آمار
| تعداد نشریات | 45 |
| تعداد شمارهها | 1,532 |
| تعداد مقالات | 18,601 |
| تعداد مشاهده مقاله | 60,994,217 |
| تعداد دریافت فایل اصل مقاله | 21,830,783 |
ترکیب شاخصهای طیفی و یادگیری ماشین برای استخراج دقیق پهنههای آبی سطحی: یک چارچوب کاربردی مبتنی بر SVM با ارزیابی مکانی (IoU, Dice) | ||
| جغرافیا و برنامهریزی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 10 مرداد 1405 | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/gp.2026.71865.3525 | ||
| نویسندگان | ||
| مریم ریاحی نیا؛ سجاد زارعی* ؛ کاظم رنگزن | ||
| گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، خوزستان، ایران | ||
| چکیده | ||
| هدف: در سالهای اخیر، استخراج دقیق پهنههای آبی سطحی از تصاویر ماهوارهای به دلیل نقش کلیدی آنها در مدیریت منابع آب و پایش محیطزیست اهمیت ویژهای یافته است. با وجود توسعه شاخصهای طیفی متعددی برای شناسایی آب، عملکرد این روشها در مناطق وسیع، کوهستانی و دارای پوشش ناهمگون اغلب با تداخل طیفی، سایه و سطوح تیره با محدودیت مواجه است. روش پژوهش: در این پژوهش، یک چارچوب یکپارچه مبتنی بر ترکیب شاخصهای طیفی رایج شامل NDWI، MNDWI، AWEI_sh، AWEI_nsh و WRI به همراه باندهای خام چندطیفی لندست 8 برای استخراج پهنههای آبی سطحی ارائه شده است. سپس از الگوریتم ماشین بردار پشتیبان (SVM) بهعنوان روش یادگیری ماشین بهمنظور تلفیق بهینه فضای ویژگی و تفکیک کلاسهای آب و غیرآب استفاده گردید. دادههای مرجع از ترکیب برداشت میدانی، تفسیر بصری تصاویر با قدرت تفکیک بالا و دادههای برداری OpenStreetMap (OSM) تهیه شدند و با اعمال فیلترهای کیفیتی و فشردهسازی فضایی، وابستگی مکانی نمونهها کاهش یافت. نتایج: ارزیابی عملکرد مدل با استفاده از معیارهای کمی شامل Recall: 90 درصد و IOU: 53 درصد و Dice: 70 درصد نشان داد که مدل عملکرد پایداری در شناسایی پهنههای آبی ارائه میدهد. SVM توانست مقدار Recall برابر با 90 درصد را برای کلاس آب ارائه دهد که نشاندهنده توان بالای مدل در شناسایی صحیح اکثر پیکسلهای واقعی آب است. همچنین مقدار Dice برابر 70 و IoU برابر با 53 بیانگر همخوانی فضایی متوسط تا قابلقبول بین نقشه پیشبینی شده و دادههای مرجع است. نتیجه گیری: نتایج حاکی از آن است که غنیسازی فضای ویژگی با ترکیب باندهای خام و شاخصهای طیفی، نقش کلیدی در بهبود شناسایی پیوسته و دقیق مرزهای پهنههای آبی ایفا میکند. این چارچوب میتواند بهعنوان روشی کارآمد و قابل اتکا در استخراج پهنههای آبی سطحی در مناطق پیچیده و بزرگمقیاس مورد استفاده قرار گیرد و پشتیبان تصمیمگیری در مدیریت منابع آب باشد. | ||
| کلیدواژهها | ||
| شاخص طیفی؛ سامانه نقشه باز؛ ماشین بردار پشتیبان؛ معیارهای مکانی | ||
|
آمار تعداد مشاهده مقاله: 5 |
||