ارزیابی کارایی الگوریتم‌های ماشین بردار پشتیبان جهت طبقه‌بندی کاربری اراضی با استفاده از داده‌های ماهواره‌ای ETM+ لندست (مطالعه موردی: حوزه سد ایلام)

نویسندگان

  • صالح آرخی استادیار، گروه منابع طبیعی، دانشکده کشاورزی، دانشگاه ایلام
  • مصطفی ادیب نژاد کارشناس جنگل‌داری، دانشکده کشاورزی گنبد، دانشگاه علوم کشاورزی و منابع طبیعیگرگان
چکیده مقاله:

طبقه‏بندی کاربری اراضی با استفاده از تصاویر سنجش از دور یکی از مهمترین کاربردهای سنجش از دور است و بسیاری از الگوریتم‏ها برای این منظور توسعه یافته‏اند. این مطالعه کارایی الگوریتم‏های ماشین بردار پشتیبان[1](SVMs) را در طبقه‏بندی تصاویر ماهواره‏ای مورد بررسی قرار می‏دهد. ماشین‏های بردار پشتیبان یک گروه از الگوریتم‏های طبقه‏بندی نظارت شده یادگیری ماشینی هستند که در زمینه سنجش از دور مورد استفاده قرار گرفته­اند. دقت طبقه‏بندی حاصل از SVMs باتوجه به نوع تابع کرنل متغیر است. در این مطالعه، الگوریتم­های SVM برای طبقه‏بندی کاربری اراضی حوزه سد ایلام با استفاده از داده‏های ETM+ لندست مورد استفاده قرار گرفته است. طبقه‏بندی با استفاده از روش ماشین‏های بردار پشتیبان، بصورت خودکار و با استفاده از چهار نوع کرنل خطی[2]، چندجمله‏ای[3]، شعاعی[4] و حلقوی[5] اجرا شده است. در ضمن، کارکرد این روش با روش طبقه‏بندی حداکثر احتمال مقایسه شده است. نتایج نشان می‏دهد که الگوریتم‏های SVM  خصوصاً سه کرنل خطی، چندجمله‏ای و شعاعی نسبت به روش طبقه‏بندی حداکثر احتمال از نظر دقت کل (حدود 10%) و ضریب کاپا (حدود 15%) برتری دارد. بنابراین این مطالعه کارایی و قابلیت الگوریتم‏های SVM را در طبقه‏بندی تصاویر سنجش از دور اثبات می‏نماید.  

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

ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره ای etm+ لندست (مطالعه موردی: حوزه سد ایلام)

طبقه‏بندی کاربری اراضی با استفاده از تصاویر سنجش از دور یکی از مهمترین کاربردهای سنجش از دور است و بسیاری از الگوریتم‏ها برای این منظور توسعه یافته‏اند. این مطالعه کارایی الگوریتم‏های ماشین بردار پشتیبان[1](svms) را در طبقه‏بندی تصاویر ماهواره‏ای مورد بررسی قرار می‏دهد. ماشین‏های بردار پشتیبان یک گروه از الگوریتم‏های طبقه‏بندی نظارت شده یادگیری ماشینی هستند که در زمینه سنجش از دور مورد استفاده ...

متن کامل

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

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

ارزیابی روند تغییرات کاربری اراضی با استفاده از تصاویر ماهواره لندست سنجنده‌های ETM+ و OLI (مطالعه موردی: شهرستان بهبهان)

در تحقیق حاضر جهت تهیه نقشه تغییرات کاربری اراضی شهرستان بهبهان از تصاویر ماهواره‌‌ لندست سنجنده‌‌های ETM+سال 1378 و OLI سال 1392 استفاده شد. پس از طبقه‌‌بندی تصاویر، نقشه نهایی کاربری اراضی در شش کلاس مناطق مسکونی، اراضی کشاورزی، آب، جنگل، مرتع و اراضی لخت تهیه شد. سپس تغییرات رخ داده با استفاده از CROSSTAB مشخص شد. نتایج نشان داد افزایش مساحت در کاربری‌‌های کشاورزی و مسکونی و کاهش ...

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

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 18  شماره 3

صفحات  420- 440

تاریخ انتشار 2011-11-22

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

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023