مقایسه روش های شبکه عصبی و ماشین بردار پشتیبان در استخراج نقشه های کاربری و پوشش اراضی با استفاده از تصاویر لندست ۸ (مطالعه موردی: حوضه صوفی چای)
عنوان مقاله: مقایسه روش های شبکه عصبی و ماشین بردار پشتیبان در استخراج نقشه های کاربری و پوشش اراضی با استفاده از تصاویر لندست ۸ (مطالعه موردی: حوضه صوفی چای)
شناسه ملی مقاله: JR_GEOP-19-52_008
منتشر شده در در سال 1394
شناسه ملی مقاله: JR_GEOP-19-52_008
منتشر شده در در سال 1394
مشخصات نویسندگان مقاله:
محمدحسین رضایی مقدم - گروه ژئومورفولوژی دانشگاه تبریز
خلیل ولیزاده کامران - گروه سنجش از دور و GIS دانشگاه تبریز
صغری اندریانی - سنجش از دور و GIS
فرهاد الماس پور - سنجش از دور و GIS شرکت آب منطقه ای آذربایجانشرقی
خلاصه مقاله:
محمدحسین رضایی مقدم - گروه ژئومورفولوژی دانشگاه تبریز
خلیل ولیزاده کامران - گروه سنجش از دور و GIS دانشگاه تبریز
صغری اندریانی - سنجش از دور و GIS
فرهاد الماس پور - سنجش از دور و GIS شرکت آب منطقه ای آذربایجانشرقی
تهیه نقشه کاربری و پوشش اراضی برای برنامهریزی و مدیریت منابع طبیعی امری ضروری میباشد. در این بین استفاده از دادههای سنجش از دور با توجه به ارائه اطلاعات به روز، پوشش تکراری، کمهزینه بودن در ارزیابی منابع طبیعی جایگاه خاصی دارد. لذا در این پژوهش، تصاویر لندست ۸ بهعنوان داده ورودی برای تهیه نقشه کاربری اراضی در سطح ۲و۱ مورد استفاده قرار گرفت. در این بین، با توجه به جدید بودن این تصاویر، تصحیحات رادیومتریک با استفاده از روابط موجود در محیط مدل از نرمفزار Erdas فرمولنویسی شد. همچنین از شاخصهای گیاهی NDVI، خاک بایر (BI) و سه مولفه اصلی آنالیز مولفههای اصلی (PCA) بهعنوان ورودی در کنار دیگر باندها برای افزایش دقت طبقهبندی مورد استفاده قرار گرفت. از طرفی توابع کرنلها و رتبههای چندجملهای روش ماشین بردار پشتیبان (SVM) مورد ارزیابی قرار گرفت و بهترین نتیجه این روش با روش شبکه عصبی مصنوعی (ANN) مورد مقایسه قرار گرفت. نتایج نشان داد که دقت روش ماشین بردار پشتیبان ۹۲٪ با ضریب کاپا ۹۱/۰ و روش شبکه عصبی ۸۹٪ با ضریب کاپا ۸۷/۰ میباشد همچنین جایی که کلاسها رفتار طیفی مشابهی را از خود نشان میدهند روش SVM کارایی بهتری از خود نشان میدهد.
کلمات کلیدی: کاربری اراضی, لندست ۸, شاخص های گیاهی و خاک بایر, ANN, SVM
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1313856/