کاربرد منحنی ROC در ارزیابی روش های طبقه بندی پیکسل- پایه روی تصاویر هوایی UltraCam-D برای تفکیک تاج درختان در توده های خالص بلوط ایرانی در جنگل های زاگرس
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 154
فایل این مقاله در 15 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_IJFPR-22-4_009
تاریخ نمایه سازی: 25 دی 1402
چکیده مقاله:
مدیریت پایدار جنگل در زاگرس نیازمند برآورد تراکم تاج پوشش درختان جنگلی است و صحت نقشه های مربوط به این ویژگی که از سنجش از دور به دست آمده است، باید با روش های مناسب مورد ارزیابی قرار گیرد. این پژوهش با هدف ارزیابی نتایج سه طبقه بندی کننده پیکسل- پایه روی تصاویر هوایی UltraCam-D برای تفکیک تاج درختان بلوط ایرانی در جنگل های زاگرس به وسیله منحنی عملیاتی دریافت کننده (ROC) انجام شد. یک قطعه نمونه با مساحت ۳۰ هکتار در بخشی از توده های خالص بلوط ایرانی این جنگل ها انتخاب شد و موقعیت مکانی و محدوده تاج همه درختان آن به طور کامل مساحی شدند. تصویر هوایی UltraCam-D منطقه موردنظر بااستفاده از طبقه بندی کننده های حداکثر احتمال (ML)، شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) طبقه بندی شد. سپس نتایج حاصل از طبقه بندی بااستفاده از منحنی ROC و شاخص های صحت کلی و ضریب کاپا و نقشه واقعیت زمینی مورد ارزیابی قرار گرفت. نتایج نشان داد بیشترین سطح زیر منحنی ROC مربوط به «تاج درختان» در طبقه بندی کننده ML بوده است (۸۹۴/۰) و در مقابل، کمترین سطح زیر منحنی مربوط به طبقه بندی کننده SVM بود (۸۱۹/۰). حساسیت و ویژگی «تاج درختان» در طبقه بندی کننده ML (به ترتیب ۹۹۹/۰ و ۹۹۹/۰) بیشتر از دو طبقه بندی کننده دیگر بود. اگرچه دقت طبقه بندی کننده SVM در تفکیک «تاج درختان» حداکثر مقدار ممکن بود (۰۰۰/۱)، اما صحت این طبقه در طبقه بندی کننده ML (۹۹۹/۰) بیشتر بود. به طور کلی این پژوهش نشان داد که منحنی ROC قادر به ارزیابی صحت و دقت روش های طبقه بندی پیکسل- پایه موردبررسی روی تصاویر هوایی UltraCam-D به منظور تفکیک «تاج درختان» بوده است.
کلیدواژه ها:
نویسندگان
سیدیوسف عرفانی فرد
هیات علمی دانشگاه شیراز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :