object-oriented classification
در نشریات گروه اکولوژی-
موضوع
رشد جمعیت، گرمایش جهانی و مدیریت نادرست باعث کاهش منابع آبی جهان شده است. برای حفظ این منابع، مدیریت و پایش مستمر ، تهیه نقشه های کاربری و پوشش اراضی، ضروری است.
هدفبررسی کیفیت طبقه بندی پوشش اراضی و کاربری تالاب ها در تالاب هورالعظیم با استفاده از تلفیق تصاویر نوری و راداری به منظور نیل به نتایج دقیق تر است.
روش تحقیقدر این راستا، برای تهیه نقشه های پوشش اراضی تالاب هورالعظیم، از تصاویر ماهواره ای سنتینل-1 و سنتینل-2 همراه با روش های تلفیق مکانی و فرکانسی مانند IHS، PCA، Brovey، Ehlers و Wavelet-IHS استفاده شده است. تلفیق تصاویر به کاهش اثرات ابر و گردوغبار کمک کرده و با افزودن بافت به تصاویر نوری سنتینل-2، دقت طبقه بندی را افزایش داد. طبقه بندی تصاویر بعد از تلفیق با استفاده از روش های ماشین بردار پشتیبان (SVM) و نزدیک ترین همسایگی (KNN) انجام شد.
یافته هاارزیابی نتایج با شاخص های دقت کلی (OA) و ضریب کاپا نشان از افزایش پارامتر OA به میزان 1-6 درصد و پارامتر Kappa به میزان 2-5% در طبقه بندی KNN، و افزایش پارامترهای OA و Kappa به ترتیب 1-5 درصد و 1-4 درصد در طبقه بندی SVM نسبت به طبقه بندی با تصویر نوری شد.
نتیجه گیریروش های فرکانسی و ترکیبی به عنوان بهترین روش های تلفیق انتخاب شدند و SVM به عنوان دقیق ترین روش طبقه بندی انتخاب شد. از دو قطبش VV و VH، قطبش VV عملکرد بهتری نشان داد.
کلید واژگان: رادار، تلفیق تصویر، طبقه بندی شی گرا، تالاب هورالعظیم، سنتینل1و2ObjectivePopulation growth, global warming, and poor management have led to the depletion of the world's water resources. To preserve these resources, management and continuous monitoring, the preparation of land use and land cover maps are essential.
MethodIn this regard, Sentinel-1 and Sentinel-2 satellite images were used to prepare land cover maps of the Horul Azim wetland, along with spatial and frequency fusion methods such as IHS, PCA, Brovey, Ehlers, and Wavelet-IHS. Fusing the images helped reduce the effects of clouds and dust, and by adding texture to Sentinel-2 optical images, it increased classification accuracy. The classification of images after fusion was done using Support Vector Machine (SVM) and Nearest Neighbor (KNN) methods.
ResultsThe evaluation of results with overall accuracy (OA) and kappa coefficient showed an increase in the OA parameter by 1-6% and the Kappa parameter by 2-5% in KNN classification, and an increase in the OA and Kappa parameters by 1-5% and 1-4%, respectively, in SVM classification compared to classification with optical images..
ConclusionsFrequency and hybrid methods were selected as the best fusion methods, and SVM was chosen as the most accurate classification method. Among the two polarizations, VV and VH, VV polarization showed better performance
Keywords: Radar, Image Fusion, Object-Oriented Classification, Horul Azim Wetland, Sentinel1& -
امروزه به علت پیشرفت های صنعتی و رشد فزاینده محیط های شهری، ایجاد اکوپارک، به عنوان مکانی که بتواند شرایط محیط زیست طبیعی را برای بشر فراهم کند، ضروری است. هدف مطالعه حاضر مکان یابی تطبیقی اکوپارک در سطح شهرستان های اردبیل، مشکین شهر، سرعین، نیر و نمین با استفاده از مدل های تحلیل چندمعیاره است. در راستای رسیدن به اهداف پژوهش، ابتدا چهار معیار و 15 زیرمعیار به عنوان عوامل موثر بر مکان یابی اکوپارک شناسایی شدند. سپس برای وزن دهی عوامل، از روش فرایند تحلیل شبکه ای (ANP) و برای تحلیل مدل نهایی از روش میانگین گیری وزن دار ترتیبی (OWA) به عنوان یکی از روش های تصمیم گیری چندمعیاره استفاده شد. نتایج حاصل از وزن دهی معیارها نشان داد که معیار فاصله از رودخانه ها بیشترین مقدار ضریب وزنی را به خود اختصاص داده است. برای انتخاب مکان مناسب اکوپارک، محدوده مورد مطالعه به چهار گروه از توان بالا تا فاقد توان طبقه بندی شد که 130815 هکتار از مساحت محدوده در طبقه با توان زیاد و 167213 هکتار در طبقه با توان متوسط قرار دارد. مناطقی که به عنوان نقاط با توان بالا جهت ایجاد اکو پارک شناسایی شدند، به طور عمده در کاربری های جنگل، مراتع متوسط و باغات قرار دارند. این مناطق، بیشتر در نزدیکی یکی از رودخانه های دایمی و بزرگ استان قرار گرفته اند. با توجه به نتایج مطالعه، بخش های جنوبی مشکین شهر و شمال کوه سبلان به علت وجود جاذبه های متنوع طبیعی و انسانی و داشتن محیط بکر به عنوان مناسب ترین مکان جهت ایجاد اکوپارک انتخاب شد.
کلید واژگان: مکان یابی، اکوپارک، تحلیل چندمعیاره، طبقه بندی شیء گرا، استان اردبیلToday, due to industrial advances and the expansion of urban environments, it is essential to create ecoparks as places that can provide natural environments for human. The current study performed a comparative ecopark site selection across Ardabil, Meshkinshahr, Sarein, Nir and Namin, using multi-criteria analysis models. To achieve the research objective, four criteria and 15 sub-criteria were identified, as effective factors on ecopark site selection in the region. The analytic network process (ANP) was used to weigh the factors and ordered weighted average (OWA) was employed, as a multi-criteria decision making method, to analyse the final model. Results of the weighting approach showed that distance from rivers accounted for the highest weight coefficient. To select suitable places for ecopark, the study area was classified into four groups of high to low land suitability, including 130815 hectares of high and 167213 hectares of moderate suitability. Lands with high suitablity were mainly located in forests, fair rangelands and orchards. In addition, suitable areas were mostly located near one of the large and permanent rivers of the province. Based on the results, southern parts of Meshkinshahr and the north of Sabalan Mountain were selected as the most suitable areas for ecopark, due to the existence of various natural and human attractions and having a pristine environment.
Keywords: Site selection, Ecopark, Multi-criteria analysis, Object-oriented classification, Ardabil province
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.