شناسایی نیمه خودکار لندفرم ها با استفاده از پردازش فازی شیءگرای تصاویر ماهواره ای - مطالعه موردی:شهرستان ماکو
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 267
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SEPEHR-30-118_005
تاریخ نمایه سازی: 29 شهریور 1400
Abstract:
زمین به عنوان یک سطح پیوسته می تواند به واحدهای دارای خصوصیات فیزیکی و مورفولوژیکی مشترک طبقه بندی شود که ممکن است به عنوان یک شرط مرزی برای طیف گسترده ای از حوزه های کاربردی باشد. این مطالعه روشی برای طبقه بندی فرم زمین ارائه می دهد که ژئومورفومتری عمومی چشم انداز را نشان می دهد. در پژوهش حاضر شهرستان ماکو در آذربایجان غربی بنا به شرایط خاص منطقه ازنظر مورفولوژی و محیط پیرامونی انتخاب و برای استخراج لندفرم ها از روش فازی شیءگرا استفاده شد. به منظور انجام پردازش، مشتقات لایه رقومی ارتفاع (شیب، بافت انحنای حداکثر، حداقل، مسطح و انحنای پروفیل) به همراه تصویر ماهواره سنتینل ۲A مورد استفاده قرار گرفت. پس از انجام مراحل پیش پردازش، ابتدا مقیاس بهینه سگمنت سازی با استفاده از افزونه ESP پیش بینی گردید و سپس اشیاء تصویر برای انجام پردازش با مقیاس ۹ و ۱۷ و ۲۷ ایجاد شد. به منظور استخراج لندفرم ها از تعداد ۱۶۰ نمونه زمینی استفاده و درجه عضویت الگوریتم های مختلف محاسبه گردید و الگوریتم هایی که بیشترین درجه عضویت را داشتند برای طبقه بندی استفاده شدند. در این تحقیق تعداد ۱۴ نوع لندفرم در منطقه مطالعه شناسایی و استخراج گردید. نتایج تحقیق نشان می دهد که روش فازی شیءگرا توانسته است با دقت کلی ۸۷ درصد و شاخص کاپای ۸۵ درصد لندفرم ها را طبقه بندی کند. مزیت روش های شیءگرا این است که خیلی سریع بوده و نتایج دارای دقت خوب و بالایی هستند.
Keywords:
Authors
کیوان محمدزاده
دانش آموخته کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی ، دانشگاه تبریز
سید احمد حسینی
دکتری جغرافیا و برنامه ریزی شهری، دانشگاه سیستان و بلوچستان
مهدی صمدی
دانشجوی دکتری سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
ایلیا لعلی نیت
دانشجوی دکتری جغرافیا و برنامه ریزی شهری، دانشگاه خوارزمی
مسعود رحیمی
دکتری ژئومورفولوژی، دانشگاه تبریز
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 :