شناسایی بهترین الگوریتم تشخیص گرد و غبار به کمک داده های مودیس
Publish place: Journal of Natural Environmental Hazards، Vol: 7، Issue: 15
Publish Year: 1397
Type: Journal paper
Language: Persian
View: 593
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JNEH-7-15_012
Index date: 20 September 2020
شناسایی بهترین الگوریتم تشخیص گرد و غبار به کمک داده های مودیس abstract
گرد و غبار یکی از رویدادهای جوی مناطق خشک و نیمه خشک جهان است که در سالهای اخیر افزایش قابل توجه ای داشته و آثار و پیامدهای نامطلوبی را در بخشهای مختلف بر جای گذاشته است. در این پژوهش از تصاویر سنجنده مودیس به منظور شناسایی و انتخاب بهترین الگوریتم تشخیص گرد و غبار استفاده شد. بدین منظور سه رویداد گرد و غبار جنوب غرب ایران در سال 2012 با استفاده از پنج الگوریتم مختلف شناسایی شامل BTD آکرمن، شاخص گرد و غبار، میلر، TIIDI و DUST RGB، بارزسازی شدند و روشها مورد مقایسه قرار گرفتند. بررسیهای به عمل آمده نشان داد که روشهای BTD آکرمن، شاخص گرد و غبار و میلر نیازمند تنظیم آستانه برای هر رویداد هستند؛ از این رو آستانه های مناسب برای هر رویداد با استفاده از روش هیستوگرام تعیین و ریزگردها شناسایی شدند. روش TIIDI نیز قابلیت تفکیک گرد و غبار از سایر پدیده ها را بر روی زمین داشت ولی نتوانست گرد و غبار روی آب را به خوبی بارزسازی کند. در روش DUST RGB به خوبی گرد و غبار از بقیه عوارض قابل تشخیص بود. همچنین نتایج طبقه بندی و ارزیابی صحت تصاویر نشان داد که در هر سه رویداد گرد و غبار، روش DUST RGB بالاترین صحت کلی را در میان سایر روشها دارا میباشد. بنابراین بر اساس نتایج به دست آمده از ماتریس خطا و ارزیابی صحت، روش مذکور به عنوان بهترین الگوریتم شناسایی گرد و غبار انتخاب گردید.
شناسایی بهترین الگوریتم تشخیص گرد و غبار به کمک داده های مودیس Keywords:
شناسایی بهترین الگوریتم تشخیص گرد و غبار به کمک داده های مودیس authors
زهرا خیراندیش
کارشناس ارشد محیط زیست ، دانشکده محیط زیست/سازمان حفاظت محیط زیست
جواد بداق جمالی
دانشیار، دانشکده محیط زیست/سازمان حفاظت محیط زیست
بهزاد رایگانی
استادیار، دانشکده محیط زیست/سازمان حفاظت محیط زیست
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 :