بررسی کارایی الگوریتم‌های نظارت‌شده در تهیۀ نقشۀ پوشش زمین با استفاده از تصاویر سنتینل 2 در رویشگاه جنگلی زاگرس

نویسندگان

1 استادیار پژوهش، مؤسسۀ تحقیقات جنگل‌ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

2 استادیار پژوهش، مؤسسۀ تحقیقات جنگل‌ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

doi
10.22034/ijf.2023.328404.1849
چکیده

مقدمه: هدف این پژوهش، بررسی عملکرد الگوریتم‌های مختلف در افزایش صحت نقشۀ پوشش زمین با استفاده از تصاویر سنتینل بوده است.مواد و روش­ها: منطقۀ پژوهش یک برگ نقشه (مقیاس 25000/1) در منطقۀ رویشی زاگرس شهرستان مریوان به مساحت 6/15782 هکتار بود. نقشۀ پوشش زمین با استفاده از الگوریتم‌های نظارت‌شدۀ فاصلۀ ماهالانوبیس، حداکثر احتمال، حداقل فاصله از میانگین، شبکۀ عصبی مصنوعی، موازی، ماشین بردار پشتیبان، نقشه‌‌بردار زاویۀ طیفی، اطلاعات طیفی واگرایی و کدگذاری دودویی با استفاده از بهترین ترکیب باندی از دوازده باند (2، 3، 4، 5، 6، 7، 8، a8، 11، 12، NDVI،SAVI ) و نمونه‌های تعلیمی به‌دست‌آمده از اطلاعات میدانی و تصاویر ماهواره‌ای تهیه شد. از 70 درصد نمونه‌ها برای طبقه‌بندی و از 30 درصد برای ارزیابی صحت نقشه‌های طبقه‌بندی‌شده استفاده شد.یافته­ها: نتایج نشان داد که سه طبقه‌بندی‌کنندۀ ماشین بردار پشتیبان، شبکۀ عصبی و حداکثر احتمال دارای بیشترین صحت هستند. طبقه‌بندی‌کنندۀ ماشین بردار پشتیبان با اختلاف بسیار جزئی صحت بیشتری از دو طبقه‌بندی‌کنندۀ دیگر داشت. شایان ذکر است که برای بهبود طبقه‌بندی از کرنل‌های ماشین بردار پشتیبان (خطی، چندجمله‌ای، تابع پایۀ شعاعی و حلقوی) و تنظیمات نقشه‌بردار زاویۀ طیفی (شش حالت) و موازی (دو حالت) استفاده شد. نتایج نشان داد که طبقه‌بندی‌کنندۀ ماشین بردار پشتیبان به روش تابع چندجمله‌ای با درجۀ 6 دارای بیشترین صحت است. سپس نقشه با بیشترین صحت پس‌پردازش شد و صحت کلی 63/96 و ضریب کاپا 9393/0 به‌دست آمد.نتیجه­گیری: بررسی بیست حالت طبقه‌بندی‌کننده روی تصاویر سنتینل در این پژوهش، نشان از بررسی کامل الگوریتم‌های طبقه‌بندی‌کننده در مقایسه با پژوهش‌های انجام‌گرفته دارد.