تهیه نقشه کاربری اراضی با طبقه بندی شیء پایه با تصاویر ماهواره ای با قدرت تفکیک بالای WorldView ۲
Publish place: Environmental Science and Technology، Vol: 23، Issue: 4
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 161
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESTJ-23-4_018
تاریخ نمایه سازی: 20 اردیبهشت 1401
Abstract:
زمینه و هدف: نقشههای پوشش اراضی، دادههای مهمی برای ارزیابی زیست محیطی هستند. در این مطالعه، دقت تهیه نقشه کاربری اراضی منطقه هفت برم شیراز با الگوریتم شیء پایه برروی تصاویر ماهواره ای WorldView ۲ سال ۲۰۱۵میلادی بررسی شده است. روش بررسی: در این مطالعه از تصاویر WorldView ۲ در جنگلهای اطراف شیراز استفاده شده است که میتواند نقشههای پوشش گیاهی را با جزئیات زیاد تهیه کند. روش آنالیز تهیه نقشه، روش شیء پایه با درخت تصمیم می باشد. فرآیند کار شامل: قطعه بندی، انتخاب و استخراج عارضههای مدنظر شامل ۹کلاس با شاخصهای طیفی، طبقه بندی سلسله مراتبی شیء پایه و ایجاد درخت تصمیم برای طبقهبندی تصویر و در نهایت طبقهبندی و ارزیابی صحت آن میباشد. یافتهها: نتایج نشان داد که کلاسهای طبقهبندی موفق بودهاند و صحت کلی ۴۵/۸۷ درصد بود. بیشترین صحت طبقهبندی در صحت تولیدکننده برای کلاسهای آب، جنگل، محصول، ساختمان بود. بالاترین صحت مربوط به آب است (۱۰۰درصد). بحث و نتیجهگیری : درختان دست کاشت و جنگلهای طبیعی با روش شی پایه تشخیص داده شدند. باندهای اضافی ساحلی، امکان تشخیص اراضی بایر را از سایر پوشش گیاهی فراهم مینمایند. فاصله تا درخت و سایه نقش مهمی در تشخیص ساختمانها دارند.
Keywords:
Authors
یوسف تقی ملایی
دانش آموخته دکتری جنگلداری دانشگاه ایلام( مدرس مرکز آموزش عالی اقلید)
عبدالعلی کرمشاهی
دانشیار و عضو هیئت علمی گروه علوم جنگل، دانشکده کشاورزی، دانشگاه ایلام، ایران. (مسوول مکاتبات)
سیدیوسف عرفانی فرد
دانشیار، گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران.
مهدی حیدری
دانشیار و عضو هیئت علمی گروه علوم جنگل، دانشکده کشاورزی، دانشگاه ایلام، ایران.
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 :