بررسی عملکرد روش های انتخاب ویژگی در تهیه ی نقشه ی پوشش اراضی با استفاده از تصاویر سنجنده لندست ۸، مطالعه موردی: شهر مادرید، اسپانیا
Publish place: The 6th International Conference on Global Studies in Civil Engineering, Architecture, and Urban Planning
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 158
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GSECONF06_065
تاریخ نمایه سازی: 9 اردیبهشت 1402
Abstract:
با توجه به تغییرات گسترده ی پوشش اراضی در دهه های اخیر، تهیه نقشه ی پوشش اراضی بسیار حائز اهمیت است. تصاویر سنجش از دور قابلیت بسیار خوبی در تهیه این نقشه ها، از خود نشان داده اند. از همین رو، از سه مدل جنگل تصادفی ( Random Forest )، ماشین بردار پشتیبان ( Support Vector Machine ) و k -نزذیک ترین همسایگان ( KNN ) جهت طبقه بندی پوشش اراضی در شهر مادرید پایتخت اسپانیا استفاده شد. از سوی دیگر، به دلیل ویژگی های زیاد استخراج شده از تصاویر سنجش از دور و نیز لزوم تهیه نقشه های کاربری اراضی در پهنه های وسیع، حجم محاسبات در اینگونه مسائل بالا بوده و لزوم انتخاب ویژگی درست بیش از پیش، مطرح است. این مطالعه به مقایسه ی روش های انتخاب ویژگی، به عنوان یکی از راهکارهای اصلی کاهش محاسبات، پرداخت. نتایج حاکی از برتری روش های XGBoost ، Genetic و RFECV نسبت به سایر روش ها بود.
Keywords:
Authors
علی میرزایی
کارشناس ارشد سنجش از دور، دانشگاه اصفهان
احسان مسعودیان
کارشناس ارشد سیستم اطلاعات مکانی، دانشگاه تهران