رضا حسینخانی؛ محمودرضا صاحبی؛ حمید عبادی
دوره 6، شماره 3 ، دی 1393
چکیده
سنجش از دور را میتوان بهعنوان ابزاری قدرتمند با بهکارگیری داده از منابع مختلف و تلفیق آنها با یکدیگر برای طبقهبندی انواع پوشش گیاهی و کاربری اراضی بهکار گرفت. طبقهبندی انواع مراتع، اطلاعات اصلی را برای آنالیز بهرهوری کشاورزی، محاسبة کربن و شناسایی تنوع زیستی فراهم میکند. نخستین مجموعه دادههای استفادهشده در مطالعة ...
بیشتر
سنجش از دور را میتوان بهعنوان ابزاری قدرتمند با بهکارگیری داده از منابع مختلف و تلفیق آنها با یکدیگر برای طبقهبندی انواع پوشش گیاهی و کاربری اراضی بهکار گرفت. طبقهبندی انواع مراتع، اطلاعات اصلی را برای آنالیز بهرهوری کشاورزی، محاسبة کربن و شناسایی تنوع زیستی فراهم میکند. نخستین مجموعه دادههای استفادهشده در مطالعة حاضر، تصویر لندست (Thermatic Mapper) TM و دومین مجموعة دادهها، تصویر راداری ENVISAT ASAR برای منطقة مورد مطالعه واقع در محدودة شمالغربی شهر تهران (البرز جنوبی) است. در پژوهش حاضر، پس از اعمال چندین روش تصحیح توپوگرافی تصویر نوری که همگی جزو روشهای غیرلامبرتیاند و با توجه به معیارهای ارزیابی این روشها، تصحیح توپوگرافی تصویر نوری انجام شد. در ادامه، سودمندی و بهبودی که با استفاده از ویژگیهای استخراجشده از تصویر راداری و نوری که شامل بافت آنهاست و در تلفیق با باندهای طیفی تصویر نوری بهکار رفته است. روی نتایج طبقهبندی نهایی بررسی شد. برای انتخاب ویژگیهای مستقل که منتج به بالاترین صحت نتایج شود از الگوریتم ژنتیک استفاده شد. تأثیر استفاده از دادههای ارتفاعی منطقه و شاخصهای گیاهی تصویر نوری بر نتایج نهایی طبقهبندی در بخش دیگری از تحقیق بررسی و باندهای بهینه انتخاب شدند. نتایج بهدستآمده نشاندهندة افزایش صحت کلی و ضریب کاپای طبقهبندی بیشترین شباهت از 04/77 و 7317/0 برای تصویر نوری اولیه به 1/78 و 7495/0 در حالت استفاده از الگوریتم ژنتیک و 37/83 و 8036/0 در حالت استفاده از دادههای ارتفاعی و شاخصهای گیاهی است. کلیدواژهها: تلفیق تصاویر، طبقهبندی مراتع، تصحیح توپوگرافی، بافت تصویر، سنجش از دور.