ناهید حق شناس؛ علی شمس الدینی
چکیده
داده‌های سنجش از دوری با قدرت تفکیک مکانی بالا اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده‌های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. با این حال، در حال حاضر سنجنده‌های ماهواره‌ای به تنهایی نمی-توانند داده‌هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا به صورت همزمان ارائه کنند. این درحالی است ...
بیشتر
داده‌های سنجش از دوری با قدرت تفکیک مکانی بالا اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده‌های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. با این حال، در حال حاضر سنجنده‌های ماهواره‌ای به تنهایی نمی-توانند داده‌هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا به صورت همزمان ارائه کنند. این درحالی است که در برخی از کاربردها دسترسی به داده‌هایی با قدرت تفکیک مکانی و زمانی بالا به صورت همزمان ضروری است. لذا، دراین مطالعه با هدف دستیابی به داده‌هایی با قدرت تفکیک مکانی و زمانی بالا، تصاویر مادیس درکلاس‌های کاربری شهری، باغ، مرتع، کشاورزی و آب توسط الگوریتم‌های STARFM ، ESTARFM وFSDAF به قدرت تفکیک مکانی سنتینل-2، ریزمقیاس شد. منطقه مطالعاتی با تنوع پوشش‌های زمین مختلف در اطراف شهر مهاباد انتخاب شد. در این مطالعه باندهای مرئی و مادون‌قرمز‌نزدیک در سنتینل-2 و مادیس انتخاب و پیش‌پردازش‌های لازم از جمله تصحیح هندسی بر روی آن‌ها انجام گرفت. سپس با استفاده از الگوریتم‌های ریزمقیاس‌نمایی، تصاویر مادیس به تصاویر سنتینل_2، ریزمقیاس شد. نتایج نشان‌دهنده‌ی صحت بالای کلاس‌های شهری، باغ و مرتع نسبت به کلاس‌های کشاوری و آب است. به طوری که الگوریتم‌های ESTARFM، FSDAF و STARFM به صورت میانگین در همه باندها به ترتیب برای کلاس شهری ضریب تعیین 88.25، 87.25 و86.5، کلاس باغ ضریب تعیین 83.75 ،83.25 و 80.5 و کلاس مرتع ضریب تعیین 90.75 ،70.5 و 87.5 را نشان دادند و به صورت کلی الگوریتم ESTARFM نتیجه بهتری را درمقایسه با دیگر الگوریتم‌ها در این تحقیق داشت.
ناهید حق شناس؛ علی شمس الدینی؛ حسین عقیقی
چکیده
آگاهی از میزان تاج‌پوشش درختان در مناطق شهری به‌علت تأثیرات آن در کاهش آلودگی‌‌های هوا، کاهش آلودگی صوتی، جلوگیری از باد، ذخیرة نزولات آسمانی، و کاهش و کنترل رواناب‌های شهری بسیار ضروری است. ازآن‌جا‌که استخراج تاج‌پوشش درختان با روش‌های دستی بسیار وقت‌گیر و پرهزینه است، تکنیک‌های سنجش از دور می‌توانند ابزار مناسبی برای تأمین ...
بیشتر
آگاهی از میزان تاج‌پوشش درختان در مناطق شهری به‌علت تأثیرات آن در کاهش آلودگی‌‌های هوا، کاهش آلودگی صوتی، جلوگیری از باد، ذخیرة نزولات آسمانی، و کاهش و کنترل رواناب‌های شهری بسیار ضروری است. ازآن‌جا‌که استخراج تاج‌پوشش درختان با روش‌های دستی بسیار وقت‌گیر و پرهزینه است، تکنیک‌های سنجش از دور می‌توانند ابزار مناسبی برای تأمین این داده‌ها باشند. در طبقه‌بندی شیء‌پایه، انتخاب پارامترهای بهینة قطعه‌بندی، به‌ویژه پارامتر مقیاس، اهمیت بسیاری دارد و معمولاً با شیوة آزمایش و خطا تعیین می‌شود که کاملاً تجربی است. بنابراین، یکی از اهداف این پژوهش انتخاب مقیاس بهینة قطعه‌بندی به‌صورت خودکار است. همچنین، پس از استخراج قطعات، لازم است با یک روش طبقه‌بندی، قطعات استخراج‌شده تعیین کاربری/ پوشش زمین شوند و در این زمینه، انتخاب نوع روش طبقه‌بندی در نتیجة نهایی طبقه‌بندی شیء‌پایه بسیار اهمیت دارد. ازاین‌رو، پس از قطعه‌بندی با استفاده از داده‌های لیدار و تصاویر هوایی از شهر واهینگن در آلمان و تعیین ویژگی‌های مهم مستخرج از قطعات، با استفاده از روش انتخاب ویژگی برمبنای جنگل تصادفی، قطعات مربوط به تاج‌پوشش درختان از سایر قطعات تفکیک شد. این کار با بهره‌گرفتن از شیوه‌های یادگیری ماشین شامل ماشین بردار پشتیبان، جنگل تصادفی و درخت تصمیم‌گیری صورت گرفت. نتایج نشان‌دهندة برتری الگوریتم ماشین بردار پشتیبان، به‌منزلة برترین الگوریتم طبقه‌بندی‌کننده، و مقیاس 25، به‌منزلة بهترین مقیاس انتخابی، بود و در نهایت، الگوریتم‌های ماشین بردار پشتیبان، جنگل تصادفی و درخت تصمیم‌گیری در مقیاس 25، به‌ترتیب، با شاخص‌های کیفیت 79.90 و 79.16 و 76.90 توانستند تاج‌پوشش درختان را استخراج کنند.
