مقایسة روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا در استخراج کاربری و پوشش اراضی از تصاویر لندست 8

Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 253

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_GIRS-6-3_001

تاریخ نمایه سازی: 21 اسفند 1399

Abstract:

تهیة نقشه کاربری/پوشش اراضی، برای برنامه­ریزی و مدیریت مکانی ضروری است. امروزه تصاویر ماهوره­ای و تکنیک­های سنجش از دور،به دلیل فرآهم آوردن داده­های بهنگام و قابلیت بالای آنالیز تصاویر، کاربرد گسترده­ای در تمامی بخش­ها از جمله بخش­های کشاورزی و منابع طبیعی دارند. در پژوهش حاضر طبقه­بندی­کننده­های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا جهت تهیه نقشةکاربری/پوشش اراضی شهرستان­های اردبیل، نیر و نمین مورد ارزیابی قرار گرفت. تصویر سنجندة (OLI) Operational Land Imager لندست 8 (سال 2013) پس از تصحیحات هندسی و توپوگرافیکی تحت این الگوریتم­ها قرار گرفته و به 9 طبقة کاربری و پوشش اراضی شامل پهنه­های آبی، زراعت آبی، زراعت دیم، چمنزار، برونزدگی سنگی، جنگل، مرتع، عرصه­های مسکونی و انسان­ساخت و فرودگاه طبقه­بندی شد. پس از ارزیابی صحت، صحت کلی برای نقشة حاصل از شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا به ترتیب برابر با 91/89، 68/85 و37/94 درصد و مقدار کاپای آن­ها به ترتیب 88/0، 82/0 و 93/0 برآورد شد که نشان­دهنده برتری روش شیءگرا در مقایسه با دو روش دیگر است. هر سه روش توانستند صحتی قابل قبول برای نقشه­ها­ی کاربری/پوشش اراضی ارائه دهند. در کل، سه روش طبقه­بندی پیشرفته، در منطقة ناهمگن با تغییرات ارتفاعی بیش از 3600 متر با استفاده از نسل جدید تصاویر سنجنده لندست 8 آزمون و مناسب­ترین روش تهیه نقشة کاربری/پوشش اراضی معرفی شد.

Authors

فرنوش اسلمی

دانش آموخته کارشناسی ارشد سنجش از دور و GIS، دانشگاه محقق اردبیلی

اردوان قربانی

دانشیار دانشکده فناوری کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی

بهروز سبحانی

دانشیار دانشکده علوم انسانی، دانشگاه محقق اردبیلی

محسن پناهنده

کارشناس ارشد جغرافیا، سازمان فضایی ایران