Key points are not available for this paper at this time.
تعد خرائط استخدام الأراضي وتغطية الأراضي (LULC) مكونًا مهمًا لمراقبة الموارد الطبيعية. فهي تقدم رؤى حول أنماط استخدام سطح الأرض والأشكال المختلفة للتغطية الموجودة فيه. في هذه الدراسة، قمنا بتقييم أداء معماريات التعلم العميق المختلفة في تقسيم الصور الساتلية إلى ست فئات تغطية أراضي متميزة مثل الأشجار، الأراضي الزراعية، المسطحات المائية، المناطق المبنية، الطرق والأراضي القاحلة. تم تجميع مجموعة بيانات فريدة باستخدام صور الأقمار الصناعية من مايكروسوفت بينج، تشمل فئات استخدام الأراضي المتميزة داخل منطقة تقع في منطقة مانديا، كارناتاكا. تم إجراء عملية الرقمنة باستخدام QGIS، مما يسهل إعداد بيانات التدريب والتقييم لتطوير نماذج التعلم العميق المدربة باستخدام معماريات التعلم العميق الشهيرة مثل FCN، U-Net، PSP، وDeeplabV3+. تم مقارنة أداء هذه النماذج فيما يتعلق بمعدل Fl ومؤشرات متوسط اتحاد التقاطع (mIoU) على مجموعات البيانات الاختبارية. من خلال المقارنة، لوحظ أن U-Net مع ResNet-34 كظهر متميز أظهر أفضل أداء بمعدل IoU متوسط قدره 0.803 ومعدل Fl إجمالي قدره 0.89 على مجموعة الاختبار. كما تم تقييم قدرة عموم النماذج من خلال تطبيقها على مناطق جغرافية أكبر، مما يظهر إمكاناتها لتخطيط استخدام الأراضي وتغطية الأراضي لمناطق واسعة.
درس شريهاري وآخرون (الخميس) هذا السؤال.