ترکیب شاخص های محیطی و ویژگی های هندسی برای طبقه بندی ابرنقاط لایدار با استفاده از الگوریتم جنگل تصادفی

چکیده مقاله

داده های لایدار به عنوان یکی از منابع کلیدی در مدل سازی سه بعدی محیط، توانایی استخراج اطلاعات دقیق از ساختار سطح زمین و عوارض مختلف را فراهم می کنند با افزایش حجم ابرنقاط، نیاز به روش های دقیق و خودکار برای طبقه بندی این داده ها بیش از پیش احساس می شود در این پژوهش، با هدف بهبود دقت طبقه بندی ابرنقاط لایدار، ترکیبی از شاخص های محیطی شامل شدت نور لیزر بازگشتی، شیب و شاخص پوشش گیاهی و همچنین ویژگی های هندسی نقطه بر اساس نقاط همسایگی نظیر مقادیر ویژه در سه محور طول، عرض و ارتفاع و همچنین شاخص های آنومالی، مسطح بودن، توزیع همه جانبه و کرویت برای هر نقطه استخراج می گردند که بر اساس دو همسایگی استوانه ای و کروی در مجموع ۱۹ ویژگی توصیفی برای هر نقطه ذخیره می شود سپس با بهره گیری از الگوریتم طبقه بندی مبتنی بر جنگل تصادفی و با استفاده از ۵۰۰ درخت تصمیم برای طبقه بندی نقاط به کلاس های اصلی از جمله زمین، پوشش گیاهی، ساختمان و عوارض مصنوعی استفاده گردید نتایج نشان داد که به کارگیری همزمان شاخص های محیطی و هندسی باعث افزایش دقت کلی طبقه بندی به میزان حدود ۷ درصد نسبت به حالتی شد که تنها ویژگی های هندسی به کار گرفته می شدند دقت شاخص کاپا و دقت کلی طبقه بندی به ترتیب ۹۷ و ۹۷٫۸ می باشد این رویکرد می تواند گامی موثر در جهت بهبود تفسیر خودکار داده های لایدار در کاربردهای شهری و محیطی باشد

کلیدواژه‌ها

نویسندگان

وحید احمدی

دانش آموخته دکتری سنجش از دور، مرکز مطالعات سنجش از دور دانشکده علوم زمین دانشگاه شهید بهشتی

کیوان غزی مند

دانش آموخته دکتری سنجش از دور، مرکز مطالعات سنجش از دور دانشکده علوم زمین دانشگاه شهید بهشتی

�حمدی، وحید و غزی مند، کیوان،1404،ترکیب شاخص های محیطی و ویژگی های هندسی برای طبقه بندی ابرنقاط لایدار با استفاده از الگوریتم جنگل تصادفی،بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو،تهران

ارائه‌شده در

مجموعه مقالات بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو29 آبان 1404 · تهران