ارزیابی روشهای طبقهبندی تصاویر ماهوارهای و تولید نقشه کاربری اراضی با دقت بالا: مطالعه موردی حوزه زرینه و سیمینه رود

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 576

This Paper With 6 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:

ICULC01_011

تاریخ نمایه سازی: 19 خرداد 1396

Abstract:

مدیریت و حفظ منابع طبیعی با بهرهمندی از اطلاعات به هنگام و صحیح میسر خواهد شد . کشاورزی بهعنوان یکی ازارکان توسعه کشور مطرح است و ضعف عمده کشورمان در این زمینه ، نبود یک سیستم مدیریت یکپارچه و عدم وجوداطلاعات دقیق و بهروز برای احقاق این مدیریت است ، بدینجهت نقشههای کاربری اراضی یکی از مهمترین منابع اطلاعاتی در مدیریت این منابع حیاتی به شمار میآید . امروزه فناوری سنجشازدور و استفاده از دادههای ماهوارهای بهصورت گسترده برایمطالعه و شناسایی پدیدههای زمینی مورداستفاده قرار میگیرند . دادههای ماهوارهای ، با توجه به دید کلان و پیوسته ،خاصیت تکراری بودن ، امکان دسترسی به تاریخهای مختلف و استفاده از امواج طیفی مختلف بهعنوان تامینکننده نیازهای اطلاعاتی پایه و به هنگام موردتوجه قرارگرفتهاند . در جهت تشخیص کاربریها و طبقهبندی تصاویر ، انتخاب یک روش مناسبنقشی اساسی را ایفا میکند. روشهای موجود را میتوان به دودسته کلی روشهای پیکسل مبنا و روشهای شی مبنا تقسیمبندی نمود . در روش پیکسل مبنا ، طبقهبندی بر اساس ارزش عددی یک پیکسل انجام میشود اما در روش شی گراطبقهبندی در واحد بزرگتری صورت میگیرد . در این تحقیق الگوریتم طبقهبندی پیکسل پایه حداکثر احتمال و الگوریتمنزدیکترین همسایه شی گرا در طبقهبندی تصاویر سنجنده لندست مورد مقایسه قرار خواهد گرفت . بهمنظور مقایسه نتایج ، نقشه کاربری اراضی بخش جنوبی حوزه دریاچه ارومیه با هر دو روش طبقهبندی تهیهشده است

Keywords:

سنجشازدور , طبقهبندی پیکسل مبنا , شی گرا , کاربری اراضی حوزه دریاچه ارومیه

Authors

محمد ادیب زاده

دانشجوی کارشناسی ارشد مدیریت منابع آب ، دانشگاه صنعتی خواجهنصیرالدین طوسی

علیرضا برهانی داریان

دانشیار و عضو هیاتعلمی گروه مدریت منابع آب دانشگاه صنعتی خواجهنصیرالدین طوسی

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 :
  • فیضی زاده، محمد و محسن حاجی میر رحیمی(1387) .کاربرد داده‌های ...
  • Walter, V. (2004). "Object-based classification of remote sensing data for ...
  • Congalton, R. and K. Green (1999). "Assessing the accuracy of ...
  • Chen, J., P. Gong, C. He, R. Pu and P. ...
  • نمایش کامل مراجع