ارزیابی روش های پیکسل پایه و شی گرا در طبقه بندی پوشش/کاربری اراضی شهر اندیمشک با استفاده از تصویر سنجنده OLI ماهواره لندست 8
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,162
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICSAU04_1776
Index date: 2 August 2017
ارزیابی روش های پیکسل پایه و شی گرا در طبقه بندی پوشش/کاربری اراضی شهر اندیمشک با استفاده از تصویر سنجنده OLI ماهواره لندست 8 abstract
امروزه نقش استفاده از نقشه های کاربری/پوشش اراضی در مدیریت توسعه شهری، منابع طبیعی و محیط زیست بر کسیپوشیده نیست. مجهز شدن مدیران شهری و منابع طبیعی به روشهای تولید سریع، ارزان و دقیق این نقشه ها و اتخاذتصمیم گیری های صحیح و کارآمد بر پایه این نقشه ها، می تواند راهگشای بسیاری از مشکلات گریبانگیر شهرهای متوسطو کلانشهرها باشد. در این راستا می توان با استفاده از روش های پردازش رقومی مختلف بر روی تصاویر ماهوارهای این نقشهها را تولید کرد.هدف این پژوهش ارزیابی روش های پیکسل پایه و شی گرا در طبقه بندی نظارت شده پوشش/کاربری اراضیشهر اندیمشک با استفاده از تصویر سنجنده OLI ماهواره لندست 8 مربوط به تاریخ 4 جولای 2016 می باشد. لذا بعد ازاجرای مراحل پیش پردازش، 11 نوع روش طبقه بندی پیکسل پایه به همراه روش طبقه بندی شی گرا بر روی تصویر اجراشد. در مرحله پس پردازش، نقشه های موضوعی حاصل از هر طبقه بندی به همراه دقت کلی و ضریب کاپای آنها تهیه گردید. نتایج نشان داد که طبقه بندی شی گرا با ضریب کاپای 0/991147 بالاترین دقت و طبقه بندی با الگوریتم متوازی السطوح با ضریب کاپای 0/4769 کمترین دقت را دارند.
ارزیابی روش های پیکسل پایه و شی گرا در طبقه بندی پوشش/کاربری اراضی شهر اندیمشک با استفاده از تصویر سنجنده OLI ماهواره لندست 8 Keywords:
ارزیابی روش های پیکسل پایه و شی گرا در طبقه بندی پوشش/کاربری اراضی شهر اندیمشک با استفاده از تصویر سنجنده OLI ماهواره لندست 8 authors
احسان مرادی مطلق
دانشجوی کارشناسی ارشد سنجش از دور و GIS ، دانشگاه تبریز، دبیر فیزیک استان خوزستان
خلیل ولی زاده کامران
استادیار گروه سنجش از دور و GIS دانشگاه تبریز
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 :