مقایسه کارایی روش های طبقهبندی ماشین بردار پشتیبان و سطوح موازی تصاویرماهوارهای در تهیه نقشه سنگ فرش بیابان
Publish place: The first research congress on the application of modern sciences in geographical studies of Iran
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 582
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IGIS01_043
تاریخ نمایه سازی: 9 فروردین 1395
Abstract:
شناسایی و طبقه بندی انواع سنگ فرش بیابان و اشکال فضایی آنها امری بسیار مهم در امور مدیریت و برنامهریزی به منظور حراست و شناخت عوامل تغییرات اراضی مذکور است. دادههای ماهوارهای یکی از سریعترین و کمهزینهترین روشها در اختیار محققان در این زمینه است. درپژوهش حاضر با استفاده از تصاویر سنجنده ETM+ ماهواره لندست کارایی دو روش ماشین بردار پشتیبان و حداکثر احتمال در تفکیک انواع سنگ فرشهای بیابان منطقه خشک جنوب سمنان مورد بررسی قرار گرفته است. از منطقه مورد مطالعه بازدید میدانی صورت گرفته، نمونههای تعلیمی تهیه و تراکم درصد سنگ توسط ترانسکت و خطکش تعیین گردید. پیشپردازش و پردازش تصاویر توسط روشهای مذکور در نرمافزارهای Idrisi Selva و ENVI 4.5 انجام گرفت. به منظور ارزیابی صحت نیز از ضرایب کاپا، دقت کلی، دقت تولید کننده و صحت کاربر استفاده شد. نتایج نشان دادکه شاخص کاپای برآورد شده برای دو روش مورد بررسی ماشین بردار پشتیبان85/05 و سطوح موازی 21/06 برای روش بودند که بر این اساس روش ماشین بردار پشتیبان از دقت بیشتری برخوردار بوده است. بررسی ضرایب دقت کلی بدست آمده نیز حاکی از برتری روش ماشین بردار پشتیبان نسبت به روش سطوح موازی بوده است به طوریکه به ترتیب برابر با 88/7892و41/2556 درصد براورد گردیدند
Keywords:
Authors
حریر سهرابی
نویسنده مسئول: دانشجوی کارشناسی ارشد بیابانزدایی، دانشکده کویر شناسی، دانشگاه سمنان، سمنان، ایران
هایده آرا
استادیار، دانشکده کویرشناسی، دانشگاه سمنان، سمنان، ایران
علی احمدآبادی
استادیار، دانشکده جغرافیا، دانشگاه خوارزمی، تهران، ایران
محمدکیا کیانیان گل افشانی
مربی، دانشکده کویر شناسی، دانشگاه سمنان، سمنان، 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 :