استفاده از الگوریتم تلفیق تصاویر برای افزایش صحت برآورد رسوب دهی در مدل WaTEM/SEDEM (مطالعه موردی: حوزه آبخیز درکش)

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 278

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_WSRCJ-7-1_008

تاریخ نمایه سازی: 4 آبان 1400

Abstract:

امروزه آگاهی از میزان فرسایش خاک یکی از بخش های مهم در مدیریت جامع حوزه های آبخیز است. با توجه به عدم وجود آمار و اطلاعات کافی مربوط به دبی آب ورسوب در حوزه های آبخیز، میزان فرسایش خاک با استفاده از مدل های کاربرپسند و فناوری های نوین برآورد می شود. هدف از انجام این تحقیق بررسی و برآورد میزانو الگوریتم ادغام تصاویر RS ،GIS و بهره گیری از قابلیت های WaTEM/SEDEM فرسایش و رسوب حوزه آبخیز درکش استان خراسان شمالی با استفاده از مدلبرای تلفیق تصاویر چندطیفی لندست ۷ و ۸ با تصاویر پانکروماتیک و از دو دوره تصویر ماهوارهای با اختلاف Gram-Schmidt است. ابتدا با استفاده از الگوریتمزمانی ۱۲ ساله ( ۲۰۰۳ و ۲۰۱۵ ) با مقیاس ۱:۲۵۰۰۰ نقشه عامل مدیریت زراعی مطابق با نقشه های کاربری اراضی منطقه تهیه شد. سپس نقشه سایر عوامل ورودیتهیه و مدل اجرا گردید و میزان فرسایش و رسوب برای حوزه مورد مطالعه در مقیاس ۱:۲۵۰۰۰ و همچنین با ENVI و ArcGIS مدل با استفاده از نرم افزارهایاستفاده و بدون استفاده از الگوریتم ادغام تصاویر برآورد و با مقادیر مشاهده ای مقایسه گردید. مقایسه داده های رسوب مشاهداتی در حوزه آبخیز درکش با مقادیر برآوردشده نشان داد که نقشه نهایی طبقه بندی فرسایش حاصل از اعمال الگوریتم تلفیق تصاویر بهتر و دقیق تر قادر به شناسایی نقاط حساس به خطر فرسایش است. با توجهدر برآورد تولید رسوب اثبات و مشخص شد که اعمال الگوریتم تلفیق تصاویر منجر به افزایش WaTEM/SEDEM به یافته های پژوهش حاضر، کارایی بالای مدلصحت نتایج مدل می شود.

Authors

عاطفه بهزادفر

دانش آموخته کارشناسی ارشد سنجش ازدور وسیستم اطلاعات جغرافیایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران

عبدالواحد خالدی درویشان

استادیار، گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس

علیرضا قره گوزلو

دانشیار آموزشکده سازمان نقشه برداری کشور

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، ص. و نیازی، ی. ۱۳۸۹. بررسی کاربرد GIS و ...
  • بی نام. ۱۳۹۲. گزارش مطالعات تفصیلی- اجرایی طرح جنگل های ...
  • جوان دوست، ه. اونق، م. حسنعلی زاده، م و سکوتی، ...
  • راشکی، ع. ۱۳۸۵. بررسی کارایی تلفیق مدل های RUSLE و ...
  • جویباری، ش. نجارلو، ش. جباری، س. ارفعی، ش و معیری، ...
  • فاضلی فارسانی، آ و قضاوی، ر. ۱۳۹۴. بررسی عملکرد الگوریتم ...
  • Alatorre, L., Beguería, S., Lana-Renault, N., Navas, A. and García-Ruiz, ...
  • Arnold, J.G., Srinivasan, R., Muttiah, R.S. and Williams, J.R. ۱۹۹۸. ...
  • Bartsch, K.P., Van Miegroet, H., Boettinger, J. and Dobrowolski J.P. ...
  • Feng, X., Wang, Y., Chen, L., Fu, B. and Bai, ...
  • Foster, G., Flanagan, D., Nearing, M., Lane, L., Risse, L. ...
  • Gillana, J.K., Kalb, J.W., Bargerc, N.N., Elaksherd, A. and Duniway, ...
  • Notebaert, B., Vaes, B., Verstraeten, G. and Govers, G. ۲۰۰۶. ...
  • Palsson, F., Sveinsson J.R., Benediktsson, J.A., Aanæs, H. ۲۰۱۰. Image ...
  • Parysow, P., Wang, G., Gertner, G. and Anderson, A.B. ۲۰۰۳. ...
  • Renard, K.G., and Freimund, J.R. ۱۹۹۴. Using monthly precipitation data ...
  • Renard, K.G., Foster, G.R., Weesies, G.A. and Porter, J.P. ۱۹۹۱. ...
  • Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K. and Yoder, ...
  • Shi, Z., Ai, L., Fang, N. and Zhu, H. ۲۰۱۲. ...
  • van der Knijff, J.M., Jones, R.J.A., Montanarella, L. ۲۰۰۰. Soil ...
  • Van Oost, K., Govers, G. and Desmet, P. ۲۰۰۰. Evaluating ...
  • Verstraeten, G., Prosser, I.P. and Fogarty, P. ۲۰۰۷. Predicting the ...
  • نمایش کامل مراجع