ارزیابی و مقایسه الگوریتم های مختلف طبقه بندی در تهیه نقشه پوشش اراضی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 663
فایل این مقاله در 9 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CESET02_182
تاریخ نمایه سازی: 7 اردیبهشت 1396
چکیده مقاله:
طبقه بندی کاربری اراضی با استفاده از تصاویر سنجش از دور یکی از مهمترین کاربردهای سنجش از دور است و بسیاری از الگوریتم ها برای این منظور توسعه یافته اند. هدف از انجام این مطالعه مقایسه میزان کارایی سه روش رایج طبقه بندی نظارت شده داده های ماهوارهای(روش حداقل فاصله از میانگین، روش حداکثر احتمال و روش ماشین بردار پشتیبان) در تشخیص کاربری های جزیره قشم می باشد. بدین منظور 160 نمونه تعلیمی از نقاط مختلف منطقه با ترکیب همگن جمع آوری و مختصات آنها بوسیله دستگاه GPS ثبت و به محیط سامانه اطلاعات جغرافیایی منتقل شد. داده ماهواره ای شامل تصویر ماهواره لندست 8 سنجده OLI مربوط به سال 2014 بود. پس از انجام تصحیحات اتمسفری توسط الگوریتم FLAASH داده ها مورد تجزیه و تحلیل قرار گرفتند و میزان کارایی هریک از روش های طبقه بندی با محاسبه دو شاخص صحت کلی (Overall Accuracy)و ضریب کاپا ( Kappa Coefficient) بررسی گردید. نتایج نشان دادند که در بین روش های به کار برده شده روش ماشین بردار پشتیبان (Support Vector Machines) با صحت کلی 100 درصد و ضریب کاپای 1 بیشترین میزان دقت و روش حداقل فاصله از میانگین (Minimum Distance) با صحت کلی 96/46 و ضریب کاپا 0/94 کمترین میزان دقت را در طبقه بندی منطقه مورد مطالعه داشت.
کلیدواژه ها:
نویسندگان
سعیده ناطقی
دانشجوی دکتری بیابانزدایی دانشگاه هرمزگان
احمد نوحه گر
استاد دانشکده محیط زیست دانشگاه تهران
امیر هوشنگ احسانی
دانشیار دانشکده محیط زیست دانشگاه تهران
ام البنین بذرافشان
استادیار دانشکده منایع طبیعی دانشگاه هرمزگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :