بخشی از مقاله

چکیده :

سنجش از دور مبتنی بر پرنده هدایت پذیر از دور - پهپاد - با توجه به تصاویر با قدرت تفکیک مکانی فوق العاده زیاد که در ارتفاع پایین برداشت میشود از قابلیت و توانایی خوبی برای تهیه نقشه پوشش گیاهی در مناطق پیچیده شهری برخوردار است. قدرت تفکیک طیفی کم دوربینهای رقومی برای نقشه برداری از پوشش گیاهی را میتوان با ترکیب ویژگیهای بافت تصویر و استفاده از روشهای طبقهبندی قوی تر جبران نمود. تاکنون روش طبقهبندی ماشین بردار پشتیبان بطور گسترده برای طبقهبندی تصاویر ماهوارهای مورد استفاده قرار گرفته اما کاربرد آن در طبقهبندی تصاویر حاصل از پهپادها کمتر مورد توجه قرار گرفته است. هدف اصلی این تحقیق ارائه یک روش ترکیبی با استفاده از آنالیز بافت و طبقهبندی ماشین بردارپشتیبان به منظور تهیه نقشه پوشش گیاهی در مناطق شهری و بررسی میزان بهبود دقت و صحت نتایج با استفاده از ویژگی بافت می باشد. بدین منظور هشت مشخصه بافت با استفاده از فیلتر 3×3 از تصویر استخراج شدند و به عنوان داده کمکی به تصویر اصلی اضافه شدند.

از روش ماشین بردار پشتیبان برای طبقه بندی در فضای ویژگی طیف؛بافت استفاده شد. نتایج نشان داد طبقهبندی ماشین بردار پشتیبان عملکرد بهتری نسبت به روشهای سنتی طبقهبندی دارد. اضافه کردن ویژگی بافت به طور قابل توجهی موجب بهبود نتایج طبقه بندی میشود. نتایج نشان داد میتوان از پهپاد به عنوان یک سکوی کارآمد و ایده آل برای نقشه برداری پوشش گیاهی در مناطق شهری استفاده کرد. روش ترکیبی ارائه شده در این تحقیق عملکرد خوبی در تفکیک پدیدههای مختلف مناطق شهری از خود نشان داد. محدودیتهای دوربینهای رقومی را میتوان با استفاده از آنالیز بافت و طبقهبندی ماشین بردار پشتیباد جبران نمود. 

واژههای کلیدی : پهپاد، نقشه پوشش گیاهی، فضای سبز شهری، ماشین بردار پشتیبان، تجزیه و تحلیل بافت ×

-1 مقدمه

در بسیاری از کلانشهر ها پوشش گیاهی نقش مهمی در کاهش آلودگی هوا، حفظ تعادل اکولوژیکی و ارتقاء کیفیت زندگی ایفا می نماید. تهیه و تولید نقشه های دقیق پوشش گیاهی برای کمک به برنامه ریزان در بهینه سازی خدمات زیست بوم شهری بسیار ضروری می باشد. با توجه به قابلیت و توانایی سنجش از دور در تفکیک انواع مختلف پوشش زمین امکان تهیه نقشه پوشش در محیط های مختلف فراهم شده است. در مقایسه با جنگل ها و مراتع، پوشش گیاهی شهری بسیار پراکنده و تکه تکه می باشد به علاوه قرار گرفتن سایر پدیده ها نظیر ساختمان، ماشین وخیابان در ابعاد و اشکال مختلف در مجاورت پوشش گیاهی استخراج دقیق پوشش گیاهی در محیط شهری را دشوار تر نموده است. داده های مورد استفاده در تهیه نقشه پوشش گیاهی شهری طیف وسیعی از داده های ماهواره ای با قدرت تفکیک مکانی زیاد - HR - ، خیلی زیاد - VHR - ، عکس های هوایی و تصاویر با قدرت تفکیک مکانی فوق العاده زیاد - UHR - پهپاد ها را شامل می شود. مشکل اصلی تصاویر چند طیفی با قدرت تفکیک مکانی متوسط نظیر لندست ناتوانی آنها در ثبت جزئیات مکانی پدیده ها می باشد.

با توسعه سریع فناوری سنجش از دور در دهههای اخیر، تصاویر ماهوارهای کوئیک برد و ایکونوس برای تهیه نقشه پوشش گیاهی مناطق شهری مورد استفاده قرار گرفته اند. هزینه زیاد تهیه این تصاویر استفاده از آنها را با محدودیت روبرو ساخته است. در سالهای اخیر هواپیماهای - پهپاد - UAV1 بهعنوان سامانه های سریع، کارآمد، کمهزینه و انعطافپذیر برای کسب دادههای سنجش از دور ظهور کردهاند. دادههای به دست آمده دارای قدرت تفکیک مکانی فوق العاده زیاد - UHR - هستند. بهعلت قابلیت مانور، ثبت تصاویر با قدرت تفکیک مکانی فوق العاده زیاد، پرواز زیر ابرها، راهاندازی و فرود آسان و کسب سریع اطلاعات با هزینهای کم، پهپادها بهعنوان ابزاری توانا مورد توجه قرار گرفتهاند.

بهطور کلی مطالعات اندکی در زمینه تشخیص عوارض با استفاده از تصویربرداری با پهپاد گزارش شده است. کراملینک و همکاران - 2016 - ، طی مطالعه مروری که بهمنظور تشخیص مرزهای املاک زراعی داشتند چند روش مورد استفاده در تحقیقات قبلی را بیان نمودند.[4] در این مطالعات از روشهای طبقهبندی پیکسلپایه و طبقهبندی شئپایه استفاده شده بود. مراحل انجامشده برای تعیین مرزها در این مطالعات شامل پیشپردازش، قطعهبندی تصاویر، استخراج خطوط و پسپردازش عنوان شد. لین و همکاران - 2015 - در تحقیق خود بر تشخیص تک درختان در تصاویر مورب پهپاد تمرکز کردند.[1] خوارزمی برنامهریزی شده از سه مرحله تشکیل شده بود. - 1 طبقهبندی خوشهبندی k-means و استخراج شاخص پوشش گیاهی بهمنظور بهدست آوردن نقشههای پوشش گیاهی. - 2 پیشنهاد پارامترهای ویژگی جدید با استفاده از پارامترهای بافت و رنگ برای شناسایی پراکندگی پوشش گیاهی و - 3 تشخیص تک درختان بر اساس قطعهبندی حوزه آبخیز. ارزیابی تصاویر نشان داد که نتایج حاصل روش پیشنهادی را تأیید میکنند.

گلشنی پری و همکاران - - 2012 با استفاده از تصاویر ماهواره Geoeye از پارامترهای بافت به منظور طبقهبندی مناطق شهری استفاده کردند.[9] آنها در این تحقیق از روش ماتریس هم رخداد توأم پارامترهای بافت را بهدست آوردند، سپس از الگوریتم BRT برای طبقه بندی کاربری های شهری استفاده کردند. صحت کلی و ضریب کاپا در این تحقیق به ترتیب 92 و 90 درصد اعلام شد. در این تحقیق از تصاویر پهپاد به دلیل سادگی و کارایی بالای آن به منظور استخراج پوشش گیاهی شهری استفاده شد. به منظور جبران قدرت تفکیک طیفی کم تصاویر از آنالیز بافت به عنوان داده کمکی و طبقهبندی ماشین بردار پشتیبان استفاده شد.

-2 مواد و روشها

منطقه مورد مطالعه

منطقه مورد مطالعه قسمتی از باغ ارم می باشد که در شمال غربی شهر شیراز قرار دارد. با گسترش شهر شیراز به سمت غرب، این باغ در شمال شهر شیراز قرار گرفته است. این باغ از نظر جغرافیایی درحد فاصل 29 63 61 تا 63 53 29 عرض شمالی و 52 52 49 تا 52 52 54 طول شرقی واقع شده است.

دادهها

در این تحقیق از پهپاد مدل فانتوم 3 - شکل - 2 به منظور جمعآوری تصاویر از ارتفاع 150 متری استفاده شد - شکل . - 1 این پهپاد یک دوربین رو به پایین و یک سنجنده جریان نور1 بهمنظور ایجاد سیستم موقعیتیابی دارد. این مسئله فانتوم 3 را قادر میسازد بدون سیگنال GPS نیز به پرواز پایدار خود ادامه دهد. پایه فرود فانتوم 3 بازتر طراحی شده است تا پایداری بیشتری هنگام فرود بهوجود آورد. این ویژگی از تداخل پایه فرود با تصویر دوربین در بادهای شدید و مانورهای سریع جلوگیری میکند. قطبنمای رقومی و آنتن نیز بهصورت مناسبتری به ارابه فرود متصل شدهاند، بنابراین سیمی آویزان نیست که مانند مدلهای قبلی به جایی گیر کند یا مزاحمت ایجاد کند. در مقایسه با مدل فانتوم 2، دوربین فانتوم 3 دارای سنجنده بزرگتر و یک میدان دید با زاویه 94 درجه است و عکسهایی با ابعاد 12 مگاپیکسل برداشت میکند. بهمنظور انجام آنالیز بافت و طبقهبندی تصویر، نرمافزار ENVI®5.1 مورد استفاده قرار گرفت.

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید