|
|
|
|
ارزیابی عملکرد الگوریتمهای ماشین بردار پشتیبان و حداکثر احتمال در تهیه نقشه کاربری اراضی جنگلهای رودخانهای با استفاده از سنجنده oli (منطقه مورد مطالعه: جنگلهای رودخانهای مارون بهبهان)
|
|
|
|
|
|
|
|
نویسنده
|
تراهی علیاصغر ,فیروزینژاد مرجان ,عبدالخانی علی
|
|
منبع
|
سنجش از دور و gis ايران - 1396 - دوره : 9 - شماره : 1 - صفحه:49 -62
|
|
چکیده
|
تهیه اطلاعات دقیق و بهروز از منابع جنگلی یکی از عوامل اساسی در مطالعه و مدیریت پایدار این منابع است و این اطلاعات را میتوان بهآسانی و با صرف هزینه و زمان کمتر، از راه طبقهبندی دادههای دورسنجی تهیه کرد. در این مطالعه بهمنظور ارزیابی عملکرد الگوریتمهای ماشینبردار پشتیبان و حداکثر احتمال در تهیه نقشه کاربردی اراضی جنگلهای رودخانهای، از دادههای ماهواره لندست 8 استفاده شد. برای این کار، پنجرهای از تصاویر چندطیفی سنجنده oli جنگلهای رودخانه مارون بهبهان، در استان خوزستان، انتخاب شد. پس از عملیات پیشپردازش، شامل رفع خطای رادیومتریک و تصحیح اتمسفریک، طبقهبندی تصاویر بهروش نظارتشده و با استفاده از الگوریتمهای حداکثر احتمال و ماشین بردار پشتیبان و با هفت کلاس کاربری جنگل، مرتع، کشاورزی، آیش، رودخانه، مسکونی و جاده، و همچنین سه کلاس کاربری جنگل، رودخانه و دیگر مناطق، روی مجموعه باندهای اصلی صورت پذیرفت. برای ارزیابی عملکرد الگوریتم ماشین بردار پشتیبان، از سه گروه نمونه تعلیمی با تعداد 241، 141 و 41 نمونه و همچنین از چهار هستهخطی، چندجملهای، شعاعی و حلقوی استفاده شد. نتایج حاصل نشان داد که تهیه نقشه طبقهبندی جنگلهای رودخانهای مارون و تفکیک کاربریها با استفاده از تصاویر سنجنده oli امکانپذیر است و بهترین نتیجه مربوط به طبقهبندی، با استفاده از الگوریتم polynomialsvm در باندهای اصلی سنجنده oli و با سه کلاس کاربری و صحت کلی 24/99 و ضریب کاپای 97/0 است. همچنین مشخص شد که با کاهش تعداد کلاسها از هفت به سه، کاربری صحت طبقهبندی افزایش مییابد ولی با کاهش تعداد نمونهها تا حد میانگین، تغییر محسوسی در کیفیت طبقهبندی رخ نمیدهد و در صورت کاهش زیاد تعداد نمونهها، از صحت طبقهبندی نیز کاسته میشود
|
|
کلیدواژه
|
svm، mlc، جنگلهای رودخانهای، سنجنده oli، طبقهبندی، مارون بهبهان.
|
|
آدرس
|
دانشگاه خوارزمی, دانشکده علوم جغرافیایی, گروه سنجش از دور و gis, ایران, دانشگاه شهید چمران اهواز, ایران, دانشگاه شهید چمران اهواز, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Assessment of SVM and MLC Algorithms on Landuse/ Landcover Mapping of Riparian Forest, Using OLI Sensor (Case Study: Riparian Forest of Maroon, Behbahan)
|
|
|
|
|
Authors
|
|
|
Abstract
|
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|