استفاده از رو ش های فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه برای تهیّه‎ی نقشه‎ی پوشش اراضی (مطالعه‎ی موردی: شهر اصفهان)

استفاده از رو ش های فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه برای تهیّه‎ی نقشه‎ی پوشش اراضی (مطالعه‎ی موردی: شهر اصفهان) ازجمله عوامل مهم در برنامه ریزی و مدیریت شهری، به‎ویژه در راستای نیل به توسعه‎ی پایدار در نواحی شهری و استفاده‎ی بهینه از سرزمین، دسترسی بهنگام از وضعیّت پوشش اراضی برای این مناطق است. داده های سنجش از دور پتانسیل بالایی برای تهیّه‎ی نقشه‎های به‎روز پوشش اراضی شهری دارند. روش‎های متفاوتی در زمینه‎ی تهیّه‎ی نقشه‎ی پوشش اراضی شهری با استفاده از تصاویر ماهواره ای گزارش شده است که هریک مزایا و معایبی دارند. دو روش طبقه بندی فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه، ازجمله روش‎های طبقه بندی تصاویر هستند که از توانایی بالایی در تفکیک طبقات مختلف پوشش اراضی، به‎ویژه پیکسل‎های مختلط برخوردار هستند. هدف از این مطالعه، مقایسه‎ی توانایی این دو روش طبقه بندی با به‎کارگیری تصویر سنجنده‎ی liss-iii سال 1387 در تهیّه‎ی نقشه‎ی پوشش اراضی شهر اصفهان است. نخست تصویر با میانگین خطای مربّعات 4/0 پیکسل تصحیح هندسی شد. پس از آن، دو روش طبقه بندی فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه به‎اجرا درآمد. درنهایت نقشه‎ی پوشش اراضی منطقه به پنج طبقه‎ی آب، مناطق مسکونی، اراضی بایر، پوشش گیاهی و جادّه طبقه بندی شد. برای ارزیابی درستی نتایج طبقه بندی، برداشت های زمینی بسیاری با استفاده از gps انجام گرفت و صحّت کلّی برای روش فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه، به‎ترتیب 88 و 3/93 درصد برآورد شد. این مطالعه نشان داد که روش طبقه بندی شبکه‎ی عصبی پرسپترون چندلایه، نسبت به‎روش فازی آرت‎مپ، از توان تفکیک و قابلیّت بیشتری برای تهیّه‎ی نقشه‎ی پوشش اراضی در مناطق شهری برخوردار است.