نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی دکتری دانشکده مهندسی ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
2 استادیار دانشکده مهندسی ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
3 دانشیار دانشکده مهندسی ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده
شاخصهای متنوعی نظیر RVI، NDVI، SAVI، TRVI و OSAVI، جهت تشخیص پوشش گیاهی با استفاده از تصاویر ماهوارهای، پیشنهاد شدهاند. این شاخصها براساس بازتابندگی بالا پوشش گیاهی در باند مادون قرمز و جذب بالای آن در باند قرمز بهدست آورده شدهاند. ضعف عمدة این شاخصها، استفادة آنها در مناطق مختلف و بدون تغییر است، به عبارت دیگر این شاخصها قابلیت تطبیق در مناطق مختلف را ندارند و در برخی پژوهشها با استفاده از ضرایب تجربی سعی بر کاهش این ضعف داشتهاند. در این مقاله سعی کردهایم، تمام باندها در تولید شاخص پوشش گیاهی استفاده شوند. برای اینکه از تمام باندها در شاخصهای پیشنهادی استفاده شود، به هر باند یک وزن اختصاص داده شده است که این وزنها با استفاده از دادههای تعلیمی و خوارزمیهای پیشنهادی برآورد میشود. مناطق مطالعهشده در این پژوهش شهرهای شیراز، بم و New Brunswick است که تصاویر توان تفکیک مکانی بالای این مناطق استفاده میشود. نتایج در مناطق مطالعهشده توانایی بالای شاخصهای پیشنهادی را در تشخیص پوشش گیاهی نشان میدهد.
کلیدواژهها
عنوان مقاله [English]
Application of the Weighted Indexes Using Training Data and Genetic Algorithm on High Resolution Images for Vegetation Detection in Urban Areas
نویسندگان [English]
1 PhD Candidate, Department of Remote Sensing and Photogrammetry, Geomatics Engineering Faculty, K. N. Toosi University of Technology, Tehran, Iran
2 Assistant Professor, Department of Remote Sensing and Photogrammetry, Geomatics Engineering Faculty, K. N. Toosi University of Technology, Tehran, Iran
3 Associate Professor, Department of Remote Sensing and Photogrammetry, Geomatics Engineering Faculty, K. N. Toosi University of Technology, Tehran, Iran
چکیده [English]
Various indexes such as RVI, NDVI, SAVI and OSAVI have been proposed for vegetation detection using satellite images. These indexes have been obtained based on high reflectance of the vegetation in near infrared band and its high absorption in red band. Basic defect of these indexes are using them in various regions without any changes in index structure. In other words, these indexes have not capability of adaption to various regions and in some of the researches have tried to reduce this defect using the empirical coefficients. In this article, all of the bands are used to produce in vegetation index. For used all of the bands in the proposed indexes, each band is assigned a weight. These weights are estimated using training data and the proposed algorithms. The study areas were Shiraz, Bam and New Brunswick, that high resolution images are used from these areas. Results in study areas show the high capability of the proposed indexes to vegetation detection.
کلیدواژهها [English]