شناسایی گردوغبار در تصاویر ماهواره‌ای MODIS با استفاده از روشهای ماشین بردار پشتیبان، شبکه عصبی مصنوعی و درخت تصمیمگیری

یکی از مهمترین بلایای طبیعی که طی سالیان اخیر موردتوجه قرارگرفته، پدیده‌ی گردوغبار است. در سال‌های اخیر این پدیده در ایران ابعاد تازه‌ای گرفته و از یک معضل محلی، به مسئله‌ای ملی تبدیل شده است. شناسایی و تشخیص طوفان گردوغبار اولین مرحله در بررسی و پایش آن می‌باشد. این تحقیق باهدف شناسایی مناطق دارای گردوغبار از تصاویر ماهواره‌ای، در منطقه خاورمیانه انجام گرفته است. در بررسی پدیده گردوغبار تصاویر سنجنده MODIS با توجه به قدرت تفکیک زمانی و طیفی مناسب، از اهمیت ویژه‌ای برخوردار می‌باشند. در این مطالعه با استفاده از روش‌های طبقه بندی درخت تصمیمگیری، شبکه عصبی مصنوعی (ANN) و ماشین‌های بردار پشتیبان(SVM) تلاش شده است که گردوغبار در تصاویر ماهواره‌ای MODIS تشخیص داده شود، که روش طبقهبندی ماشین‌های بردار پشتیبان به عنوان یک ایده جدید مطرح شده است. بهعلاوه بهمنظور بررسی دقت هر سه روش بکار برده شده، از محصول AOD(Aerosol Optical Depth) سنجنده OMI استفاده شده است، که نتایج نشان دهنده دقت و صحت بالاتر روش SVM نسبت به سایر روشها می‌باشد. با توجه به نتایج بدست آمده، این الگوریتم قادر به شناسایی گردوغبار در هر دو منطقه خشکی و آب بهطور همزمان می‌باشد و می‌تواند جایگزین مناسبی برای محصول AOT(Aerosol Optical Thickness) تولید شده برای گردوغبار توسط ناسا (NASA) ‌باشد.