چکیده:
یکی از کاربردهای عمدهی دادههای ماهوارهای طبقهبندی پوشش سطح زمین میباشد. طی سالهای گذشته تعدادی الگوریتمهای طبقهبندی برای طبقهبندی دادههای سنجش از دور ابداع شدهاند. قابل توجهترین آنها شامل روشهای حداکثر احتمال، روشهای شبکه عصبی مصنوعی و طبقهبندیهای درختی میباشد. در این مطالعه، ابتدا تصحیحات هندسی و رادیومتری بر روی دادههای ETM+ صورت گرفت. سپس با بازدیدهای میدانی ، طبقات مختلف کاربری اراضی تعریف و نمونههای آموزشی انتخاب گردید. در این مطالعه، هدف اصلی مقایسه سه الگوریتم انشعاب روش طبقهبندی درختی برای طبقهبندی پوشش سطح زمین حوزه چم گردلان استان ایلام میباشد. در ضمن، کارکرد این روش با دو روش طبقهبندی دیگر، شامل حداکثر احتمال و شبکه عصبی مصنوعی آرتمپ فازی مقایسه شده است. نتایج حاصل از ارزیابی دقت تصاویر طبقهبندی شده نشان داد که روش طبقهبندی درختی با دقت کل 87 و ضریب کاپای 84/0 دارای بیشترین صحت و پس از آن روشهای شبکه عصبی مصنوعی آرتمپ فازی و حداکثر احتمال به ترتیب با دقت کل 84 و 81 و ضریب کاپای 81/0 و 78/0 در رتبههای بعدی ازنظر دقت قرار میگیرند. بعلاوه، زمانیکه روشهای مختلف انشعاب مورد آنالیز قرار گرفت، مشخص گردید که روش انشعاب جینی نسبت به روشهای انشعاب نسبت بهره و آنتروپی دقت بالاتری (با دقت کل 6% و 2% و ضریب کاپای 7% و 2% بیشتر) داشت. در این تحقیق، بالاترین دقت طبقهبندی مربوط به طبقهبندی درختی با روش انشعاب جینی بود. بنابراین، این مطالعه نشان میدهد که روشهای طبقهبندی درختی مزیتهای زیادی نسبت به روشهای طبقهبندی شبکه عصبی مصنوعی آرتمپ فازی و حداکثر احتمال دارد و آن اینکه آنها از لحاظ محاسباتی سریع بوده و تابع فرضیات آماری در ارتباط با توزیع دادهها نمیباشند.