مقایسه دو روش طبقه‌بندی حداکثر احتمال و شبکه عصبی مصنوعی آرتمپ فازی در استخراج نقشه پوشش مرتعی (مطالعه موردی: مرتع حوزه دویرج دهلران)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری بیابان‌زدایی، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد، ایران

2 استادیار، گروه منابع طبیعی، دانشکدۀ کشاورزی، دانشگاه شیراز، ایران

3 دانشیار، گروه علوم جنگل، دانشکده کشاورزی، دانشگاه ایلام، ایران

4 استادیار، گروه جغرافیا، داشکده علوم انسانی، دانشگاه گلستان، ایران

چکیده

مراتع از مهمترین منابع تجدیدشونده هستند که بدلیل وسعت و تأثیرات اقتصادی، اجتماعی و زیست‌محیطی خاص، از اهمیت ویژه‌ای برخوردارند. متأسفانه در کشور ما همانند اغلب کشورهای در حال توسعه، مراتع به دلایل مختلف از جمله مدیریت غیراصولی این منابع در معرض تخریب و نابودی قرار گرفته‌اند.فناوری دورسنجی و بهره‌گیری از داده‌های ماهواره‌ای از ابزارهای موثر در زمینه مطالعات علوم مرتع و پوشش گیاهی است. یکی از کاربردهای داده‌های ماهواره تهیه نقشه کاربری مرتع است. هدف از این تحقیق مقایسه دو روش حداکثر احتمال و فازی برای پهنه‌بندی مرتع می‌باشد. برای این منظور از تصویر سال 2007 سنجندهETM+ ماهواره Landsat استفاده شده که پس از تصحیحات هندسی و رادیومتریک و پردازش نهایی، نقشه طبقه‌بندی تهیه گردید. نتایج حاصل از ارزیابی دقت این دو روش با استفاده از ضریب کاپا نشان داده داده است، که الگوریتم شبکه عصبی مصنوعی آرتمپ فازی با ضریب 9614/0 نسبت به الگوریتم حداکثر احتمال با ضریب 8058/0 از دقت بیشتری برخوردار است. نتایج این مطالعه همچنین نشان می‌دهد الگوریتم‌های سنتی طبقه‌بندی مانند روش‌های آماری به خاطرانعطاف‌پذیری پائین و انواع پارامتریک آن مانند روش حداکثر احتمال به خاطر وابستگی به مدل آمارگوسی نمی‌توانند نتایج بهینه‌ای، در صورت نرمال نبودن نمونه‌های تعلیمی فراهم آورند. در این تحقِیق از نرم افزارهای ENVI 4.5،Idrisi Andes 15 وArc\GIS9.3  استفاده شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Comparison of two classification methods of maximum probability and artificial neural network of fuzzy Art map in making Range land cover maps (case study: Range land area of Doviraj area, Dehloran)

نویسندگان [English]

  • Hasan Fathi Zad 1
  • Rashid Fallah Shamsi 2
  • Ali Mahdavi 3
  • Saleh Arekhi 4
چکیده [English]

Rangelands are one of the most important renewable resources and because of their extent and economic, social and distinctive environmental impacts are of very special importance. Unfortunately, in our country, like most developing countries, rangelands have been exposed to degradation for various reasons including the non-systematic management of these resources. Remote sensing technology and satellite data are useful tools in the studies of rangeland and vegetation sciences. One of the applications of satellite data is mapping range land use. The aim of this study was to compare two methods of maximum probability and fuzzy for rangeland zonation. For this purpose, Landsat ETM+ was used; then, after final geometric and radiometric corrections, the final classification map was prepared. According to the results of accuracy of these two methods using the kappa coefficient, the artificial neural network algorithm of fuzzy Artmap with a coefficient of 0.9614 was more accurate than the maximum probability algorithm with a coefficient of 0.8058. Results of this study also indicated that the traditional algorithms of classification such as statistical methods due to their low flexibility, and parametric types such as maximum probability method because of the dependence on the Gaussian statistics model, could not provide optimal results, when the samples were not normal. In this study, ENVI 4.5, Idrisi Andes 15 and Arc GIS9.3 software were used
 

کلیدواژه‌ها [English]

  • Maximum probability
  • artificial neural network algorithm of fuzzy Artmap
  • Landsat ETM+
  • Classification
  • Rrangeland
  • Doviraj