تهیه نقشه های کاربری اراضی یکی از مهمترین وظایف فنآوری سنجش از دور در مدیریت عرصههای مختلف محسوب میگردد. در تحقیق حاضر جهت تهیه نقشه کاربری اراضی حوزه آبخیز ابوالعباس از تصویر ماهوارهای لندست/TM سال 1388 استفاده شده است. سپس تصویر به کمک هر یک از الگوریتمهای شبکه عصبی مصنوعی پرسپترون سه لایه، ماشین بردار پشتیبان شعاعی و الگوریتم حداکثر احتمال طبقهبندی شد. در نهایت میزان کارایی الگوریتمهای مختلف طبقهبندی در تهیه نقشه کاربری اراضی منطقهی مورد نظر، با استفاده از پارامترهای دقت کلی و ضریب کاپا مورد ارزیابی قرار گرفت. نتایج نشان داد که روشهای ناپارامتریک مانند شبکه عصبی مصنوعی (دقت کلی 8/95 درصد، ضریب کاپای95/0) و ماشین بردار پشتیبان شعاعی (دقت کلی 8/95 درصد، ضریب کاپای94/0) با دقت کلی و ضریب کاپای تقریبا مشابه در بهترین حالت دارای صحت و دقت بالاتری در تهیه نقشه کاربری اراضی نسبت به روش پارامتریک حداکتر احتمال (دقت کلی7/93 درصد، ضریب کاپای91/0) می باشند. در کل مطالعهی حاضر نشان داد که هر سه الگوریتم طبقهبندی شبکه عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال قابلیت تهیه نقشه کاربری اراضی را با صحت بالا، دارا می باشند.
Shanani Hoveyzeh M, Zarei H. Comparison of Three Classification Algorithms (ANN, SVM and Maximum Likelihood) for Preparing Land Use Map (Case Study: Abolabbas Basin). jwmseir 2016; 10 (33) :73-84 URL: http://jwmsei.ir/article-1-468-fa.html
شنانی هویزه مائده، زارعی حیدر. مقایسه‌ی الگوریتمهای طبقه بندی شبکه‌ی عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال در استخراج نقشه کاربری اراضی حوزه آبخیز ابوالعباس. مجله علوم ومهندسی آبخیزداری ایران. 1395; 10 (33) :73-84
به اطلاع کلیه نویسندگان ، محققین و داوران محترم می رساند:با عنایت به تصمیم هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.
