استفاده از دادههای سنجش از دور به منظور کسب آگاهی و دانش در رابطه با پوششگیاهی نواحی شهری و سلامت آنها، به دلیل اهمیت زیاد گیاهان همواره مورد توجه مدیران بوده است.در این تحقیق، از ادغام دو داده فراطیفی و لیدار به منظور تشخیص و طبقه بندی انواع گونههای گیاهی در مناطق شهری استفاده شده است. اطلاعات طیفی حاصل از دادههای فراطیفی بهمنظور طبقهبندی عوارض پوشش گیاهی استفاده میشود، اما به علت شباهت طیفی گونههای مختلف گیاهی با یکدیگر و با سایر عوارض شهری امکان بروز اشتباهاتی وجود دارد که استفاده از اطلاعات ارتفاعی حاصل از داده لیدار بهمنظور رفع آن، میتواند بسیار کارآمد باشد. روش پیشنهادی ادغام دادهها مبتنی بر بکارگیری قابلیت سیستمهای چندعاملی در حیطه هوش مصنوعی توزیع یافته به عنوان راهکاری برای ادغام دادههای فراطیفی و لیدار در سطح تصمیمات و بهبود نتایج طبقه بندی و تشخیص انواع عوارض پوشش گیاهی شهری است. هر یک از عاملهای مکان-مبنای تعریف شده در این سیستم براساس اطلاعات طیفی مستخرج از داده فراطیفی و اطلاعات ارتفاعی حاصل از داده لیدار وظیفه شناسایی و استخراج یک نوع عارضه پوشش گیاهی خاص را برعهده دارند. در نهایت، عامل هماهنگ کننده ضمن شناسایی نواحی کاندیدای مورد تناقض، با همکاری عاملهای مکان-مبنای تشخیصی سعی در برطرف نمودن مشکلات مربوط به شباهت طیفی و ارتفاعی عوارض شهری در نتایج طبقه بندی مینماید. نتایج بدست آمده حاصل از اعمال این سیستم چندعاملی ادغام در سطح تصمیمات بر روی دادههای فراطیفی و لیدار برداشت شده از منطقه دانشگاه هیوستون و نواحی اطراف، نشان دهنده توانایی بالای این روش در تشخیص عوارض پوششگیاهی است. ارزیابی این نتایج نشان داد که دقت کلی در نتایج حاصل از سیستم چندعاملی برای حالتی که از داده فراطیفی به تنهایی استفاده شده است، حدود 71% است و در حالتی که از ادغام داده فراطیفی و لیدار استفاده شود، حدود 87% است.
Khoramak S, Tabib Mahmoudi F. Urban Vegetation Recognition Based on the Decision Level Fusion of Hyperspectral and Lidar Data. JGST 2020; 10 (1) :27-37 URL: http://jgst.issgeac.ir/article-1-838-fa.html
خرمک سحر، طبیب محمودی فاطمه. تشخیص پوشش گیاهی شهری مبتنی بر ادغام در سطح تصمیمات داده های لیدار و تصاویر فراطیفی. علوم و فنون نقشه برداری. 1399; 10 (1) :27-37
