درصد اطلاعات (٪) 01/88 52/11 4/0 07/0 4-4- انتخاب نمونه تعلیمیجهت انجام طبقهبندی با استفاده از تصاویر سه دوره، ابتدا نمونههای تعلیمی با پراکنش مناسب در هر چهار طبقه به طور جداگانه بر روی هر سه تصویر انتخاب گردید. به طوری که این نمونهها بیانگر تمام خصوصیات و شرایط موجود در هر 4 طبقه مورد نظر باشند. 4-4- 1- بررسی تفکیک‌پذیری نمونههای تعلیمیپس از انتخاب نمونههای تعلیمی مناسب، اندازه تفکیک‌پذیری و تباین بین کلاسها مورد بررسی قرار گرفت. معمولاً تباین بیشتر بین دو کلاس بیانگر آن است که آن دو کلاس دارای بیشترین فاصله آماری بوده و دارای بالاترین احتمال برای طبقهبندی صحیح میباشندنتایج حاصل از بررسی میزان تفکیکپذیری بین طبقات با استفادهاز معیار واگرایی تبدیل شده و جفری ماتوسیتا در جدول 4-2 آورده شده است. جدول 4- 2- بررسی میزان تفکیکپذیری بین طبقات کاربری واگرایی تبدیل شده جفری- ماتوسیتا جنگل - کشاورزی 2000 2 جنگل - باغ 1995 2 جنگل - بایر 2000 2 جنگل - جاده 2000 2 کشاورزی - باغ 2000 2 کشاورزی – بایر کشاورزی – جاده باغ – بایر باغ- جاده بایر - جاده 2000 2000 2000  

 نکته مهم : هنگام انتقال متون از فایل ورد به داخل سایت بعضی از فرمول ها و اشکال (تصاویر) درج نمی شود یا به هم ریخته می شود یا به صورت کد نشان داده می شود ولی در سایت اصلی می توانید فایل اصلی را با فرمت ورد به صورت کاملا خوانا خریداری کنید: سایت مرجع پایان نامه ها (خرید و دانلود با امکان دانلود رایگان نمونه ها) : jahandoc.com   2000 1990 2 2 2 2 99/1 نتایج حاصل از ارزیابی کمی تفکیکپذیری بین طبقات نشان داد که طبقات موجود از نظر طیفی بر روی تصاویر مورد نظر به خوبی قابل تفکیک هستند. 4-5- تعیین کاربری‌ها4-5-1- بهترین باندهای انتخاب شده جهت طبقه‌بندیدر این مطالعه به منظور انتخاب بهترین باندها از روش Feature Selection و جنگل تصادفی استفاده شد. در جدول 4-3 نتایج مربوط به بهترین باندهای انتخاب شده آورده شده است. جدول 4-3- نتایج مربوط به انتخاب بهترین متغیرها جهت طبقه‌بندی کاربری اراضی ردیف باند میزان اهمیت 1 Mean NIR 3* 3 1 2 NIRContrast 3*3 77/0 3 NIRDissimilarity 3*3 99/0 4 NIREntropy 3*3 95/0 5 NIR 93/0 6 NIRHomogeneity 3*3 69/0 7 NIDissimilarity 5*5 72/0 8 PCA 73/0 9 NDVI 79/0 10 MSAVI 2 59/0 4-5-2- نتایج طبقه‌بندی با استفاده از الگوریتم درخت طبقه‌بندی و رگرسیونیشکل 4-2 درخت حاصل از طبقه‌بندی درختی را نشان میدهد. این درخت دارای 8 گره غیرنهایی و 9 گره نهایی میباشد. در این درخت گره والد شاخص NDVI می‌باشد. شکل 4- 2- درخت حاصل از طبقه‌بندی درختی جهت تعیین کاربری اراضی نتایج مربوط به طبقه‌بندی نشان داد داده‌های ماهواره Pleiades و روش درخت طبقه‌بندی با صحت 90 درصد و ضریب کاپا 84/0 قادر به تفکیک طبقات کاربری اراضی در منطقه مورد مطالعه می‌باشد. نتایج مربوط به ماتریس خطا در جدول 4-4 آورده شده است. جدول 4-4- جدول ماتریس خطا مربوط به کاربری اراضی کاربری باغ جاده بایر کشاورزی جنگل صحت کاربر