طراحی چارچوب هوشمند اداره زمین با استفاده از الگوریتم های یادگیری ماشین برای تشخیص تغییرات کاربری زمین با استفاده از تصاویر ماهواره ای

مدیریت پایدار و هوشمند منابع زمین نیازمند نظارت دقیق و مستمر بر پویایی های محیطی و کاربری اراضی است. روش های سنتی پایش تغییرات کاربری زمین به دلیل ماهیت تکرارشونده، زمان بر بودن تحلیل ها و وابستگی شدید به مشاهدات زمینی، پاسخگوی نیازهای به روزرسانی سریع اطلاعات کاداستر ملی نیستند. این مقاله به طراحی یک چارچوب مفهومی هوشمند برای تشخیص تغییرات کاربری زمین (LULC) با تکیه بر داده های سنجش از دور و ادغام الگوریتم های پیشرفته یادگیری ماشین (ML) می پردازد. چارچوب پیشنهادی مبتنی بر یک معماری سه لایه است: لایه دریافت و پیش پردازش داده های ماهواره ای، لایه هوشمند تحلیل و استخراج ویژگی های مکانی–زمانی و لایه تصمیم گیری و به روزرسانی کاداستر. تمرکز اصلی این چارچوب اتوماسیون فرآیند تشخیص تغییرات (Change Detection) از طریق مدل های یادگیری عمیق و نظارت شده است که قابلیت شناسایی الگوهای پیچیده تغییرات را فراهم می آورند. این چارچوب با هدف پشتیبانی از مفاهیم کاداستر چندبعدی (نسل چهارم)، امکان ارائه اطلاعات مکانی دقیق و به هنگام را برای تصمیم گیری های مدیریتی فراهم می سازد. در این پژوهش، تنها ساختار مفهومی و معماری فنی چارچوب تشریح شده و هیچ گونه داده میدانی برای اعتبارسنجی استفاده نگردیده است.

کلیدواژه ها:

اداره زمین ، هوشمند ، تشخیص تغییرات ، یادگیری ماشین ، سنجش از دور ، کاداستر چندبعدی ، کاربری زمین