مقایسه ی الگوریتمهای یادگیری ماشین جهت تهیه نقشه پوشش زمین با استفاده از تصاویر ماهواره ای (قدرت تفکیک متوسط با تاکید بر گونه مرکبات)

در کشور ایران از میان محصولات کشاورزی تولید شده، یکی از محصولاتی که به علت صادرات آن و بحث امنیت غذایی مورد توجه قرار میگیرد گونه مرکبات می باشد. یکی از شهرهای مهم در سطح کشور برای تولید این محصولات شهرستان بابل میباشد. از گذشته تا به امروز روشهای متنوعی برای شناسایی و بررسی این محصولات مورد توجه قرار گرفته است. درگذشته بیشتر از روش آماری و سنتی استفاده میشد. با گذشت زمان و پیشرفت علم محققان از تصاویر سنجش از دوری روشهای یادگیری ماشین و پردازش تصویر برای بررسی استفاده میکنند این پژوهش روشی برای بررسی و طبقه بندی محصولات مرکبات به صورت سریع ارائه میدهد. در این پژوهش از تصاویر -سنتینل ۲- در بازه زمانی یک ساله و همچنین داده های میدانی از شهرستان بابل استفاده شد. در همین راستا ویژگیهایی همچون NDWI NDVI و SAVI برای استفاده در مراحل بعدی تولید شدند. سپس برای شناسی درختان شامل میوههای مرکبات، الگوریتمهای جنگل تصادفی (RF) ماشین بردار پشتیبان (SVM) درخت طبقه بندی و رگرسیون (CART) و K نزدیکترین همسایه (KNN) بکار گرفته شدند. نتایج روشهای مختلف طبقه بندی مقایسه و ارزیابی شدند و در نهایت، مدل بهینه برای شناسایی توزیع فضایی گونههای مرکبات در منطقه مورد مطالعه انتخاب شد. برای ارزیابی چندین پارامتر مورد محاسبه قرار گرفت، برای نمونه در معیار F-Score الگوریتم RF بالاترین دقت را داشته است که معادل ۹۸ بوده است نتایج الگوریتمهای SVM و CART نیز ۹۰ بوده و پس از آن الگوریتم KNN دارای دقت حدود %۸۰ بوده است. مطابق با نتایج حاصله به کارگیری تصاویر -۲-Sentinel و داده های زمینی به عنوان نقاط آموزشی میتواند در تهیه نقشه متوسط مقیاس جهت طبقه بندی گونههای مرکبات مفید واقع گردد.

کلیدواژه ها:

طبقه بندی ، ویژگی گونه مرکبات ، یادگیری ماشین