بانک مقالات جغرافیا

نحوه عمل در اكثر الگوريتمهاي طبقه بندي متداول در سنجش از دور، بر اساس ويژگيها و اطلاعات طيفي پيكسلها مي باشد. اين مساله ضمن ناديده گرفتن مقدار زيادي از اطلاعات فضايي موجود در تصوير با افزايش قدرت تفكيك فضايي در ماهواره ها، باعث افزايش اطلاعات غير مفيد (نويز) و افزايش تشابه طيفي بين طبقات و در نتيجه افزايش واريانس داخلي مي شود كه در نهايت منجر به آثار منفي بر دقت طبقه بندي مي گردد. به منظور رفع يا كاهش اين مشكلات، استفاده توام از اطلاعات طيفي و محيطي مي تواند به تفكيك كاربريهايي كه از لحاظ طيفي مشابه مي باشند، كمك موثري كند.
در اين تحقيق مزاياي حاصل از تركيب اطلاعات تراكم حاشيه استخراج شده از طبقه بندي مبتني بر ويژگيهاي طيفي عناصر تصوير با روشهاي طبقه بندي حداكثر احتمال، حداقل فاصله از ميانگين و مورد ماهالانوبيز بررسي شده است.
اين روش براي داده هايي با توان تفكيك مكاني بالا كه حاوي اطلاعات جزيي زيادتري مي باشند و همچنين مناطقي با پديده هاي متفاوت و داراي تراكمهاي حاشيه مختلف مي تواند مناسبتر باشد. كارايي استفاده از اطلاعات تراكم حاشيه در بهبود دقت طبقه بندي با داده هاي چند طيفي ماهواره اسپات و عكس هوايي مربوط به بخشي از منطقه حاشيه تالاب انزلي در استان گيلان كه داراي پديده هاي متنوع و كاربريهاي مختلف مي باشد، ارزيابي شده است. نتايج حاصل نشاندهنده افزياش دقت كلاسهاي اطلاعاتي بويژه با تفكيك پذيري طيفي ضعيف مي باشد. روش طبقه بندي ماهالانوبيز در كلاسهاي اطلاعاتي مراكز شهري - روستايي (74.60 درصد)، رودخانه و كانال (66.87 درصد) بترتيب با 14.06 و 6.57 درصد افزايش در داده هاي ماهواره اي و كلاسهاي مجتمع درختي و باغات (74.37 درصد)، رودخانه اصلي (59.44 درصد)، كشاورزي (46.38 ) و مناطق مسكوني (68.09 درصد) بترتيب 11.78، 36.61، 28.09 و 53.29 درصد نسبت به طبقه بندي مبتني بر اطلاعات طيفي پيكسلها در داده هاي عكس هوايي افزايش دقت را نشان مي دهند.

 نسخه قابل چاپ