چکیده مقاله
طبقه بندی دقیق پوشش زمین یکی از الزامات اساسی پایش محیطی، مدیریت منابع طبیعی و برنامه ریزی فضایی محسوب می شود در سال های اخیر الگوریتم جنگل تصادفی به دلیل پایداری بالا، مقاومت در برابر بیش برازش و توان تفکیک پذیری مناسب در داده های چندطیفی به طور گسترده در مطالعات سنجش از دور مورد استفاده قرار گرفته است با وجود این، مزایا و عملکرد این الگوریتم به تنظیم صحیح پارامترهای داخلی آن وابسته بوده و به ویژه تعیین مقدار بهینه تعداد درخت ها همچنان یکی از موضوعات بحث برانگیز در کاربردهای عملی به شمار می رود در این پژوهش رفتار پارامتر تعداد درخت ها در الگوریتم جنگل تصادفی برای طبقه بندی پوشش زمین با استفاده از تصاویر Sentinel در محدوده سد کرج مورد ارزیابی قرار گرفت تصاویر سطح بازتابی در بازه زمانی فصل رشد سال ۲۰۲۴ استخراج و پس از پیش پردازش باندهای طیفی منتخب به همراه شاخص های NDBI، NDVI و NDWI در بستر Google Earth Engine تحلیل شدند چهار کلاس اصلی شامل پوشش گیاهی، اراضی ساخته شده، اراضی بایر و پهنه های آبی تعریف و فرآیند بهینه سازی تعداد درخت ها در بازه ۵۰ تا ۴۰۰ با استفاده از اعتبارسنجی پنج بخشی انجام شد نتایج نشان داد که دقت مدل تا مقدار ۱۵۰ درخت روند افزایشی داشته و در این نقطه به بیشینه خود با دقت کلی ۹۷/۷۳ درصد و ضریب کاپا ۰/۹۶۵ دست یافته است افزایش تعداد درخت ها فراتر از این مقدار بهبود معناداری در عملکرد مدل ایجاد نکرده و رفتار همگرایی دقت مشاهده شد این یافته ها نشان می دهد که تعیین مقدار بهینه برای تعداد درخت ها می تواند ضمن حفظ دقت بالا موجب بهبود عملکرد اجرایی مدل شود نتایج پژوهش حاضر شواهد تجربی روشنی درباره رفتار همگرایی پارامتر تعداد درخت ها در طبقه بندی تصاویر Sentinel ۲ ارائه می دهد و می تواند مبنایی کاربردی برای طراحی چارچوب های بهینه سازی ساده و موثر در مطالعات مشابه باشد
کلیدواژهها
نویسندگان
شیوه ارجاع
�بیعی، فاطمه و میلان، اصغر،1405،تحلیل رفتار پارامتر تعداد درخت ها در الگوریتم جنگل تصادفی برای طبقه بندی پوشش زمین با استفاده از تصاویر Sentinel - مطالعه موردی محدوده سد کرج،پانزدهمین کنفرانس بین المللی ایده های راهبردی در معماری، عمران و شهرسازی ایران،مشهد
ارائهشده در
مجموعه مقالات پانزدهمین کنفرانس بین المللی ایده های راهبردی در معماری، عمران و شهرسازی ایران28 اردیبهشت 1405 · مشهد