آشكارسازي اهداف حرارتي با دماي بالا با استفاده از الگوريتم Decision Tree در تصاوير ماهواره اي موديس

ساليانه در كشور ما صدها مورد آتش سوزي در جنگل ها و مراتع اتفاق مي افتد و هزاران هكتار از درختان ، درختچه ها و گياهان را طعمه حريق خود مي سازد. حريق ها علاوه بر خسارات اقتصادي ، آثار مخرب زيست محيطي را نيز به دنبال دارند . وقوع آتش سوزي هاي مكرر در مناطق مختلف ايران در چند سال گذشته پژوهشگران منابع طبيعي را بر آن داشته است تا پژوهش هاي جديدي در عرصه هاي با ارزش جنگلي انجام دهند.در پژوهش حاضر از تصاوير ماهواره اي MODIS به منظور آشكار سازي شعله هاي آتش چاه هاي نفت وگاز استفاده گرديده است. در روش پيشنهادي ، براي شناسايي آتش پس از انجام تصحيحات راديومتري وهندسي با استفاده از ماسك ابر و آب و پوشش گياهي و پيكسلهاي فاقد پتانسيل آتش ، از تصوير حذف شدند وسپس با تعيين حد آستانه مناسب ، نواحي داراي پتانسيل آتش مشخص گرديد. دراين نواحي پيكسلهايي كه درجه حرارت روشنايي آنها در باند 22 كمتر از 350 در جه كلوين وميزان انعكاس طيفي آنها در باند ۲كمتر از ۰.۳ واختلاف دمايي باند ۲۲و ۳۱ كمتر از ۱۰ درجه كلوين بود ،به عنوان پيكسل هاي داراي پتانسيل آتش علامت گذاري شدند و با تعيين حد آستانه و آزمون هاي مختلف ، اقدام به استخراج پيكسل هاي آتش گرديد. نتايج نشان مي دهد كه با استفاده از حد آستانه ۳۱۰ درجه كلوين براي باند ۲۲ كه براي مقياس جهاني در نظر گرفته شده است ، آتش هاي سرد وكوچك اشكار نمي شوند. لذا از حد آستانه بهينه استفاده گرديد . يادگيري درختي متدي براي تخمين توابع هدف گسسته مقدار است، در يادگيري درختي تابع تخمين زده شده با يك درخت تصميم گيري مشخص مي شود. درخت هاي بدست آمده را مي توان به صورت دسته اي از دستور هايif-then نيز نمايش داد تا بررسي آن براي انسان راحت تر گردد. اين متدها از جمله متداولترين متدها در يادگيري هاي استقرايي هستند و در حوزه ي وسيعي از كارهاي يادگيري ، از يادگيري تشخيص موارد پزشكي گرفته تا تشخيص ميزان ريسك وام ، مورد استفاده قرار گرفته اند. بعضي از افراد احساس مي كنند كه اين تكنيك بايد براي تصميم گيري هاي استراتژيك مورد استفاده قرار گيرد و ديگران آن را تكنيكي پيچيده و دشوار مي دانند ، اما به واقع اين تكنيك ، تكنيكي بسيار ساده است و مي تواند براي بسياري از موقعيت هاي غير قطعي مختلف به كار برده شود . . يادگيري درخت تصميم گيري يكي از پركاربردترين و كارامدترين متد هاي يادگيري استقرايي است. استقرا ((inducation يعني رسيدن به نتيجه كلي از طريق مشاهدات جزئي و مكرر . نگرش درخت تصميم گيري ، تشخيص مي دهد كه دو عامل عمده وجود دارند كه آينده را متاثر مي سازند و عبارتند از انتخاب (گزينه) و شانس ، و ما در ارزيابي اينها نياز به درنظر گرفتن دو پارامتر داريم كه عبارتند از هزينه ها و پيامد ها . اينها چهار عامل پايه اي از تجزيه و تحليل درخت تصميم هستند. درخت تصميم گيري با ترتيب كردن نمونه ها از ريشه به سمت برگ هاي درخت ، نمونه ها را دسته بندي مي كند. در اين درخت هر گره ويژگي اي را در مورد نمونه و هر شاخه (كه از آن گره خارج مي شود ) مقادير مربوطه ي آن ويژگي را مشخص مي كند. براي دسته بندي هر نمونه ابتدا از ريشه شروع مي كنيم ، به هر ويژگي كه مي رسيم از شاخه اي از درخت كه ويژگي نمونه با آن مطابق است پايين مي رويم. اين فرايند براي زيردرخت ها نيز ادامه مي يابد تا به دسته بندي نمونه برسيم .