بكارگيري الكوريتم‌هاي‌ شبكه عصبي و حداكثر احتمال در طبقه‌بندي تصاوير ماهواره‌اي جهت استخراج پوشش‌ زمين منطقه ساحلي اروند رود و بهمن‌شير

يكي از روش هاي پركاربرد استخراج اطلاعات موجود در تصاوير سنجش از دور، طبقه بندي مي باشد كه امكان تهيه انواع نقشه هاي توزيع جغرافيايي پديده ها از قبيل خاك، آب، گياه را مي دهد، از آنجا كه هدف اصلي از پردازش تصاوير ماهواره‌اي، تهيه نقشه‌هاي موضوعي و كارآمد مي‌باشد، انتخاب الگوريتم مناسب طبقه‌بندي نقش زيادي در اين امر ايفاء مي‌كند. در روش هاي پارامتري از قبيل حداكثر احتمال و حداقل فاصله مشكل اصلي وابستگي آن ها به توزيع آماري داده هاي ورودي مي باشد. محققان در راستاي بهبود و توسعه تكنيكهاي طبقه بندي تلاش هاي را انجام دادند كه مي توان از تكنيك هاي شبكه هاي عصبي نام برد كه روشي ناپارامتري بوده و به توزيع خاصي وابسته نيست . تعيين كلاس هاي و نمونه هاي مورد نظر جهت طبقه بندي كاربري پوشش زمين با استفاده از عمليات ميداني، نقشه هاي توپوگرافي، عكس هاي هوايي و نقشه موجود انجام شد و چهار كلاس پوشش گياهي، ساخت و ساز، آب و فضاي باز انتخاب گرديد. پس از اعمال دو الگوريتم شبكه عصبي و حداكثر احتمال بر روي تصوير ماهواره‌اي لندست8 با سنجنده هايOLI TIRS ، نقشه پوشش زمين نواحي ساحلي اروند تهيه گرديد. به كمك ضريب توافق كاپا دقت روش هاي طبقه بندي مورد ارزيابي قرار گرفت. بر اساس نتايج حاصله روش شبكه عصبي مصنوعي با ضريب كاپا0.92 نسبت به الگوريتم حداكثر احتمال با ضريب كاپا0.79. عملكرد بهتري در تهيه نقشه پوشش زمين منطقه ساحلي اروند داشته است كه بدليل ناپارامتري و غيرخطي بودن شبكه هاي عصبي مي باشد.