علی‌اکبر متکان؛ داوود عاشورلو؛ حمید صالحی
دوره 8، شماره 4 ، آذر 1395، ، صفحه 65-78
چکیده
مشخصه‌های استخراج‌شده از تصاویر ماهواره‌ای تک‌زمانه نمی‌تواند در طبقه‌بندی محصولات کشاورزی به صحت بالای طبقه‌بندی منتج شود؛ بدین سبب، استفاده از تصاویر چندزمانه و اطلاعات بافت این تصاویر در پژوهش حاضر بررسی شده است. این تحقیق تفکیک چهار محصول یونجه، گندم، سیب‌زمینی و خیار را در شهرستان قروه، با استفاده از تصویر تک‌زمانه و ...
بیشتر
مشخصه‌های استخراج‌شده از تصاویر ماهواره‌ای تک‌زمانه نمی‌تواند در طبقه‌بندی محصولات کشاورزی به صحت بالای طبقه‌بندی منتج شود؛ بدین سبب، استفاده از تصاویر چندزمانه و اطلاعات بافت این تصاویر در پژوهش حاضر بررسی شده است. این تحقیق تفکیک چهار محصول یونجه، گندم، سیب‌زمینی و خیار را در شهرستان قروه، با استفاده از تصویر تک‌زمانه و چندزمانه (ASTER & SPOT5)، بررسی می‌کند. این تحقیق هفت تصویر مربوط به هفت زمان متفاوت را بررسی کرده و با استفاده از جدول تفکیک‌پذیری، به این نتیجه رسیده که تصویر 11 تیر بهترین تصویر تک‌زمانه و ترکیب 11 تیر و 21 مهر بهترین تصویر دوزمانه است. در تحقیق حاضر، از روشGLCM برای استخراج بافت استفاده شده است. برای استخراج شاخص‌های بافت از این روش، اندازة تقریبی پنجره با استفاده از واریوگرام تعیین شد و سپس شاخص‌های به‌دست‌آمده با باندهای طیفی تصویر تک‌زمانه و دوزمانه ترکیب شدند. سپس طبقه‌بندی با استفاده از انواع ترکیبات تصویر تک‌زمانه و دوزمانه و شاخص‌های گوناگون اجرا شد. در طبقه‌بندی طیفی بهترین تصویر تک‌زمانه (11 تیر)، صحت کلی طبقه‌بندی حدود 24% بیشتر از کمترین صحت طبقه‌بندی مربوط به تصویر 10 مرداد (76.02% در برابر 52.28%) به‌دست آمد. صحت طبقه‌بندی با استفاده از تصویر دوزمانه به حداکثر می‌رسد و با اضافه‌کردن تصاویر بعدی، افزایشی ندارد. در تصویر پنج‌زمانه، صحت طبقه‌بندی از تصویر دوزمانه بیشتر می‌شود اما، با اضافه‌کردن شاخص‌های بافت، حدود 5% از صحت طبقه‌بندی دوزمانه با شاخص‌های بافت کاسته شد. بدین‌ترتیب مشخص می‌شود که بافت می‌تواند نقشی بیشتر از چند تصویر داشته باشد. بهترین طبقه‌بندی در بهترین ترکیب دوزمانه (11 تیر و 21 مهر) به‌دست آمد (97.48%). در تصاویر تک‌زمانه، تصویر 11 تیر بالاترین صحت طبقه‌بندی (95.2%) را به‌دست آورد. نتایج نشان داد که استفاده از تصاویر چندزمانه به‌همراه شاخص‌های بافت، درمقایسه با روش‌های مرسوم (بدون استفاده از شاخص‌های بافت یا تصاویر چندزمانه)، دقت بسیار بالاتری دارد.
