خلاصة:
تخمین دقیق سطح پوشش اراضی، نقش بسیار مهمی را در مدیریت بهینه محیط جغرافیایی ایفا مینماید. در این راستا، روشهای مختلف طبقه بندی تصاویر سنجش از دور به منظور استخراج پوشش اراضی توسعه یافته اند. با توجه به ضعف روشهای طبقه بندی سخت در خصوص پیکسلهای مخلوط، استفاده از روشهای طبقه بندی نرم به منظور برآورد سهم تعلق کلاسهای مختلف پوشش اراضی در پیکسلهای مخلوط مورد توجه قرار گرفته است. مدل اختلاط طیفی خطی یکی از روشهای رایج در این حوزه محسوب میگردد. دقت این مدل به شدت به کیفیت پیکسلهای خالص معرفی شده به آن وابسته بوده و از طرفی استخراج این پیکسلها معمولا دشوار و چالش برانگیز میباشد. در تحقیق حاضر، استفاده از پارامترهای فیزیکی (درخشندگی، رطوبت و سبزینگی) برای استخراج پیکسلهای خالص پیشنهاد گردیده است. به منظور ارزیابی کیفیت پیکسلهای خالص استخراج شده، از معیارهای ارزیابی مدل اختلاط طیفی غیرشرطی استفاده شده است. بدین منظور با پیادهسازی این مدل در منطقه مطالعاتی، RMSE کل تصویر 68/2 و تعداد پیکسلهای با سهم تعلق منفی یا بزرگتر از یک، 43/4 درصد برآورد گردید. بدین ترتیب روش پیشنهادی دقت مطلوبی را در نتایج مدل اختلاط طیفی خطی و بدون اعمال هیچ شرطی در این مدل فراهم نموده است.
ملخص الجهاز:
به دلیل ضعف روشهای طبقه بندی سخت در پیکسل های مخلوط، استفاده از روشهای طبقه بندی نرم به منظور برآورد سهم تعلق کلاسهای مختلف پوشش اراضی در پیکسـل هـای مخلـوط مورد توجه قرار گرفته است .
برای ارزیابی کیفیت پیکسل های خالص استخراجشده از این روش، از معیارهای ارزیابی مـدل اخـتلاط طیفی غیرشرطی استفاده شده است .
در این میان، پیکسل های مخلوط به عنوان یکی از مهم ترین منابع عـدم قطعیت در استخراج پوشش اراضی شناخته شده است (٢٠٠٦ ,Foody ;٢٠٠٥ ,Zhu).
برای ارزیابی دقت روش پیشنهادی، پیکسل هـای اسـتخراجشـده بـه عنـوان ورودی الگوریتم LSMM غیرشرطی درنظر گرفته شده و خطای RMS و تعداد پیکسل های بـا سـهم تعلق خارج از بازه [١-٠] محاسبه شده است .
اختلاط طیفی خطی بر این فرض اسـتوار است که طیف دریافتی از عوارض مختلف داخل پیکسل به صـورت خطـی ترکیـب مـی شـوند (٢٠٠٥ ,Zhu ;١٩٩٣ ,Drake &Settle ).
در ادامه ، تبدیل Tasseled Cap و روش پیشنهادی مبتنـی بـر این تبدیل برای استخراج پیکسل های خالص آمده است .
در ادامه ، به منظور بـرآورد دقـت پیکسـل هـای خالص انتخابشده، عملکرد الگوریتم LSMM غیرشرطی با استفاده از این پیکسل ها ارزیـابی شده است .
Lewis, "Mapping Sub-Pixel Proportional Land Cover with AVHRR Imagery", International Journal of Remote Sensing, No. 18, Pp. 917- 35, 1997.
P. Cox, "Sub-Pixel Land Cover Composition Estimation Using a Linear Mixture Model and Fuzzy Membership Functions", International Journal of Remote Sensing, No. 15, Pp. 619-631, 1994.