طبقه بندی پوشش های جنگلی با استفاده از داده های پلاریمتری فشرده

نویسندگان

امیر آقابالائی

a. aghabalaei faculty of geomatics engineeringتهران – خیابان ولیعصر(عج) – تقاطع میرداماد – دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده مهندسی نقشه برداری حمید عبادی

h. ebadi faculty of geomatics engineeringتهران – خیابان ولیعصر(عج) – تقاطع میرداماد – دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده مهندسی نقشه برداری یاسر مقصودی

y. maghsoudi faculty of geomatics engineeringتهران – خیابان ولیعصر(عج) – تقاطع میرداماد – دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده مهندسی نقشه برداری

چکیده

اخیرا رشد قابل توجهی در سیستم­های dual-polarimetry (dp) به­وجود آمده است که compact polarimetry (cp) نامیده می­شود. cp یک سیستم تصویربرداریdp  است که چندین مزیت مهم را نسبت به دیگر سیستم­های چندپلاریزاسیون sar دارد. از جمله آن­ها می­توان به قابلیت کاهش پیچیدگی سیستم، هزینه، وزن و نرخ داده­های سیستم sar اشاره کرد. یکی از زمینه­های تحقیقاتی مورد توجه سنجش از دور راداری مطالعه جنگل­ها است، چراکه نقش مهمی را در کنترل آب و هوا بازی می­کنند. در این تحقیق پتانسیل داده­های cp در طبقه­بندی مناطق جنگلی با استفاده از طبقه­بندی کننده ویشارت مختلط و به دو صورت بررسی و ارزیابی شده است. یکبار با استفاده از ماتریس­های کواریانس 2 2 دو مد  pi/4و  circular transmit-linear receive(ctlr)، و بار دیگر با به­کارگیری ماتریس­های کواریانس 3 3 بازسازی شده از این دو مد cp. سپس نتایج حاصل با نتیجه به­دست آمده از مد full polarimetry (fp) مقایسه و ارزیابی شدند. نتایج نشان دادند که در طبقه­بندی پوشش­های جنگلی، مد pi/4 دقت کلی طبقه­بندی بهتری را نسبت به مد ctlr فراهم می­کند.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تعیین مرزهای بهینه برای نواحی طبقه بندی آلفا انتروپی داده پلاریمتری فشرده دو دایروی با استفاده از مفهوم حداکثر مشابهت

یکی از مهمترین اهداف پژوهشگران در حوزه پلاریمتری فشرده، پیشنهاد روش‌هایی جهت نزدیک‌تر کردن اطلاعات و نتایج حاصل از داده های پلاریمتری حالت فشرده به نتایج حاصل از داده های پلاریمتری حالت کامل می باشد. یکی از روش های پرکاربرد جهت استخراج مکانیسم های پراکندگی داده های پلاریمتری، روش طبقه بندی بر اساس فضای انتروپی-آلفا می باشد. فضای طبقه بندی انتروپی-آلفای داده حالت فشرده دو دایروی که در ادبیات موض...

متن کامل

طبقه بندی پوشش های جنگلی با استفاده از داده های compact پلاریمتری

اخیرا مد جدیدی در سیستم های تصویربرداری dual polarimetry ارائه شده است که compact polarimetry (cp) نامیده می شود. این مد چندین مزیت مهم را نسبت به مد full polarimetry دارا می باشد که از جمله آنها می توان به قابلیت کاهش در پیچیدگی، هزینه و نرخ داده های sar اشاره کرد. همچنین این مد پهنای نوار وسیع تری را نسبت به مد fp دارد. بنابراین این مد می تواند برای کاربردهای بزرگ مقیاس مانند کنترل و پایش منا...

طبقه‌بندی پوشش‌های جنگلی با استفاده از داده‌های پلاریمتری فشرده

اخیرا رشد قابل توجهی در سیستم­های Dual-Polarimetry (DP) به­وجود آمده است که Compact Polarimetry (CP) نامیده می­شود. CP یک سیستم تصویربرداریDP  است که چندین مزیت مهم را نسبت به دیگر سیستم­های چندپلاریزاسیون SAR دارد. از جمله آن­ها می­توان به قابلیت کاهش پیچیدگی سیستم، هزینه، وزن و نرخ داده­های سیستم SAR اشاره کرد. یکی از زمینه­های تحقیقاتی مورد توجه سنجش از دور راداری مطالعه جنگل­ها است، چراکه ن...

متن کامل

طبقه بندی پوشش زمین با استفاده از داده های پلاریمتری sar

داده¬های پلاریمتری به دلیل وجود اطلاعاتی به مراتب بیشتر نسبت به داده¬های معمولی sar نقش مهمی در تعیین پوشش زمین و همچنین مدیریت محیط زیست ایفا کرده¬اند؛ با توجه به این مطلب در این تحقیق، هدف طبقه¬بندی پوشش زمین با استفاده از داده¬های پلاریمتری (polsar) در نظر گرفته شد. برای رسیدن به این هدف الگوریتم¬های بسیاری تحت عنوان الگوریتم¬های تجزیه جهت استخراج اطلاعات از این تصاویر ارائه شده است و خروجی ...

طبقه بندی تراکم توده های جنگلی با استفاده از تصویر ماهوارۀ IRS و الگوریتم ناپارامتریک kNN

برآوردهای کمّی و دقیق از مشخصه‌های توده‌های جنگلی لازمه مدیریت صحیح آنها است. تصاویر سنجش از دور با توجه به اطلاعات مکانی دقیق و وسیع، همواره ابزاری مقرون به صرفه در مدیریت جنگل است و یکی از متداول‌ترین کاربردهای تصاویر در علم جنگلداری، طبقه‌بندی مشخصه‌های توده‌های جنگلی و تهیۀ نقشه‌های موضوعی آنها است. هدف این پژوهش بهینه‌سازی طبقه‌بندی تراکم (تعداد درختان در هکتار) در توده‌های جنگلی با استفاده...

متن کامل

طبقه بندی عارضه مبنای تصاویر پلاریمتری سار با استفاده از طبقه بندی کننده های چندگانه ماشین بردار پشتیبان

طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده­های مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این مقاله یک روش عارضه مبنا برای طبقه بندی مناطق شهری با استفاده از داده های پلاریمتری راداری به صورت تلفیق نتایج پیکسل مبنای طبقه بندی svm و قطعات...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
علوم و فنون نقشه برداری

جلد ۵، شماره ۳، صفحات ۱-۱۴

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023