بررسی قابلیت داده ­های رقومی سنجنده ETM+ در تفکیک تیپ های جنگلی (مطالعه موردی: منطقه لفور سوادکوه)

Publish Year: 1388
نوع سند: مقاله ژورنالی
زبان: Persian
View: 41

This Paper With 14 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_IJFPR-17-1_006

تاریخ نمایه سازی: 26 دی 1402

Abstract:

با هدف بررسی قابلیت داده­های رقومی سنجنده ETM+ در تفکیک تیپ­های جنگلی، مطالعه­ای در سری گزو واقع در منطقه لفور شهرستان سوادکوه انجام شد. باندها از نظر خطای رادیومتری و هندسی مورد بازبینی قرار گرفتند. باند ۱ به دلیل وجود خطای رادیومتری و اهمیت کمتر آن در مطالعات پوشش گیاهی حذف و تصحیحات هندسی با استفاده از ۲۱ نقطه کنترل زمینی و DEM منطقه تا سطح تصحیح خطای جابجایی با دقت زیر نیم­پیکسل (۳/۰ پیکسل) انجام شد. عمل طبقه­بندی به روش نظارت شده و با استفاده از باندهای اصلی و مصنوعی به طبقه­های راشستان خالص، راشستان آمیخته، ممرزستان آمیخته، جاده و فضاهای خالی، کلهوستان و پهن برگ آمیخته انجام شد. نقشه واقعیت زمینی برای تهیه جدولهای خطا به صورت ۲۴ درصد از سطح منطقه بدست آمد. بیشترین میزان صحت کلی برای طبقه­بندی ۶ طبقه، مربوط به طبقه­بندی کننده حداکثر احتمال با صحت کلی ۲۹/۳۸% و ضریب کاپای ۷/۲۷% بدست آمد. سپس طبقه­های با بیشترین تداخل طیفی در هم ادغام شده و طبقه بندی با ۵ طبقه قابل تفکیک انجام شد که نتایج مربوط به طبقه­بندی کننده حداکثر احتمال، افزایش ۱۵ درصدی صحت کلی و ۷ درصدی ضریب کاپا را نشان داد. در مجموع، با توجه به نتایج بدست آمده می­توان بیان داشت که استفاده از داده­های ماهواره­ای ETM+در مطالعاتی که نقشه تیپ به­عنوان نقشه پایه با حداکثر تعداد تیپ موجود در منطقه مورد نظر باشد، مناسب نخواهد بود. به منظور افزایش صحت طبقه بندی، استفاده از دیگر روشهای طبقه­بندی مانند روش شیء پایه و اطلاعات جنبی و داده های چندزمانه قابل توصیه می­باشد

Authors

فرحناز رشیدی

دانشجوی دکتری جنگلداری، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

ساسان بابایی کفاکی

استادیار، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

جعفر اولادی

استادیار، دانشگاه مازندران

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 :
  • ارزانی، ح.، کینگ، گ. و فورستر، ب.، ۱۳۷۶. کاربرد اطلاعات ...
  • بخشنده ناورود، ب.، ۱۳۸۰. مطالعه امکان تفکیک درصد اختلاط گونه ...
  • درویش صفت، ع. ا.، ۱۳۷۶. مقایسه قابلیت داده های ماهواره ...
  • زارع، ع.، ۱۳۷۶. بررسی امکان تهیه نقشه تاغزارهای قائن با ...
  • شتایی جویباری، ش.، ۱۳۷۵. تهیه نقشه جنگل به کمک تصاویر ...
  • شتایی جویباری، ش.، ۱۳۸۲. بررسی امکان تهیه نقشه تیپهای جنگل ...
  • عباسی، م.، ۱۳۸۰. بررسی امکان تهیه نقشه تیپ راش با ...
  • فلاح شمسی، س.ر. و درویش صفت، ع.ا. ، ۱۳۷۶. برآورد ...
  • گرجی بحری، ی.، ۱۳۷۹. بررسی طبقه بندی، تیپولوژی و برنامه ...
  • Brook, R.K. and Kenkel, N.C., ۲۰۰۲. A multivariate approach to ...
  • Bruce, D.A., ۲۰۰۲. Improved object classification accuracy through the combination ...
  • Liu, Q.J., Takamura, T., Takeuchi, N. and Shao, G., ۲۰۰۲. ...
  • Mickelson, J.G. and Daniel, J., ۱۹۹۸. Delineating forest canopy species ...
  • Oladi, D.J., ۱۹۹۷. Developing a framework and methodology for plantation ...
  • Robert, A.S., ۱۹۸۷. Techniques for image processing and classification. Remote ...
  • Saxena, K.G., Tiwari, A.K., Porwal, M.C. and Menon, A.R.R., ۱۹۹۰. ...
  • Scott, G.B. and Graves, M. R., ۲۰۰۱. Classification of land-cover ...
  • Sadhakar, S., Krishnan, N., Das, P.K., Raha, A.K. and Ghash, ...
  • Vogelmann, J.E., Huang, C. and Tolk, B., ۲۰۰۲. Factors affecting ...
  • نمایش کامل مراجع