تهیه نقشه کاربری اراضی شهرستان ملایر با استفاده از تصاویرماهواره لندست 8 به روش طبقه بندی شیء گرا
Publish place: The first national conference planning, conservation, environmental protection, sustainable development
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,476
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
PCEPSD01_051
Index date: 8 June 2014
تهیه نقشه کاربری اراضی شهرستان ملایر با استفاده از تصاویرماهواره لندست 8 به روش طبقه بندی شیء گرا abstract
این تحقیق با هدف تهیه نقشه شهرستان ملایر به صورت تلفیقی در سطح یک و دو با استفاده از تصویر ماهواره لندست 8 سال 2013 و با روش طبقه بندی شیء گرا پس از انجام عملیات پیش پردازش نظیر آماده سازی تصویر، اصلاح رادیومتریکی و هندسی با استفاده از نرم افزار eCognition Developer8.7 تهیه گردید. سپس با استفاده از ماتریکس خطا و نتیجه بهترین طبقه بندی، ارزیابی صحت نقشه تهیه شده صورت گرفت. بررسی نشان داد استفاده از روش شیء گرا و ا لگوریتم نزدیکترین همسایه برای استخراج کاربری های مختلف در سطح محدوده مورد مطالعه از جمله آب، مرتع، اراضی شور، نواحی انسان ساخت، دیمزار، مناطق ک وهستانی، زارعت آبی، نتایج قابل قبولی به دست می آید. در نهایت کاربری های فوق در سطح منطقه کاری تفکیک که به تبع آن محدوده آبی با مساحت 214/45 هکتار دارای کمترین مساحت و کاربری مراتع با 86333/48 هکتار بیترین مساحت را در برگرفته است. با توجه به ارزیابی صحت نقشه تهیه شده، صحت کلی برابر 88 درصد و ضریب کاپا برابر 0/85 بدست آمد.
تهیه نقشه کاربری اراضی شهرستان ملایر با استفاده از تصاویرماهواره لندست 8 به روش طبقه بندی شیء گرا Keywords:
تهیه نقشه کاربری اراضی شهرستان ملایر با استفاده از تصاویرماهواره لندست 8 به روش طبقه بندی شیء گرا authors
محمد فرامرزی
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده ادبیات و علوم انسانی، دانشگاه محقق اردبیلی
اردوان قربانی
استادیار گروه مرتع و آبخیزداری، دانشگاه محقق اردبیلی
بهروز احمدی
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم انسانی، دانشگاه محقق اردبیلی
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 :