دراسة مقارنة لطرق إنتاج خارطة الغطاء النباتي باستخدام صور متعددة الأطياف: منطقة دراسة الحويجة، كركوك - العراق

الباحث

محمد حمدان خضر

المشرف

أمزاحم عبد الكريم علوان - نادية أحمد عزيز

الجامعة

الجامعة التكنولوجية

الكلية / القسم

قسم الهندسة المدنية / هندسة الجيوماتك

الشهادة

ماجستير

السنة

2022

لغة الرسالة

انكليزي

الكلمات المفتاحية

Vegetation cover;Multispectral imagery;Supervised classification;Vegetation indices

خارطة الغطاء النباتي لقضاء الحويجة يمكن أن يكون مفيدًا a لصناع القرار والمخططين الحضريين والهيئات الحكومية في عملية إعادة الإعمار. وبالتالي ، يسعى هذا العمل إلى استخدام مجموعة بيانات مفتوحة المصدر (بدقة مكانية 10 م) التي حصلت عليها بعثة القمر الصناعي Sentinel-2 لإيجاد أفضل طريقة لرسم خارطة الغطاء النباتى فى منطقة Aud pall من خلال تطبيق خوارزميات مختلفة على نفس الصورة ومقارنة دقة النتائج. تهدف الدراسة إلى تحديد الطريقة المثالية لاستخراج الغطاء النباتي من خلال تقييم أكثر طرق التصنيف كفاءة بناءً على تقييم دقة باستخدام 160 نقطة مرجعية أرضية. تم استخدام برامج ENVI و ArcGIS في هذه الدراسة, تتضمن الأطروحة ثلاثة cl jal لإنتاج خريطة نباتية دقيقة. أولا ،بتقييم ومقارنة فعالية أربع طرق تصنيف خاضعة للإشراف ) MLC, ANN, MLD و il ) SVM توظيف سبعة مؤشرات للغطاء النباتي NDVI, OSAVI sGNDVI) SAVI, DVI, 12971, EVI, ) التي توفر استجابات طيفية إضافية لتمييز الفنات المختلفة والعثور على المؤشر الدقيق من خلال مقارنة النتائج بنقاط المرجعية الارضية. وأخيرًا, تطبيق تحليل المكونات الرئيسية (PCA) على التصنيف الأعلى والاقل كفاءة في الخطوة الأولى ومن ثم تقييم الدقة. تظهر النتائج أن SVM و ANN أسفرتا عن نتائج ممتازة. كانت نسب الدقة الإجمالية لخوارزميات SVM و 0.758 معامل كابا هي 0.875 و ad cll sill و 281.8 و 787 و 778.7 على 7 MLD 905 ANN sMLC هما GNDVI و OSAVI و 0.833 و 0.717 على التوالي. ثانيًا ، بالنسبة لمؤشرات الغطاء النباتي ، فإن مؤشر هو الأسوأ EVI كان bets ، 792.5 أكثر المؤشرات ملاءمة لهذه الدراسة ، حيث بلغت الدقة الإجمالية 97.5/ و و SVM أظهرت النتائج زيادة في الدقة لكل من EVI. و OSAVI و SVM لكل PCA بنسبة 467.5/. تم تطبيق cxEVI 790 و 67.5/ إلى 791.2 و 272.5 على التوالي. بالمقارنة ، ظلت نتيجة OSA VI كما هي بعد تطبيق PCA. لرسم خرائط دقيقة للنباتات ، يوصى باستخدام ANN و OSAVI لاستخراج الغطاء النباتي بدقة وصلت إلى 97.5%.

Mapping the vegetation cover of Hawija district can be very useful for decision-makers, urban planners, and government agencies in the reconstruction process. Thus, this work seeks to use the open-source dataset (with 10 m spatial resolution) obtained by the Sentinel-2 satellite mission to find the best method to map the vegetation in the study area by applying different algorithms to the same image and comparing the accuracy of the results. The study aims to identify the optimum method to extract the vegetation cover by assessing the most efficient classification method based on the accuracy result using 160 ground reference points. ENVI and ArcGIS software is used in this study. The thesis involves three parts for producing an accurate vegetation map. First, evaluating and comparing the efficacy of four supervised classification methods (MLC, ANN, MLD, and SVM). Secondly, implementing seven vegetation indices (NDVI, GNDVI, SAVI, DVI, IPVI, EVI, and OSAVI) that provide additional spectral responses to distinguish the different classes and find the accurate one by comparing the results with the ground truth data. Finally, applying Principal Component Analysis (PCA) on the higher and lower efficient for both classification methods and vegetation indices identified in step one and assessing the accuracy. The results show that the SVM and ANN produced excellent results. The overall accuracy percentages for the SVM, MLC, ANN, and MLD algorithms were 90%, 81.8%, 87%, and 78.7%, respectively. The kappa coefficient values are 0.875, 0.758, 0.833, and 0.717 respectively. For the vegetation indices, the OSAVI and GNDVI are the most suitable indices for this study, with an overall accuracy of 97.5% and 92.5%, while EVI was the worst with 67.5%. The PCA was applied for each SVM, MLD, OSAVI, and EVI. The results showed increases in accuracy for SVM, MLD and EVI from 90%, 78.7% and 67.5% to 91.2%, 79.3%and 72.5%, respectively. In comparison, the result of OSAVI remained the same after applying the PCA. For accurate vegetation mapping, ANN and OSAVI are recommended with class accuracy for the vegetation cover reaching 97.5%.

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب