نویسندگان:

محمد منصورمقدم، نگار نقی پور، ایمان روستا، حمیدرضا غفاریان مالمیری

چکیده:

تهیه نقشه‌های زمین شناسی به کمک داده‌های میدانی و تفسیر عکس‌های هوایی به دلیل تنوع ساختاری زمین و مشکلاتی مانند دشواری دسترسی به بعضی مناطق، همیشه با خطا همراه بوده است. اما در دهه‌های گذشته استفاده از تصاویر ماهواره‌ای کمک شایانی در افزایش دقت و سرعت تهیه نقشه‌های زمین شناسی داشته است. هدف از پژوهش حاضر، بررسی قابلیت استفاده از تصاویر ماهواره لندست-۸ و روش های طبقه‌بندی پیکسل مبنا و ‌شئ‌گرا در تهیه نقشه سازندهای زمین شناسی می‌باشد. در ابتدا با استفاده از پردازش‌های MNF, PCA و FCC عملیات بارزسازی جهت شناسایی سازندهای منطقه صورت گرفت. سپس تصاویر با استفاده از الگوریتم‌های شئ گرا که شامل طبقه‌بندی BAYES، SVM، KNN، DECISION TREE و RANDOM FOREST، شبکه عصبی شامل طبقه‌بندی ART MAP، RBF، MLP و SOM و پیکسل مبنا که شامل طبقه‌بندی حداکثر احتمال، حداقل فاصله، ماهالانوبیس و SAM می‌شوند، مورد بررسی قرار گرفت و میزان خطای هرکدام از روش‌ها با استفاده از منطق بولین و ضریب کاپا محاسبه گردید. نتایج نشان داد طبقه‌بندی حداکثر احتمال با ضریب کاپا ۷۵% در دسته پیکسل مبنا، طبقه‌بندی آرتمپ فازی در روش شبکه عصبی با ضریب کاپا ۷۲% و طبقه‌بندی بیز در روش شئ گرا با ضریب کاپا ۸۲% بهترین نتایج را در بین سایر روش‌های مطالعه شده نشان دادند. که این نتایج کارآمدی روش‌های نامبرده شده را در شناسایی سازندهای زمین شناسی به اثبات می‌رساند.