بهبود طبقه بندی تیپ های جنگل از طریق تلفیق داده های طیفی و کمکی به روش تعیین پیش احتمال و ایجاد مدل های مکانی وقوع طبقات
Publish place: Geomatics 1383
Publish Year: 1383
Type: Conference paper
Language: Persian
View: 1,679
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
GEO83_62
Index date: 26 October 2005
بهبود طبقه بندی تیپ های جنگل از طریق تلفیق داده های طیفی و کمکی به روش تعیین پیش احتمال و ایجاد مدل های مکانی وقوع طبقات abstract
استفاده از داده های ماهواره ای در طبقه بندی بسیاری از پدیده ها با محدودبت هایی مواجه می باشد. لذا بکارگیری توامان داده های کارشناسی و غیرطیفی با داده های طیفی و همچنین تلفیق آنها میتواند باعث بهبود نتایج طبقه بندی ها شود. شناسایی داده های کمکی موثر و مرتبط با تیپ بندی جنگل و ارائه الگویی مناسب برای بکارگیری این داده ها همراه با داده های طیفی در فرایند استفاده از خوارزمی حد اکثر احتمال، از اهداف این تحقیق به شمار می روند. این تحقیق در بخشی از جنگل آموزشی و پژوهشی دانشگاه تهران واقع در شرق نوشهر و به مساحت 2170 هکتار انجام شده است. این منطقه به دلیل تغییرات دامنه ارتفاعی و وضعیت های مختلف توپوگرافی از تنوع تیپ های جنگلی بالایی برخوردار است. به منظور بررسی صحت نتایج حاصل از طبقه بندی، یک نقشه واقعیت زمینی نمونه ای تهیه شد. برای این منظور با یک شبکه تصادفی سیستماتیک، 193 قطعه نمونه یک هکتاری بر روی زمین پیاده گردید
بهبود طبقه بندی تیپ های جنگل از طریق تلفیق داده های طیفی و کمکی به روش تعیین پیش احتمال و ایجاد مدل های مکانی وقوع طبقات Keywords:
بهبود طبقه بندی تیپ های جنگل از طریق تلفیق داده های طیفی و کمکی به روش تعیین پیش احتمال و ایجاد مدل های مکانی وقوع طبقات authors
شعبان شتابی جویباری
استادیار دانشگاه کشاورزی و منابع طبیعی مازندران
علی اصغر درویش صفت
دانشیار دانشگاه تهران
هوشنگ سبحانی
دانشیار دانشگاه تهران
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 :