تحقیقات کاربردی علوم جغرافیایی، جلد ۲۴، شماره ۷۴، صفحات ۲۷۲-۲۹۲
عنوان فارسی ارزیابی دقت تصاویر فراطیفی و چندطیفی در طبقه بندی پوشش تالاب ها با استفاده از روش‌های مختلف طبقه بندی (مطالعه موردی: تالاب شادگان)
چکیده فارسی مقاله طبقه­بندی پوششی تالاب­ها به منظور شناسایی نوع گونه­های گیاهی داخل تالاب و تمایز آن با پوشش گیاهی حاشیه­ی تالاب و بررسی تغییرات اکوسیستم آنها از اهمیت ویژه­ای برخوردار است. با توجه به مشابهت طیفی بین گونه­های مختلف گیاهی تالاب و گیاهان حاشیه­ی تالاب و زمین­های کشاورزی این امر با استفاده از داده­های چندطیفی با مشکلاتی مواجه است و داده­های ابرطیفی می­تواند در این زمینه بسیار سودمند باشد. در این مطالعه توان سنجنده‌های ابرطیفی و چندطیفی در شناسایی ویژگی‌های تالاب و توانایی سنجنده‌های ETM+(2011)، Hyperion(2011) و ALI(2011) به منظور مطالعه­ی ویژگی‌های تالاب شادگان طی سال 1390 بررسی شد و شاخص­های مختلف طیفی به همراه ترکیب مناسبی از باندهای تصاویر ماهواره­ای سنجنده­های مذکور به عنوان ورودی انواع روش‌های طبقه­بندی شامل روش­های حداکثر احتمال، حداقل فاصله، شبکه عصبی و ماشین بردار پشتیبان مورد مقایسه قرار گرفت. نتایج نشان داد که روش‌های ماشین بردار پشتیبان و شبکه عصبی با دارا بودن دقت طبقه­بندی بالای 85 درصد در هر سه تصویر, نتایج نزدیک‌تری به واقعیت نشان می‌دهند. دقت طبقه­بندی برای هر سه تصویر برای روش ماشین بردار پشتیبان در بالاترین حد خود بود به طوریکه برای تصویر Hyperion صحت کلی برابر 95.73، برای ALI برابر 88.03 و برای ETM+ برابر با 89.34 است. بنابراین ویژگی‌های در نظر گرفته شده برای تالاب، در سه تصویر حاصل از الگوریتم SVM نشان داد که نمایش تمایز کاربری پوشش گیاهی حاشیه تالاب از کاربری زمین‌های کشاورزی آبی دارای ابهام بیشتری نسبت به سایر ویژگی‌های تالاب است. بررسی‌ها نشان داد که این بخش در تصاویر ALI و ETM+ نسبت به تصاویر Hyperion کمتر قابل شناسایی هستند و یا در برخی مناطق این قسمت‌ها اصلا قابل تفکیک از ارضی کشاورزی آبی نیستند، در حالیکه Hyperion به دلیل دارای بودن تعداد 220 باند و داشتن سطح بالاتری از جزئیات طیفی, توانایی تفکیک این دو کلاس را از هم دارد.
کلیدواژه‌های فارسی مقاله تصاویر ابرطیفی،تصاویر چندطیفی،تالاب شادگان،طبقه‌بندی،
عنوان انگلیسی Evaluating the accuracy of hyperspectral and multispectral images in wetland cover classification using data mining models (Case study: Shadegan wetland)
چکیده انگلیسی مقاله Wetland cover classification is of special importance in order to identify the type of plant species inside the wetland and also to distinguish it from the wetland margin vegetation and to study their ecosystem changes. Due to the spectral similarity between different plant species of wetlands and plants along the wetlands and agricultural lands, this is faced with problems using multispectral data and hyperspectral data can be very useful in this regard. in this study power of hyperspectral and multispectral sensors in identifying the characteristics of the wetland and the ability of ETM + (2011), Hyperion (2011) and ALI (2011) sensors to study the characteristics of Shadegan wetland during 1390 and different spectral indices with a suitable combination of The satellite imagery bands of these sensors were compared as input to a variety of classification methods including maximum likelihood, minimum distance, neural network and support vector machine. The results showed that the support vector machine and neural network methods with closer classification accuracy of 85% in all three images show closer results to reality. The classification accuracy for all three images was at its highest for the backup vector machine method, with a total accuracy of 95.73 for the Hyperion image, 88.03 for the ALI and 89.34 for the ETM +. Therefore, the characteristics considered for the wetland, in the three images obtained from the SVM algorithm showed that showing the differentiation of wetland vegetation use from irrigated agricultural land use is more ambiguous than other wetland features. Studies have shown that this part is less recognizable in ALI and ETM + images than Hyperion images, or in some areas these parts are not separable from aquaculture land at all, while Hyperion due to having 220 bands and having a higher level of Spectral details have the ability to distinguish between the two classes.
کلیدواژه‌های انگلیسی مقاله تصاویر ابرطیفی,تصاویر چندطیفی,تالاب شادگان,طبقه‌بندی
نویسندگان مقاله حمید باقری |
عضو هیات علمی, گروه مهندسی عمران, دانشگاه فنی و حرفه‌ای، تهران، ایران

رحیمه رستمی |
دانشجوی دکتری دانشگاه تهران

نشانی اینترنتی https://jgs.khu.ac.ir/article_6014_3f68928ec5b6fae14708854b8fd0cf08.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات