استخراج نقشه کاربری اراضی با استفاده از مقایسه الگوریتم های مختلف طبقه بندی پیکسل پایه و شئ گرا؛ مطالعه موردی: شهر زنجان

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 476

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_SEPEHR-28-110_014

تاریخ نمایه سازی: 16 مهر 1398

Abstract:

این پژوهش با هدف استخراج نقشه کاربری اراضی شهری، با استفاده از مقایسه الگوریتم های مختلف طبقه بندی پیکسل پایه و شئ گرا می باشد. در این راستا الگوریتم‎ های طبقه بندی پیکسل پایه ماشین بردار پشتیبان، حداکثر احتمال، شبکه عصبی مصنوعی، حداقل فاصله از میانگین، سطوح موازی و فاصله ماهالانوی مورد استفاده قرار گرفتند. در ادامه به مقایسه روش های مذکور با طبقه بندی شئ گرا جهت تهیه نقشه کاربری اراضی شهر زنجان با استفاده از تصویرماهواره ایSentinel-2 با قدرت تفکیک مکانی  10 متر پرداخته شد. به منظور انجام پردازش تصویر مورد استفاده از نرم افزار های ENVI 5.3، SNAP،eCognition و ArcGISاستفاده شده است. برای مقایسه عملی نتایج، د ر هر د و روش از د اد ه های آموزشی یکسان برای طبقه بندی استفاد ه گرد ید ؛ سپس مهم ترین روش های ارزیابی صحت شامل د قت کلی و ضریب کاپای طبقه بندی استخراج شد. نتایج بدست آمده، نشان می دهد که از بین روش های طبقه بندی پیکسل پایه مورد استفاده در این مطالعه، روش های طبقه بندی حداکثر احتمال و روش حداقل فاصله تا میانگین با ضریب کاپای به ترتیب 95/0درصد و 85/0 درصد از دقت قابل قبولی برخوردار هستند. هم چنین مقایسه نتایج حاصل از طبقه بندی پیکسل پایه و شئ گرا  نشان داد که روش شئ گرا با اعمال پارامترهای موثر در طبقه بندی و توسعه قوانین جهت اطلاح طبقه بندی اولیه شئ گرا با ضریب کاپای 95/0 درصد از نظر دقت در استخراج  نقشه کاربری اراضی از روش‎ های پیکسل پایه از اولویت برخوردار است.

Authors

صیاد اصغری سراسکانرود

دانشیار ژئومورفولوژی، دانشگاه محقق اردبیلی، اردبیل، ایران

بهروز خدابنده لو

دانشجوی کارشناسی ارشد سنجش از دور و GIS، دانشگاه محقق اردبیلی، اردبیل، ایران

احمد ناصری

دانشجوی کارشناسی ارشد ژئومورفولوژی، دانشگاه محقق اردبیلی، اردبیل، ایران

علی مرادی

مربی دانشگاه محقق اردبیلی، اردبیل، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • آرخی، ادیب نژاد؛ صالح، مصطفی؛ 1390، ارزیابی کارایی الگوریتم های ... [مقاله ژورنالی]
  • اسلمی، قربانی، سبحانی، پناهنده؛ فرنوش، اردوان، بهروز،محسن؛ 1394، مقایسه روش ...
  • اکبری، سلیمانی، حبیب نژاد، رئیسی؛ مسلم، کریم، محمود، محسن؛ 1390، ...
  • جوری، سرور، منیری؛ آمنه، رحیم، جاوید؛ 1394، بررسی امکان ایجاد ...
  • حدادی، صاحبی، مختارزاده، فتاحی؛ عطاءالله،محمدرضا، مهدی، هیرش؛ 1388، ارائه روشی ...
  • مقایسه روش های طبقه بندی تصاویر ماهواره (نظارت شده و نظارت نشده) در تهیه نقشه کاربری و پوشش اراضی مناطق خشک و نیمه خشک(مطالعه موردی پناهگاه حیات وحش موته) [مقاله کنفرانسی]
  • ربیعی فر، زیاری، حقیقت نایینی؛ ولی اله، کرامت اله، غلامرضا؛ ...
  • رسولی، علی اکبر، 1387، مبانی سنجش از دور کاربردی با ...
  • سفیانیان، محمدی توفیق، خداکرمی، امیری؛ علیرضا، الهه، لقمان، فاضل؛ 1390، ...
  • شهرداری زنجان، 1392، آمارنامه شهر زنجان، فصل اول، سرزمین و ...
  • علوی پناه، سیدکاظم، 1392، کاربرد سنجش از دور در علوم ...
  • فاطمی، رضایی؛ سید باقر، یوسف، 1391، مبانی سنجش از دور، ...
  • فتاحی، نوروزی، آبکار، خلخالی؛ محمد مهدی، علی اکبر، علی اکبر، ...
  • فیضی زاده، پیرنظر، زندکریمی، عابدی قشلاقی؛ بخیار، مجتبی، آرش، حسن؛ ... [مقاله ژورنالی]
  • نیاری، اختصاصی، ملکی نژاد، حسینی، مرشدی؛ یعقوب، محمدرضا، حسین، سید ...
  • یوسفی، تازه، میزایی، مرادی، توانگر؛ صالح، مهدی، سمیه، حمیدرضا، شهلا؛ ... [مقاله ژورنالی]
  • Al-Ahmadi, F. S., A. S. Hames. (2009). Comparison of four ...
  • Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS ...
  • Chen, M., Su, W., Li, L., Zhang, C., Yue, A., ...
  • Dixon, B., & Candade, N. (2008). Multispectral landuse classification using ...
  • Draguţ, L., c  Eisank,. (2012). Automated objectbased classifcation of topography ...
  • Foody, G. M. (2004). Thematic map comparison. Photogrammetric Engineering & Remote ...
  • Gao, Y., Mas, J. F., & Navarrete, A. (2009). The ...
  • Goodin, D. G., Anibas, K. L., & Bezymennyi, M. (2015). ...
  • Gorte, B. (1998). Probabilistic segmentation of remotely sensed images. ITC. ...
  • Hoffmann, A., & Van der Vegt, J. W. (2001). New ...
  • Huang, C., Davis, L. S., & Townshend, J. R. G. ...
  • Jensen, J. (2005). Introductory digital image processing: A remote sensing ...
  • Kavzoglu, T., & Mather, P. M. (2003). The use of ...
  • Lu, D., & Weng, Q. (2007). A survey of image ...
  • Mountrakis, G., Im, J., & Ogole, C. (2011). Support vector ...
  • Perumal, K., & Bhaskaran, R. (2010). Supervised classification performance of ...
  • Richards, J. A. (2013). Supervised classification techniques. In Remote Sensing Digital ...
  • Richards, J. A., & Jia, X. (1999). Remote sensing digital ...
  • Wentz, E. A., Stefanov, W. L., Gries, C., & Hope, ...
  • WWW.Earthexplorer.usgs.gov ...
  • Yan, G. (2003). Pixel based and object oriented image analysis ...
  • نمایش کامل مراجع