بهبود دقت طبقه بندی با ترکیب تصاویر چندفصلی سنتینل ۱ و ۲ به منظور تهیه نقشه کاربری اراضی در فضای ابری گوگل ارث انجین (مطالعه موردی: استان گیلان)
Publish place: geography and human relationships، Vol: 5، Issue: 3
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 93
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GAHR-5-3_021
تاریخ نمایه سازی: 18 تیر 1402
Abstract:
نقشه های به روز و دقیق کاربری اراضی نقش مهمی در مدیریت و برنامه ریزی کشورهای درحال توسعه ایفا می کند. هدف از این پژوهش علاوه بر تهیه ی نقشه دقیق پوشش اراضی استان گیلان، مقایسه و ارزیابی نقشه های تولیدشده با استفاده از داده های چندفصلی راداری و اپتیکی و همچنین ترکیب این داده ها با یکدیگر به منظور بهبود دقت نقشه طبقه بندی شده می باشد. در این راستا داده های با توان تفکیک مکانی ۱۰ متر سنتینل ۲ و قطبش VH راداری سنتینل ۱ در باند C به منظور تهیه نقشه پوشش اراضی در محیط پردازشی گوگل ارث انجین مورد پردازش و تحلیل قرار گرفتند. یافته ها نشان داد که نتایج استفاده از داده ی راداری سنتینل ۱ به تنهایی یا استفاده از تصاویر سنتنیل ۲ به تنهایی، به ترتیب دارای ضریب کاپای ۰.۷۲ و ۰.۸۴ درصد و دقت کلی به ترتیب ۷۸.۵۱ و ۸۷.۴۱ درصد است. این در حالی است که استفاده هم زمان از داده ی سنتنیل ۱ و سنتنیل ۲ با رویکرد ترکیب داده ها در محیط گوگل ارث انجین، نتایجی بسیار مطلوب تری را حاصل و باعث بهبود دقت طبقه بندی می شود. به طوری که نقشه ی تهیه شده با استفاده از ترکیب چندفصلی هم زمان تصاویر سنتنیل ۱ و ۲ دارای ضریب کاپا و دقت کلی به ترتیب ۰.۹۷ و ۹۷.۷۷ درصد برآورد گردید. در این پژوهش پیکسل های کاربری بایر در تصاویر سنتینل ۱ به دلیل شباهت میزان بازپراکنش و در تصاویر سنتینل ۲ به علت شباهت طیفی، سبب عملکرد نامناسب الگوریتم طبقه بندی ماشین بردار پشتیبان در تفکیک کلاس بایر و شهر از هم گردید. به طورکلی نتایج این پژوهش بیانگر آن است که ترکیب هم زمان داده های سنتینل ۱ و ۲ برای بهبود دقت الگوریتم های طبقه بندی جهت نقشه برداری می تواند بسیار مناسب عمل کند و کلاس های اراضی را با توانایی بالا از هم جدا سازد.
Keywords:
Authors
سعید راستی
سنجش از دور و سیتم اطلاعات جغرافیا ،دانشکده جغرافیا ،دانشگاه تهران ،ایران
مصطفی مهدوی فرد
سیستم اطلاعات جغرافیایی ،دانشگاه برنامه ریزی و علوم محیطی، دانشگاه تبریز، ایران
هدایت شیخ قادری
سنجش از دور وسیستم اطلاعات جغرافیایی ،دانشگاه خوارزمی، دانشگاه تهران، ایران
ابوذر نصیری
سیستم اطلاعات جغرافیایی و سنجش از دور مرکز آموزش عالی فیروزآباد
نازنین زهرا تکتاز
سنجش از دور و سیستم اطلاعات جغرافایی دانشکده رودکی دانشگاه هرمزگان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :