ورود
مقالات فارسیISIکنفرانسهاژورنالها

قابلیت الگوریتم های نظارت شده در تهیه نقشه پوشش اراضی در مقیاس محلی (مطالعه موردی: استان گیلان

Publish place: Environmental Science and Technology، Vol: 22، Issue: 6
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 163

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:
https://civilica.com/doc/1287365

شناسه ملی سند علمی:

JR_ESTJ-22-6_021

تاریخ نمایه سازی: 18 مهر 1400

Abstract:

زمینه و اهداف: امکان بررسی پوشش زمین در مقیاس گسترده با استفاده از داده­های سنجش از دور وجود دارد.  طبقه­بندی پوشش زمین در استان گیلان با استفاده از سنجنده OLI و ۴ کرنل ماشین­بردار پشتیبان (SVM)، شبکه عصبی مصنوعی (ANN) و حداکثر احتمال (ML) انجام شد. روش بررسی: طبقه­بندی­ها بر اساس نمونه­های تعلیمی ۱۰ پوشش مختلف در کل استان صورت گرفت. برای بالابردن دقت نقشه­ها، تصویر OLI با استفاده از محصولات MODIS با اعمال کد انتقال تابشی وکتوری در طیف خورشید (SV۶) مورد تصحیح اتمسفری قرار گرفته است. تصویر بر مبنای معیار همگنی به ۲۱۹۰۰۰ پلی­گون، ­سگمنت­بندی گردید. به روش کاملا تصادفی ۲% از پلی­گون­های همگن برای آموزش و آزمون استفاده گردید. با بازدید میدانی، پلی­گون­ها به کلاس­ها برچسب داده شدند. یافته­ها: به کارگیری تصاویر تصحیح شده با کد SV۶ در طبقه­بندی سبب ارتقاء صحت کلی الگوریتم­های ANN،  SVMو ML به ترتیب به میزان ۱۱/۰%، ۸/۰% و ۹/۱% گردیده است. ارزیابی نتایج بیان­گر برتری کرنل شعاعی SVM به ترتیب با صحت کلی و ضریب کاپای آماری ۶/۷۵% و ۷۲/۰ است. در این الگوریتم صحت کلاس­های کشاورزی، مراتع مشجر و آبی به ترتیب ۱۶/۹۳%، ۵۵/۷۲% و ۵۷/۹۶% است. نتایج بیان­گر ارتقاء صحت کلی الگوریتم SVM در مقایسه با الگوریتم ML به میزان ۶۷/۱% است. بحث و نتیجه­گیری: این تحقیق نشان­دهنده برتری روش ناپارامتریکSVM  در مقایسه با پارامتریک در تهیه نقشه پوشش اراضی استان گیلان است. اعمال تصحیحات دقیق اثرات اتمسفر بر روی تصاویر در مناطق با مقیاس محلی و بزرگ با توجه به تغییرات شرایط اتمسفر و خصوصیات زمین قابل پیشنهاد است.

Keywords:

Authors

سیداحمدرضا نورالدینی

دکتری دانشکده منابع طبیعی دانشگاه گیلان (مسئول مکاتبات).

امیراسلام بنیاد

استاد دانشکده منابع طبیعی دانشگاه گیلان.

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 :
  • Feng, M., Sexton, J.O., Huang, C., Masek, J.G., Vermote, E.F., ...
  • King, M.D., Tsay, S.C., Platnick, S.E., ۱۹۹۷. Cloud retrieval algorithms ...
  • Vermote, E., Kotchenova, A., ۲۰۰۸. Atmospheric correction for the monitoring ...
  • Vermote, E., Tanré, D., Deuzé, J., ۲۰۰۶. Second simulation of ...
  • Ju, J., Roy, D.P., Vermote, E., Masek, J., Kovalskyy, V., ...
  • Hutt, C., Koppa, W., Miao, Y., Bareth, G., ۲۰۱۶. Best ...
  • Arveti ,N., Etikala, B., Dash, P., ۲۰۱۶. Land Use/Land Cover ...
  • Lu, D., Batistella, M., Li, G., Moran, E., Hetrick, S., ...
  • Lu, D., Weng, Q.H., ۲۰۰۷. A survey of image classification ...
  • Jensen, J.R ,.۲۰۰۵. Introductory digital image processing: a remote sensing ...
  • Zhu, G. ,Blumberg, DG., ۲۰۰۲. Classification using ASTER data and ...
  • Hu, G., Blumberg, D.G., ۲۰۰۲. Classification using ASTER data and ...
  • Foody, GM., Mathur, A., ۲۰۰۴. A relative evaluation of multiclass ...
  • Yang, X., ۲۰۱۱. Parameterizing support vector machines for land cover ...
  • Yan, L., Roy, D.P., ۲۰۱۴. Automated crop field extraction from ...
  • Li, H., Gu, H., Han, Y., Yang, J., ۲۰۱۰. Object-oriented ...
  • Kaufman, Y.J, Tanre, D., ۱۹۹۲. Atmospherically resistant vegetation index (ARVI) ...
  • Menzel, W., Seemann, S., Li J. ۲۰۰۲. MODIS atmospheric profile ...
  • Benz, U.C., Hoffmann, p., Willhauck, G., Lingenfelder, I., Heynen, M., ...
  • Song, X.P., Huang, C., Feng, M., Sexton, J.O., Channan, S., ...
  • Carreiras, J.M.B., Jose. M.C., Pereira. J., Pereira. S., ۲۰۰۶. Estimation ...
  • Mather, P.M., ۲۰۱۱. Computer Processing of Remotely-Sensed Images, ۴ed. John ...
  • Van Niel, T., McVicar, T., Datt, B., ۲۰۰۵. On the ...
  • Mountrakis, G., Im, J., Ogole, C., ۲۰۱۱. Support vector machines ...
  • Richards, J.A., ۲۰۱۳. Remote sensing digital image analysis, ۴ed, springer. ...
  • Topaloglur, R.H, Sertele, E., Musaoglune, N., ۲۰۱۶. Assessment of classification ...
  • Baatz, M., Schape, A. «Object-oriented and multi-scale image analysis in ...
  • Huang, H., Gong, P., Clinton, N., Hui, F., ۲۰۰۸. Reduction ...
  • Lardeux, C., Frison, P.L., Tison, C., Souyris, J.C., Stoll, B., ...
    • نمایش کامل مراجع