تحديد مساحة و انتشار السمة العمرانيّة في الجزء الغربي من السويداء باستخدام تقنيات الاستشعار عن بعد

تمَّ دمج عملية التحليل الإحصائي لتقنية عامل الدليل الأمثل (OIF) مع طريقة تصنيف شجرة القرار (DTC) في استخدام العتبات الحدية الطيفية المعايرة لفصل السمات عن بعضها في برامج معالجة الصورة الفضائيّة ضمن مقاربة ممنهجة و ذلك لاستخلاص السمة العمرانيّة و تحديد مساحتها و انتشارها من الصور الفضائية. تم اختبار دقة هذه المقاربة الممنهجة بمقارنة النتائج المتحصل عليها مع نتائج التصنيف المراقب لهذه السمة من الصور الفضائية وفق قنواتها الأصلية و أخرى وفق قنواتها المركبة حسب عامل الدليل الأمثل. أعطت المقاربة المقترحة و المطبقة بشكل موجه على الجزء الغربي لمدينة السويداء من صور التابع الصنعي Quick Bird دقة تصنيف بلغت 98% مقارنة مع 93% بالتصنيف المراقب للصورة المركبة بقنوات/أدلة محددة بعامل الدليل الأمثل بينما كانت 82% مع التصنيف المراقب لقنوات الصورة الأساسية و يعود ذلك الى دقة هذه المقاربة في فصل السمة العمرانية عن تلك المشابهة لها طيفياً في الصورة الفضائية من تكشفات بازلتية و طرق مواصلات و التي يصعب فصلها بطرق المعالجة و التصنيف الأخرى.

Optimum Index Factor (OIF) technique of statical analysis is fusion with Decision Tree Classification (DTC) method in determine the spectral critical value for separation the features in the image processing programs, and the architecture of this approach is designed for accuracy extracting the area and distribution urban from space image. Accuracy assessment of that approach is tested by comparing the supervised classification results for these feature from both the original bands of image and synthetical bands/indices of the image upon OIF value. Applied results of the approach on certain district represent the north Swaidaa city by Quick Bird image are: 98% for the suggested approach opposite 93% for supervised classification method of the synthetical bands image and 82% for original bands image. Accuracy of the approach is derived from exact separation the urban feature than similar spectrally objects in the image as basalt exposures and roads, where achievement of the other processing methods are less.