Urban Tree Canopy Mapping Using Object Oriented Classification and Machine Learning Algorithms

آگاهی از میزان تاج‌پوشش درختان در مناطق شهری به‌علت تأثیرات آن کاهش آلودگی‌‌های هوا، آلودگی صوتی، جلوگیری باد، ذخیرة نزولات آسمانی، و کنترل رواناب‌های بسیار ضروری است. ازآن‌جا‌که استخراج با روش‌های دستی وقت‌گیر پرهزینه است، تکنیک‌های سنجش دور می‌توانند ابزار مناسبی برای تأمین این داده‌ها باشند. طبقه‌بندی شیء‌پایه، انتخاب پارامترهای بهینة قطعه‌بندی، به‌ویژه پارامتر مقیاس، اهمیت بسیاری دارد معمولاً شیوة آزمایش خطا تعیین می‌شود که کاملاً تجربی بنابراین، یکی اهداف پژوهش مقیاس قطعه‌بندی به‌صورت خودکار همچنین، پس قطعات، لازم است یک روش طبقه‌بندی، قطعات استخراج‌شده کاربری/ پوشش زمین شوند زمینه، نوع نتیجة نهایی شیء‌پایه دارد. ازاین‌رو، استفاده داده‌های لیدار تصاویر هوایی شهر واهینگن آلمان ویژگی‌های مهم مستخرج ویژگی برمبنای جنگل تصادفی، مربوط به سایر تفکیک شد. کار بهره‌گرفتن شیوه‌های یادگیری ماشین شامل بردار پشتیبان، تصادفی درخت تصمیم‌گیری صورت گرفت. نتایج نشان‌دهندة برتری الگوریتم به‌منزلة برترین طبقه‌بندی‌کننده، 25، بهترین انتخابی، بود نهایت، الگوریتم‌های به‌ترتیب، شاخص‌های کیفیت 79.90 79.16 76.90 توانستند را کنند.