علیرضا ارفته؛ طاهر رضا محمد؛ علی حسینقلی زاده؛ احسان حقوقی فرد
چکیده
امروزه با گسترش مناطق شهری تولید اطلاعات دقیق و به روز از جمله اطلاعات اساسی، به منظور مدیریت و برنامهریزی شهرها است. گسترش روز افزون تکنولوژی سنجش از دور امکان استخراج اطلاعات متنوع از پوششهای شهری را فراهم آورده که موجب جلب توجه محققهای فراوانی به این موضوع شده است. وجود عوارض متنوع و نیز کاربریهای مختلف اطلاعات مکانی مناطق ...
بیشتر
امروزه با گسترش مناطق شهری تولید اطلاعات دقیق و به روز از جمله اطلاعات اساسی، به منظور مدیریت و برنامهریزی شهرها است. گسترش روز افزون تکنولوژی سنجش از دور امکان استخراج اطلاعات متنوع از پوششهای شهری را فراهم آورده که موجب جلب توجه محققهای فراوانی به این موضوع شده است. وجود عوارض متنوع و نیز کاربریهای مختلف اطلاعات مکانی مناطق شهری، تلفیق منابع داده مختلف به منظور شناسایی عوارض را به امری کاربردی مبدل کرده است. هدف این تحقیق تلفیق ویژگیهای بهینه استخراج شده از دادههای اپتیک و لایدار به منظور شناسایی عوارض شهری در منطقه مورد مطالعه میباشد. در این راستا ویژگیهای مختلفی از هر یک از این دادهها استخراج شده است. از جمله این ویژگیها میتوان به ویژگیهای رنگی، شاخص گیاهی و بافت از تصویر اپتیک و ویژگیهای نرمی، مدل ارتفاعی رقومی نرمال و زبری از تصویر لیدار اشاره نمود. سپس به منظور انتخاب ویژگیهای بهینه از الگوریتم ژنتیک استفاده شده است. در انتها با استفاده از روش طبقهبندی کننده ماشینبردار پشتیبان به شناسایی عوارض مورد نظر پرداخته شده است. دقت طبقهبندی کننده الگوریتم ماشین بردار پشتیبان در منطقه مورد مطالعه با استفاده از ویژگیهای بهینه و دادههای اولیه 734/88 محاسبه شده که نسبت به طبقهبندی داده اولیه اپتیک چندباندی دارای بهبود 438/25 درصدی و نسبت به طبقهبندی داده اولیه لایدار دارای بهبود 236/18 درصدی است. نتایج بررسی نشان دهنده افزایش دقت طبقهبندی با استفاده از ویژگیهای بهینه در کنار باندهای اولیه است.