بررسی پتانسیل تکنیک سنجش از دور و سامانه اطلاعات جغرافیایی در بررسی و پیش بینی تغییر کاربری اراضی (مطالعه مروری)
Publish place: The 4th Conference on Environmental Planning and Management
Publish Year: 1396
Type: Conference paper
Language: Persian
View: 653
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ESPME04_615
Index date: 9 June 2017
بررسی پتانسیل تکنیک سنجش از دور و سامانه اطلاعات جغرافیایی در بررسی و پیش بینی تغییر کاربری اراضی (مطالعه مروری) abstract
در سالهای اخیر فناوری سنجش از دور پیشرفت چشمگیری کرده است به طوریکه می توان با استفاده از این علم، منابع آب، خاک، زمین شناسی، توپوگرافی و سایر اطلاعات زیست محیطی را از راه دور شناسایی کرد. همچنین با استفاده از این علم می توان تغییرات حاصل از عوامل طبیعی و انسانی را بررسی و نوع و مقدار تغییرات را مشخص و پیش بینی نمود. داشتن آمار و اطلاعات به روز، جهت برنامه ریزی و مدیریت آتی محیط زیست ضروری است. از مهمترین کاربردهای سنجش از دور، مطالعات تغییرات اکوسیستم ها در دوره های زمانی معین است که اطلاعات مربوط به نقشه های تغییرات کاربری اراضی را می توان با استفاده از آن استخراج کرد. با توجه به هزینه بالا و بروز نبودن تهیه این نقشه ها بوسیله عملیات زمینی، استفاده از روش های مختلف آنالیز تغییرات نظیر آنالیز مولفه های اصلی، مقایسه پس از طبقه بندی، شبکه های عصبی مصنوعی، تفسیر چند زمانه چشمی، فیلتر ها و سایر موارد مطرح می باشد. در تحقیق حاضر به معرفی و نقش تکنولوژی سنجش از راه دور در شناسایی و پیش بینی تغییرات کاربری اراضی پرداخته شده است.
بررسی پتانسیل تکنیک سنجش از دور و سامانه اطلاعات جغرافیایی در بررسی و پیش بینی تغییر کاربری اراضی (مطالعه مروری) Keywords:
بررسی پتانسیل تکنیک سنجش از دور و سامانه اطلاعات جغرافیایی در بررسی و پیش بینی تغییر کاربری اراضی (مطالعه مروری) authors
ربابه وجدی
دانشجوی کارشناسی ارشد علوم محیط زیست،دانشکده محیط زیست،دانشگاه تهران
الهه ساداتی پور
دانش آموخته کارشناسی ارشد علوم محیط زیست،دانشکده محیط زیست، دانشگاه تهران
امیرهوشنگ احسانی
دانشیار دانشکده محیط زیست، دانشگاه تهران
زهرا اسدی سنگاچینی
دانشجوی کارشناسی ارشد آلودگی محیط زیست ،دانشکده منابع طبیعی، دانشگاه گیلان
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 :