مقایسه کارایی چهار روش طبقه بندی تصاویر ماهواره ای برای تهیه نقشه گستره جنگلی زاگرس دراستان لرستان

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 612

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

IALE02_144

تاریخ نمایه سازی: 5 بهمن 1395

Abstract:

روند رو به رشد جنگل زدایی به دلایل مختلف، داشتن اطلاعات بروز و کمی از جنگل ها را به منظور مدیریت بهتر و کارآمدتر نسبت به گذشته ضروری ساخته است. تصاویر ماهواره ای با توجه به فرمت رقومی مناسب، گستردگی منطقه تحت پوششی، دوره بازگشت زمانی کوتاه و همچنین قدرت تفکیک مکانی بالا به ما این امکان را داده اند که از طریق پردازش و تفسیر و طبقه بندی آنها بتوانیم اطلاعات دقیق و به روزی را از پوشش و کاربری اراضی به خصوص جنگل ها بدست آوریم. تا به امروز روش های مختلفی برای طبقه بندی تصاویر ماهواره ای بوجود آمده است که هر کدام دارای کاستی ها و برتری هایی نسبت به یکدیگر هستند. شناخت مزایا و معایب این روش ها می تواند به ما در انتخاب روش مناسب کمک شایانی کند. بدین منظور در این پژوهشی کارایی چهار روش طبقه بندی شامل حداکثر احتمالی، حداقل فاصله، متوازی السطوح و شبکه عصبی در تهیه نقشه گستره جنگلی زاگرس در استان لرستان با استفاده از تصاویر سنجنده OLI لندست 8 و با در نظر گرفتن صحت کلی، مورد بررسی قرار گرفت. نتایج حاکی از برتری روش شبکه عصبی با صحت کلی 88 ٪ بود. صحت کلی برای سایر روش هابرابر با 85/، 83 و 77 ٪ به ترتیب برای طبقه بندی کننده های حداکثر احتمالی، حداقل فاصله و متوازی السطوح بود.

Keywords:

طبقه بندی تصاویر ماهواره ای , جنگل های زاگرس , پوشش و کاربری اراضی , صحت کلی

Authors

امید قدیریان

دانشجوی کارشناسی ارشد ارزیابی و آمایش سرزمین-دانشکده منابع طبیعی دانشگاه صنعتی اصفهان

محمودرضا همامی

دانشیار گروه محیط زیست، دانشکده منابع طبیعی دانشگاه صنعتی اصفهان

علیرضا سفیانیان

دانشیار گروه محیط زیست-دانشکده منابع طبیعی دانشگاه صنعتی اصفهان

سعید پور منافی

استادیار گروه محیط زیست، دانشکده منابع طبیعی دانشگاه صنعتی اصفهان

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 :
  • _ سل اتواوزق سای سرزمن _ _ _ [10] Boyad, ...
  • Achard, F. Eva, D. H. Stibing, H. Mayaux, P. Gallego, ...
  • Amato, D. Recola, M. Li, N. & Toppinen, A. 2016. ...
  • Boyad, D. S. Foody, G. M. Ripple, W. J. 2002. ...
  • Li, M. Zang, S. Zhang, B. Li, S. & Wu, ...
  • نمایش کامل مراجع