امروزه به کارگیری تصاویر ماهواره¬ای به طور چشمگیری در حال افزایش بوده و استفاده از آن در پایش پدیده¬های روزانه کاملا احساس می¬گردد. به طور معمول سنجنده¬هایی که قدرت تفکیک زمانی بالایی دارند از قدرت تفکیک مکانی مناسبی برخوردار نمی¬باشند. اما در سال¬های اخیر الگوریتم¬های ادغام زمانی- مکانی توسعه¬ی زیادی یافته و بدین ترتیب امکان استفاده از تصاویر ماهواره¬ای با قدرت تفکیک مکانی و زمانی بالا، به منظور آنالیز پدیده¬ای روزانه فراهم گردیده است. طبقه¬بندی مناسب تصویر، از جمله مهمترین مراحل بسیاری از الگوریتم¬های مذکور بوده که دقت آن در نتایج نهایی تاثیرگذار است. از این رو در این تحقیق تاثیر انواع روش¬های طبقه¬بندی تصویر در الگوریتم ادغام زمانی- مکانی STDFM مورد بررسی قرار گرفته است. نتایج به دست آمده حاکی از آن است که دقت مراحل پیش¬پردازش و ضریب کاپای مربوط به روش¬های طبقه¬بندی به طور مستقیم بر نتایج الگوریتم مذکور تاثیرگذر بوده و هر چه ضریب کاپا بزرگتر باشد دقت الگوریتم مورد نظر نیز افزایش خواهد یافت. همچنین دیگر عوال خطا(مانند یکسان نبودن محدوده¬ی طیفی) باعث تاثیرات چشمگیری در نتایج خواهند شد.

کلمات کلیدی