طبقه بندی حوضه آبی دریاچه پریشان به روش طبقه بندی جنگل تصادفی با استفاده از تصاویرماهواره لندست

صدیقی, محمد; امینی, امیر شاهرخ

doi:10.22092/ijwmse.2019.127500.1708

تعداد نشریات	275
تعداد نشریات سازمان	74
تعداد شماره‌ها	1,741
تعداد مقالات	20,283
تعداد مشاهده مقاله	11,206,517
تعداد دریافت فایل اصل مقاله	8,879,591

	طبقه بندی حوضه آبی دریاچه پریشان به روش طبقه بندی جنگل تصادفی با استفاده از تصاویرماهواره لندست
مهندسی و مدیریت آبخیز
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 23 مهر 1398
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22092/ijwmse.2019.127500.1708
نویسندگان
محمد صدیقی ¹؛ امیر شاهرخ امینی²
¹دانشگاه آزاد اسلامی ، واحد تهران جنوب،تهران، ایران
²استادیار ، گروه مهندسی نقشه برداری ، واحد تهران جنوب ، دانشگاه ازاد اسلامی ، تهران ، ایران
چکیده
بحران کمبود آب موجود در جهان، مدیریت آب در بخش‌های مختلف ازجمله حوزه‌های آبی و کشاورزی را تحت تاثیرقرار داده است. حوزه های آبی و زمین های اطراف آن ها درطول سال های اخیر با چالش های جدی از قبیل خشک شدن دریاچه ها و رودها، بیلان منفی آبخوان ها، تغییرات کاربری زمین های اطراف، افزایش سطح زیر کشت اراضی زراعی آبی و باغی و تغییر الگوی کشت از سمت محصولات کم مصرف به محصولاتی با نیاز آبی بالا مواجه شده اند. استفاده از تصاویر ماهواره ای به دلیل پوشش وسیع مکانی، قدرت تفکیک بالا، هزینه کم، آرشیو زمانی غنی تصاویر ماهواره ای و سهولت روش های تعیین کاربری، ابزاری مناسب و کار آمد برای کمک به مدیریت منابع آب ‌و خاک می باشد. در این تحقیق 4 کلاس خاک، آب و مناطق مرطوب، شهری و کشاورزی انتخاب شده اند. سپس از 2 روش طبقه بندی جنگل تصادفی و ماشین های بردار پشتیبان ، برای طبقه بندی تصاویر استفاده شده است. روش های طبقه بندی با محاسبه دو شاخص دقت کلی و ضریب کاپا با استفاده از داده های تست بررسی شدند. طبقه بندی جنگل تصادفی در 4 سال 2012، 2014، 2016 و 2018 و طبقه بندی ماشین های بردار پشتیبان در 2 سال2008 و 2010 بالاترین دقت را دارند. بنابراین الگوریتم جنگل تصادفی در تفکیک کلاس ها بخصوص حوزه آبی به خوبی عمل کرده است و میتوان به عنوان روشی قابل اعتماد از ان در این حوزه بهره برد.
کلیدواژه‌ها
تصاویر لندست؛ جنگل تصادفی؛ دریاچه پریشان؛ روش های طبقه بندی؛ حوضه آبی
عنوان مقاله [English]
Classification Lake Parishan Water Basin by Random Forest Classification Using Landsat Satellite Images
نویسندگان [English]
Mohammad Sedighi¹؛ amir shahrokh amini²
¹Islamic Azad University, South Tehran Branch, Tehran, Iran
²Assistant Professor, Department of Surveying Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran
چکیده [English]
The global water scarcity crisis is affecting water management in various sectors, including water and agriculture. Aquatic basins and their surrounding areas in recent years with serious challenges such as drying up of lakes and rivers, negative aquifer balance, changes in surrounding land use, increased cultivation of irrigated and horticultural lands, and Changes in the pattern of cultivation from low-crop to high-water crops have been encountered. Satellite imagery due to its wide spatial coverage, high resolution, low cost, rich time archive of satellite imagery and ease of use methods is a useful and efficient tool to help manage water and soil resources. In this study, four classes of soil, water and wet, urban and agricultural areas were selected. Then, two random forest classification methods and support vector machines are used to classify images. Classification methods were evaluated by calculating two indices of accuracy and kappa coefficient using test data. The random forest classification in the four years , 2012, 2014, 2016 and 2018 and classification of support vector machines in two years , 2008 and 2010 are the most accurate. Therefore, the random forest algorithm has worked well in classifying the class, especially the blue field, and can be used as a reliable method in this field.
کلیدواژه‌ها [English]
Landsat Image, Random Forest, Parishan Lake, Classification Methods, Water Basin


مراجع

آمار تعداد مشاهده مقاله: 41

Journal Management System. Designed by sinaweb.

آمار

طبقه بندی حوضه آبی دریاچه پریشان به روش طبقه بندی جنگل تصادفی با استفاده از تصاویرماهواره لندست