مقایسه دقت طبقه بندی سری زمانی تصاویر لندست در پایش تغییرات کاربری اراضی

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 442

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_GIRS-8-2_003

تاریخ نمایه سازی: 25 خرداد 1398

Abstract:

در این تحقیق، سه روش طبقه بندی شبکه عصبی مصنوعی، حداکثر احتمال و حداقل فاصله جهت تحلیل تغییرات کاربری اراضی، طی سال های 1989 تا 2015 در سه سنجنده ماهواره لندست در منطقه ساری مورد ارزیابی و مقایسه قرار گرفت. پس از تصحیحات هندسی و اتمسفری، تصاویر سال 1989، 2002 و 2015، تحت سه الگوریتم   شبکه عصبی مصنوعی، حداکثر احتمال و حداقل فاصله در پنج کلاس کاربری طبقه بندی شدند. پس از ارزیابی صحت روش ها، مقدار کاپای حداکثر احتمال، شبکه عصبی مصنوعی و حداقل فاصله برای سال 1989 به ترتیب 92%،87% و 65% و سال 2002 به ترتیب 89%، 87% و 60% و سال 2015 به ترتیب 91%، 90% و 73% برآورد شد. که نشان دهنده برتری روش حداکثر احتمال در مقایسه با دو روش دیگر در سال 1989 بود. همچنین نتایج حاصل از بررسی تغییرات کاربری اراضی در کل دوره موردبررسی (سال های 1989 تا 2015)، نشان داد که مناطق انسان ساخت و زراعت آبی به ترتیب 3615 و 575 هکتار افزایش داشته اند ولی مناطق بایر، باغ و جنگل به ترتیب 1791، 1127 و 1272 هکتار روند رو به کاهشی را داشته اند با توجه به نتایج گرفته شده، دو روش حداکثر احتمال و شبکه عصبی برای طبقه بندی کاربری اراضی مناسب بود، اما روش حداکثر احتمال با اختلاف 5 درصد در سال 1989 و 2 درصد در سال 2002 و 1 درصد در سال 2015 در ضریب کاپا نسبت به روش شبکه عصبی بهتر بود.

Authors

احمد عظیمی نجارکلایی

دانش آموخته کارشناسی ارشد سنجش از دور و GIS، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران

علی اکبر جمالی

دانشیار دانشکده کشاورزی و منابع طبیعی، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران

زین العابدین حسینی

استادیار دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد

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 :
  • احمدپور، ا.، ک.، سلیمانی، م. شکری و ج. قربانی. 1390. ...
  • احمدی ندوشن، م.، ع. ر. سفیانیان و س. ج. خواجه­الدین. ...
  • اسلمی، ف.، ا. قربانی، ب. سبحانی و م. پناهنده. 1394. ...
  • آرخی، ص. 1393. پیش بینی روند تغییرات مکانی کاربری اراضی ...
  • آرخی، ص. 1393. تهیه نقشه کاربری اراضی دشت عباس ایلام ...
  • بلوچی، ب.، م. دهقانی و م. ر. نیکو. 1395. بررسی ...
  • رضایی مقدم، م. ح.، ص. اندریانی، خ. ولیزاده کامران و ...
  • ریاحی بختیاری، ح. ر.، ع. ا. درویش­صفت و م. زبیری. ...
  • سفیانیان، ع. 1388. بررسی تغییرات کاربری اراضی محدوده شهر اصفهان ...
  • علوی­پناه، ک. 1385. کاربرد سنجش از دور در علوم زمین. ...
  • علی محمدی، ع.، ع. ا. متکان، پ. ضیائیان و ه. ...
  • مختاری، م. ح و ا. نجفی. 1394. مقایسه روش های ...
  • مظاهری، م. ر.، م. اسفندیاری، م. ح. مسیح­آبادی و ا. ...
  • معبودی، م. ت. و ه. حکیمی. 1394. تحلیلی بر تغییرات ...
  • مکرونی، س.، غ. ر. سبزقبایی، ش. یوسفی خانقاه و س. ...
  • ممبینی، م.، م. آسیایی و ع. کرمشاهی. 1392. مقایسه روش ...
  • نظری سامانی، ع. ا.، م. قربانی و ح. ر. کوهبانی. ...
  • Bayarsaikhan U, Boldgiv B, Kim K-R, Park K-A, Lee D. ...
  • Butt A, Shabbir R, Ahmad SS, Aziz N. 2015. Land ...
  • Foody GM. 2000. Mapping land cover from remotely sensed data ...
  • Jensen JR. 2005. Introductory Digital Image Processing: A Remote Sensing ...
  • Lu D, Li G, Moran E, Freitas C, Dutra L, ...
  • Mitsova D, Shuster W, Wang X. 2011. A cellular automata ...
  • Roostaei S, Alavi S, Nikjoo M, Kamran KV. 2012. Evaluation ...
  • Saeidi S, Mohammadzadeh M, Salmanmahiny A, Mirkarimi SH. 2017. Performance ...
  • Schulz JJ, Cayuela L, Echeverria C, Salas J, Benayas JMR. ...
  • Srivastava PK, Han D, Rico-Ramirez MA, Bray M, Islam T. ...
  • Yang X. 2011. Parameterizing support vector machines for land cover ...
  • نمایش کامل مراجع