کاربرد الگوریتم درخت تصمیم گیری درتهیه نقشه جنگل بااستفاده ازتصاویرماهواره لندست 8
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 913
This Paper With 8 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:
شناسه ملی سند علمی:
ICSDA01_0899
تاریخ نمایه سازی: 16 خرداد 1394
Abstract:
در اختیار داشتن نقش ههای کاربری اراضی در بسیاری از زمینه ها ازجمله مدیریت منابع طبیعی و برنامه ریزی ها برای سرزمین از اهمیت بسیاری برخوردار است. جنگ لهای زاگرس از مهم ترین سرمایه های اکولوژیکی کشور ما به شمار می روند. ازاین رو اطلاع به هنگام از وضعیت آن ها نقش اساسی در کیفیت مدیریت این مناطق دارد. داده های سنجش ازدور یکی از مهم ترین و بهترین منابع در تولید و ب هروزرسانی نقشه های جنگل به شمار می روند. در این پژوهش به منظور تهیه نقشه جنگل شهرستان ملکشاهی در استان ایلام از تصاویر سنجنده OLI ماهواره لندست 8 مربوط به سال 1393 (1394) استفاده شد. برای طبقه بندی تصویر از روش طبقه بندی درخت تصمیم گیری که از روش های نظارت شده هست و اخیراً در زمینه طبقه بندی داده های سنجش ازدور مورداستفاده قرارگرفته است، تعریف و اجرا شد. صحت کلی 12/89 درصد، ضریب کاپا 8562/0 و صحت های بالای کاربر و تولیدکننده حاکی از قابلیت بالای الگوریتم درخت تصمیم گیری در تهیه نقشه جنگل منطقه موردمطالعه است. درنتیجه استفاده از این الگوریتم می توان دقت طبقه بندی تصاویر ماهواره ای در این منطقه و مناطق شبیه به آن را تا حد زیادی افزایش داد و نقشه های پوشش جنگلی باکیفیت بهتری تولید نمود
Keywords:
Authors
مریم نیک نژاد
دانشجوی دکتری جنگلداری دانشگاه علوم کشاورزی و منابع طبیعی ساری
وحید میرزایی زاده
دانش اموخته کارشناسی ارشد جنگلداری دانشکده کشاورزی و منابع طبیعی دانشگاه ایلام
سیدمحمد حسینی نصر
استادیارگروه جنگلداری دانشکده منابع طبیعی دانشگاه علوم کشاورزی و منابع طبیعی ساری
محمد حجازیان
دانشجوی دکتری مهندسی جنگل دانشگاه علوم کشاورزی و منابع طبیعی 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 :