پايش تغييرات كاربري اراضي با استفاده از روشهاي مختلف تئوري آموزش آماري منطقه نيشابور

Change detectionn land use and land cover regional neyshabour using Different methods of statistical training theory

كشف وشناسایی تغییر عوارض سطح زمین برای درك ارتباط متقابل انسان و محیط امری ضروریست كه آگاهی از آن باعث برنامه ریزی صحیح در جهت توسعه پایدار می گردد. امروزه به دلیل هزینه بسیار زیاد تهیه نقشه های كاربری ارضی با روش های سنتی و دستی ، سنجش از دور می تواند با دقت و سرعت بیشتری به مهندسان در تهیه نقشه كاربری ارضی و در مرحله بعد ارزیابی تغیرات در منطقه كمك نماید. هدف از این تحقیق كشف و شناسایی تغیرات پوشش زمین و كاربری ارضی با استفاده از روش های آموزش آماری می باشد. در این تحقیق پس از انجام مراحل پیش پردازش و آماده سازی اطلاعات به منظور استخراج اطلاعات دقیق سه روش حداكثر احتمال وحداقل فاصله و ماشین بردار پشتیبان با استفاده از ضریب كاپا مورد ارزیابی قرار گرفت. طبق بررسی های به عمل آمده مشخص شد روش حداكثر احتمال با ضریب كاپای 79/0 و دقت كلی 29/83 نسبت به روش های حداقل فاصله و ماشین بردار پشتیبان از دقت بیشتری به منظور تهیه نقشه كاربری ارضی برخوردار است.در ادامه با استفاده از روش حداكثر احتمال نقشه كاربری ارضی برای سالهای 1988-200-2006 تولید و تغییرات رخ داده در منطقه توسط روش مقایسه پس از طبقه بندی كشف و ارزیابی شد. افزایش سطح زیر كشت اراضی بایر و شور، گسترش باغات منطقه تحت تاثیر احداث سد های بالا دست و افزایش محدوده شهری در طی 18 سال دوره تحقیق از مهمترین تغییرات رخ داده در منطقه می باشد.

Change detectionn land use and land cover regional neyshabour using Different methods of statistical training theory Abstract Change detection and identification Terrain is essential for understand of human interaction and the environment, that Aware of the cause is correct planning for sustainable development. Today, land use mapping manually is difficult with traditional methods and, remote sensing can help for Engineers in Land use mapping accurately and more quickly, and then assess the region changes. The purpose of this study to explore changes in land cover and land use by using Different methods of statistical training theory. In this study the process of preprocessing and data preparation to extract accurate information have been evaluated of three methods, Maximum likelihood and minimum distance and support vector machines by using the kappa coefficient. The results show that the maximum likelihood method with kappa 0/79, and overall accuracy of 29/83 than the minimum distance and support vector machine methods more accurately for made land use map .Then was produced land use map using by maximum likelihood method for the years 1988-200-2006 detection and evaluation the changes occurring by comparison post classification method. The most important changes to increased area of arable land, orchards increased of dam construction, urban land increased during the study period is 18 years. Keywords: change, remote sensing, statistical training land use, detection , neyshabour ffg hhh hhh hh hhh hh hhh hhh hhh hhh hhh hhh hhh hhh hhh hh hhhh hhhh hhhh hhhh hhh hhhh hhhh h hh hh hh h hh h h hhhh h hhh h