طبقه‌بندي كاربري اراضي برمبناي ويژگي‌هاي مفهومي و مدل گام‌به‌گام طبقه‌بندي پوشش اراضي

Land Use Classification Based on Conceptual Featuresand a Step by Step Land Cover Classification

امروزه استخراج اطلاعات از چگونگي بهره‌برداري از سطح زمين در نواحي شهري، از المان‌هاي مهم در سطوح خرد و كلان برنامه‌ريزي و تصميم‌گيري به‌شمار مي‌رود. تاكنون تحقيقات چنداني در حوزه استخراج خودكار اطلاعات كاربري اراضي انجام نشده است. سنجش از دور به‌عنوان يكي از ارزان‌ترين و سريع‌ترين راه‌ها، به‌ويژه پس از ظهور آناليزهاي شي ‌مبنا، توانايي مناسبي در اين حوزه يافته است. هدف پژوهش حاضر، استخراج اطلاعات كاربري اراضي روي يك ناحيه شهري متراكم و پيچيده است و براي اين منظور از سيستم سلسله‌مراتبي شامل سطوح پوشش اراضي و كاربري اراضي استفاده شد. پس از پياده‌سازي روش طبقه‌بندي پوشش اراضي مرحله به مرحله، استخراج واحدهاي كاربري اراضي با استفاده از اطلاعات پوشش اراضي انجام شد و فضاي ويژگي‌اي شامل بيش از 50 ويژگي مفهومي، براساس اطلاعات سطوح پوشش اراضي طراحي و استخراج گرديد. پس از اين مرحله، ويژگي‌هاي بهينه با بالاترين ميزان جداپذيري بين‌كلاسي با استفاده از الگوريتم SFFS از ميان اين ويژگي‌ها استخراج شدند. در نهايت با پياده‌سازي روش طبقه‌بندي نزديك‌ترين همسايه فازي، طبقه‌بندي كاربري اراضي براساس ويژگي‌هاي بهينه اجرا شد. طبقه‌بندي كاربري اراضي روي دو سيستم كلاسي تركيبي و غيرتركيبي پياده‌سازي شد و سيستم تركيبي به‌عنوان مناسب‌ترين سيستم كلاسي شناسايي گرديد. روش پيش رو بدون درنظرگرفتن معيار مساحت اشياي كاربري اراضي، داراي دقت 88 درصد و با درنظرگرفتن اين معيار، داراي دقت 93 درصد است.

Nowadays, urban land use and land cover information at the micro and macro levels of planning have a particular importance. So many researches have not been done in land use information extraction. Remote sensing as an inexpensive and fast method, and particular with appearance of object-based analysis, has an appropriate potential for this. In this paper, the aim is land use information extraction on a dense and complicated urban area. For this purpose, a hierarchical system inclusive land cover and land use levels has been used. After the implementation of a step by step land cover classification approach, land use unites extraction are done. In the next stage, feature space inclusive more than 50 conceptual features based on land cover information is designed and extracted. After this stage, optimized features among these features with high separability using SFFS are extracted. Finally a fuzzy nearest neighbor classification for land use classification based on optimized is implemented. Land use classification is performed on two combined and uncombined class system that combined class is recognized as most appropriate class system. In the present approach without considering area criteria of land use object, 82% overall accuracy and with this criteria 85% overall accuracy is achieved.