بررسی عملکرد روش های هوشمند و کلاسیک به منظور شناسایی طوفان های گرد و غبار در تصاویر ماهوارهای MODIS

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 754

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICEHH02_193

تاریخ نمایه سازی: 13 آبان 1393

Abstract:

یکی از مهمترین مخاطرات محیطی که طی سالیان اخیر مورد توجه قرار گرفته، پدیدهی گرد و غبار است. در سالهای اخیر این پدیده در ایران ابعاد تازهای گرفته و از یک معضل محلی، به مسئله ای ملی تبدیل شده است. شناسایی و تشخیص طوفان گرد و غبار اولین مرحله در بررسی و پایش آن می باشد. این تحقیق با هدف شناسایی مناطق دارای گرد و غبار از تصاویر ماهوارهای، در منطقه خاورمیانه انجام گرفته است. در بررسی پدیده گرد و غبار، تصاویر سنجنده MODIS با توجه به قدرت تفکیک زمانی و طیفی مناسب، از اهمیت ویژهای برخوردار می باشند. در این مطالعه با استفاده از روش های طبقه بندی درخت تصمیم گیری و شبکه عصبی تلاش شده است که گرد و غبار در تصاویر ماهوارهای MODIS تشخیص داده شود. به علاوه به منظور بررسی دقت هر کدام از روشهای بکار برده شده، از محصول( AOD(Aerosol Optical Depth سنجنده OMI استفاده شده است، که نتایج نشان دهنده دقت و صحت بالاتر روش شبکه عصبی نسبت به سایر روش ها می باشد.

Keywords:

طوفان گرد و غبار , تصاویر ماهوارهای MODIS , شبکه عصبی , درخت تصمیم گیری , شناسایی گرد و غبار

Authors

مهدی آخوندزاده

استادیار گرایش سنجش از دور گروه مهندسی نقشه برداری دانشکده فنی دانشگاه تهران

محسن شهریسوند

دانشجوی کارشناسی ارشد گرایش سنجش از دور گروه مهندسی نقشه برداری دانشکده فنی 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 :
  • Legrand, M., et al. (2001). "Satellite detection of dust using ...
  • Ackerman, S. A. (1989). "Using the radiative temperature difference at ...
  • Ackerman, S. A. (1997). "Remote sensing aerosols using saellite infrared ...
  • Kanellopoulos, I., et al. (1997). Neuro computation in remoe sensing ...
  • Kavzoglu, T. (2001). An investigation of the design and use ...
  • Qu, J. J., et al. (2005). "A Study of African ...
  • Richards, J. A. (2013). Remote sensing digital image analysis: _ ...
  • Rivas-Perea, P., et al. (2010). Traditional and neural probabilistic multispectral ...
  • Xie, Y. (2009). Detection of Smoke and Dust Aerosok Using ...
  • نمایش کامل مراجع