کاربرد تصاویر ماهواره ای لندست و الگوریتم شبکه عصب مصنوعی در بررسی تغییرات کاربری اراضی حوضه سد ایلام

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 36

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_DEEJ-7-19_003

تاریخ نمایه سازی: 19 اسفند 1402

Abstract:

احداث سدهای بزرگ اثرات محیطی مهمی در محیط اطراف داشته و یکی از مهم­ترین آن­ها، تغییرات پوشش اراضی می باشد. از طرفی شناسایی تغییرات زمانی کاربری اراضی پایه گذار شناخت بهتری از روابط و اثرات متقابل انسان و منابع اراضی به ما داده و موجب مدیریت و استفاده پایداری از این منابع می گردد. هدف از این مطالعه بررسی روند تغییرات کاربری اراضی حوضه سد ایلام که یکی از بزرگترین سدهای استان ایلام می باشد، در طی دو دوره قبل و بعد از احداث سد تاکنون است. در این مطالعه به منظور تشخیص تغییرات کاربری های حوضه سد ایلام ، ابتدا با استفاده از تصاویر ماهواره ای لندست و الگوریتم طبقه بندی شبکه عصب مصنوعی، نقشه کاربری اراضی حوضه در طی سال های ۱۳۶۸، ۱۳۷۹ و ۱۳۹۶ تهیه گردید. جهت طبقه بندی تصاویر ماهواره ای از الگوریتم شبکه عصب مصنوعی استفاده شد. در ساختار شبکه، نمونه های آموزشی از طریق لایه ورودی وارد شبکه می شوند و بعد از ضرب شدن در وزن های ارتباط دهنده نرون ها وارد لایه میانی می شوند. این عمل آن قدر تکرار می شود تا مقادیر وزن بهینه شده و میزان خطا به حداقل ممکن تعیین شده برسد. سپس با استفاده از روش مقایسه پس از طبقه بندی به تعیین روند تغییرات کاربری اراضی در طی دو دوره زمانی پرداخته شد. نتایج نشان داد که صحت نقشه های کاربری اراضی سال های مختلف بیش از ۸۵ درصد است که نشان­دهنده قابل اعتماد بودن این نقشه هاست. همچنین مطابق نتایج در طی دو دوره زمانی مذکور و همچنین دوره کلی ۲۸ ساله، سطح کاربری جنگل و اراضی بایر کاهش یافته و سطح کاربری­های دریاچه، مرتع، مسکونی، زراعت دیم و باغ افزایش یافته است.

Authors

عادل سلطانی

دانشگاه پیام نور

میلاد سلطانی

دانشگاه ساری

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 :