ارزيابي دقت تصاوير فراطيفي و چندطيفي در طبقه بندي پوشش تالاب ها (مطالعه موردي: تالاب شادگان)

طبقه بندي پوششي تالاب ها به منظور شناسايي نوع گونه هاي گياهي داخل تالاب و تمايز آن با پوشش گياهي حاشيه ي تالاب و بررسي تغييرات اكوسيستم آنها از اهميت ويژه اي برخوردار است. با توجه به مشابهت طيفي بين گونه هاي مختلف گياهي تالاب و گياهان حاشيه ي تالاب و زمين هاي كشاورزي اين امر با استفاده از داده هاي چندطيفي با مشكلاتي مواجه است و داده هاي ابرطيفي مي تواند در اين زمينه بسيار سودمند باشد. در اين مطالعه توان سنجنده‌هاي ابرطيفي و چندطيفي در شناسايي ويژگي‌هاي تالاب و توانايي سنجنده‌هاي  ETM+(۲۰۱۱)، Hyperion(۲۰۱۱) و ALI(۲۰۱۱) به منظور مطالعه ي ويژگي‌هاي تالاب شادگان طي سال ۱۳۹۰ بررسي شد و شاخص هاي مختلف طيفي به همراه تركيب مناسبي از باندهاي تصاوير ماهواره اي سنجنده هاي مذكور به عنوان ورودي انواع روش‌هاي طبقه بندي شامل روش هاي حداكثر احتمال، حداقل فاصله، شبكه عصبي و ماشين بردار پشتيبان مورد مقايسه قرار گرفت. نتايج نشان داد كه روش‌هاي ماشين بردار پشتيبان و شبكه عصبي با دارا بودن دقت طبقه بندي بالاي ۸۵ درصد در هر سه تصوير, نتايج نزديك‌تري به واقعيت نشان مي‌دهند. دقت طبقه بندي براي هر سه تصوير براي روش ماشين بردار پشتيبان در بالاترين حد خود بود به طوريكه براي تصوير Hyperion صحت كلي برابر ۹۵.۷۳، براي ALI برابر ۸۸.۰۳ و براي ETM+ برابر با ۸۹.۳۴ است. بنابراين ويژگي‌هاي در نظر گرفته شده براي تالاب، در سه تصوير حاصل از الگوريتم SVM نشان داد كه نمايش تمايز كاربري پوشش گياهي حاشيه تالاب از كاربري زمين‌هاي كشاورزي آبي داراي ابهام بيشتري نسبت به ساير ويژگي‌هاي تالاب است. بررسي‌ها نشان داد كه اين بخش در تصاوير ALI و ETM+  نسبت به تصاوير Hyperion كمتر قابل شناسايي هستند و يا در برخي مناطق اين قسمت‌ها اصلا قابل تفكيك از ارضي كشاورزي آبي نيستند، در حاليكه Hyperion به دليل داراي بودن تعداد ۲۲۰ باند و داشتن سطح بالاتري از جزئيات طيفي, توانايي تفكيك اين دو كلاس را از هم دارد.