مقایسه الگوریتم های mlc و ann در طبقه بندی کشف تغییرات داده های ماهواره ای، مطالعه موردی: شهرستان ارومیه

امروزه تصاویر حاصله از سنجش ازدور به عنوان جدیدترین اطلاعات در جهت مطالعه پوشش زمین کاربری های اراضی شناخته شده است.. نظر به اینکه فنّاوری سنجش ازدور تصاویر بروزی را از کاربری های اراضی ارائه می دهد در مطالعه کاربری های اراضی و ارزیابی نسبت تغییرات آن ها در طول زمان از اهمیت بالایی برخوردار است.. در تحقیق حاضر ما بر آنیم تا با دو حداکثر احتمال و شبکه های عصبی اقدام به طبقه بندی تصاویر لندست از سال های 1372تا 1393باهدف استخراج نقشه کاربری اراضی و مقایسه صحت آن ها در محدوده موردمطالعه نماییم.. در این پژوهش روش شبکه عصبی مصنوعی (mlp) با 1 لایه ورودی به تعداد 7 نورون شامل باند¬ 1 تا 7 سنجندهtm با یک لایه پنهان با 15نورون می و همین طور oli یک لایه پنهان با 20 نورون و یک لایه خروجی استفاده شده است. کلاس های کاربری شامل 7 کلاس آّب، اراضی آبی، دیم، بایر و مرتع، مسکونی، شوره زار می باشند. الگوریتم مورداستفاده در این شبکه همان الگوریتم پس انتشار بوده و از تابع سیگموئید به عنوان تابع فعالیت استفاده شده است. و در تعیین صحت سنجی ضریب کاپا با استفاده از روش شبکه عصبی و حداکثر احتمال به ترتیب 0.9224 و0.8945 به دست آمد و این ارقام روی تصاویر oli سال 1393 به ترتیب 0.944 و 0.903 بوده که در هر دو مورد نشان از دقت بالاتر الگوریتم شبکه های عصبی مصنوعی دارد هم چنین در عملیات کشف تغییرات مشخص شد که طبقات آب، مسکونی و شوره زار متحمل بیشترین تغییرات، و طبقه اراضی متحمل کمترین تغییرات شده است.