شناسایی لندفرم‌های غالب مناظر طبیعی در انواع برنامه‌ریزی‌های شهری، آمایش، گردشگری و ... کاربرد و اهمیت فراوان دارد. در این پژوهش، لندفرم‌های حوضة یزدـ اردکان، به دو روش بصری و خودکار، شناسایی و سپس مقایسه شدند. در روش شناسایی خودکار لندفرم‌ها، از قطعه‌بندی تصویر با دو الگوریتم قدرت تفکیک چندگانه و تباین پیکسلی، در قالب مفاهیم ...
بیشتر
شناسایی لندفرم‌های غالب مناظر طبیعی در انواع برنامه‌ریزی‌های شهری، آمایش، گردشگری و ... کاربرد و اهمیت فراوان دارد. در این پژوهش، لندفرم‌های حوضة یزدـ اردکان، به دو روش بصری و خودکار، شناسایی و سپس مقایسه شدند. در روش شناسایی خودکار لندفرم‌ها، از قطعه‌بندی تصویر با دو الگوریتم قدرت تفکیک چندگانه و تباین پیکسلی، در قالب مفاهیم شیء‌پایه، استفاده شد. نتایج نشان داد قطعه‌بندی به‌روش قدرت تفکیک چندگانه، به‌دلیل لحاظ‌کردن معیار شکل در تشخیص ساختار و مرز طبیعی لندفرم‌ها مانند مخروط‌افکنه، مناسب به‌نظر می‌رسد ولی قطعه‌بندی به‌روش تباین پیکسلی، در شناسایی میکرولندفرم مانند کانال‌های گیسویی در سطح مخروط‌افکنه، مناسب است. نتایج حاصل از مقایسۀ شناسایی بصری و خودکار لندفرم‌ها نشان داد، در روش بصری، فقط امکان شناسایی لندفرم‌های بزرگ همچون توده‌های کوهستانی، انواع دشت‌سرها، کفة اردکان و به‌سختی تلماسه‌ها وجود داشت. ولی در روش خودکار مبتنی‌بر شیء، نه تنها لندفرم‌های مذکور بلکه لندفرم‌های کوچک‌تر مثل تپه‌های عرضی، مخروط‌افکنه‌ها، هزاردره‌ها، کوه‌های منفرد نیز شناسایی شدند. برای ارزیابی دقت مدل‌های شناسایی خودکار لندفرم‌ها، از دو روش کیفی و کمّی استفاده شد؛ در ارزیابی کیفی، از تکنیک هم‌پوشانی به‌منظور بررسیِ چشمی میزان تطابق و رویِ هم قرارگیری نقشۀ حاصل از مدل با تصاویر گوگل ارث و در ارزیابی کمّی، از ماتریس درهمی استفاده شد. نتایج ارزیابی‌ها نشان دادند که الگوریتم قدرت تفکیک چندگانه در شناسایی و قطعه‌بندی لندفرم‌ها دارای صحت کلی و ضریب کاپای است. همچنین، خطاهای کُمیسیون و اُمیسیون نشان دادند که کمترین خطاهای شناسایی مربوط به لندفرم‌هایی با بافت نرم، مانند دشت، است ولی بیشترین خطاهای شناسایی به لندفرم‌هایی با بافت خشن، مثل کوهستان، بازمی‌گردد.
