كليدواژه :
حداكثر احتمال , حوضه كبگيان , شبكه عصبي , ماشين بردار پشتيبان
چكيده فارسي :
اين پژوهش با هدف تعيين دقت مجموعه داده هاي ماهواره لندست 8 و سنتينل 2 بر مبناي الگوريتم هاي احتمال حداكثر، ماشين بردار پشتيبان و شبكه عصبي در تهيه نقشه كاربري/پوشش زمين حوزه آبخيز كبگيان در استان كهگيلويه و بويراحمد انجام شد. بدين منظور، تمامي اصلاحات، آماده سازي داده، ايجاد مجموعه داده، طبقه بندي و تجزيه‌وتحليل‌ها، استخراج نقشه هاي موردنظر و صحت سنجي با استفاده از نرم افزارهاي ENVI® 5.3، ArcGIS® 10.5، Google Earth Pro و Excel 2016 انجام شد. نتايج نشان داد بيشترين دقت كل و ضريب كاپا براي ماهواره لندست 8 با مقدار بهترتيب 74/18% و 0/69 مربوط به الگوريتم احتمال حداكثر و براي سنتينل 2 با مقدار بهترتيب، 72/84% و 0/67 مربوط به الگوريتم شبكه عصبي است. دقت كل الگوريتم ها در تهيه نقشه كاربري حوضه با استفاده از داده هاي لندست 8 به‌صورت احتمال حداكثر > ماشين بردار پشتيبان > شبكه عصبي و با استفاده از داده هاي سنتينل 2 به‌صورت شبكه عصبي > احتمال حداكثر > ماشين بردار پشتيبان بود. چنانچه تعيين كاربري اراضي ويژهاي مانند مراتع حوضه، هدف اصلي باشد از الگوريتم ماشين بردار پشتيبان استفاده شود؛ بدين ترتيب، مساحت هشت كاربري حوزه آبخيز كبگيان عبارت است از: زراعت 1342، مسكوني 1356، صخره 3579، جنگل 23289، پيكره آبي 407، اراضي رها شده 9571، باغ 3139 و مرتع ha 54125. بنابراين، با توجه به نوع كاربري، نوع داده ماهوارهاي در دسترس و هدف پژوهش، اولويت و تقدم استفاده از الگوريتم ها متفاوت خواهد بود و بر مبناي آن، بايد الگوريتم مناسب انتخاب شود.
چكيده لاتين :
The aim of this study was to determine the accuracy of Landsat 8 and Sentinel 2 satellite data sets based on Maximum Likelihood, Support Vector Machine, Neural Network algorithms for mapping the LU/LC of Kobgian watershed in Kohgiluyeh and Boyer-Ahmad Province. For this purpose, corrections, data preparation, data set creation, classification and analysis, mapping and verification were done using ENVI® 5.3, ArcGIS® 10.5, Google Earth Pro and Excel 2016 software. The results showed that the highest total accuracy and kappa coefficient for Landsat 8 and Sentinel 2 satellites belongs to the maximum likelihood algorithm with a value of 74.18% and 0.69 and neural network algorithm with a value of 72.84% and 0.67, respectively. The overall accuracy order of the algorithms for mapping LU/LC the watershed using Landsat 8 and sentinel 2 data was as maximum likelihood > support vector machine > neural network and using data was as neural network> maximum likelihood > support vector machine, respectively. The accuracy of the algorithms indicated that if a specific LU/LC is the main goal such as basin rangelands, the support vector machine algorithm should be used. The area of eight classes of Kabgian watershed is: agriculture 1342, residential 1356, rock 3579, forest 23289, water body 407, abandoned lands 9571, garden 3139 and pasture 54125 ha. Therefore, depending on the type of LU/LC, the type of satellite data available, and the purpose of study, the priority of using algorithms will be different and based on the desired factor, suitable algorithm should be selected.
