استفاده از الگوریتم های یادگیری ماشین بر پایه پردازش شئ گرا از تصاویر ماهواره ای به منظور بهبود برنامه ریزی فضایی درتوسعه فیزیکی حاشیه شهر مشگین شهر
منبع:
جغرافیا و روابط انسانی دوره ۸ پاییز ۱۴۰۴ شماره ۳۱
209 - 230
حوزههای تخصصی:
با توجه به روند بی سابقه و رو به رشد جمعیت و گسترش شهرها و با افزایش س اخت وس ازها و در محدوده, حاشیه شهری مسئله نظ ام م دیریت و برنام ه ری زی ش هری را تح ت الش عاع ق رار داده اس ت؛یکی از رویکردهای جدید در برنامه ریزی شهری، استفاده از تصاویر ماهواره ای و روش های نوین سنجش از دور می باشد. روش پژوهش حاضر توصیفی و کمی است که با هدف استفاده از الگوریتم های یادگیری ماشین بر پایه پردازش شئ گرا از تصاویر ماهواره سری لندست و سنتینل انجام گرفته است. بعد از انجام تصحیحات و تلفیق تصاویر یا Image fusion با استفاده از روش های NNDiffuse و Gram schmidt تصاویر لندست و سنتینل در نرم افزار ENVI 5.6 انجام گرفت و تصویری جدید با خصوصیات مشترک دو تصویر تولید گردید جهت قطعه بندی و طبقه بندی از نرم افزار ایکاگنیشن استفاده گردید و فرآیند قطعه بندی بر اساس مقیاس، ضریب شکل و ضریب فشردگی مناسب با هدف تولید اشیاء تصویری انجام شد. با استفاده از طبقه بندی کننده های یادگیری ماشین مبتنی بر پردازش شئ گرای محدوده فیزیکی شهر مشگین شهر تولید شد بر اساس نتایج تحقیق، طبقه بندی کننده بیز دارای دقت کلی 96 درصد و ضریب کاپای 94/0، k - نزدیکترین همسایه دارای دقت کلی 97 درصد و ضریب کاپای 94/0، ماشین بردار پشتیبان دارای دقت کلی 95 درصد و ضریب کاپای 94/0، درخت تصمیم گیری دارای دقت کلی 96 درصد و ضریب کاپای 94/0 و درخت های تصادفی دارای دقت کلی 94 درصد و ضریب کاپای 84/0 بودند. لذا از بین کلیه الگوریتم های مورد استفاده در این تحقیق، k - نزدیکترین همسایه با دقت کلی 97 درصد و ضریب کاپای 94/0 مقدار دقت بیشتری را ارائه نمود. کلاس اراضی ساخته شده بیشترین تغییر را به مقدار 92/16 درصد ازنظر افزایش مساحت داشته است.