Agricultural Lands Classification on GIS Data using Neural Network

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

The GIS (Geographic Information System) consists of three main kinds of data: raster, vector, and database; they are linked together by spatial relations. These types can hold several kinds of life data, such as geographic, health, education, history, military, agriculture, environment, etc. GIS can hold agricultural regions data like forest, fruit-covered lands, and/or cultivated lands. These lands have been managed inside GIS by receiving a selected region remotely sensed image, so GIS users must have an appropriate digital map that represents these lands, each one according to its owner, status, and some other data. The relational database is saved into geodatabase tables containing topological and attribute data related to these digital maps. Normally, in such a system, these lands will be classified by the users according to agricultural status depending on human vision. So, it is hard for the users to classify these lands manually, and this becomes a great problem which takes a long time depending on human efforts, especially if there is a huge number of lands. The proposed system of this thesis creates a new ArcMap GIS tool which classifies given lands automatically. Thus, this tool runs the developed system application; it will gather required information for each selected land by sampling sub-images from their centers depending on the digital map, and gathers related status information from the attribute database. In the next stage, the system will extract a vector of textural features for each selected land from their image samples using second-order statistics Gray Level Co-occurrence Matrix (GLCM) and calculate eight textural features for each of the three visible bands (RGB) for each land sample. That vector of features will become the input to a supervised multi-layer perceptron with back-propagation neural network classifier, which will be trained depending on the recommended GIS user training dataset. The system can classify all other lands in the GIS database that have not yet been classified. Additionally, the proposed system can receive other remotely sensed images at any time of the year. Whatever the change on the land status on the earth's surface, the suggested system can detect it, reclassify the selected lands, and update their related GIS attribute database with new data. As a result, the system achieves an accuracy near 75%; these results were obtained by comparing the classification results from system test trials with the desired user classification data.

روابط وملفات

التعريف والنوع

رقم الوثيقة

0bd87137-acc6-4625-9a9f-040e0344ff40

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل ماجيستير

نوع الملف

pdf text

أسماء الملفات

1001124_1.pdf

بيانات النشر

ترجمة العنوان

تصنيف الأراضي الزراعية في بيانات نظم المعلومات الجغرافية باستخدام شبكة عصبية

ألقاب المؤلفين

[{"name_ar":"توفيق عبد الخالق ألأسدي","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"وضاح رزوقي عبود بيعي","title_ar":"اعداد","title_en":"Preparation"}]

اللغة

English

المصدر والدورية

اسم المصدر

Agricultural Lands Classification on GIS Data using Neural Network

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

تحتوي نظم المعلومات الجغرافية بصورة عامة على ثلاثة أنواع رئيسية من البيانات وهي البيانات الصورية , البيانات المتجهة , وقواعد البيانات والتي تربط النوعين السابقين بمعلومات مكانيةووصفية عن المنطقة التي تمثلانها من العالم. من الممكن أن تشمل هذه البيانات كل ميادين الحياة مثلالصحة والتعليم والجيش والزراعة والتاريخ ... الخ.إن لنظم المعلومات الجغرافية القدرة على أن تحتوي بيانات المناطق الزراعية مثل الغابات,والأراضي المستصلحة لزراعة الفواكه وكذلك الأراضي المحروثة حديثا, إن بيانات هذه الأراضي منالممكن إدارتها بواسطة تلك النظم وذلك باستلام الصور الفضائية لمناطقها , وبذلك فإن على مستخدميتلك الأنظمة أن يصمموا لها خرائط بيانية تمثل وجودها على ارض الواقع تبعا لمالكيها والحالة الزراعيةالتي هي عليها وبعض البيانات الأخرى. تحفظ قواعد البيانات لتلك الأراضي في جداول خاصة محتويةالبيانات الجغرافية والوصفية لها وهي مرتبطة بالخرائط البيانية المجهزة مسبقا. يقوم المستخدم عادة فيهذه الأنظمة بتصنيف تلك الأراضي كل حسب حالته الزراعية معتمدا على النظر ويكون اتخاذ القراربواسطة المستخدم. فسيكون من الصعب على المستخدمين بأن يصنفوا تلك الأراضي بصورة يدوية,وستصبح هذه مشكلة كبيرة تكلف الكثير من الوقت والجهد في إتمامها, خاصة في كون تلك البياناتكبيرة الحجم.يأتي هنا دور النظام المقترح في هذه الرسالة, حيث يقوم بخلق أداة جديدة تضاف لبرنامج نظمحيث تصنف هذه الأداة الأراضي مختلفة الأنواع آلي ا.ً تنفذ هذه ,(ArcMap GIS) المعلومات الجغرافيةالأداة البرنامج المطور للنظام المقترح ,حيث تقوم بجمع المعلومات المطلوبة لكل واحدة من الأراضيالمطلوب تصنيفها وذلك بأخذ عينات صورية من مراكز تلك الأراضي بالاعتماد على الخريطة البيانيةالمجهزة وبعضا من البيانات المهمة من جداول قواعد البيانات المرتبطة.تقوم المرحلة الأخرى من النظام المقترح باستخلاص متجه الصفات لكل عينة من تلك الأراضيباستخدام مصفوفة المصادفات للتدرج الرمادي وحساب الخصائص من الدرجة الثانية الإحصائية لها, يتمحساب ثمان صفات لكل حزمة من حزم الألوان الثلاث الرئيسية المكونة للصورة الفضائية (الأحمر,الأخضر, الأزرق) ولكل واحدة من تلك الأراضي. سيمثل متجه الصفات هذا مدخلا للشبكة العصبيةمع خوارزمية الانتشار الرجعي للتعلم (Perceptron) المختارة وهي شبكة مراقبة متعددة الطبقات نوعلتكون المصنف المستخدم في النظام المقترح, وتتم عملية تعلم النظام بالاعتماد على مجموعة محددةوموثوقة من البيانات المجهزة مسبقا من قبل المستخدم.يمكن للنظام بأن يصنف كل الأراضي المتبقية غير المصنفة في قواعد بيانات نظم المعلوماتالجغرافية, وكذلك يتمكن من استقبال الصور الفضائية المستقبلية لنفس المنطقة المختارة للتصنيف وفيأي وقت من السنة , وذلك لأن تلك الأراضي معرضة للتغيير على أرض الواقع طوال العام . فيقومبتحديد هذا التغيير ويعيد عملية التصنيف تلقائيا ويحدث جداول قواعد بيانات نظم المعلومات الجغرافيةبالبيانات الحديثة آليا.تتلخص نتائج النظام المقترح بالحصول على دقة مقدارها 75 %, تلك النتائج قد حصل عليهابواسطة تنفيذ النظام ومقارنة نتائج التصنيف الآلي مع التصنيف اليدوي للمستخدم, وذلك بإجراء عدةتجارب لحين الوصول إلى أعلى نسبة ممكنة من

كلمات الباحثين

GIS, Land Classification, Remote Sensing, Neural Networks, Texture Analysis

إشراف وإعداد

الإشراف

توفيق عبد الخالق ألأسدي

الإعداد

وضاح رزوقي عبود بيعي

الاقتباسات الببليوغرافية