ارزیابی طبقه بندی های پیکسل-پایه و شیء-پایه تصاویر هوایی برای تشخیص گونه های درختی (مطالعه موردی: جنگلکاری چمستان نور)
محل انتشار: مجله جنگل ایران، دوره: 3، شماره: 1
سال انتشار: 1390
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 87
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJF-3-1_004
تاریخ نمایه سازی: 11 دی 1402
چکیده مقاله:
تصاویر هوایی رقومی جنگل های شمال که با دوربین هوایی پیشرفته UltraCamD گرفته شده اند، منبع بسیار با ارزشی برای تولید اطلاعات مفید جنگل هستند. ویژگی های خاص این تصاویر، ضرورت تعیین روش بهینه طبقه بندی آنها را مطرح می سازد. در این تحقیق داده های ادغام شده این سنجنده در چهار باند طیفی ۱۶ بیتی و با اندازه تفکیک مکانی ۷ سانتی متر مربوط به سال ۱۳۸۷ از یک منطقه جنگلکاری در چمستان نور، با هدف تشخیص گونه های درختی، تجزیه و تحلیل شدند. در تصحیح هندسی دقیق تصاویر، علاوه بر داده های GPS و IMU همراه تصویر، از نقاط کنترل زمینی اخذ شده با DGPS نیز استفاده شد. بارزسازی های مناسب انجام گرفت و باندهای حاصل به همراه باندهای اصلی به کار گرفته شدند. نمونه های تعلیمی یکسان در هر دو روش طبقه بندی استفاده شدند. نقشه واقعیت زمینی برای ارزیابی نتایج طبقه بندی ها، به روش میدانی تهیه شد. در روش پیکسل-پایه، طبقه بندی نظارت شده به روش حداکثر تشابه انجام گرفت. در روش شیء-پایه، ابتدا قطعه بندی تصویر با ترکیب های باندی و ضرایب مناسب شاخص های رنگ، شکل، فشردگی، همواری و مقیاس به اجرا درآمد و در ادامه، طبقه بندی به روش نزدیک ترین همسایه و بر مبنای منطق فازی در سطوح طبقات والد و وارث اجرا و بهترین حالت طبقه بندی با استفاده از معیارهای پایداری طبقه بندی، تفکیک پذیری طبقات و ارزیابی صحت تعیین شد. ارزیابی صحت نقشه های حاصل از دو روش در مقایسه با داده های مبنا، نشان دهنده برتری معنی دار از نظر صحت کلی و ضریب کاپای طبقه بندی شیء-پایه است. ضمن اینکه نقشه های حاصل از آن، حالت نامناسب فلفل نمکی موجود در نقشه های پیکسل-پایه را ندارد. به علاوه روش شیء-پایه با بهره گیری از اطلاعات مکانی موجود در تصویر، در کنار اطلاعات طیفی آن، در تفکیک گونه هایی که تشابه طیفی زیادی با هم داشتند، بسیار موفق عمل کرد. صحت طبقه بندی شیء-پایه بر روی داده های با توان تفکیک مکانی زیاد، وابسته به نوع طبقات و ماهیت تفکیک پذیری آنها، کیفیت قطعه بندی، اندازه نمونه ها، کیفیت نمونه برداری، چارچوب و قالب طبقه بندی و توزیع مکانی و درجه آمیختگی جنگل است.
کلیدواژه ها: