ارزیابی روش طبقه بندی حداکثر احتمال برای استخراج نقشه کاربری اراضی مطالعه موردی: حوضه آبریز لیقوان چای
Publish place: دومین کنگره بین المللی علوم زمین و توسعه شهری
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 651
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESUD02_221
تاریخ نمایه سازی: 22 آبان 1395
Abstract:
در طول زمان، الگوهای پوشش زمین و به تبع آن کاربری اراضی دچار تغییر و دگرگونی اساسی می شوند و عامل انسانی می تواند بیشترین نقش را در این فرایند ایفا نماید. همواره دانشمندان تلاش نموده اند تا عوامل مسبب تغییرات کاربری اراضی و تاثیرات محیطی مربوطه را شناسایی نمایند. در دهه های گذشته به همین منظور، محققان مشاهدات مختلف و جمع آوری شده از طریق عملیات میدانی و همینطور عکسهای هوایی را جهت کشف تغییرات کاربری اراضی ناشی از تحمیل فرآیندهای طبیعی و انسانی مورد تجزیه و تحلیل قرار داده اند. اما، امروزه، بر پایه پیشرفتهای تکنولوژیکی حاصلهدر قلمرو سنجس از راه دور، میتوان تصاویر ماهواره ای را به منظور بررسی دقیقتر تغییرات محیطی بهنگام پردازش و نتایج نهایی را بطو رمصور مدلسازی نمود. هدف اصلی تحقیق جاری پایش تغییرات کاربری اراضی حوضه لیقوان چای در سال های 1985-2006-2013 می باشد براین اساس برای کشف تغییرات حادث شده و در محدوده مورد مطالعه، تصاویر سنجنده ETM+,TM ماهواره لندست مربوط به سالهای 1985-2006-2013 مورد پردازش قرار گرفت در همین راستا بعد از اعمال تصحیات اتمسفری و هندسی، عملیات بارزسازی تصاویر اجرا و با بهره گیری از روش طبقه بندی نظارت شده الگوریتم حداکثر احتمال هماننندی اعمال و ازاین طریق نقشه های موضوعی کاربری اراضی حوضه لیقوان پای طراحی گردید در نهایت زمینهای بایر در درجه اول جای خود را به باغ و سپس زراعت آبی و نهایتا مناطق مسکونی در منطقه مورد مطالعه داده اند.
Keywords:
Authors
حسن محمودزاده
استادیار گروه جغرافیا و برنامه ریزی شهری دانشگاه تبریز
فاطمه عدیمی عتیق
کارشناس ارشد GIS&RS دانشگاه پردیس بین المللی ارس
اصغر رستم میدان
دانشجوی دکتری جغرافیا و برنامه ریزی شهری دانشگاه زنجان
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 :