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.