مصطفی موسی پور

هدف حاضر پژوهش، مقایسه کارآیی توابع کرنل پیکسل پایه الگوریتم ماشین بردار پشتیبان و عملگرهای فازی شئ گرا در استخراج اراضی ساخته شده شهری همدان می باشد. برای این منظور از تصویر چند طیفی دارای قدرت تفکیک مکانی 10 متر ماهواره سنتینل 2 استفاده شده است. از نرم افزار ENVI جهت عملیات پیش پردازش تصویر و همچنین طبقه بندی پیکسل پایه و از نرم افزار eCognation  جهت طبقه بندی شئ گرا استفاده شده است. در مرحله پردازش، ابتدا در محیط نرم افزار ENVI، نقاط تعلیمی و نقاط واقعیت زمینی مشخص شدند و پس از آن با استفاده از توابع کرنل ماشین بردار پشتیبان، شامل توابع خطی، چند جمله ای، پایه شعاعی و سیگموئید، فرایند طبقه بندی پیکسل پایه انجام شد و پس از آن دقت طبقه بندی روش پیکسل پایه مورد ارزیابی قرار گرفت. در محیط نرم افزار eCognation، ابتدا  عملیات قطعه بندی با مقیاس، ضریب شکل و ضریب فشردگی معین انجام شد و پس از آن با استفاده از عملگر های فازی شئ گرا شامل AND  OR, MGE, MAR, MGWE, و ALP فرایند طبقه بندی فازی شئ گرا نیز انجام شد و میزان دقّت هرکدام از نقشه های تولید شده روش شئ گرا نیز محاسبه گردید. تولید نقشه اراضی ساخته شده شهری با دقت بهتر با استفاده از تصاویر ماهواره ای، جنبه نوآوری این پژوهش را توجیه می نماید. در این پژوهش عملگر فازی AND دارای بیشترین مقدار دقّت در نقشه های تولید شده بود که نشان دهنده این موضوع است که با استفاده از پردازش شئ گرای تصاویر ماهواره ای می توان به دقت بیشتری در تولید نقشه اراضی ساخته شده شهری رسید.

توسعه فیزیکی مناطق شهری یکی از محرک های اصلی تغییرات جهانی است که تأثیرات مستقیم و غیرمستقیم مهمی بر شرایط محیطی و تنوع زیستی دارد. استفاده از تکنیک های سنجش از دور، یکی از رویکردهای جدید در برنامه ریزی شهری  محسوب می شود. پژوهش حاضر با هدف مقایسه کارآیی طبقه بندی کننده های یادگیری ماشین مبتنی بر پردازش شیئ گرای تصاویر ماهواره ای در استخراج محدوده توسعه فیزیکی شهر همدان با استفاده از تصویر ماهواره سنتینل 2 انجام شده است. در این راستا، فرایند قطعه بندی بر اساس مقیاس، ضریب شکل و ضریب فشردگی مناسب با هدف تولید اشیاء تصویری انجام شد. پس از قطعه بندی و تبدیل تصویر به اشیاء تصویری، با استفاده از طبقه بندی کننده های یادگیری ماشین مبتنی بر پردازش شیئ گرای تصاویر ماهواره ای شامل الگوریتم های طبقه بندی کننده بیز، k - نزدیکترین همسایه، ماشین بردار پشتیبان، درخت تصمیم گیری و درخت های تصادفی، فرایند طبقه بندی انجام و نقشه های محدوده توسعه فیزیکی شهری تولید شد. در نهایت، مقدار دقت هر کدام از نقشه های تولید شده محاسبه شد. بر اساس نتایج تحقیق، امکان تولید نقشه محدوده توسعه فیزیکی شهری همدان با استفاده از الگوریتم های یادگیری ماشین مبتنی بر پردازش شیئ گرای تصاویر ماهواره ای با دقت قابل قبول وجود دارد. به طوری که طبقه بندی کننده بیز دارای دقت کلی 96 درصد و ضریب کاپای 0.95، k - نزدیکترین همسایه دارای دقت کلی 97 درصد و ضریب کاپای 0.96، ماشین بردار پشتیبان دارای دقت کلی 96 درصد و ضریب کاپای 0.95، درخت تصمیم گیری دارای دقت کلی 95 درصد و ضریب کاپای 0.94 و درخت های تصادفی دارای دقت کلی 95 درصد و ضریب کاپای 0.94 بودند. لذا از بین کلیه الگوریتم های مورد استفاده در این تحقیق، k - نزدیکترین همسایه با دقت کلی 97 درصد و ضریب کاپای 0.96 مقدار دقت بیشتری را ارائه نمود.  

برآورد دقیق سطح پوشش برف به عنوان یکی از عملیات محوری و اساسی در زمینه مدیریت منابع آب، به ویژه در مناطقی که بارش برف سهم زیادی در نزولات جوی دارد محسوب می شود. بنابراین پایش پیوسته سطوح پوشیده از برف، از نظر مطالعات اقلیمی، اکولوژیکی و هیدرولوژیکی اهمیت ویژه ای دارد. امروزه در روند مدیریت کارآمد منابع آبی، به کارگیری داده های سنجش از دور با هدف کسب اطّلاعات دقیق از پوشش برف به صورت عملیاتی اجرا می شود. پژوهش حاضر با هدف مقایسه عملکرد توابع کرنل ماشین بردار پشتیبان و عملگر های فازی شئ گرا در برآورد میزان سطح پوشش برف در کوه آلمابلاغ با استفاده از تصویر ماهواره Sentinel انجام گرفته است. در این راستا ابتدا عملیات پیش پردازش بر روی تصو یر ماهواره ای اعمال گردید، سپس با استفاده از توابع کرنل ماشین بردار پشتیبان شامل توابع خطی، چند جمله ای، پایه شعاعی و سیگموئید، فرآیند طبقه بندی پیکسل پایه انجام شد. همچنین پس از قطعه بندی، با استفاده از عملگر های فازی شئ گرا شامل AND ، OR ، MGE ، MAR ، MGWE و ALP فرآیند طبقه بندی شئ گرا نیز انجام شد و میزان دقّت هر کدام از نقشه های تولیدشده محاسبه گردید و در آخر براساس الگوریتمی که دارای بیشترین دقّت بود، میزان سطح پوشش برف منطقه مورد مطالعه برآورد شد. در این تحقیق عملگر فازی AND دارای بیشترین مقدار دقّت در نقشه های تولید شده در بین هر دو روش بود. لذا براساس نتایج تحقیق، روش های پردازش شئ گرای تصاویر ماهواره ای در طبقه بندی تصاویر رقومی ماهواره ای به دلیل اینکه علاوه بر اطّلاعات طیفی از اطّلاعات مربوط به بافت، شکل، موقعیت، محتوا و ویژگی های هندسی نیز در فرآیند طبقه بندی استفاده می کنند در مقایسه با توابع کرنل ماشین بردار پشتیبان، دست یابی به دقّت بالاتر را امکان پذیر می سازند.