تقييم أداء التصنيف القائم على الكائن للمناطق المبنيّة في مرئيات القمر الصناعيّ Sentinel-2B مقارنة مع التصنيف القائم على البكسل

الملخص

يمثل التوسع السريع للمناطق الحضرية تحديا كبيرا أمام التنمية المستدامة وإدارة الموارد لذا توفر صور الأقمار الصناعية المجانية (Sentinel-2) ذات الدقة (10م) بيانات أساسية لإنتاج خرائط دقيقة للمناطق المبنية. إذ تعدّ هذه الخرائط عند دمجها في نظم المعلومات الجغرافية (GIS) أداة قوية لدعم التخطيط الحضري، والرصد البيئي واستجابة الكوارث.

يهدف هذا البحث إلى تقييم أداء خوارزميات التصنيف القائم على الكائن مقارنة بالتصنيف القائم على البكسل في استخراج المناطق المبنية من صور القمر الصناعي(Sentinel-2B). تم تطبيق مجموعة متنوعة من الخوارزميات على منطقة دراسة بمحافظة طرطوس في سورية، بما في ذلك شجرة القرار (DT)، والشجرة العشوائية (RT)، والجار الأقرب (KNN) وبايز(Bayes) للتصنيف القائم على الكائن بالإضافة إلى تطبيق أسلوب قواعد القرار. بينما تم استخدام التصنيف المراقب (خوارزمية الاحتمالية العظمى) للتصنيف القائم على البكسل.

أظهرت النتائج تفوق التصنيف القائم على الكائن بشكل عام على التصنيف القائم على البكسل، خاصة عند استخدام قواعد القرار وخوارزمية بايز. ويعزى ذلك إلى قدرة التصنيف القائم على الكائن على الاستفادة من المعلومات السياقية والخصائص الهيكلية للمناطق المبنية، مما يحسن من دقة التصنيف.

حقق أسلوب قواعد القرار أعلى دقة، حيث بلغت الدقة الكلية (94%) ومعامل كابا (0.85)، مقارنةً بـ (89%) و(0.74) للتصنيف القائم على البكسل. ومع ذلك، فإن اختيار أفضل خوارزمية يعتمد على التوازن المطلوب بين دقة المستخدم ودقة المنتج، وعلى طبيعة البيانات والمنطقة المدروسة. تعكس الفروقات في نسب المساحات المبنية وغير المبنية بين الطرق المختلفة تباينا في دقة التصنيفات، مما يستدعي دراسة خصائص كل طريقة لاختيار الأنسب وفقا للهدف والبيئة المدروسة.