مقایسه کارآیی روش‌های طبقه‌بندی پیکسل پایه (روش‌های شبکه عصبی آرتمپ فازی و تصمیم‌گیری درختی) و شیءگرا در تهیه نقشه کاربری اراضی (مطالعه موردی: حوزه خشک و نیمه‌خشک میمه، استان ایلام)

نقشه کاربری اراضی، از ابزارهای پایه برای مدیران و برنامه­ریزان در راستای توسعه پایدار مناطق مختلف است. روش­های مختلفی برای تهیه نقشه کاربری اراضی ارائه شده ­است. تهیه نقشه کاربری اراضی با استفاده از تصاویر ماهواره­ای با بهره­گیری از تکنیک­های مختلفی از جدیدترین و مهم­ترین این روش­ها است. هدف از این تحقیق انجام، بررسی کارایی روش­های طبقه­بندی پیکسل پایه (روش­های شبکه عصبی آرتمپ فازی و تصمیم­گیری درختی) و روش طبقه‏بندی مبتنی بر شی‏های تصویری (شیءگرا) با استفاده از داده­های ماهواره­ی لندست 8 مربوط به سال 2013 جهت تهیه نقشه کاربری اراضی حوزه میمه، استان ایلام است. پس از انجام تصحیحات لازم برروی تصاویر ماهواره­ای، طبقات مختلف کاربری اراضی تعریف و نمونه­های آموزشی انتخاب شد. نتایج طبقه‏بندی با استفاده از سه روش شبکه عصبی آرتمپ فازی، تصمیم­گیری درختی جینی و شیءگرا نشان می­دهد روش شیءگرا، دقت کل 30/95 و ضریب کاپای 88/90 درصد و روش­های تصمیم­گیری درختی جینی و شبکه عصبی آرتمپ فازی، به ترتیب دقت کل 32/80 و 20/72 و ضریب کاپای 75/68 و 18/36را ایجاد کرده است از این­رو، روش طبقه­بندی شیءگرا با اختلاف دقت کل 98/14% و 1/23% و ضریب کاپای 13/22% و 7/54% نسبت به روش­های تصمیم­گیری درختی جینی و شبکه عصبی آرتمپ فازی، در این مطالعه از دقت بالاتری برخوردار است. با مقایسه مساحت نقشه­های حاصل از سه روش طبقه­بندی، مساحت کاربری­های کشاورزی، مرتع فقیر و اراضی مسکونی تقریباً نزدیک هم هستند. همچنین بیشترین اختلاف مساحت مربوط به کاربری‎ مرتع متوسط و کمترین اختلاف نیز مربوط به کاربری اراضی مسکونی بود.