[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 324
نرخ پذیرش: 63.1
نرخ رد: 36.9
میانگین داوری: 209 روز
میانگین انتشار: 345 روز
..
:: دوره 4، شماره 2 - ( 6-1395 ) ::
جلد 4 شماره 2 صفحات 102-83 برگشت به فهرست نسخه ها
ارزیابی سه الگوریتم مختلف طبقه‌بندی جهت تهیه نقشه پوشش صخره‌های مرجانی از تصاویر ماهواره‌ای لندست 8
امیرمسعود چگونیان* ، مهدی مختارزاده ، محمدجواد ولدان زوج
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (4522 مشاهده)

در پژوهش حاضر تأثیر الگوریتم­های طبقه­بندی بر دقت حاصل از طبقه­بندی پوشش آبسنگ­های مرجانی با استفاده از تصاویر سنجنده­ی لندست 8 مربوط به سال 2013 میلادی، بررسی گردید. به این منظور به غیر از الگوریتم بیشترین احتمال که الگوریتم متداول در طبقه‌بندی پوشش صخره­های مرجانی می­باشد، کارایی الگوریتم­های شبکه عصبی و ماشین بردار پشتیبان نیز بررسی گردید. در این بررسی، علاوه بر داده‌های جزیره­ای در ساحل شرقی استرالیا، تعمیم­پذیری نتایج به آبسنگ­های مرجانی جزایر قشم و لارک نیز مورد تحقیق واقع شد. برای این کار همزمان با اخذ تصاویر ماهواره­ای، طی انجام عملیات غواصی، به تهیه داده­های میدانی از آبسنگ‌های مرجانی جزایر قشم و لارک اقدام شد. نتایج الگوریتم‌های طبقه‌بندی، بسته به تعداد کلاس­ها متغیر بود. به نحوی که در طبقه‌بندی 2 کلاسه الگوریتم بیشترین احتمال عملکرد بهتری داشت ولی با افزایش تعداد کلاس­ها، الگوریتم­های ماشین بردار پشتیبان و شبکه عصبی برتری خود را بر الگوریتم بیشترین احتمال نشان دادند. به‌طور متوسط، این دو الگوریتم­ به ترتیب بهبود دقت متوسط در حدود 7% و 9% را نسبت به الگوریتم بیشترین احتمال نشان دادند. پیاده­سازی روش تحقیق بر روی‌داده‌های منطقه­ی قشم و لارک، تعمیم­پذیری نتایج الگوریتم ماشین بردار پشتیبان را در این منطقه اثبات نمود. الگوریتم ماشین بردار پشتیبان با دقت کل  68% بهبود دقت 8% را نسبت به روش بیشترین احتمال در این منطقه نشان داد. الگوریتم شبکه عصبی با دقت کل 58%، ضعیف­ترین عملکرد را نسبت به دو الگوریتم دیگر، در این منطقه نشان داد که به دلیل حساسیت بالای این روش به کاهش تعداد داده‌های آموزشی هست. به‌نظر می­رسد علت عمده در برتری روش ماشین بردار پشتیبان نسبت به روش بیشترین احتمال، توانایی این الگوریتم در طبقه‌بندی پیکسل‌های مخلوط و با تعداد کم می­باشد. 

واژه‌های کلیدی: آبسنگ‌های مرجانی، تصاویر ماهواره‌ای، الگوریتم‌های طبقه‌بندی، خلیج فارس
متن کامل [PDF 1039 kb]   (1732 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: 1393/11/7 | پذیرش: 1394/6/31 | انتشار: 1395/10/26
فهرست منابع
1. [1] J. Nybakken, "Marine Biology: an ecological approach." ed: San Francisco, 2001.
2. [2] J. A. Goodman, J. Samuel, and R. Stuart, "Coral reef remote sensing, A guide for mapping, monitoring and management". 436p, 2013.
3. [3] S. L. Benfield, H. M. Guzman, J. M. Mair, and J. A. T. Young, "Mapping the distribution of coral reefs and associated sublittoral habitats in Pacific Panama: a comparison of optical satellite sensors and classification methodologies", International Journal of Remote Sensing, vol. 28, pp. 5047-5070, 2007. [DOI:10.1080/01431160701258062]
4. [4] P. Capolsini, S. Andréfouët, C. Rion, and C. Payri, "A comparison of Landsat ETM+, SPOT HRV, Ikonos, ASTER, and airborne MASTER data for coral reef habitat mapping in South Pacific islands", Canadian Journal of Remote Sensing, vol. 29, pp. 187-200, 2003. [DOI:10.5589/m02-088]
5. [5] E. Hochberg, "Capabilities of remote sensors to classify coral, algae, and sand as pure and mixed spectra", Remote Sensing of Environment, vol. 85, pp. 174-189, 2003. [DOI:10.1016/S0034-4257(02)00202-X]
6. [6] P. Mumby, E. Green, A. Edwards, and C. Clark, "Coral reef habitat mapping: how much detail can remote sensing provide? ", Marine Biology, vol. 130, pp. 193-202, 1997. [DOI:10.1007/s002270050238]
7. [7] S. Andréfouët, P. Kramer, D. Torres-Pulliza, K. E. Joyce, E. J. Hochberg, R. Garza-Pérez, et al., "Multi-site evaluation of IKONOS data for classification of tropical coral reef environments", Remote Sensing of Environment, vol. 88, pp. 128-143, 2003. [DOI:10.1016/j.rse.2003.04.005]
8. [8] C. Roelfsema and S. Phinn, "Integrating field data with high spatial resolution multispectral satellite imagery for calibration and validation of coral reef benthic community maps", Journal of Applied Remote Sensing, vol. 4, pp. 043527-043527-28, 2010. [DOI:10.1117/1.3430107]
9. [9] S. Andréfouët, "Coral reef habitat mapping using remote sensing: a user vs producer perspective. Implications for research, management and capacity building", Journal of Spatial Science, vol. 53, pp. 113-129, 2008. [DOI:10.1080/14498596.2008.9635140]
10. [10] G. M. Foody and A. Mathur, "The use of small training sets containing mixed pixels for accurate hard image classification: Training on mixed spectral responses for classification by a SVM", Remote Sensing of Environment, vol. 103, pp. 179-189, 2006. [DOI:10.1016/j.rse.2006.04.001]
11. [11] A. P. M. Henriques, A. D. Dória Neto, and R. F. Amaral, "Classification of multispectral images in coral environments using a hybrid of classifier ensembles", Neurocomputing, vol. 73, pp. 1256-1264, 2010. [DOI:10.1016/j.neucom.2010.01.003]
12. [12] S. A. Rees, B. N. Opdyke, P. A. Wilson, L. K. Fifield, and V. Levchenko, "Holocene evolution of the granite based Lizard Island and MacGillivray reef systems, Northern Great Barrier Reef", Coral Reefs, vol. 25, pp. 555-565, 2006. [DOI:10.1007/s00338-006-0138-1]
13. [13] J. Kavousi, J. Seyfabadi, H. Rezai, and D. Fenner, "Coral reefs and communities of Qeshm Island, the Persian Gulf", Zool Stud, vol. 50, pp. 276-283, 2011.
14. [14] Available: www.usgs.gov, 2015
15. [15] M. I. Saunders, C. M. Roelfsema, S. R. Phinn, R. F. C. Canto, C. J. Brown, and J. X. Leon. (2013). Benthic and substrate cover data derived from photo-transect surveys in Lizard Island Reef conducted on December 10-15, 2011, Available: http://doi.pangaea.de/10.1594/PANGAEA.807404, 2015
16. [16] C. Roelfsema and S. Phinn, "A Manual for Conducting Georeferenced Photo Transects Surveys to Assess the Benthos of Coral Reef and Seagrass Habitats," 2009.
17. [17] J. X. Leon, S. R. Phinn, S. Hamylton, and M. I. Saunders, "A 20 m spatial resolution seamless multisource Digital Elevation/Depth Model for Lizard Island, northern Great Barrier Reef," in Supplement to: Leon, Javier X; Phinn, Stuart R; Hamylton, Sarah; Saunders, Megan I (2013): Filling the 'white ribbon' - A seamless multisource Digital Elevation/Depth Model for Lizard Island, northern Great Barrier Reef. http://issues.pangaea.de/browse/PDI-4073, International Journal of Remote Sensing, submitted, ed: PANGAEA, 2012.
18. [18] Available: http://doi.pangaea.de/10.1594/PANGAEA.804566, 2015
19. [19] P. J. Mumby and A. R. Harborne, "Development of a systematic classification scheme of marine habitats to facilitate regional management and mapping of Caribbean coral reefs", Biological Conservation, vol. 88, pp. 155-163, 1999. [DOI:10.1016/S0006-3207(98)00108-6]
20. [20] J. R. Bray and J. T. Curtis, "An ordination of the upland forest communities of southern Wisconsin", Ecological monographs, vol. 27, pp. 325-349, 1957. [DOI:10.2307/1942268]
21. [21] B. L. Markham, J. C. Storey, and J. R. Irons, "Landsat Data Continuity Mission, now Landsat-8: six months on-orbit," in SPIE Optical Engineering+ Applications, 2013, pp. 88661B-88661B-9.
22. [22] J. Storey, M. Choate, and K. Lee, "Landsat 8 Operational Land Imager On-Orbit Geometric Calibration and Performance", Remote Sensing, vol. 6, pp. 11127-11152, 2014. [DOI:10.3390/rs61111127]
23. [23] S. Benfield, H. Guzman, J. Mair, and J. Young, "Mapping the distribution of coral reefs and associated sublittoral habitats in Pacific Panama: a comparison of optical satellite sensors and classification methodologies", International Journal of Remote Sensing, vol. 28, pp. 5047-5070, 2007. [DOI:10.1080/01431160701258062]
24. [24] S. B. Kay, "Radiative transfer modelling for sun glint correction in marine satellite imagery," Doctor of Philosophy in Biological Sciences, University of Exeter, 2011.
25. [25] D. R. Lyzenga, "Remote sensing of bottom reflectance and water attenuation parameters in shallow water using aircraft and Landsat data", International Journal of Remote Sensing, vol. 2, pp. 71-82, 1981. [DOI:10.1080/01431168108948342]
26. [26] F. Fernández-Navarro, C. Hervás-Martínez, and P. Antonio Gutiérrez, "A dynamic over-sampling procedure based on sensitivity for multi-class problems", Pattern Recognition, vol. 44, pp. 1821-1833, 2011. [DOI:10.1016/j.patcog.2011.02.019]
27. [27] T. S. Furey, N. Cristianini, N. Duffy, D. W. Bednarski, M. Schummer, and D. Haussler, "Support vector machine classification and validation of cancer tissue samples using microarray expression data", Bioinformatics, vol. 16, pp. 906-914, 2000. [DOI:10.1093/bioinformatics/16.10.906]
28. [28] M. F. Møller, "A scaled conjugate gradient algorithm for fast supervised learning", Neural networks, vol. 6, pp. 525-533, 1993. [DOI:10.1016/S0893-6080(05)80056-5]
29. [29] H. Kayanne, S. Harii, Y. Ide, and F. Akimoto, "Recovery of coral populations after the 1998 bleaching on Shiraho Reef, in the southern Ryukyus, NW Pacific", Marine Ecology Progress Series, vol. 239, pp. 93-103, 2002. [DOI:10.3354/meps239093]
30. [30] P. J. M. Edmund P. Green, Alasdair J. Edwards, Christopher D. Clark, Remote Sensing Handbook
31. [31] for Tropical Coastal Management. paris: UNESCO, 2000.
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

chegoonian A, makhtarzade M, valadan zouj M J. Evaluation of Classification Algorithms for Coral Reefs Habitat Mapping Using Medium Resolution Satellite Images. jgit 2016; 4 (2) :83-102
URL: http://jgit.kntu.ac.ir/article-1-26-fa.html

چگونیان امیرمسعود، مختارزاده مهدی، ولدان زوج محمدجواد. ارزیابی سه الگوریتم مختلف طبقه‌بندی جهت تهیه نقشه پوشش صخره‌های مرجانی از تصاویر ماهواره‌ای لندست 8. مهندسی فناوری اطلاعات مکانی. 1395; 4 (2) :83-102

URL: http://jgit.kntu.ac.ir/article-1-26-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 4، شماره 2 - ( 6-1395 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4660