میزان دقت طبقه‌بندی کاربر عبارت است از حاصل نسبت تعداد پیکسل‌های مشاهده‌شده بر مجموع پیکسل‌های هر ردیف در ماتریس موجود برای هر نوع کاربری خاص(رابطه ۱۹).

رابطه (۱۹) UA=
UA: دقت کاربر
nii: تعداد پیکسل‌های مشاهده‌شده
^N_i=1Xio∑ : مجموع پیکسل‌های هر ردیف در ماتریس موجود برای هر نوع کاربری
۴-۱۲-۲-۱-۱- خطای کمیشن^[۷۵]
این خطا نیز بر اساس اطلاعات ماتریس خطا برای هر کلاس مجزا محاسبه می‌شود. خطای کمیشن بر اساس دقت کاربر محاسبه می‌شود و معادل آن درصد از پیکسل‌هایی است که درواقع متعلق به کلاس موردنظر نیستند ولی طبقه‌بندی کننده آن‌ها را جزو آن کلاس خاص در نظر گرفته است.
۴-۱۲-۲-۲- دقت تولید
عبارت است از حاصل نسبت تعداد پیکسل‌های مشاهده‌شده بر مجموع پیکسل‌های هر ستون در تقاطع ستون‌های ماتریس برای هر نوع کاربری. افزایش دقت تولید نشان از صحت بیشتر طبقه‌بندی انجام‌شده می‌باشد( فودی^[۷۶] ،۲۰۰۲).
رابطه(۲۰) PA=
PA: دقت تولید
nii:تعداد پیکسل‌های مشاهده‌شده
^N_i=1Xio∑:مجموع پیکسل‌های هر ستون ماتریس موجود برای هر نوع کاربری
۴-۱۲-۲-۲-۱- خطای امیشن^[۷۷]
این خطا نیز بر اساس اطلاعات ماتریس خطا برای هر کلاس مجزا محاسبه می‌شود. خطای کمیشن بر اساس دقت تولید محاسبه می‌شود و معادل آن درصد از پیکسل‌هایی است که در واقعیت مربوط به کلاس موردنظر است ولی جزو کلاس‌های دیگر طبقه‌بندی‌شده‌اند.
۴-۱۲-۲-۳- صحت کلی
عبارت است از نسبت مجموع پیکسل‌هایی که درست طبقه‌بندی‌شده‌اند(در محور اصلی ماتریس طبقه‌بندی قرار دارند) به‌کل پیکسل‌های طبقه‌بندی‌شده. همان‌طور که از اسم آن مشخص است صحت کلی فقط درصد دقت در کل طبقات را می‌دهد و نمی‌تواند درصد دقت هرکدام از طبقات را می‌دهد و نمی‌تواند درصد دقت هرکدام از طبقات را به‌طور مجزا محاسبه کند.
رابطه(۲۱) ۱۰۰×OA=
OA: صحت کلی
^N_k=1 nkk∑: مجموع پیکسل‌های درست طبقه‌بندی‌شده.
n:کل پیکسل‌های طبقه‌بندی‌شده.
۴-۱۲-۲-۴- ضریب کاپا
جهت نهایی نمودن نقشه کاربری اراضی ، باید همه شاخص‌های دقت طبقه‌بندی با یک و چند شاخص آماری معتبر برازش داده شود. شاخص کاپا ازجمله روش‌های آماری می‌باشد که با رابطه زیر قابل‌بیان می‌باشد (کنگلتون ^[۷۸] ، ۱۹۹۹).
رابطه(۲۲) K=
در این رابطه:
K: شاخص کاپا
r:تعداد ردیف ماتریس طبقه‌بندی
X_ii : تعداد مشاهدات در ردیف و ستون(محور اصلی ماتریس)
X_io: مجموع مشاهدات در ردیف(مجموع ردیف برای هر کاربری)
X_oi: مجموع مشاهدات در ستون (مجموع ستون برای هر کاربری)
N: مجموع کل مشاهدات ماتریس طبقه‌بندی
ضریب کاپا بین صفر و یک متغیر می‌باشد(البته گاه به‌طرف منفی نزول می‌کند که نشانه خطای کلی در طبقه‌بندی می‌باشد) و می‌تواند معادل یک مفهوم توافق و هم سویی صدر صد بین حاصل طبقه‌بندی و واقعیت زمینی در صحت کامل حاصل طبقه‌بندی باشد. به‌طوری‌که در محاسبه ضرب کاپا علاوه بر پیکسل‌هایی که درست طبقه‌بندی‌شده ، پیکسل‌هایی که نادرست طبقه‌بندی‌شده‌اند نیز دخالت داده می‌شوند، ازاین‌رو معیار مناسبی برای مقایسه نتایج طبقه‌بندی‌های مختلف است.
به‌طورکلی تمام دقت‌های موجود بستگی به درست و صحیح انجام دادن تمام مراحل طبقه‌بندی مخصوصا برداشت تصادفی نقاط آموزشی دارد.
۴-۱۲-۲-۵- استخراج نقشه‌های کاربری و پوشش اراضی
پس از فرایند طبقه‌بندی در صورت رضایت‌بخش بودن نتیجه آن، اقدام به تبدیل فرمت رستری نتیجه طبقه‌بندی به فرمت وکتوری می‌شود . با این تبدیل کلاس‌ها به‌صورت پلی گون درمی‌آیند و در صورت نیاز در محیط آرک جی آی اس^[۷۹] قابل‌ویرایش هستند. در محیط ذکرشده پایگاه داده‌ای به‌صورت صفحه گسترده ایجاد می‌شود که رکوردهای آن مربوط به کلاس‌های طبقه‌بندی می‌باشد.
فصل پنجم
یافته‌ها و نتایج تحقیق
۵-۱- مقدمه
در این فصل سعی شده است تا نتایج حاصل از فعالیت‌های انجام‌شده با توجه به‌عنوان تحقیق دربخشی از جنگلهای ایلام و همچنین تغییرات کاربری این جنگل ها با بهره گرفتن از روش های بکار گرفته که در فصل قبل توضیح داده شد در سالهای ۲۰۰۷،۲۰۰۱،۱۹۸۸و ۲۰۱۴ با بهره گرفتن از تصاویر ماهواره ای لندست بررسی شود.
۵-۲- استخراج کاربری – پوشش اراضی و کشف تغییرات
استخراج کاربری و پوشش اراضی موجود در دوره‌های مختلف می‌تواند وضعیت تغییرات کاربری و پوشش اراضی آن منطقه را از گذشته تا حال بیان کند. بعد از اعمال پیش‌پردازش‌های لازم (تصحیحات هندسی، رادیومتریک و تصحیحات اتمسفری )روی هر چهار تصویر ، ابتدا برای هر تصویر شاخص‌های پوشش گیاهی NDVI،DVI، GDVI، RVI و تجزیه‌وتحلیل مؤلفه‌های اصلی با بهره گرفتن از محیط نرم‌افزار ENVI محاسبه گردید البته لازم به ذکر است که تصاویر به‌صورت شکل هندسی چهارگوش که حوضه را در بربگیرد ، برش داده شد سپس همه تصحیحات ، محاسبات و دیگر روش‌های مورداستفاده روی تصویر برش داده‌شده ، اعمال شد چراکه در هر پیش‌پردازش و پردازش اعمال‌شده بر تصویر، رفتار طیفی همه پیکسل‌ها در نظر گرفته می‌شود ، در آن صورت منطقه موردمطالعه به‌عنوان جزئی از یک تصویر بزرگ درمی‌آید و نمی‌توان به نتیجه به‌دست‌آمده اعتماد کرد.
۵-۲-۱- شاخص گیاهی تفاضلی نرمال شده(NDVI)
در شاخص گیاهی تفاضلی نرمال شده از نسبت اختلاف باندهای مادون‌قرمز و قرمز بر مجموع دو باند ذکرشده استفاده می‌شود. از این شاخص در تحقیق حاضر به‌عنوان اعتبار سنجی نتیجه طبقه‌بندی و نیز به‌عنوان یکی از باندهای ورودی در طبقه‌بندی تصاویر استفاده‌شده است . لازم به ذکر است که عدد رقومی باند مادون‌قرمز در
لندست ۸ برابر باند ۵ و عدد رقومی باند قرمز برابر ۴ است و همچنین عدد رقومی باند مادون‌قرمز نزدیک در لندست ۷ برابر باند ۴ و عدد رقومی باند قرمز برابر باند ۳ می‌باشد. در جدول شماره ۱-۵ مقادیر به‌دست‌آمده شاخص پوشش گیاهی برای سالهای مختلف آمده است.
جدول شماره ۱-۵ مقادیر شاخص پوشش گیاهی