تصاویر اپتیک

در سال های اخیر پیشرفت تکنولوژی های سنجش از دور و افزایش تنوع داده های قابل استفاده موجب شده تا ارزیابی و قابلیت سنجی داده های مختلف از اهمیت زیادی برخوردار بوده و به همین دلیل به عنوان مسأله ای که کمتر در تحقیقات گذشته بدان پرداخته شده است، هدف اصلی این تحقیق قرار گیرد. در این تحقیق داده های مستخرج از تصاویر وردویو-2 و اسپات-5 شامل اطلاعات بافتی این تصاویر و نیز خصوصیات آماری مستخرج از داده های لیدار به صورت مستقل برای تخمین پارامترهای ساختاری جنگل کاج تک گونه[1] استفاده گردید و نتایج حاصل از هر داده با نتایج حاصل از داده های دیگر مورد مقایسه قرار گرفت. نتایج حاصل از این تحقیق نشان داد در حالی که داده های وردویو-2 برای برآورد تراکم و قطر درختان دارای بهترین عملکرد است، داده های لیدار برای تخمین ارتفاع میانگین و حجم درختان مناسب است. در ضمن تفاوت آماری معنی داری بین داده های مختلف سنجش ازدور برای برآورد رویه سطح درختان وجود ندارد، همچنین در میان پارامترهای ساختاری، در حالی که ارتفاع میانگین و قطر درختان با خطایی قابل قبول برآورد شدند، تخمین تراکم، حجم و رویه سطح درختان با دقت کمتری انجام شد. [1]. Pinus Radiata

نسل جدید سنجنده های راداری فضایی با حد تفکیک مکانی بالا، امکان استفاده از این تصاویر را به منظور استخراج خودکار عوارض، به ویژه عارضه راه فراهم آورده اند. در پژوهش حاضر، استخراج عارضه راه از تصاویر راداری و اپتیک با حد تفکیک بالا با یکدیگر مقایسه شدند. بدین منظور از تصاویر آیکونوس و TerraSAR-X استفاده شد و بین تصاویر هم مرجع سازی انجام گرفت. سپس ویژگی های بافت استخراج شدند و طبقه بندی با استفاده از شبکة عصبی بازپس خور خطا انجام پذیرفت. با مقایسة نتایج حاصل از اجرای الگوریتم با داده های مرجعی که عامل انسانی آنها را تهیه کرده است، برای داده های TerraSAR-X و آیکونوس، به ترتیب مقادیر 10/46 و 72/57 درصد برای پارامتر RCC، 58/46 و 27/93 درصد برای پارامتر BCC و مقادیر 61/0 و 31/0 برای پارامتر RMSE به دست آمد. مقایسه تصویر خروجی حاصل از دو الگوریتم نشان می دهد که هرکدام از تصاویر اپتیک و راداری نواقصی در استخراج راه دارند. به عنوان مثال، الگوریتم های اپتیک به مناطقی از تصویر که ویژگی های طیفی و بافتی مشابه با راه دارند ازجمله محل پارکینگ ها و سقف بام های بزرگ حساس هستند، درصورتی که این مناطق در تصاویر راداری ظاهری روشن و بافتی متفاوت دارند. بنابراین تصاویر راداری در مناطقی با بافت شهری به ویژه توأم با راه های کم عرض و کوچه ها مناسب اند. از طرفی دیگر تصاویر راداری در مناطقی با پوشش گیاهی انبوه به خوبی عمل نمی کنند، درحالی که تصاویر اپتیک کاملاً قادر به تمایز این مناطق از راه ها هستند. در نتیجه با توجه قابلیت های مکمل این تصاویر در استخراج راه، تلفیق ویژگی های این دو منبع به منظور رفع نواقص و افزایش دقت الگوریتم های حاضر، روشی کارآمد در توسعه الگوریتم ها به نظر می رسد.