بررسی الگوریتم طبقه بندی درختی با استفاده از تصاویر ماهواره ای لندست ۸ و سنتینل ۲ و تفسیر بصری تصاویر گوگل ارث در تفکیک و طبقه بندی واحدهای اکولوژیک گیاهی

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 153

This Paper With 19 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_IJRDR-29-4_009

تاریخ نمایه سازی: 21 فروردین 1402

Abstract:

از مهم­ترین روش­های استخراج اطلاعات از داده­های ماهواره­ای، تکنیک­های مختلف طبقه­بندی تصاویر می­باشد. مطالعه حاضر با هدف تفکیک و طبقه­بندی واحدهای اکولوژیک گیاهی توسط الگوریتم طبقه­بندی درختی بر روی تصاویر ماهواره­ای و همچنین تفسیر بصری تصاویر گوگل ارث در یکی از مراتع نیمه­استپی استان چهارمحال و بختیاری صورت گرفته است. پس از اعمال الگوریتم طبقه­بندی در نرم­افزار Idrisi TerrSet، ماتریس خطا توسط نرم­افزار تولید و بر اساس مقادیر داخل این ماتریس ارزیابی آماره­های استخراج شده انجام شد. نتایج حاصل از تفسیر بصری نشان داد که در نهایت ۷ نوع واحد اکولوژیک گیاهی که از نظر ویژگی­های ساختاری متفاوت بودند شناسایی و به صورت آمار توصیفی بیان گردیدند که شامل Astragalus verus، Bromus tomentellus، Scariola orientalis، Astragalus verus-Bromus tomentellus، Astragalus verus-Stipa hohenikeriana، Bromus tomentellus-Stipa hohenikeriana و Stipa hohenikeriana می­باشند. نتایج همچنین نشان داد که دقت کلی طبقه­بندی و ضریب کاپا برای تصاویر لندست ۸ به ترتیب برابر ۹۲/۰ درصد و ۸۹/۰ و برای تصاویر سنتینل ۲ برابر ۹۴/۰ درصد و ۹۲/۰ می­باشد. بر اساس نتایج به­دست آمده مشخص شد که تصاویر ماهواره­ای و تصاویر هوایی دارای قابلیت تفکیک مناسبی جهت تهیه نقشه واحدهای اکولوژیک گیاهی هستند. از آنجایی­که تفسیر بصری تصاویر گوگل ارث، روشی زمان­بر بوده و هزینه بالایی در بر دارد بنابراین می­توان نتیجه­گیری نمود که تصاویر ماهواره­ای به­ویژه سنتیل ۲ به دلیل رزولوشن بالا و ارائه تصاویری با قدرت تفکیک زیاد، می­توانند به­عنوان ابزاری کاربردی و قابل استفاده، اطلاعات و جزئیات دقیقی را از پدیده­های سطح زمین فراهم آورند و به­عنوان منبع مناسبی جهت تهیه نقشه واحدهای اکولوژیک گیاهی مورد استفاده قرار گیرند.

Authors

سمانه سادات محزونی کچپی

دانشجوی دکتری گروه علوم مرتع، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، ایران

عطاالله ابراهیمی

دانشیار گروه علوم مرتع، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، ایران

پژمان طهماسبی

دانشیار گروه علوم مرتع، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، ایران

محمد حسن جوری

دانشیار گروه منابع طبیعی، دانشگاه آزاد اسلامی واحد نور، 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 :
  • Adam, E., Abd Elbasit, M.A.M., Adelabu, S.A. and Bande, P., ...
  • Afrasinei, G., Melis, M., Buttau, C., Bradd, J. and Arras, ...
  • Breiman, L., Friedman, J.H., Olshen, R.A. and Stone, C.J., ۱۹۸۴. ...
  • Culman, S.W., Gauch, H.G., Blackwood, C.B. and Thies, J.E., ۲۰۰۸. ...
  • Dogan, O.K., Akyurek, Z. and Beklioglu, M., ۲۰۰۹. Identification and ...
  • Duffy, J.P., Pratt, L., Anderson, K., Land, P.E. and Shutler, ...
  • Eugenio, F., Martin, J., Marcello, J. and Fraile-Nuez, E., ۲۰۱۳. ...
  • Feng, D., Yu, L., Zhao, Y., Cheng, Y., Xu, Y., ...
  • Ge, G., Shi, Z., Zhu, Y., Yang, X. and Hao, ...
  • Huete, A., ۲۰۰۴. Remote Sensing for Natural Resources Management and ...
  • Hurskainen, P., Adhikari, H., Siljander, M., Pellikka, P.K.E. and Hemp, ...
  • Jafari, Sh., Rahimi, Kh. and Arazzadeh, Y., ۲۰۱۲. Land use ...
  • Jia, K., Wei, X., Gu, X., Yao, Y., Xie, X. ...
  • Jiang, X.B., Zhou, Q.G. and Li, A.N., ۲۰۰۴. Landscape pattern ...
  • Kashi Zenouzi, L., Saadat, H. and Namdar, M., ۲۰۱۶. Comparison ...
  • Koomen, E., Stillwell, J., Bakema, A. and Scholten, H.J., ۲۰۰۷. ...
  • Kusbach, A., Long, J.N., Van Miegroet, H. and Shultz, L.M., ...
  • Lillesand, T.M. and Kiefer, R.W., ۱۹۹۴. Remote sensing and image ...
  • Lillesand, T.M., Kiefer, R.W. and Chipman, J.W., ۲۰۰۴. Remote sensing ...
  • Lima, T.A., Beuchle, R., Langner, A., Grecchi, R.C., Griess, V.C. ...
  • Ludwig, A., Meyer, H. and Nauss, T., ۲۰۱۶. Automatic classification ...
  • Marangoz, A.M., Sekertekin, A. and Akcin, H., ۲۰۱۷. Analysis of ...
  • Maynard, J.J. and Karl, J.W., ۲۰۱۷. A hyper-temporal remote sensing ...
  • MohammadHassanpour, M., ۲۰۱۳. Preparation of land use map of Ghoshchi ...
  • Mountrakis, G., Im, J. and Ogole, C., ۲۰۱۱. Support vector ...
  • Mueller-Dombois, D. and Ellenberg, H., ۱۹۷۴. Aims and methods of ...
  • Navarro, G., Caballero, I., Silva, G., Parra, P.C., Vázquez, Á. ...
  • Niazi, Y., Ekhtesasi, M., Malekinezhad, H. and Hosseini, S.Z., ۲۰۱۱. ...
  • Ouzemou, J.E., El Harti, A., Lhissou, R., El Moujahid, A., ...
  • Pourbagherkordi, M., ۲۰۱۸. Comparison of visual and automated methods based ...
  • Sepehri, A., ۲۰۰۲. Investigating the capability of mineart method in ...
  • Smith, P.C., Dellepiane, S.G. and Schowengerdt, R.A., ۲۰۱۰. Quality Assessment ...
  • Tahmasebi, P., Moradi, M. and Omidipour, R., ۲۰۱۷. Plant Functional ...
  • Thenkabail, P.S. and Prasad, S., ۲۰۱۵. Remotely Sensed Data Characterization, ...
  • Thenkabail, P.S. and Lyon, J.G., ۲۰۱۶. Hyperspectral remote sensing of ...
  • Topaloglu, R.H., Sertel, E. and Musaoglu, N., ۲۰۱۶. Assessment of ...
  • Unger, D.R., Kulhavy, D.L. and Hung, I.K., ۲۰۱۳. Validating the ...
  • Weng, Q., ۲۰۱۸. Remote Sensing Time Series Image Processing. Taylor ...
  • Xie, Z., Chen, Y., Lu, D., Li, G. and Chen, ...
  • Xu, M., Watanachaturaporn, P., Varshney, P.K. and Arora, M.K., ۲۰۰۵. ...
  • Yoneyama, Y., Suzuki, S., Sawa, R., Yoneyama, K., Power, G.G. ...
  • نمایش کامل مراجع