مقایسه دو الگوریتم حداکثر احتمال و فاصله ماهالانوبیس در طبقه بندی داده ی ماهواره Worldview2 جهت پهنه بندی گونه ی Loranthus europaeus
Publish place: Second National Conference on Agriculture and Development
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,191
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGRIDEV02_045
تاریخ نمایه سازی: 30 بهمن 1394
Abstract:
؛Loranthus europaeus یا گونه نیمه انگلی موخور یکی از عوامل تهدیدکننده جنگل های زاگرس به شمار می رود کهبه منظور مدیریت عرصه های جنگلی، شناسایی آن مهم است. به همین منظور منطقه حفاظت شده کوه منجل واقع دراستان ایلام به دلیل حضور چشمگیر موخور با شدت های متفاوت و عدم انجام پاکسازی با مساحت 37 هکتار، دررویشگاه زاگرس به عنوان نمونه برای بررسی و مطالعه انتخاب گردید. به منظور پهنه بندی موخور، داده ی ماهواره ای باقدرت تفکیک مکانی بالا Worldview 2 مربوط به اواخر آبان ماه (سال 2010) و پس از خزان بلوط تهیه شد. پس ازانجام تصحیح اورتو و رادیومتریکی، Pansharpenning تصویر چند طیفی، همچنین نسبت گیری طیفی و تهیهشاخص تفاوت گیاهی نرمال شده و شاخص پوشش گیاهی بهبودیافته، دو مؤلفه روشنایی و سبزینگی تبدیل تسلدکپ،آنالیز مؤلفه های اصلی و با 312 نقطهی واقعیت زمینی، دو الگوریتم فاصله ی ماهالانوبیس و حداکثر احتمال موردمقایسه قرار گرفتند. نهایتاً الگوریتم فاصله ی ماهالانوبیس با دقت کلی 5 / 64 % و حداکثر احتمال با دقت کلی 2 / 75 %نقشه سطوح آلوده و سالم را ارایه داد. با توجه به نتایج به دست آمده، جهت پهنه بندی موخور در کل منطقه زاگرسزمان مناسب تصویربرداری، دادهی ماهوارهای با قدرت تفکیک مکانی بالا، مناطق نمونه و واقعیت زمینی مناسبضروری است.
Keywords:
Authors
بهاره سهرابی سراج
دانشجوی دکتری، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، گروه جنگلداری، تهران، ایران
هادی کیادلیری
استادیار، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، گروه جنگلداری، تهران، ایران
ساسان بابایی کفاکی
استادیار، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، گروه جنگلداری، تهران، ایران
رضا اخوان
دانشیار پژوهش، موسسه تحقیقات جنگل ها و مراتع کشور، تهران. ایران.
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 :