تعیین مقیاس بهینه قطعه‌بندی در طبقه‌بندی شی ‌گرای ابر، با استفاده از تصاویر Noaa/Avhrr

شناخت نوع ابر و طبقه‌بندی ابرها از ابتدایی‌ترین اصول در اکثر روش‌های پیش‌بینی بارش است که در بیشتر مواقع به صورت بصری و با مقایسه تصاویر باندهای مادون قرمز و باندهای مریی انجام می‌شود. در این گونه مطالعات تنها از دمای روشنایی ابر و آلبدوی آن برای طبقه‌بندی ابر استفاده می‌شود، در صورتی‌که بافت و شکل ابرها نیز از عوامل تاثیرگذار در تشخیص انواع آنهاست. روش طبقه‌بندی شی ‌گرا به علت استفاده از پارامترهای بافت و شکل و نیز دمای روشنایی و آلبدوی ابر، روش مناسبی برای طبقه‌بندی ابرها به‌شمار می‌آید؛ لیکن این روش طبقه‌بندی، بسیار وابسته به دقت قطعه‌بندی نیز هست. با توجه به اینکه یکی از فاکتورهای موثر بر دقت طبقه‌بندی همانا مقیاس قطعه‌بندی است، لذا تعیین مقیاس مناسب قطعه‌بندی در افزایش دقت طبقه‌بندی شی ‌گرا اهمیت فراوان دارد. هدف از ارایه این مقاله نیز تعیین مقیاس مناسب قطعه‌بندی در طبقه‌بندی شی ‌گرای ابر است. در این تحقیق دو تصویر noaa/avhrr مورد استفاده قرار گرفتند. به منظور انجام تحقیق، ابتدا اطلاعات اضافی شامل دمای روشنایی ابر در باند 3 و 4 و ارتفاع ابر از داده‌های سنجش از دور به منظور استفاده در قطعه‌بندی تصویر استخراج گردید و از روش دو باندی (مادون قرمز و مریی) برای انتخاب نواحی آموزشی استفاده شد. سپس تاثیرات منفی خطاهای قطعه‌بندی بر دقت طبقه‌بندی شی ‌گرای ابر از طریق بسط روش محاسباتی تعیین گردید و دقت قطعه‌بندی کمّی‌سازی شد. در این مرحله ارزیابی به‌وسیله کمّی‌سازی تاثیرات کلی خطاها، با توجه به معیارها و واحدها در 25 مقیاس قطعه‌بندی صورت پذیرفت تا مقیاس مناسب برای قطعه‌بندی ابر به‌دست آید. نتایج نشان داد که نخست، دقت قطعه‌بندی ابر با افزایش مقیاس قطعه‌بندی کاهش می‌یابد؛ و دوّم، تاثیرات منفی خطاهای قطعه‌بندی کمتر از حد مناسب در قطعه‌بندی ابر در مقیاس‌های بزرگ، به صورت کاملاً محسوس بزرگ می‌شوند. همچنین دقت‌های قطعه‌بندی بالا لزوماً ‌منجر به دقت‌های بالای طبقه‌بندی شی ‌گرا در طبقه‌بندی ابر نمی‌شوند، اما دقت‌های پایین قطعه‌بندی منجر به دقت‌های پایین طبقه‌بندی می‌شوند. با توجه به این مورد، بهترین مقیاس برای قطعه‌بندی ابر، مقیاس 50 تعیین گردید که منجر به دقت کلی 5/90 درصد در طبقه‌بندی شی ‌گرای ابر شد.