مقايسه روش‌هاي مختلف طبقه‌بندي كاربري اراضي با رويكرد بهره‌گيري از باند حرارتي در استان خراسان جنوبي

Comparing Different Methods of Land use Classification Using the Thermal Band (Case study: Southern Khorasan province

در پژوهش حاضر چهار خوارزميك (الگوريتم) طبقه‌بندي نظارت‌شده حداكثر احتمال، فاصلة‌ ماهالانويس، حداقل فاصله و شبكة عصبي مصنوعي با و بدون بهره­ گيري از باند مادون قرمز حرارتي TIR1، براي تهية نقشه كاربري اراضي استان خراسان جنوبي مورد بررسي قرار گرفت. نتايج حاصله نشان داد كه در رويكرد با و بدون باند TIR1، الگوريتم حداكثر احتمال از بيشترين مقدار دقت كلي و ضريب كاپا برخوردار مي‌باشد. در خوارزميك ­هاي حداكثر احتمال و فاصله ماهالانويس، استفاده از باند حرارتي موجب افزايش دقت طبقه‌بندي شده‌ است، اما در خوارزميك ­هاي شبكه عصبي مصنوعي و حداقل فاصله، اعمال رويكرد باند حرارتي موجب كاهش چشمگير دقت طبقه‌بندي مي‌شود. در واقع استفاده از داده‌هاي حرارتي به همراه ديگر باندهاي طيفي جهت توليد نقشه كاربري اراضي، موجب مي‌شود تا جداسازي طبقه‌هايي كه ويژگي هاي طيفي نزديك به­ هم دارند، آسان­تر شود. بررسي نقشه كاربري اراضي استان خراسان جنوبي نشان داد كه اراضي باير در حدود 60 درصد از مساحت استان را به خود اختصاص داده است و به طور كلي بيش از 90 درصد از مساحت استان داراي زمين‌هاي عاري از پوشش گياهي يا پوشش گياهي بسيار ضعيف مي‌باشد.

In the present study, four supervised classification algorithms including Maximum Likelihood, Mahalanobis Distance, Minimum Distance and Neural Network with and without TIR1 were used to mapping land use of southern Khorasan province. Based on the results, the highest of overall accuracy and Kappa coefficient were calculated for the Maximum Likelihood algorithm with and without of TIR1. Using of TIR1 increased classification accuracy byMaximum Likelihood and Mahalanobis Distance algorithms; but using of TIR1 decreased classification accuracy byMinimum Distance and Neural Network algorithms, remarkably. Using of thermal data along with other spectral bands caused facilitation of discriminating classes with similar spectral characteristics. According to the land use map, bare land covered about 60% area of southern Khorasan province, generally more than 90% of the area of the province is involved by sparse land or weak vegetation cover which is prone to wind erosion.