ارزیابی عملکرد سه روش‌ طبقه‌بندی تصویر (جنگل تصادفی، ماشین بردار پشتیبان و بیشترین شباهت) در تهیه نقشه کاربری اراضی

نویسندگان

چکیده مقاله:

Land use/cover maps are the basic inputs for most of the environmental simulation models; hence, the accuracy of the maps derived from the classification of the satellite images reduces the uncertainty in modeling. The aim of this study was to assess the accuracy of the maps produced by machine learning based on classification methods (Random Forest and Support Vector Machine) and to compare them with a common classification method (Maximum Likelihood). For this purpose, the image of the OLI sensor of Landsat 8 for the study area (Sattarkhan Dam’s basin in the Eastern Azerbaijan) was used after the initial corrections. Five land uses including urban, irrigated and rain-fed agriculture, range and water body were considered. For conducting the supervised classification, ground truth data were used in two sets of educational (70% of the total) and test (30%) data. Accuracy indexes were used and the McNemar test was employed to show the significant statistical difference between the performances of the methods. The results indicates that the overall accuracy of Support Vector Machine, Random Forest, and Maximum Likelihood methods was 96.6, 90.8, and 90.8 %, respectively; also the Kappa coefficient for these methods was 0.93, 0.81 and 0.83, respectively. The existence of a significant statistical difference at the 95% confidence between the performances of the Support Vector Machine algorithm and the other two algorithms was confirmed by the McNemar test.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تهیه نقشه کاربری اراضی دشت عباس ایلام با استفاده از روش‌های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال

یکی از ضروری‌ترین اطلاعات مورد نیاز مدیران و متولیان منابع طبیعی، نقشه‌های کاربری اراضی می‌باشد. در پژوهش حاضر، به‌منظور تهیة نقشة کاربری اراضی دشت عباس از داده‌های رقومی سنجنده (1386)ETM+ استفاده شد. ابتدا تصویر با میانگین خطای مربعات 47/0 پیکسل تصحیح هندسی شد. جهت طبقه­بندی تصویر از روش‌های طبقه­بندی شبکه عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال استفاده شد. در نهایت، نقشة پوشش اراضی م...

متن کامل

بررسی تغییرات کاربری اراضی پایین دست سد کجکی حوضه هیرمند افغانستان با استفاده از طبقه بندی کننده بیشترین شباهت، درخت تصمیم گیری و ماشین های بردار پشتیبان

کاهش آورد رودخانه مرزی هیرمند از افغانستان به ایران از چالش های همیشگی مدیریت منابع آب در شرق کشور بوده که در سال های اخیر تشدید شده است. توسعه کشاورزی در پایین دست سد کجکی (در حوضه آبریز رودخانه هیرمند) در افغانستان و خشکسالی اخیر از دلایل کم شدن آب این رودخانه به شمار می آید. در مقاله حاضر به طور کمّی به این موضوع پرداخته می شود و برای این منظور کاربری اراضی دشت هلمند افغانستان با استفاده از ت...

متن کامل

کاربرد ماشین بردار پشتیبان در طبقه‌بندی کاربری اراضی حوزه چشمه کیله- چالکرود

Classification of land use extraction always been one of the most important applications of remote sensing and why different methods are created. Over time and with greater accuracy were developed more advanced methods that increase the accuracy and the extraction classes that were closer together in terms of quality are better. SVM is one of these methods in the study of this method for the ex...

متن کامل

مقایسه روش های شبکه عصبی و ماشین بردار پشتیبان در استخراج نقشه های کاربری و پوشش اراضی با استفاده از تصاویر لندست 8 (مطالعه موردی: حوضه صوفی چای)

تهیه نقشه کاربری و پوشش اراضی برای برنامه­ریزی و مدیریت منابع طبیعی امری ضروری می­باشد. در این بین استفاده از داده­های سنجش از دور با توجه به ارائه اطلاعات به روز، پوشش تکراری، کم­هزینه بودن در ارزیابی منابع طبیعی جایگاه خاصی دارد. لذا در این پژوهش، تصاویر لندست 8 به­عنوان داده ورودی برای تهیه نقشه کاربری اراضی در سطح 2و1 مورد استفاده قرار گرفت. در این بین، با توجه به جدید بودن این تصاویر، تصحی...

متن کامل

مقایسه‌ی الگوریتم‌های طبقه بندی شبکه‌ی عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال در استخراج نقشه کاربری اراضی حوزه آبخیز ابوالعباس

تهیه نقشه ­های کاربری اراضی یکی از مهمترین وظایف فن­آوری سنجش از دور در مدیریت عرصه­های مختلف محسوب می­گردد. در تحقیق حاضر جهت تهیه نقشه کاربری اراضی حوزه آبخیز ابوالعباس از تصویر ماهواره­ای لندست/TM سال 1388 استفاده شده است. سپس تصویر به کمک هر یک از الگوریتم­های شبکه عصبی مصنوعی پرسپترون سه لایه، ماشین بردار پشتیبان شعاعی و الگوریتم حداکثر احتمال طبقه­بندی شد. در نهایت میزان کارایی الگوریتم­...

متن کامل

مقایسة روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا در استخراج کاربری و پوشش اراضی از تصاویر لندست 8

تهیة نقشه کاربری/پوشش اراضی، برای برنامه­ریزی و مدیریت مکانی ضروری است. امروزه تصاویر ماهوره­ای و تکنیک­های سنجش از دور،به دلیل فرآهم آوردن داده­های بهنگام و قابلیت بالای آنالیز تصاویر، کاربرد گسترده­ای در تمامی بخش­ها از جمله بخش­های کشاورزی و منابع طبیعی دارند. در پژوهش حاضر طبقه­بندی­کننده­های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا جهت تهیه نقشةکاربری/پوشش اراضی شهرستان­های اردبیل، ن...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 22  شماره 4

صفحات  235- 247

تاریخ انتشار 2019-03

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023