طبقهبندی پوشش زمین با استفاده از تصاویر راداری سنجنده ی سنتینل ۱ در مدارهای پایین رونده و بالارونده

شناخت دقیق و طبقهبندی انواع پوشش زمین یکی از مسائل مهم در مطالعات زیستمحیطی، مدیریت منابع طبیعی و بررسی تغییرات اقلیمی است. در این تحقیق، طبقهبندی پوشش زمین با استفاده از تصاویر راداری با روزنه مجازی (SAR) در سه حالت مختلف: مدار پایین رونده، بالارونده و ترکیب هر دو مدار، انجام شده است. هدف اصلی این تحقیق، طبقهبندی چهار کلاس پوشش زمین شامل شهر، آب، پوشش گیاهی و خاک بود. برای بهبود دقت طبقهبندی، تصاویر SAR پس از اعمال فرآیند پیشپردازش و کاهش شبه نویز اسپکل، با استفاده از الگوریتم جنگل تصادفی (RF) طبقهبندی شدند. نتایج نشان داد که ترکیب تصاویر مدار پایین رونده و بالارونده، بهطور قابل توجهی دقت طبقهبندی را افزایش میدهد. دقت کلی در حالت ترکیب تصاویر به ۸۰.۵۸ درصد و ضریب کاپا به ۲۰۰۸.۰ رسید که این نتایج عملکرد برتر روش ترکیب داده ها را نسبت به استفاده از تصاویر به صورت جداگانه در مدارهای پایین رونده و بالارونده نشان میدهد. علاوه بر این، تحلیل ها نشان داد که در مناطق کوهستانی، بهویژه در تصاویر مدار پایین رونده، خطاهایی در طبقهبندی مشاهده می شود که این خطاها با ترکیب داده ها به طور چشمگیری کاهش می یابد. این تحقیق نشان میدهد که استفاده همزمان از تصاویر SAR در دو مدار بالارونده و پایین رونده می تواند دقت طبقهبندی و تفکیک کلاس ها را بهویژه در شرایط جغرافیایی پیچیده، به طور قابل ملاحظه ای بهبود بخشد.

کلیدواژه ها:

طبقهبندی پوشش زمین ، تصاویر SAR ، سنجش از دور ، یادگیری ماشین ، الگوریتم جنگل تصادفی