تأثير دمج الصور الفضائية على عملية التصنيف باستخدام أجهزة الاستشعار المتعددة

يعد التصنيف الدقيق لاستخدام الأراضي والغطاء الأرضي أمرًا ضروريًا لمختلف التطبيقات الجغرافية المكانية. الأمر الذي يتطلب صورًا ذات دقة مكانية وطيفية عالية. تتناول هذه الدراسة مدى فعالية تقنيات الشحذ الشامل للبيانات ودمج البيانات الهجينة لتحسين صور لاندسات9 وسينتنال2 لتصنيف استخدام الأراضي والغطاء الأرضي. هدفت الدراسة الى مقارنة دقة التصنيف لمجموعات البيانات المختلفة باستخدام مصنفات متعددة: أجهزة المتجهات الداعمة (SVM) ذات النوى المختلفة، والاحتمال الأقصى (ML)، والشبكات العصبية الاصطناعية (ANN)، ومسافة المهالانوبيس، والحد الأدنى للمسافة. تضمنت مجموعات البيانات صور لاندسات (30 م)، ولاندسات المشحوذة إلى (15 م) و (10 م)، وسينتنال٢ المشحوذة إلى (10 م)، ومجموعات البيانات الهجينة التي جمعت بين النطاقات غير المتداخلة من كلا القمرين بدقة (10م). أشارت النتائج إلى تحسن كبير في دقة التصنيف: من 82.28% لـ لاندسات 30 م إلى 89.91% للاندسات 10 م و91.55% لمجموعة البيانات الهجينة باستخدام SVM الخطي. تفوقت مجموعات البيانات الهجينة على صور لاندسات وسينتنال الفردية المشحوذة في تمييز الاصناف المتداخلة طيفيًا، مما يدل على قيمة دمج المعلومات من أجهزة استشعار متعددة. ظهر مصنف SVM ذو النواة الخطية باعتباره المصنف الأكثر دقة وقوة. خلصت هذه الدراسة إلى أن الشحذ الشامل ودمج البيانات الهجينة هما من التقنيات الفعالة لتعزيز دقة تصنيف استخدام الأراضي والغطاء الأرضي. تم تحديد مصنف SVM مع النواة الخطية كخيار مناسب لهذه المهمة، مما يوفر رؤى قيمة للتطبيقات في مجالات متنوعة.