مقايسه كارآيي روش هاي پارامتريك و ناپارامتريك در طبقه بندي پوشش اراضي با استفاده از تصاوير ماهواره اي لندست 8 (مطالعه موردي: بخشي از شهرستان دزفول)

Comparing the performance of parametric and nonparametric methods of land cover classification by using of Landsat satellite images (Case study:a part of Dezful township)

امروزه داده هاي سنجش از دور قادر به ارايه جديدترين اطلاعات براي مطالعه پوشش زمين و كاربري هاي اراضي مي باشند. اين تصاوير به دليل ارايه اطلاعات به هنگام، تنوع اشكال، رقومي بودن و امكان پردازش در تهيه نقشه هاي كاربري از اهميت بالايي برخوردارند. مشخص كردن پوشش اراضي كمك شاياني به مديران مناطق جهت تصميم گيري مي كند. در اين راستا هدف از انجام اين پژوهش مقايسه كارآيي روش هاي پارامتريك (كمترين فاصله و جعبه اي) و ناپارامتريك (ماشين بردار پشتيبان) در طبقه بندي پوشش اراضي با استفاده از تصاوير ماهواره اي لندست 8 در بخشي از شهرستان دزفول مي باشد. ماهيت اين پژوهش توسعه اي-كاربردي و روش انجام آن توصيفي-تحليلي بوده است. بدين منظور داده هاي ماهواره اي شامل تصاوير ماهواره اي لندست 8 (13/8/2013) تهيه گرديد، و با استفاده از نرم افزار ENVI آماده سازي و مورد تجزيه و تحليل قرار گرفته است. ميزان كارآيي هر روش طبقه بندي با محاسبه دو شاخص صحت كلي و ضريب كاپا بررسي گرديد. نتايج مقايسه روش هاي مورد استفاده در پژوهش نشان داد الگوريتم SVM به ويژه سه كرنل خطي، شعاعي و چند جمله اي نسبت به روش هاي پارامتريك به ترتيب با 15/97% ، 89/95% و 63/95% از دقت مطلوب تري برخوردار هستند.اين مطالعه كارآيي و قابليت مطلوب تر الگوريتم هاي SVM را در طبقه بندي تصاوير سنجش از دور در مقايسه با روش هاي پارامتريك تاييد مي نمايد.

Nowadays, remote sensing data is able to provide the latest information for the study of land cover and land uses. These images are important to provide land use maps, because of present update information, diversity of forms, digital and also ability of images processing. Specifying of Land cover helps to managers for its make decision in different situation. Different methods are applicable in classifying and presenting land use maps and land cover stem from satellite image. These methods have variable functions and outputs depending on type and characteristics of uses data. The purpose of this study is comparing of Parametric (including distance functions and box functions) and nonparametric (SVM) methods in classification of land cover and land use using multiband images of Landsat satellite 8. This study is applied-developmental, and is done in descriptive-analytical method. The data includes satellite images of Landsat satellite 8 (13.08.2013) that was prepared, then using ENVI software were prepared and analyzed. The effectiveness of each classification method were investigated whit calculate of Overall accuracy and Kappa coefficient indicates. The results show that the SVM algorithm, especially linear, radial and polynomial Kernel than parametric methods with 97.15%, 95.89% and 95.63%, respectively, have more accuracy. This study confirms the performance of SVM algorithm in comparison whit parametric methods.