بررسی امکان تشخیص گونه های درختی در تصاویر هوایی رقومی به روش طبقه بندی شیءـ پایه
چکیده
دادههای سنجش از دور، بهویژه تصاویر هوایی رقومی با توان تفکیک مکانی و رادیومتری زیاد، میتواند ابزار مناسبی برای شناسایی گونههای درختی باشد. هدف از این تحقیق بررسی قابلیت این تصاویر و روش شیءـپایه برای تشخیص گونههای درختی است. به این منظور منطقهای 86/5 هکتاری از پارک طالقانی تهران انتخاب شد. تصاویر دوربین UltraCam-D چهارباندی ادغامشده با باند پانکروماتیک با پیکسلهایی به ابعاد 7×7 سانتیمتر و عمق رادیومتری 12 بیت استفاده شدند. تصحیح هندسی تصاویر به کمک نقشۀ بزرگمقیاس (1:2000) منطقه و دادههای پروازی (IMU) به روش مثلثبندی هوایی انجام گرفت. باندهای اصلی به همراه دادههای تبدیلی NDVI، PCA، و HIS در فرایند قطعهبندی و طبقهبندی مورد آزمون قرار گرفتند. طبقهبندی بهروش شیءـپایه صورت گرفت. ابتدا یک قطعهبندی با شاخصهای مختلف انجام گرفت و نتیجۀ آن بهصورت کیفی ارزیابی شد. بعد از انتخاب توصیفگرهای مناسب برای تفکیک طبقات، طبقهبندی به روش نزدیکترین همسایه با تعریف نمونههای تعلیمی برای هر طبقه اجرا شد. با بازدیدهای میدانی واقعیت زمینی نقطهای تهیه شد. ارزیابی صحت نقشۀ حاصل از طبقهبندی با نقشة واقعیت زمینی نشاندهندة صحت کلی 78 درصد و ضریب کاپای 73/0 است. گونههای چنار و عرعر بهترتیب بیشترین (817/0) و کمترین (248/0) ضریب کاپای طبقه را کسب کردند. صحت کلی و ضریب کاپای خوب و برابری آنها، بیانگر قابلیت خوب تصاویر مورد استفاده و روش شیءـپایه در تشخیص اکثر گونههای درختی مورد مطالعه است. برای ارزیابی هرچه کاملتر قابلیت دادههای UltraCam-D ضرورت دارد این دادهها در شرایط رویشگاهی مختلف و دیگر گونهها استفاده شوند.
نویسنده : مهرنوش شبانی پور؛ علی اصغر درویش صفت؛ امید رفیعیان؛ وحید اعتماددادههای سنجش از دور، بهویژه تصاویر هوایی رقومی با توان تفکیک مکانی و رادیومتری زیاد، میتواند ابزار مناسبی برای شناسایی گونههای درختی باشد. هدف از این تحقیق بررسی قابلیت این تصاویر و روش شیءـپایه برای تشخیص گونههای درختی است. به این منظور منطقهای 86/5 هکتاری از پارک طالقانی تهران انتخاب شد. تصاویر دوربین UltraCam-D چهارباندی ادغامشده با باند پانکروماتیک با پیکسلهایی به ابعاد 7×7 سانتیمتر و عمق رادیومتری 12 بیت استفاده شدند. تصحیح هندسی تصاویر به کمک نقشۀ بزرگمقیاس (1:2000) منطقه و دادههای پروازی (IMU) به روش مثلثبندی هوایی انجام گرفت. باندهای اصلی به همراه دادههای تبدیلی NDVI، PCA، و HIS در فرایند قطعهبندی و طبقهبندی مورد آزمون قرار گرفتند. طبقهبندی بهروش شیءـپایه صورت گرفت. ابتدا یک قطعهبندی با شاخصهای مختلف انجام گرفت و نتیجۀ آن بهصورت کیفی ارزیابی شد. بعد از انتخاب توصیفگرهای مناسب برای تفکیک طبقات، طبقهبندی به روش نزدیکترین همسایه با تعریف نمونههای تعلیمی برای هر طبقه اجرا شد. با بازدیدهای میدانی واقعیت زمینی نقطهای تهیه شد. ارزیابی صحت نقشۀ حاصل از طبقهبندی با نقشة واقعیت زمینی نشاندهندة صحت کلی 78 درصد و ضریب کاپای 73/0 است. گونههای چنار و عرعر بهترتیب بیشترین (817/0) و کمترین (248/0) ضریب کاپای طبقه را کسب کردند. صحت کلی و ضریب کاپای خوب و برابری آنها، بیانگر قابلیت خوب تصاویر مورد استفاده و روش شیءـپایه در تشخیص اکثر گونههای درختی مورد مطالعه است. برای ارزیابی هرچه کاملتر قابلیت دادههای UltraCam-D ضرورت دارد این دادهها در شرایط رویشگاهی مختلف و دیگر گونهها استفاده شوند.
تعداد صفحه : 11
مشخصات فایل : 424KB / PDF
قیمت : رایگان
