مهران دادجو؛ سید باقر فاطمی نصرآبادی
دوره 10، شماره 4 ، اردیبهشت 1397، ، صفحه 55-68
چکیده
ارزیابی دقت نتایج حاصل از طبقهبندی تصاویر ماهوارهای، بسیار حائز اهمیت است. تاکنون پارامترهای متعددی برای بیان دقت طبقهبندی تصاویر، مورد استفاده قرار گرفتهاند. دو نمونه از متداولترین پارامترها، ضریب کاپا[1] و دقت کلی [2]هستند. بعضی از محققان به این پارامترهای متداول ایراداتی وارد کرده و پارامترهای جدیدی ارائه کرده و معتقدند ...
بیشتر
ارزیابی دقت نتایج حاصل از طبقهبندی تصاویر ماهوارهای، بسیار حائز اهمیت است. تاکنون پارامترهای متعددی برای بیان دقت طبقهبندی تصاویر، مورد استفاده قرار گرفتهاند. دو نمونه از متداولترین پارامترها، ضریب کاپا[1] و دقت کلی [2]هستند. بعضی از محققان به این پارامترهای متداول ایراداتی وارد کرده و پارامترهای جدیدی ارائه کرده و معتقدند این پارامترها، معایب پارامترهای متداول را ندارند. در این تحقیق، رابطه دو مورد از این پارامترهای جدید ارزیابی دقت طبقهبندی با پارامترهای متداول مورد بررسی قرار گرفته است. این دو پارامتر مغایرت کمی[3] و مغایرت تخصیصی[4] نام گذاری شدهاند که میزان عدم شباهت را گزارش میکنند. به منظور بررسی رفتار این دو پارامتر، روی 57 تصویر شامل سه دسته از تصاویر با قدرت تفکیک متوسط، قدرت تفکیک بالا و قدرت تفکیک خیلی بالا، طبقهبندی نظارت شده انجام شد. سپس ضریب کاپا و دقت کلی به عنوان پارامترهای متداول، و مغایرت کمی و مغایرت تخصیصی به عنوان پارامترهای جدید برای هر تصویر طبقهبندیشده، محاسبه شده و همبستگی مقادیر به دست آمده با یکدیگر بررسی شد. نتایج به دست آمده در این تحقیق نشان میدهند که میزان همبستگی بین این دو دسته پارامتر، بالا ولی در جهت منفی است؛ به عبارت دیگر با افزایش مقادیر یک دسته، مقادیر دسته دیگر کاهش مییابد. به این ترتیب، پارامترهای مغایرت، اطلاعات جدیدی را درباره نتایج طبقهبندی به کاربر ارائه نمیکنند، تنها و در صورتی که خطای طبقهبندی خواسته شود، میتوان از پارامترهای مغایرت نیز درکنار آنها استفاده نمود.[1] Kappa Coefficient[2] Overall Accuracy[3] Quantity Disagreement[4] Allocation Disagreement
سید باقر فاطمی؛ فاطمه صدقی
دوره 8، شماره 3 ، تیر 1395، ، صفحه 91-104
چکیده
یکی از موضوعات مهم در محاسبة شاخصهای گیاهی کمیتی است که شاخص براساس آن محاسبه میشود. نوع کمیت انتخابی میتواند مقدار پیکسل، بازتابش و بازتابندگی باشد. بررسی تفاوت مقادیر شاخصهای گیاهی محاسبهشده از این کمیتها چه بسا راهگشای سادهترکردن محاسبات مربوط به شاخصها و نیز وضوحبخشیدن به نتایج حاصل از انتخاب هریک از کمیتها شود. ...
بیشتر
یکی از موضوعات مهم در محاسبة شاخصهای گیاهی کمیتی است که شاخص براساس آن محاسبه میشود. نوع کمیت انتخابی میتواند مقدار پیکسل، بازتابش و بازتابندگی باشد. بررسی تفاوت مقادیر شاخصهای گیاهی محاسبهشده از این کمیتها چه بسا راهگشای سادهترکردن محاسبات مربوط به شاخصها و نیز وضوحبخشیدن به نتایج حاصل از انتخاب هریک از کمیتها شود. در تحقیقات گذشته، معمولاً یک شاخص گیاهی خاص بررسی شده است و اثر پوشش زمین در محاسبة مقدار آن شاخص براساس سه کمیت مقدار پیکسل، بازتابش و بازتابندگی در نظر گرفته نشده است. در تحقیق حاضر، شاخصهای گیاهی تولیدشده از سه دادة یادشده مقایسه میشوند. برای این منظور، 10 شاخص PD43، GVI، RVI، SAVI، EVI، NDVI، DVI، NDWI، GRVI و VARI از روی تصویر LANDSAT 8تولید شد. این شاخصها برای کل تصویر و همچنین برای پوششهای گوناگون آب، خاک، گیاه و منطقة شهری بهطور جداگانه محاسبه شدهاند. پس از محاسبة شاخصهای گیاهی مورد نظر براساس سه کمیت تابشی، ضریب همبستگی خطی میان این مقادیر برای هر شاخص گیاهی محاسبه شد. مقایسهها براساس پارامتر همبستگی انجام شده است که نتایج حاصل همبستگیِ بالا بین شاخصهای هر سه کمیت تابشی را نشان میدهد. بیشترین ضریب همبستگی بهدستآمده برابر با 1 است که در همة کلاسهای پوششی برای بسیاری از شاخصها تکرار شده است. کمترین میزان همبستگی برای کلاس منطقة مسکونی برابر با 0.8339 مربوط به شاخص PD43، برای کلاس گیاه برابر با 0.9489 مربوط به شاخص NDWI، برای کلاس آب برابر با 0.8696 مربوط به شاخص DVI، برای کلاس خاک برابر با 0.916 مربوط به شاخص GVI و برای کل تصویر برابر با 0.9257 مربوط به شاخص DVI است. با توجه به نتایج، در جاییکه مقدار دقیق این شاخصها مهم نباشد این شاخصها را میتوان با کنارگذاردن چند استثنای معدود، بدون نیاز به محاسبة مقدار شاخص براساس کمیتهای رادیانس و بازتابندگی فقط با استفاده از مقادیر پیکسل محاسبه کرد