به‌کارگیری الگوریتم‌های آشکارسازی هدف درسری زمانی مستخرج از تصاویر چندطیفیSentinel-۲به‌ منظور پهنه‌بندی گیاهان دارویی (مطالعه موردی: گیاه بادام کوهی)

چکیده مقاله

امروزه گیاهان دارویی ازجایگاه ویژه‌ای در اقتصاد و سلامت جامعه برخوردارند و به دلیل آنکه بخش زیادی از این گیاهان به صورت خودرو می‌باشند، بنابراین پهنه‌بندی این گیاهان با هدف بهره‌برداری بهینه از آنها، ضروری می‌باشد. بنابراین پهنه‌بندی این گیاهان با هدف بهره‌برداری بهینهاز آنها، ضروری می¬باشد. راهکارهای سنتی پهنه¬بندی به دلیل دقت و سرعت کم، از کارایی لازم برخوردار نبوده و لزوم ایجاد یک روش جدید احساس می‌شود.داده‌های سنجش از دوری به دلیل در برداشتن اطلاعات طیفی، مکانی و زمانی از پدید‌ه‌های سطح زمین،کاربردهای فراوانی در زمینه‌های مختلف از جملهآشکارسازی اهداف برخوردارند.در این مقاله از روش‌های آشکارسازی هدف شاملکمینه‌سازی مقید انرژی(CEM)، فیلتر انطباقی (MF)، فیلتر انطباقی تنظیم‌شده‌ طیفی (ASMF) و تخمین‌زننده‌ انطباق همدوسی (ACE) به‌ منظور آشکارسازی گیاه بادام کوهی در سری زمانی تصاویر ماهواره سنتینل-2 استفاده شده است. در این روند ابتدا به کمک یک فیلترگذاری اولیه، عوارض نامطلوب (مناطق غیرمحتمل رویش گیاه) از سری زمانی تصاویر حذف می¬شود. سپس به کمک بهینه‌سازی فراابتکاری، ویژگی‌های بهینه از سری زمانی به منظور کاهش بعد و افزایش دقت آشکارسازی،شناسایی می¬شود. نقشه¬ آشکارسازی نهایی از طریق تلفیق وزندار نتایج کسب شده از هر نمونه¬ آموزشی با سهم تعلق متفاوت از هدف تولید می-گردد. ارزیابی تعمیم‌پذیری راهکار پیشنهادی به کمک ویژگی‌های بهینه¬ انتخاب شده، در منطقه‌ای دیگر و به کمک نقشه واقعیت زمینی صورت پذیرفت.در این بررسیاز منحنی مشخصه عملکرد سیستم(ROC)و مساحت زیر منحنی (AUC) جهت ارزیابی نتایج استفاده شد. در مرحله بهینه‌سازی به منظور انتخاب ویژگی، شاخص AUC برای تمام روش‌های آشکارسازی مورد استفاده بیشتر از0٫99 بدست آمد. بهترین نتایج کسب شده در این فرایند به روش آشکارسازی CEM اختصاص داشت که توانست دقت‌های 0٫993 و0٫846را به ترتیب در روند بهینه‌سازی و ارزیابی مستقل کسب کند. نتایج این تحقیق از قابلیت سری زمانی تصاویر چندطیفی سنتینل-2 به منظور آشکارسازی اهدافی همچون گیاهان دارویی حکایت دارد.