استخراج خط ساحلی بر اساس تصاویر سنتینل ۲ بر پایه یادگیری ماشین با کمترین تعداد نقاط مبنا
محل انتشار: بیست و یکمین کنفرانس ژئوفیزیک ایران
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 107
فایل این مقاله در 5 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:
GCI21_020
تاریخ نمایه سازی: 1 بهمن 1403
چکیده مقاله:
دراین پژوهش روشی برای استخراج خط ساحلی از تصاویر ماهواره ای سینتل ۲ با استفاده از دسته بندی ماشین بردار پشتیبان (SVM)، برروی ساحل خزرشهر استان مازندران ارائه می شود. تصاویر سنتینل ۲ اطلاعات چند طیفی با وضوح بالا را فراهم می کند که در باند هایمختلف بر اساس طول موج طبقه بندی شده اند. SVM یک الگوریتم یادگیری نظارت شده موثر است که در این پژوهش به دلیل اثربخشی آن در مواجهه با داده های پیچیده و با ابعاد بالا از آن استفاده شد. دسته بند SVM در مرحله پیش پردازش بر روی باندهای تصویری آموزشداده شد تا تفاوت بین داده های زمین و آب را تشخیص دهد. نتیجه ترسیم خط ساحلی با استفاده از دسته بندی SVN با داده های مرجع با وضوح بالا تایید شد مزیت این روش انتخاب کمترین نقاط مبنا می باشد تا سرعت پردازش بالاتر رود. .نتایج نهایی دقت و قابلیت اطمیناناین روش را نشان داد. این رویکرد امکان بالقوه فراوانی برای پایش مداوم و خودکار تغییرات ساحلی فراهم می کند و به بهبود مدیریتساحلی و تصمیم گیری های مربوط به مهندسی سواحل کمک می کند.
کلیدواژه ها:
نویسندگان
فرحناز تقوی
دانشیار گروه فیزیک فضا، موسسه ژئوفیزیک دانشگاه تهران
سیدمحسن بیدگلی
دانشجوی کارشناسی ارشد، گروه فیزیک فضا-فیزیک دریا، موسسه ژئوفیزیک دانشگاه تهران