ارزيابي تطبيقي تكنيك هاي پردازش پيكسل پايه و شيءگرا در طبقه بندي تصاوير ماهواره اي Aster براي استخراج نقشه هاي اراضي كشاورزي و باغي در حاشيه شرقي درياچه اروميه

تحقيق حاضر نمونه‌اي از كاربرد تكنولوژي سنجش از دور در مديريت منابع كشاورزي است. در اين تحقيق با پردازش رقومي تصاوير ماهواره‌اي Aster خرداد ماه سال 2016 نقشه‌هاي كاربري اراضي حاشيه شرقي درياچه اروميه استخراج شده است. در اين ارتباط در مرحله پيش‌پردازش، تصحيحات هندسي شامل زمين مرجع كردن، تصحيحات ارتفاعي و تصحيحات اتمسفري برروي تصاوير اعمال شد. در مرحله پردازش، پس از اعمال توابع آشكارسازي، متناسب با اهداف پژوهش طبقه‌بندي براساس الگوريتم‌هاي شيءگرا و پيكسل پايه برروي تصاوير انجام شد. براي اين منظور از الگوريتم‌هاي حداكثر احتمال، متوازي السطوح و حداقل فاصله از ميانگين تصاوير طبقه‌بندي استفاده شد. سپس، پردازش شيءگراي تصاوير ماهواره‌اي برروي تصاوير اعمال گرديد. در اين راستا، در ابتدا فرايند سگمنت‌سازي برروي تصاوير انجام شد و تصاوير متناسب با معيارهاي همگني، ضريب شكل و فشردگي مورد سگمنت‌سازي قرار گرفتند. طبقه‌بندي از نوع شيء‌گرا با استفاده از الگوريتم‌هاي طيفي و مكاني و روش نزديكترين همسايگي در محيط نرم افزارeCognition طي مراحل مختلف پياده شد.به منظور ارزيابي و مقايسه نتايج، ضرايب دقت كلي و كاپاي طبقه‌بندي براي هر كدام از الگوريتم‌ها استخراج و مشخص شد كه در ميان روش‌هاي پيكسل پايه، الگوريتم طبقه‌بندي حداكثر احتمال با ضريب كاپاي 0.86و دقت كلي 88.67 درصد در مقايسه با ساير روش‌ها، از دقت بالاتري برخوردار است. اما خود اين الگوريتم نيز در مقايسه با روش شيءگرا از دقت كمتري برخوردار است، چرا كه ضريب كاپاي طبقه‌بندي حاصله معادل 0.93 و دقت كلي نيز معادل 94.20 درصد برآورد گرديد.