بررسی کارایی روش های طبقه بندی تصاویر ماهواره ای در ارزیابی تغییرات کاربری اراضی شهری با استفاده از بهینه سازی مقیاس در پردازش شی ءگرا (مورد: شهر اردبیل)

Publish place: Journal of Research and Urban Planning، Vol: 10، Issue: 36

Publish Year: 1398

نوع سند: مقاله ژورنالی

زبان: Persian

This Paper With 12 Page And PDF Format Ready To Download

دریافت فایل کامل Paper

Certificate
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

https://civilica.com/doc/1909501

شناسه ملی سند علمی:

JR_JUPM-10-36_009

تاریخ نمایه سازی: 26 بهمن 1402

Abstract:

یکی از راههای تهیه نقشههای پوشش گیاهی و کاربری اراضی، استفاده از دادههای ماهوارهای و فرآیند طبقهبندی تصاویر است. با استفاده از تصاویرماهوارهای بررسی، شناخت و ارزیابی پدیدههای مختلف و استخراج اطلاعات لازم برای برنامهریزی منابع زمینی یا سایر مقاصد به سهولت انجام میگیرد. هدف پژوهش مقایسه میزان کارایی هفت روش رایج طبقهبندی نظارتشده دادههای ماهوارهای در ارزیابی تغییرات کاربری اراضی با استفاده از تصاویر سنجنده TM و OLIماهواره لندست و IRS و اسپات۵ و کوئیک برد و ترکیبهای رنگی متفاوتی از این تصاویر جهت استخراج کاربریهای اراضی زراعی، مناطق مسکونی و مناطق آبی با استفاده از پردازش شیگرا میباشد. ابتدا نمونههای آموزشی در پنج کلاس کاربری به وسیله نرمافزار ایکاگنیشن با استفاده از بهینهسازی مقیاس سگمنتسازی با استفاده از ترکیبهای رنگی متفاوت و ضرایب شکل و فشردگی استخراج شد. مقیاس مناسب جهت سگمنتسازی برای اراضی زراعی، مقیاس ۵۰ ، برای عوارض انسانی ۸ و در نهایت برای مناطق آبی ۱۰ به دست آمد. سپس هر تصویر به طور جداگانه با استفاده از هفت روش طبقهبندی (مانند روش شبکه عصبی) و نمونههای مستخرج، طبقهبندی شده و میزان کارایی هر روش با محاسبه دو شاخص صحت کلی و ضریب کاپا بررسی گردید. نتایج به دست آمده نشاندهنده میزان دقت هر یک از روشهای طبقهبندی بوده که شبکه عصبی با دقت کلی ۴۷۵/۹۴ و ضریب کاپای ۰۹۵/۹۲ به عنوان دقیقترین روش طبقهبندی انتخاب شد. این نتایج نشان میدهد که برداشت نمونههای تعلیمی با دقت مناسب از طبقات موجود در تصاویر و همچنین بررسی میزان احتمال تعلق هر یک از پیکسلهای تصاویر ماهوارهای به این طبقات، به خوبی میتواند در طبقهبندی گروههای موجود در منطقه مفید واقع شود.

Keywords:

کاربری اراضی , طبقه بندی , تصاویر ماهواره ای , ارزیابی تغییرات , پردازش شی گرا

Authors

جعفر جعفرزاده

دانشگاه محقق اردبیلی- دانشکده علوم انسانی- گروه جغرافیا

حسین نظم فر

گروه جغرافیای طبیعی، دانشکده علوم انسانی، دانشگاه محقق اردبیلی، اردبیل، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :

تیموری، راضیه؛ روستایی، شهریور؛ اکبری زمانی، اصغر و محسن احدنژاد. ...
زبیری، محمود و علیرضا مجد. (۱۳۹۲). آشنایی با فن سنجش ...
سالنامه آماری.( ۱۳۹۰) . سرشماری نفوس و مسکن، استان اردبیل ...
سلطانی، محمدرضا و جلال کرمی. (۱۳۹۴). آشکارسازی تغییرات ساختمانها از ...
شریفی، لیلا؛ رسولی، علی اکبر؛ حجازی، میراسدالله و هاشم رستم ...
عزیزی قلاتی، سارا؛ رنگزن،کاظم؛ سدیدی،جواد؛ حیدریان، پیمان و ایوب تقیزاده. ...
علوی پناه، سیدکاظم.( ۱۳۹۲). کاربرد سنجش از دور در علوم ...
غفاری، سید رامین؛ شفقی، سیروس و نگین صالحی. (۱۳۸۹). ارزیابی ...
فاطمی،باقر و یوسف رضایی. (۱۳۹۳). مبانی سنجش از دور، چاپ ...
فیضی زاده، بختیار؛ جعفری، فیروز و حسین نظم فر. (۱۳۸۷). ...
فیضی زاده، بختیار؛ حسنی تبار، سیدمحمد و جعفر جعفرزاده. (۱۳۹۷). ...
مکرونی، سرور ؛ سبزقبایی ، غلامرضا ؛ یوسفی خانقاه، شهرام ...
میرزایی زاده، وحید؛ نیکنژاد، مریم و جعفر اولادی قادیکلایی .(۱۳۹۴). ...
ارزیابی سطوح توسعه و نابرابری ناحیه ای با مدل تصمیم گیری چند معیاره، مطالعه موردی: سکونتگاه های روستایی استان مازندران [مقاله ژورنالی]
Ardelean, F., Dragut, L., Urdea, P., Torok-Oance, M., (۲۰۱۳). Variations ...
Arvor, D., Durieux, L., Andres, S., Laporte, M.A., (۲۰۱۳). Advances ...
Blaschke, T, Burnett, C.(۲۰۰۳). A multi-scale segmentation/object relationship modeling methodology ...
Blaschke.T , Object based image analysis for remote sensing.(۲۰۱۰). ISPRS ...
Chander, G., Markham, B. L., & Helder, D. L. (۲۰۰۹). ...
Clemens Eisank, Lucian Drăguţ, .(۲۰۱۲).Automated classification of topography from SRTM ...
Baker, B.A., Warner, T.A., Conley, J.F., McNeil, B.E., (۲۰۱۳). Does ...
Dixon, B., Candade, N. (۲۰۰۸). Multispectral landuse classification using neural ...
Islam, T., Rico-Ramirez, M.A., Han, D., Srivastava, P.K. (۲۰۱۲)..Artificial intelligence ...
Jaafar, W.Z.W., Liu, J., Han, D. (۲۰۱۱). Input variable selection ...
John R. Jensen. (۲۰۰۶). Remote Sensing of the Environment an ...
Loveland, T. R，Reed, B. C, and Brown, J. F, Ohlen, ...
Lu, D, Mausel, P, Brondi´zio, E., and Moran, E .(۲۰۰۴). ...
Meinel, G., Neubert, M. & Reder, J.(۲۰۱۷). The potential use ...
Mariana Belgiu a, Lucian Draˇgut_ b, Josef Strobl. (۲۰۱۴). Quantitative ...
Mukherjee, S., Sashtri, S., Gupta, M., Pant, M.K., Singh, C., ...
Munroe, D.K., Muller, D. Issues in spatially explicit statistical land-use/ ...
Murthy, CS, Raju, PV, and Bardrinath, K V S. (۲۰۰۳). ...
Otukei, J. R., & Blaschke, T. (۲۰۱۰). Land cover change ...
Richards J., A.( ۲۰۱۳). Remote sensing digital image analysis, fifth ...
Satir, O., Berberoglu, S., (۲۰۱۲). Land Use/Cover Classification Techniques Using ...
Seto KC, Woodcock C, Song C, Huang X, Lu J, ...
Singh. R and R. Gupta,.(۲۰۱۶). "Improvement of Classification Accuracy Using ...
Szuster, B.W., Chen, Q., Borger, M. (۲۰۱۱). A comparison of ...
Sharma, L., Pandey, P.C., Nathawat, M. (۲۰۱۲). Assessment of land ...
Şatır, O., & Berberoğlu, S. (۲۰۱۲). Land Use/Cover Classification Techniques ...
Statistical Yearbook (۲۰۱۱), Population and Housing Census, Ardabil Province ...
Ting Liu, Xiaojun Yang, (۲۰۱۵). Monitoring land changes in an ...
Topaloğlu, Raziye Hale, Elif Sertel, Nebiye Musaoğlu. (۲۰۱۶).Assessment Of Classification ...
Van der Linden, S., Rabe, A., Okujeni, A., & Hostert, ...
Verburg PH, Schot PP, Dijst MJ, Veldkamp A. (۲۰۰۴). Land ...
Xu, M, Watanachaturaporn, P, Varshney,P. K, and Arora,M.K. (۲۰۰۵). Decision ...
Yang, C,Prasher,S.O,Enright, P, Madramootoo, C, Burgess, M, Goel, P. K, ...

نمایش کامل مراجع