چکیده مقاله
پایش جنگل زدایی یکی از کاربردهای مهم سنجش از دور در مدیریت منابع طبیعی و بررسی اثرات تغییر اقلیم است در این پژوهش، تصاویر چندباندی ماهواره Sentinel ۲ به منظور تشخیص و قطعه بندی نواحی جنگل و غیرجنگل در جنگل های آمازون و آتلانتیک مورد استفاده قرار گرفت دو معماری یادگیری عمیق شامل Attention U Net و Trans U Net پیاده سازی و عملکرد آنها مقایسه شد مدل ها با استفاده از تصاویر چهارباندی و ماسک های دودویی آموزش داده شدند نتایج نشان داد که Trans U Net به دلیل ترکیب قابلیت استخراج ویژگی های محلی شبکه های کانولوشنی و مدل سازی وابستگی های مکانی دوربرد توسط ترنسفورمر دقت بالاتری نسبت به دو مدل دیگر ارائه می دهد دقت کلی این مدل حدود ۹۴ برای جنگل های آتلانتیک و ۹۳ برای جنگل های آمازون به دست آمد که کارایی بالای آن را در پایش جنگل زدایی تایید می کند
کلیدواژهها
نویسندگان
فائزه منظوری
دانشگاه اصفهان
حسین باقری
دانشگاه اصفهان
شیوه ارجاع
منظوری، فائزه و باقری، حسین،1404،مقایسه عملکرد مدل های یادگیری عمیق بر پایه U-Net در جنگل های آمازون و آتلانتیک با استفاده از داده های Sentinel-۲،دهمین همایش منطقه ای تغییر اقلیم و گرمایش جهانی زمین،زنجان
ارائهشده در
همایش سراسری «تربیت در نیروهای مسلح؛ روش ها و رویکردها»20 بهمن 1404 · قم