مقایسه سه روش طبقه بندی حداکثر احتمال، ماشین بردار پشتیبان و شبکه عصبی با استفاده از تصاویر ماهواره ای (مطالعه موردی: شهرستان اهواز)
- سال انتشار: 1398
- محل انتشار: دومین همایش ملی منابع طبیعی و توسعه پایدار در زاگرس
- کد COI اختصاصی: NRSTZAGROS02_136
- زبان مقاله: فارسی
- تعداد مشاهده: 1517
نویسندگان
کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
دانشیار، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
استادیار، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
چکیده
روش های طبقه بندی متعددی وجود دارند و طبقه بندی های مختلف دقت مختلفی را دارند. نتایج روش های طبقه بندی اغلب بستگی به پیچیدگی چشم انداز منطقه مورد مطالعه و داده های مورد استفاده دارد؛ بنابراین هدف این مقاله یافتن یک طبقه بندی مناسب برای طبقه بندی کاربری اراضی و پوشش زمین به کمک تصاویر سنجنده های ETM+ ،TM و OLI به ترتیب برای سال های 1377، 1387 و 1398 استفاده گردید. همچنین شاخص تفاضلی پوشش گیاهی نرمال شده (NDVI) شاخص تفاضلی شوری نرمال شده (NDSI) و آنالیز مولفه های اصلی (PCA) همراه با سایر باندها برای افزایش دقت طبقه بندی مورد استفاده قرار گرفت. سپس به منظور طبقه بندی به سه روش حداکثر احتمال (ML)، ماشین بردار پشتیبان (SVM) و شبکه عصبی (NN) با استفاده از نرم افزار ENVI، نقشه پوشش اراضی به شش کلاس پهنه آبی، ساخته شده، کشاورزی، بایر، شور و تپه ماسه طبقه بندی گردید. در نهایت به منظور ارزیابی صحت با استفاده از صحت کاربر، صحت تولید کننده، صحت کلی، ضریب کاپا و ماتریس خطا، لایه تهیه شده با نقاط ایجاد شده توسط نمونه برداری تصادفی و تصویر گوگل ارث مورد مقایسه قرار گرفت. نتایج نشان داد که طی سال های 1377، 1387 و 1398 روش ماشین بردار پشتیبان به ترتیب با دقت کلی 96/45، 95/10 و 94/90 درصد در کرنل تاج پایه شعاعی (RBF) نسبت به دو روش حداکثر احتمال با دقت کلی 94/23، 92/52 و 91/50 درصد و شبکه عصبی با دقت کلی 92/42، 85/62 و 89/63 درصد کارایی بهتری از خود نشان داد.کلیدواژه ها
لندست، ماشین بردار پشتیبان، حداکثر احتمال، شبکه عصبی، اهوازمقالات مرتبط جدید
- استفاده از مواد دوست دار محیطزیست بهعنوان جایگزین برای صنعت بستهبندی مواد غذایی
- مروری بر کاربرد چارچوبهای فلزی-آلی در جذب دیاکسید کربن
- کنترل بهینه یک مدل دینامیکی امکانات و تسهیلات گردشگری در جهت توسعه پایدار مبتنی بر تاثیرات عوامل محیطی
- بررسی موانع پیاده سازی استانداردهایISO با تاکید بر مدیریت سبز با استفاده از شبکههای عصبی عمیق کانولوشن
- استخراج رمزارز و چالش های آلودگی محیط زیست
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.