تقييم خوارزميات التعلم الآلي لإنشاء خرائط الغطاء الأرضي من صور القمر الصناعي Sentinel-2

الملخص

يشير مفهوم خريطة الغطاء الأرضي إلى تمثيل الغطاء السطحي للأرض مثل الغطاء النباتي، البنية التحتية الحضرية، المياه، التربة العارية وما إلى ذلك. تقدم خرائط الغطاء الأرضي المعلومات الأساسية للعديد من التطبيقات مثل رسم الخرائط الموضوعية، تحليل اكتشاف التغيير. كما تمثل بيانات الغطاء الأرضي نقطة انطلاق يمكن من خلالها تنفيذ مجموعة متنوعة من الأنشطة، كالتخطيط الحضري وأنشطة المراقبة.

تستعرض هذه المقالة دراسة مقارنة بين ثلاث خوارزميات من التعلم الآلي هي خوارزمية شعاع الدعم الآلي (SVM)، خوارزمية الجار (K-NNC) وخوارزمية تعزيز التدرج للتعلم الآلي (GBM) لتصنيف 6 فئات من الغطاء الأرضي ضمن منهجية محددة للتصنيف تشمل الخوارزميات السابقة وتبدأ من كتابة الأكواد اللازمة باستخدام لغة البرمجة بايثون واعتماداً على مكتباتها مفتوحة المصدر، مروراً بإجراء المعالجة الحاسوبية، انتهاءً بإظهار النتائج والمقارنة.

تم اختيار صور حديثة للقمر الصناعي Sentinel-2 مأخوذة في 31 أذار 2022 لمنطقة القصير في محافظة حمص. تم تقييم التصنيف بناءً على مجموعة من العينات المرجعية، وأظهرت خوارزمية شعاع الدعم الآلي نتائج أفضل من الخوارزميات الأخرى، وخلص البحث إلى أنّ خوارزمية شعاع الدعم الآلي تعطي دقة أفضل حتى مع عدد صغير من بيانات التدريب وتتميز بالسرعة والبساطة في التنفيذ، كما أعطت جميع الخوارزميات نتائج مرضية.