شناسايي گردوغبار در تصاوير ماهواره اي MODIS با استفاده از روشهاي ماشين بردار پشتيبان، شبكه عصبي مصنوعي و درخت تصميم گيري

يكي از مهمترين بلاياي طبيعي كه طي ساليان اخير موردتوجه قرارگرفته، پديده ي گردوغبار است. در سال هاي اخير اين پديده در ايران ابعاد تازه اي گرفته و از يك معضل محلي، به مسئله اي ملي تبديل شده است. شناسايي و تشخيص طوفان گردوغبار اولين مرحله در بررسي و پايش آن مي باشد. اين تحقيق باهدف شناسايي مناطق داراي گردوغبار از تصاوير ماهواره اي، در منطقه خاورميانه انجام گرفته است. در بررسي پديده گردوغبار تصاوير سنجنده MODIS با توجه به قدرت تفكيك زماني و طيفي مناسب، از اهميت ويژه اي برخوردار مي باشند. در اين مطالعه با استفاده از روش هاي طبقه بندي درخت تصميمگيري، شبكه عصبي مصنوعي (ANN) و ماشين هاي بردار پشتيبان(SVM) تلاش شده است كه گردوغبار در تصاوير ماهواره اي MODIS تشخيص داده شود، كه روش طبقهبندي ماشين هاي بردار پشتيبان به عنوان يك ايده جديد مطرح شده است. بهعلاوه بهمنظور بررسي دقت هر سه روش بكار برده شده، از محصول (AOD(Aerosol Optical Depth سنجنده OMI استفاده شده است، كه نتايج نشان دهنده دقت و صحت بالاتر روش SVM نسبت به ساير روشها مي باشد. با توجه به نتايج بدست آمده، اين الگوريتم قادر به شناسايي گردوغبار در هر دو منطقه خشكي و آب بهطور همزمان مي باشد و مي تواند جايگزين مناسبي براي محصول (AOT(Aerosol Optical Thickness توليد شده براي گردوغبار توسط ناسا (NASA) باشد.