تهیه نقشه کاربری اراضی با طبقه بندی شیء پایه با تصاویر ماهواره ای با قدرت تفکیک بالای WorldView ۲

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:

لینک ثابت به این Paper:

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:

تصاویر WorldView ۲ , طبقه بندی شیء پایه , سنجش از دور , تصاویر با قدرت تفکیک بالا

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 :
  • مقاله پژوهشیعلوم و تکنولوژی محیط زیست، دوره بیست و سوم، ...
  • تهیه نقشه کاربری اراضی با طبقه­بندی شیء پایه با تصاویر ...
  • عبدالعلی کرمشاهی[۲] *a.karamshahi@ilam.ac.irسیدیوسف عرفانی فرد[۳]مهدی حیدری۲تاریخ دریافت: ۱۴/۲/۹۷تاریخ پذیرش: ۳/۷/۹۷چکیدهزمینه ...
  • روش بررسی: در این مطالعه از تصاویر WorldView ۲ در ...
  • یافته­ها: نتایج نشان داد که کلاس­های طبقه­بندی موفق بوده­اند و ...
  • بحث و نتیجه­گیری : درختان دست کاشت و جنگل­های طبیعی ...
  • واژه­های کلیدی: تصاویر WorldView ۲، طبقه­بندی شیء پایه، سنجش از ...
  • J. Env. Sci. Tech., Vol ۲۳, No. ۴, July, ۲۰۲۱ ...
  • Mapping of Land Use with an Object Base Classification Using ...
  • Method: In this study, World View ۲ images have been ...
  • Findings: The results showed that the classification classes were successful ...
  • Discussion and Conclusion: Planting trees and natural forests were recognized ...
  • Keywords: WorldView ۲ Images, Object Base Classification, Remote Sensing; High ...
  • مقدمهبرآورد ویژگی های کمی و کیفی گیاهان و درختان ...
  • مواد و روش­هامنطقه مورد مطالعه مجموعه دریاچه­های هفت برم در ...
  • روش کارطبقه­بندی تصویر شی­گرا به طور موفقیت­آمیزی در تصاویر سنجش ...
  • پردازش داده­هاتصویر چند طیفی(Multi-spectral, MS) ماهوارهWorldView ۲ در این مطالعه ...
  • سگمنت­سازی چندمقیاسیقطعه­بندی براساس مقیاس، رنگ، شکل و ترکیب آنها با ...
  • تصویر WV۲ با الگوریتم سگمنت­سازی چندمقیاسی در نرم افزار Definiens ...
  • جدول۱- وزن­های اعمال شده برای قطعه­بندیTable ۱. Weights applied for ...
  • شکل۲- درخت تصمیم طبقه­بندی شی مبناFigure ۲. Decision tree for ...
  • نتایج و بحثنتیجه توزیع فضایی کلاس­ها در شکل ۳ ارائه ...
  • شکل۳- نتیجه طبقه­بندی کاربری اراضیFigure ۳. Land use classificationمهمترین محدودیت ...
  • جدول۲- صحت طبقه­بندیTable ۲. Accuracy of classificationصحت تولید کنندهصحت کاربرمحصولاراضی ...
  • نتیجه­گیریدر مطالعه کنونی، مدل شیء پایه با استفاده از تصاویر ...
  • Kong, F. & Nakagoshi, N., ۲۰۰۵. "Changes of urban green ...
  • Li, C., Yin, J. & Zhao, J., ۲۰۱۰. "Extraction of ...
  • Nowak, D.J. & Dwyer, J.F. ۲۰۰۷. Understanding the benefits and ...
  • Conine, A., Xiang, W.N., Young, J. & Whitley, D., ۲۰۰۴. ...
  • Yuan, F. & Bauer, M.E., ۲۰۰۷. "Comparison of impervious surface ...
  • Gong, P., G.S. Biging, S.M. Lee, X. Mei, Y. Sheng, ...
  • Iovan, C., Cournede, P.H., Guyard, T., Bayol, B., Boldo, D. ...
  • Lucieer VL., ۲۰۰۸. "Object-oriented classification of sidescan sonar data for ...
  • Mathieu, R, Aryal, J., ۲۰۰۷."Mapping private gardens in urban areas ...
  • Desclee, B., P. Bogaert & P. Defourny., ۲۰۰۶. "Forest change ...
  • Dragut, L., Blaschke, T., ۲۰۰۶. "Automated classification of land form ...
  • Baatz M & Schäpe A., ۲۰۰۰. "Multiresolution segmentation - an ...
  • Benz, U.C., Hoffmann, P., Willhauck, G., Lingenfelder, I. & Heynen, ...
  • Willhauck G, Schneider T, De Kok R & Ammer U., ...
  • McFeeters, S.K. ۱۹۹۶. "The use of the Normalized Difference Water ...
  • Sims, D.A. and Gamon, J.A., ۲۰۰۲. "Relationships between leaf pigment ...
  • Waser, L.T., Küchler, M., Jütte, K. and Stampfer, T., ۲۰۱۴. ...
  • Quirós, E., Felicísimo, Á.M. and Cuartero, A., ۲۰۰۹. "Testing multivariate ...
  • Marshall Victoria, Megan Lewis, Bertram Ostendorf., ۲۰۱۲. "Do Additional Bands ...
  • Shushanik Asmaryan, Timothy A. Warner, Vahagn Muradyan and Gayane Nersisyan. ...
  • Yan Gao, Prashanth Marpu, Luis M. Morales Manilla. ۲۰۱۶. "Object ...
  • Whiteside, T & R. Bartolo., ۲۰۱۴. "Vegetation map for Magela ...
  • Veric, Andrej., Nataša Đuric, Žiga Kokalj, Aleš Marsetic, Primož Simoncic ...
  • Chávez, R.O and J.G.P.W. Clevers., ۲۰۱۲. "Object-based analysis of ۸-bands ...
  • [۱]- دانش آموخته دکتری جنگلداری دانشگاه ایلام( مدرس مرکز آموزش ...
  • PhD, Forestry, University of Ilam,Ilam.Iran )Higher Education Center of Eghlid ...
  • نمایش کامل مراجع