شناسایی نظارت نشده تغییرات مناطق جنگلی مبتنی بر تلفیق شاخص های تغییرات به روش موجک گسسته غیر کاهشی و بهبود میدان تصادفی زنجیره مارکوف
پایش و شناسایی تغییرات یکی از مهم ترین پردازش ها در فتوگرامتری و سنجش ازدور به شمار می آید که در آن تغییرات رخ داده در یک منطقه ی جغرافیایی در اثر گذر زمان مورد مطالعه و بررسی قرار می گیرد. جنگل ها از سرمایه های ملی هر کشوری محسوب می شوند که نقش مهمی در تعدیل آب و هوا، شکل گیری آب های زیرزمینی و جلوگیری از وقوع سیل و فرسایش خاک دارند. بنابراین شناسایی هرچه دقیق تر تغییرات در مناطق جنگلی، می تواند نقشی مهم و انکارناپذیر در راستای حفظ و مدیریت این مناطق ایفا کند. در این تحقیق یک روش نظارت نشده ی دقیق برای شناسایی تغییرات در مناطق جنگلی ارایه شده است. مناطق مورد مطالعه در این تحقیق، جنگل های کشورهای آمریکا و استرالیا است که در اثر آتش سوزی تخریب شده اند. در روش ارایه شده، ابتدا شاخص تغییرات نهایی از طریق تلفیق شاخص های تغییرات NDVI (DN) و GNDVI (DG) با روش تبدیل موجک گسسته ایجاد شد. سپس برای کاهش تغییرات نویزی از فیلتر پخش کننده استفاده شد. برای خوشه بندی اولیه شاخص تلفیقی از روش خوشه بندی k-means بهبودیافته و برای در نظرگرفتن اطلاعات همسایگی در روند خوشه بندی، از میدان تصادفی مارکوف (MRF) پس از اعمال دو مرحله بهبود در ساختار تابع انرژی آن استفاده شد. مقایسه ی روش پیشنهادی در دو حالت استفاده از مدل MRF مرسوم و نوع بهبودیافته آن، برتری مدل MRF بهبودیافته را به اندازه ی 49/0% و 61/0%، به ترتیب در مجموعه داده ی اول و دوم نشان داد. همچنین روش پیشنهادی در مقایسه با روش های Otsu، PCA-kmeans، GAFCM و GMM-MRF داری عملکرد بهتری بود، بطوریکه میزان خطای کل را در آن ها به طور میانگین به اندازه 93/0% و 31/5%، به ترتیب در مجموعه داده اول و دوم کاهش داد. براساس نتایج بدست آمده می توان گفت، روش ارایه شده در این تحقیق پتانسیل بالایی برای شناسایی نظارت نشده ی تغییرات در مناطق جنگلی دارد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.