بررسی یادگیری انتقالی در طبقه بندی نوع محصولات کشاورزی از تصاویر ماهواره های سنجش از دوری با کمک الگوریتم جنگل تصادفی

چکیده مقاله

در این پژوهش، رویکردی برای یادگیری انتقالی در طبقه بندی نوع محصولات کشاورزی با استفاده از ترکیب دادههای نوری و راداری سنتینل ارائه شده است هدف ارزیابی عملکرد الگوریتم طبقه بندی جنگل تصادفی در یادگیری انتقالی از منطقه اراک به مرودشت با بهره گیری از تصاویر ماهواره ای و کاهش اختلاف بین دامنه ها با استفاده از تحلیل مولفههای اصلی است دادههای مورد استفاده شامل سنتینل ۱ و سنتینل در بازه زمانی آبان ماه سال ۱۳۹۵ تا مهر ماه سال ۱۳۹۶ هستند کلاسهای مورد بررسی شامل محصولات گندم، جو، یونجه، سایر محصولات، بدون پوشش زراعی، آب، خاک کوه و مناطق شهری میباشند در مرحله آموزش ۱۰۰% داده های اراک و ۲۰% از دادههای مرودشت استفاده شد سپس عملکرد مدل با ۸۰ باقی مانده از دادههای مرودشت ارزیابی گردید برای بررسی تاثیر دادهها چندین ترکیب شامل داده های،نوری راداری مدل رقومی ارتفاعی SRTM و تلفیق آنها بررسی شد همچنین با استفاده از تحلیل مولفههای اصلی ویژگیهای مشترک دو منطقه استخراج گردید تا تطبیق دامنه بین دامنه های آموزش و هدف حاصل شود نتایج نشان داد ترکیب دادههای نوری راداری و مدل رقومی زمین باعث افزایش دقت طبقه بندی و بهبود معیارهایی چون دقت کلی و ضریب کاپا و F۱ محصولات هدف به ترتیب %۹۳ و ۸۹ و ۷۸ در منطقه هدف گردیده است

کلیدواژه‌ها

نویسندگان

فاطمه علی پرستی

دانشجوی کارشناسی ارشد، گروه مهندسی نقشه برداری دانشکده عمران و حمل و نقل، دانشگاه اصفهان

ایمان خسروی

استادیار، گروه مهندسی نقشه برداری دانشکده عمران و حمل و نقل، دانشگاه اصفهان

�لی پرستی، فاطمه و خسروی، ایمان،1404،بررسی یادگیری انتقالی در طبقه بندی نوع محصولات کشاورزی از تصاویر ماهواره های سنجش از دوری با کمک الگوریتم جنگل تصادفی،چهاردهمین کنگره بین المللی مهندسی عمران،تهران

ارائه‌شده در

مجموعه مقالات چهاردهمین کنگره بین المللی مهندسی عمران29 مهر 1404 · تهران