مقایسه عملکرد روش خوشه بندی k-means با شاخص های طیفی در بارزسازی کاربری و پوشش اراضی به کمک سنجش از دور با پایتون (مورد مطالعاتی: تصاویر چند طیفی ماهواره لندست ۸)

با وجود پیشرفت روزافزون فناوری و همه گیر شدن برنامه نویسی در شاخه های مختلف علوم پایه، الزام استفاده و یادگیری برنامه نویسی در شاخه های مختلف علوم زمین امری غیر قابل انکار است. یکی از موارد مورد توجه دنیای فناوری امروز مبحث هوش مصنوعی و استفاده از یادگیری ماشین در انجام بدون نظارت کارهای روزمره است و با وجود توسعه بسته های مختلف در بستر زبان برنامه نویسی پایتون انجام کارهای سنجش از دور برای متخصصان این حوزه راحت تر از پیش شده است. در این مقاله تلاش بر آن شده است که با استفاده از الگوریتم خوشه بندی k-means و به کمک تصاویر مولتی اسپکترال لندست ۸ نمونه ای از توانایی زبان برنامه نویسی پایتون را در انجام فرایندهای خوشه بندی نمایش دهیم.

کلیدواژه ها:

خوشه بندی ، سنجش از دور ، برنامه نویسی ، پایتون ، یادگیری ماشین