بررسی قابلیت باندهای حرارتی سنجنده ASTER در افزایش صحت خوارزمیک های طبقه بندی ماشین بردار پشتیبان و حداکثر احتمال در مناطق بیابانی

Abstract

داده‌های ثبت شده در باندهای حرارتی ماهواره ها، کاربرد فراوانی در بررسی ویژگی های حرارتی پدیده ها به ویژه در مناطق بیابانی دارند. طبقه بندی را می توان به عنوان مهمترین مرحلة استفاده از تصاویر ماهواره ای در نظر گرفت. در این بررسی با بهره گیری از داده های سنجنده ASTERماهواره TERRA مربوط به تاریخ 22 آگوست 2001 شرق و شمال شرق دریاچه نمک کاشان، نقش کمی باندهای این سنجنده در افزایش صحت تفکیک پذیری پدیده ها در دو الگوریتم حداکثر احتمال (MLK) و ماشین بردار پشتیبان (SVM) مورد بررسی قرار گرفت. به این منظور پس از تصحیح هایرادیومتریک و هندسی، 8 رویکرد با ترکیب های باندی مختلف به صورت گام به گام برایبررسی نقش کمی هر یک از باندها در افزایش صحت طبقه بندی انتخاب شد و سپس صحت طبقه بندی ها با استفاده از شاخص کاپا، دقت کاربر و دقت تولید کننده مورد ارزیابی قرار گرفت. نتایج خوارزمیک های (الگوریتم) طبقه بندی نشان داد که خوارزمیک ماشین بردار پشتیبان نسبت به خوارزمیک حداکثر احتمال، نتایج به نسبتً بهتری ارائه می دهد. به طور کلی بهره گیری از تمامی باندهای طیفی و حرارتی (مجموع 14 باند) بیشتری صحت کاپا را برای هر دو خوارزمیک ماشین بردار پشتیبان (83.04) و حداکثر احتمال (90/82) نشان داد. در حالیکه با حذف کلیة باندهای حرارتی (باند 10، 11، 13،12و 14) صحت کاپا در هردو خوارزمیک 15 درصد تقلیل یافت. در خوارزمیک حداکثر احتمال، بیشترین تاثیر در افزایش صحت شاخص کاپا را باند 14 حرارتی (بین 8 الی 10 درصد) و درخوارزمیک ماشین بردار پشتیبان باندهای10 و 14( 7 درصد) دارا بودند. به طور کلی نتایج نشان داد که سنجنده ASTER به دلیل ثبت دامنه طیفی گسترده در طول موج های مادون قرمزحرارتی قابلیت بسیار زیادی در افزایش ضریب صحت کاپای طبقه بندی دارد.