كارايي ماشين هاي بردار پشتيبان براي طبقه بندي تصاوير ماهوارۀ لندست 8 به منظور تهيۀ نقشه هاي پوشش/كاربري اراضي حوضه آبخيز سد گاوشان در غرب ايران با مساحتي در حدود 206 هزار هكتار و نيز مقايسۀ آن با شبكه هاي عصبي مصنوعي بود. بدين منظور از 1320 نقطه به عنوان نقاط كنترل زميني يا نقاط مرجع استفاده شد. كلاس كاربري در هر نقطه با پيمايش صحرايي و يا با استفاده از تصاوير گوگل ارث مشخص گرديد. براي تركيب ماشين هاي بردار پشتيبان دودويي براي طبقه بندي چند كلاسه از استراتژي هاي يك در مقابل يك، يك در مقابل همه و ترتيبي استفاده شد. همچنين در هر استراتژي كرنل هاي مختلف خطي، چند جمله اي و شعاعي بكار گرفته شد. بر اين اساس در بين مدل هاي مختلف ايجاد شده بهترين عملكرد بر اساس روش يك در مقابل يك و تابع كرنل چند جمله اي درجۀ سه به دست آمد. آزمون مك نمار نشان داد كه كارايي مدل به دست امده با صحت كلي 89.5 درصد و شاخص كاپاي 84.9 به طور معني داري از شبكه هاي عصبي مصنوعي بالاتر است (0.001 P). نتايج اين مطالعه نشان مي دهد كه ماشين هاي بردار پشتيبان در مقايسه با شبكه هاي عصبي مصنوعي از كارايي بالاتري براي طبقه بندي تصاوير ماهواره اي برخوردارند؛ با اينحال صحت آنها به طور قابل ملاحظه اي متأثر از الگوي تركيب ماشين ها و نوع تابع كرنل مي باشد.