ارزیابی مدل FCD به منظور تخمین طبقات تراکمی تاج - پوشش جنگل
Publish place: Geomatics 1386
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 1,646
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
GEO86_147
Index date: 5 September 2006
ارزیابی مدل FCD به منظور تخمین طبقات تراکمی تاج - پوشش جنگل abstract
تاکنون روشهای مختلفی برای بررسی طبقات تراکمی تاج پوشش جنگل نظیر شبکه های عصبی مصنوعی، رگرسیون خطی چندگانه، نگارگر چگالی پوششی جنگل و طبقه بندی بر مبنای بیشترین شباهت ارایه شده است که از میان آنها روش نگارگر چگالی تاج پوشش جنگل در این مطالعه مورد بررسی قرار گرفته است. حوزه آبخیز هراز که سه فریم ETM+ گستره آن را می پوشاند. به منظور پیاده سازی مدل و تست و ارزیابی نتایج آن انتخاب شد. تصاویر پوششی این حوزه مربوطه به تاریخ 27 تیر 1379 و 8 مرداد 1380 با یکدیگر موزاییک شده و محدوده جغرافیایی حوزه ازآن استخراج گردید.
نقشه کاربری حوزه که شامل سه کلاس تراکمی تنک، نیمه انبوه، انبوه ویک کلاس شامل مناطق فاقد تاج پوشش جنگلی است، مبنای ارزیابی نتایج قرار گرفت. در اولین مرحله دقت کلی 81/59% و ضریب کاپای 0/65 بدست امد. به منظور افزایش قدرت عملکرد مدل استفاده از روشهای ترکیب و ادغام داده ها با تاکید بر حفظ مشخصه های طیفی و ارزشهای رادیومتریک باندها و استفاده از شاخصهای گیاهی جایگزین مد نظر قرار گرفت. بررسی و مقایسه اولیه نتایج بدست آمده نشان دهنده ناتوانی این مدل در برآورد قابل قبول تاج پوششهای میانی، تنک و نیمه انبوه و عملکرد مناسب آن در تشخیص تاج پوششهای زیاد و مناطق فاقد تاج پوشش و یا دارای تاج – پوشش بسیار تنک (کمتر از 5%) است. به منظور بهتر شدن نتایج استفاده از داده های رادار و متغیرهای دیگری نظیر مدل رقومی ارتفاع منطقه، زاویه منظر شیب، زاویه تابش خورشید درحین تصویربرداری (برای محاسبه دقیق تر شاخص سایه) توصیه می شود.
ارزیابی مدل FCD به منظور تخمین طبقات تراکمی تاج - پوشش جنگل Keywords:
ارزیابی مدل FCD به منظور تخمین طبقات تراکمی تاج - پوشش جنگل authors
مسعود طایفی فیجانی
کارشناس ارشد سنجش از دور
عباس علیمحمدی
استادیار دانشگاه صنعتی خواجه نصیرالدین طوسی
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 :