سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات162
تعداد شماره‌ها6,623
تعداد مقالات71,544
تعداد مشاهده مقاله126,895,621
تعداد دریافت فایل اصل مقاله99,943,163
ساسانی, اردشیر, ساغروانی, سید فضل اله, بیگدلی, بهناز. (1403). تلفیق روش‌های مختلف طبقه‌بندی اراضی با استفاده از الگوریتم فازی به کمک ادغام تصاویر ماهواره‌ای سنتینل-2 و لندست-8. , 14(4), 811-825. doi: 10.22059/jwim.2024.369527.1125
اردشیر ساسانی; سید فضل اله ساغروانی; بهناز بیگدلی. "تلفیق روش‌های مختلف طبقه‌بندی اراضی با استفاده از الگوریتم فازی به کمک ادغام تصاویر ماهواره‌ای سنتینل-2 و لندست-8". , 14, 4, 1403, 811-825. doi: 10.22059/jwim.2024.369527.1125
ساسانی, اردشیر, ساغروانی, سید فضل اله, بیگدلی, بهناز. (1403). 'تلفیق روش‌های مختلف طبقه‌بندی اراضی با استفاده از الگوریتم فازی به کمک ادغام تصاویر ماهواره‌ای سنتینل-2 و لندست-8', , 14(4), pp. 811-825. doi: 10.22059/jwim.2024.369527.1125
ساسانی, اردشیر, ساغروانی, سید فضل اله, بیگدلی, بهناز. تلفیق روش‌های مختلف طبقه‌بندی اراضی با استفاده از الگوریتم فازی به کمک ادغام تصاویر ماهواره‌ای سنتینل-2 و لندست-8. , 1403; 14(4): 811-825. doi: 10.22059/jwim.2024.369527.1125

تلفیق روش‌های مختلف طبقه‌بندی اراضی با استفاده از الگوریتم فازی به کمک ادغام تصاویر ماهواره‌ای سنتینل-2 و لندست-8

مدیریت آب و آبیاری
دوره 14، شماره 4، اسفند 1403، صفحه 811-825    اصل مقاله (2.39 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/jwim.2024.369527.1125
نویسندگان
اردشیر ساسانی1؛ سید فضل اله ساغروانی* 2؛ بهناز بیگدلی2
1گروه مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، ایران.
2گروه مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران.
چکیده
تکنیک‌های سنجش از دور و پردازش تصویر با فراهم‌نمودن اطلاعات مکانی و زمانی تحول بزرگی در اندازه‌گیری‌های سنتی  به‌وجود آورده‌اند و از ‌این پتانسیل برخوردارند تا دانش ما در حوزه فنی و مهندسی از جمله کامپیوتر، مهندسی منابع آب، سازه هیدرولیکی و نقشه‌برداری مانند برف، زمین‌شناسی و جغرافیا افزایش دهند. به‌منظور استفاده هم‌زمان از اطلاعات طیفی و مکانی تصاویر ماهواره‌ای از روش‌های مختلف تلفیق تصاویر استفاده می‌گردد. در تصویر ادغام‌یافته توانایی تفسیر افزایش می‌یابد و نتایج قابل‌قبول‌تری را به‌همراه دارد، چرا که داده‌هایی با ویژگی‌های متفاوت با یکدیگر ترکیب شده‌اند. در این پژوهش تصویر ادغام‌شده دو ماهواره لندست-8 و سنتینل-2 برای منطقه موردمطالعه بسطام شاهرود با پنج روش حداکثر احتمال، حداقل فاصله ماشین‌بردار پشتیبان، شبکه عصبی مصنوعی و جنگل تصادفی پردازش گردید و روش شبکه عصبی مصنوعی با ضریب کاپای 93/0 و روش حداقل فاصله با ضریب کاپای 34/0 به‌ترتیب بهترین و بدترین نتایج را به‌همراه داشتند. سپس چهار روش طبقه‌بندی حداکثر احتمال، ماشین‌بردار پشتیبان، شبکه عصبی مصنوعی وجنگل تصادفی با الگوریتم فازی جمع جبری تلفیق‌شده و ضریب کاپای 94/0 را نتیجه داد که نشان می‌دهد تلفیق بهترین نتایج طبقه‌بندی می‌تواند نتایج بهتر و دقیق‌تری در خصوص طبقه‌بندی به‌همراه‌داشته باشد.
کلیدواژه‌ها
ادغام تصاویر؛ پردازش تصویر؛ روش فازی؛ ضریب کاپا؛ ماهواره سنجش از دور
مراجع
  1. Atkinson, P. M., Jeganathan, C., Dash, J., & Atzberger, C. (2012). Inter-comparison of four models for smoothing satellite sensor time-series data to estimate vegetation phenology. Remote sensing of environment, 123, 400-417.
  2. Banikhedmat, A., Bigdeli, B., & Seyed Fazlollah, S. F. (2024). Evaluation of the Impact of Image Fusion of Landsat 8 and Sentinel 2 Satellites on Flood Zone Estimation. Water and Irrigation Management, 14(2), 421-438.
  3. Breiman, L. (2001). Random forests. Machine learning, 45, 5-32.
  4. Colecchia, F. (2013, February). A sampling algorithm to estimate the effect of fluctuations in particle physics data. In Journal of Physics: Conference Series (Vol. 410, No. 1, p. 012028). IOP Publishing.
  5. Drusch, M., Del Bello, U., Carlier, S., Colin, O., Fernandez, V., Gascon, F., ... & Bargellini, P. (2012). Sentinel-2: ESA's optical high-resolution mission for GMES operational services. Remote sensing of Environment, 120, 25-36.
  6. Edition, E. F. G. F. (1999). Erdas Inc. Atlanta, Georgia.
  7. Gao, F., Hilker, T., Zhu, X., Anderson, M., Masek, J., Wang, P., & Yang, Y. (2015). Fusing Landsat and MODIS data for vegetation monitoring. IEEE Geoscience and Remote Sensing Magazine, 3(3), 47-60.
  8. Jalili-Moghaddam, M. (2005). Real-time Multifocus Image Fusion Using Discrete Wavelet Transform and Laplacian Pyramid Transform. Chalmers tekniska högskola. Chalmess University of Technology, Goteborg, Sweden.
  9. Kannan, K., & Perumal, S. A. (2007, December). Optimal decomposition level of discrete wavelet transform for pixel based fusion of multi-focused images. In International Conference on Computational Intelligence and Multimedia Applications (ICCIMA 2007) (Vol. 3, pp. 314-318). IEEE.
  10. Karimian, K., Amini, A., Bagheri, M.& Mohammadi., H. (2019). Monitoring land use changes using Landsat satellite images. (in Persian)
  11. Mather, P., & Tso, B. (2016). Classification methods for remotely sensed data. CRC press.
  12. Nielsen, M. A. (2015). Neural Networks and Deep Learning, Vol. 2018, Determination Press, San Francisco, California.
  13. Otukei, J. R., & Blaschke, T. (2010). Land cover change assessment using decision trees, support vector machines and maximum likelihood classification algorithms. International Journal of Applied Earth Observation and Geoinformation, 12, S27-S31.
  14. Palmer, M. A., Lettenmaier, D. P., Poff, N. L., Postel, S. L., Richter, B., & Warner, R. (2009). Climate change and river ecosystems: protection and adaptation options. Environmental management, 44, 1053-1068.
  15. Pandit, V. R., & Bhiwani, R. J. (2015). Image fusion in remote sensing applications: A review. International journal of computer applications, 120(10).
  16. Rangzan, K., Kabolizadeh, M., & Karimi, D. (2022). Optimized water depth retrieval using satellite imageries based on novel algorithms. Earth Science Informatics, 15(1), 37-55.
  17. Sigurdsson, J., Armannsson, S. E., Ulfarsson, M. O., & Sveinsson, J. R. (2022). Fusing Sentinel-2 and Landsat 8 satellite images using a model-based method. Remote Sensing, 14(13), 3224.
  18. Vapnik, V. (2006). Estimation of dependences based on empirical data. Springer Science & Business Media.
  19. Vapnik, V. (2013). The nature of statistical learning theory. Springer science & business media.
  20. Zhang, H., Zhang, Y., Gao, T., Lan, S., Tong, F., & Li, M. (2023). Landsat 8 and Sentinel-2 Fused Dataset for High Spatial-Temporal Resolution Monitoring of Farmland in China’s Diverse Latitudes. Remote Sensing, 15(11), 2951.
  21. Zhu, Z., Wang, S., & Woodcock, C. E. (2015). Improvement and expansion of the Fmask algorithm: Cloud, cloud shadow, and snow detection for Landsats 4–7, 8, and Sentinel 2 images. Remote sensing of Environment, 159, 269-277.
آمار
تعداد مشاهده مقاله: 335
تعداد دریافت فایل اصل مقاله: 87





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب