شناسایی و تفکیک پوشش های زمین با استفاده از تلفیق تصاویر اپتیک و رادار

مصطفی کابلی زاده ¹ ( گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز )
سجاد زارعی ² ( گروه سنجش از دور و GIS، دانشکده علوم زمین؛ دانشگاه شهید چمران اهواز )
رحمان خنافره ³ ( گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران )

تاریخ ارسال : 1401/10/03 تاریخ تایید : 1401/11/08

کلید واژه: انتخاب ویژگی, پوشش‌های زمین در محیط‌های شهری, روش ماشین بردار پشتیبان (SVM), طبقه‌بندی, ویژگیهای بافتی,

چکیده مقاله :

طبقه‌بندی و تفکیک پوشش زمین از مهم‌ترین کاربردهای سنجش از دور می‌باشد. برای انجام طبقه‌بندی، داده‌های ماهوارهای چندطیفی ابزاری کارآمد می‌باشند، اما متاسفانه در برخی از شرایط، مانند آب و هوای ابری در دسترس نیستند. همچنین اکثر الگوریتم‌های طبقه‌بندی داده‌های سنجش از دور بر اساس ویژگی‌ها و اطلاعات طیفی پیکسل‌ها عمل می‌کنند که این مسئله باعث نادیده گرفتن اطلاعات مکانی مفید قابل استخراج از تصاویر، از جمله؛ بافت تصاویر می‌شود. استفاده همزمان از بافت و اطلاعات طیفی مبحثی است که به آن کمتر پرداخته شده است. بنابراین با در نظر گرفتن این ایده جهت انتخاب ویژگی‌های بهینه برای تهیه نقشه پوشش‌های زمین از دو روش استفاده شد. روش اول بازتاب نرمال شده عوارض با توجه به ویژگی‌های استخراج شده و روش دوم اعمال شاخص ضریب بهینه (Optimum Index Factor) بروی ویژگی-های بافتی و طیفی استخراج شده می‌باشد. به این منظور فرآیند طبقه‌بندی با استفاده از روش ماشین بردار (Support Vector Machine)، برروی تصویر راداری سنتینل-1و تصویر چندطیفی سنتینل- 2، ویژگی‌های بهینه انتخاب شده با دو روش و ترکیب باندهای تصویر با ویژگی‌های بهینه انتخاب شده با دو روش و در آخر با تلفیق بهترین ترکیب باندهای رادار و اپتیک انجام گرفت. با توجه به نتایج بدست آمده، طبقه‌بندی با استفاده از ویژگی‌های طیفی دقت بالاتری نسبت به طبقه‌‌بندی با استفاده از ویژگی‌های بافت دارد. با تلفیق ویژگی‌های اپتیک و رادار و بدست آمدن مقادیر 07/97 درصد برای دقت کلی و 96/0 برای ضریب کاپا دقت طبقه بندی تا حد زیادی بهبود داده شد. این تحقیق نشان داد که با انتخاب ویژگی‌های بهینه و تلفیق داده‌های طیفی و راداری می‌توان از ویژگی‌های متفاوت هر یک از داده‌ها استفاده کرد و به نتایج بهتری رسید. همچنین تلفیق ویژگی بافتی از تصویر راداری و ویژگی طیفی از تصویر اپتیکی می‌تواند تاثیر بسیار خوبی در بهبود نتایج طبقه‌بندی پوشش زمین داشته باشد.

چکیده انگلیسی :

Classification and separation of land cover is one of the most important applications of remote sensing. To perform classification, multispectral satellite data are an efficient tool, but unfortunately, they are not available in some conditions, such as cloudy weather. Also, most remote sensing data classification algorithms operate based on the characteristics and spectral information of pixels, which causes the useful spatial information that can be extracted from the images to be ignored, including; The texture of the pictures. The simultaneous use of texture and spectral information is a topic that has been less discussed. Therefore, considering this idea, two methods were used to select the optimal features for preparing the land cover map. The first method is the normalized reflection of complications according to the extracted features and the second method is applying the Optimum Index Factor on the extracted textural and spectral features. For this purpose, the classification process using the Support Vector Machine method, on the Sentinel-1 radar image and the Sentinel-2 multispectral image, the optimal features selected by the two methods and the combination of image bands with the optimal features selected by It was done by two methods and finally by combining the best combination of radar and optical bands. According to the obtained results, the classification using spectral features is more accurate than the classification using texture features. By combining the optical and radar features and obtaining values of 97.07% for the overall accuracy and 0.96% for the Kappa coefficient, the classification accuracy was improved to a great extent. This research showed that by choosing optimal features and combining spectral and radar data, different features of each data can be used and better results can be achieved.