ارزيابي قابليت داده هاي همدوسي تداخل‌سنجي راداري سنتينل -1 جهت تهيه نقشه پوشش زمين

در اين مطالعه، جهت ارزيابي قابليت هاي سري زماني داده هاي تداخل‌سنجي رادار دريچه مصنوعي (InSAR) و يادگيري ماشين در تهيه نقشه پوشش زمين، داده هاي ماهواره سنتينل 1 (شامل 16 تصوير SLC با تفكيك زماني تقريباً 24 روزه) در بازه زماني 2018 تا 2020 براي محدوده اي از شهرستان اهواز در استان خوزستان استفاده شدند. از طريق پردازش هاي InSAR، تعداد 25 تصوير همدوسي بر اساس جفت تصاوير رادار در بازه هاي زماني مختلف توليد گرديدند. پنج طبقه غالب پوشش زمين در منطقه شامل: اراضي ساخته شده، اراضي كشاورزي، پهنه هاي آبي، خاك لخت و پوشش گياهي طبيعي متراكم، شناسايي و در نظر گرفته شدند. با استفاده از تصاوير قدرت تفكيك مكاني بالاي گوگل ارث، در مجموع 4930 نمونه آموزشي با توزيع مكاني مناسب براي تمامي طبقات پوشش زمين اخذ گرديد. تصاوير چندزمانه همدوسي به‌عنوان ورودي طبقه‌بندي‌كننده ماشين بردار پشتيبان (SVM) استفاده شدند. فرايند آموزش و ارزيابي صحت كرنل هاي مختلف SVM به ترتيب با استفاده از 80 و 20 درصد نمونه هاي آموزشي صورت گرفت. بر اساس نتايج طبقه بندي، ميزان صحت كلي در كرنل هاي خطي، چندجمله اي درجه ‌دو، چندجمله اي درجه چهار، چندجمله اي درجه شش، تابع پايه شعاعي و سيگموئيد به ترتيب برابر با 60.7، 64.7، 67.7، 69.9، 66.3 و 59.5 درصد و مقدار ضريب كاپا 50.88، 55.87، 59.62، 62.38، 57.87 و 49.38 درصد ارزيابي گرديد. در نتيجه، بالاترين ميزان صحت كلي و ضريب كاپا براي كرنل چندجمله اي درجه شش و كمترين ميزان آن براي كرنل سيگموئيد به دست آمد. بر اساس نتايج ارزيابي صحت كاربر و صحت توليدكننده در تمامي كرنل ها، اراضي ساخته شده بالاترين ميزان صحت (93 98.5 درصد) و پوشش گياهي متراكم كمترين ميزان صحت (11 56.25 درصد) را به خود اختصاص دادند. به‌طوركلي نتايج حاصل، بر پتانسيل بالاي داده هاي InSAR جهت شناسايي طبقات پوشش زمين تأكيد دارد. در اين ميان، تأثير الگوريتم طبقه بندي نيز بر ميزان كارايي داده ها حائز اهميت است.