مقایسه الگوریتمهای مختلف طبقهبندی تصاویر ماهواره IRS در تهیه نقشه پراکنش گندم (مطالعه موردی: حوضه قرهسو، گرگان
محل انتشار: دومین کنفرانس برنامه ریزی و مدیریت محیط زیست
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,463
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESPME02_334
تاریخ نمایه سازی: 22 خرداد 1391
چکیده مقاله:
به دلیل فقدان نقشه اراضی زراعی در بسیاری از مناطق کشور نمیتوان آمار صحیحی از مناطق کشت محصولات مختلف در هر سال زراعی ارائه داد. با توجه به این که تهیه نقشه زمینهای زراعی به وسیله مساحی نیازمند صرف زمان و هزینه بسیار زیادی میباشد، لذا استفاده از دادههای سنجش از دور به دلیل صرف هزینه و زمان کمتر، یکپارچه و وسیع بودن و تهیه پوششهای تکراری در مقایسه با سایر روشهای گردآوری میتواند مورد توجه قرار گیرد. روشهای مختلفی جهت طبقهبندی تصاویر ماهوارهای وجود دارد که هر یک دارای مزایا و معایبی میباشند. تحقیق حاضر با هدف تعیین بهترین روش طبقهبندی تصویر ماهواره SRI از بین سه روش طبقهبندی نظارت شده جهت استخراج نقشه پراکنش گندم در حوضه قرهسو گرگان صورت گرفته است. در این راستا از دستگاه SPG و نرمافزارهای 1.3.9 SIG CRA و 2.9 ENIGAMI SADRE استفاده شد. برای انجام این تحقیق، محدوده حوزه قرهسو روی تصویر SRI مشخص و از آن جدا گردید و پس از اعمال پردازشهای لازم از جمله تصحیح هندسی تصویر، آنالیز مولفههای اصلی، اعمال شاخص پوشش گیاهی (IVDN(، با استفاده از روش طبقهبندی نظارت شده با سه الگوریتم: حداقل فاصله از میانگین، فاصله ماهالانویی و روش حداکثر احتمال شباهت طبقهبندی بر روی تصویر SRI حوضه قرهسو صورت گرفت و نقشه پراکنش گندم استخراج گردید. از 6831 نقطه کنترل زمینی که توسط دستگاه SPG برداشت شده بود، جهت ارزیابی صحت روشهای طبقهبندی استفاده شد و ضریب کاپا برای هر سه روش طبقهبندی محاسبه شد. نتایج نشان داد که الگوریتم حداکثر احتمال شباهت بیشترین دقت را نسبت به دو روش دیگر داشت، به طوری که نقشه پراکنش گندم استخراج شده توسط این روش از ضریب کاپای بالایی برخوردار بود.
کلیدواژه ها:
نویسندگان
محمدجواد بیدادی
دانشجوی کارشناسی ارشد اگرواکولوژی، دانشگاه علوم کشاورزی و منابع طبیع
بهنام کامکار
دانشیار گروه زراعت دانشگاه علوم کشاورزی و منابع طبیعی گرگان
امید عبدی
کارشناس ارشد
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 :