بهبود تخمین ارتفاع جنگل با روش بهینه سازی کوهرنس هوش جمعی ذرات به کمک داده های تداخل سنجی پلاریمتریک
محل انتشار: نشریه سنجش از دور و GIS ایران، دوره: 8، شماره: 3
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 169
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GIS-8-3_003
تاریخ نمایه سازی: 16 آبان 1400
چکیده مقاله:
ازآنجاکه درختان نقش اساسی در تغییرات دی اکسید کربن و شرایط آب وهوایی دارند، تخمین زیست توده موجود در درختان بسیار اهمیت دارد. روش های راداری که پارامترهای ساختاری را در تخمین زیست توده در نظر نمی گیرند منجر به نتایجی با سطح اشباع پایین می شوند. ارتفاع از پارامترهای ساختاری است و یکی از عوامل مهم تاثیرگذار در بهبود تخمین ارتفاع استفاده از کوهرنس بهینه است. در این مقاله، از داده های شبیه سازی شده در باندهای P و L برای تخمین ارتفاع به روش های تفاضلی، اندازه همدوسی، ترکیبی و Polarization Coherence Tomography (PCT) استفاده شده است. روش تفاضلی باعث تخمین ارتفاع کمتر از مقدار واقعی به اندازه ۱۴ متر در باند P و ۱۱ متر در باند L شده است؛ درحالی که روش اندازه همدوسی، به نسبت روش تفاضلی، نتایج بهتری به دست می آورد و اختلاف مقادیر میانگین ارتفاعات در این روش با مقادیر واقعی در باند P، ۸ متر و در باند L، ۲ متر است. روش های ترکیبی و PCT نتایجی نزدیک به هم دارند و اختلاف میانگین مقادیر ارتفاعات به دست آمده با مقدار واقعی کمتر از ۲ متر است اما نتایج حاصل از روش PCT به دلیل استفاده از کوهرنس بهینه، از روش ترکیبی بهتر است. روش بهینه سازی کوهرنس به روش PSO که در این مقاله پیشنهاد شده است نتایجی بهتر از روش های دیگر حاصل کرده است و اختلاف میانگین مقادیر ارتفاعات به دست آمده با مقدار واقعی به کمتر از ۵/۰ متر می رسد.
کلیدواژه ها:
نویسندگان
سیده سمیرا حسینی
دانشجوی دکتری، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
حمید عبادی
دانشیار، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
یاسر مقصودی
استادیار، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :