بررسی عملکرد شاخص NDVI در پیش بینی خشکسالی با استفاده از روش ماشین بردار پشتیبان

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 752

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCEGIT01_180

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

ایران در منطقه خشک و نیمه خشک قرار گرفته است و همه ساله دچار خشکسالیهای فراوانی میشود. پایش و پیشبینی خشکسالی میتواند آسیبهای ناشی از آن را کاهش دهد. از بزرگترین مشکلات برای پایش و پیشبینی خشکسالی در ایران میتوان به کمبود اطلاعات ایستگاهی هواشناسی طولانی مدت اشاره کرد. در این تحقیق با استفاده از روش ماشین بردار پشتیبان SVM عملکرد شاخص تفاضلی نرمال شدهی پوشش گیاهیNDVIدر پیشبینی خشکسالی با استفاده از تصاویر ماهوارهای مورد بررسی قرار گرفت. شاخص-های پوشش گیاهی به دست آمده از تصاویر ماهوارهای به دلیل رزولوشن مکانی و زمانی مناسب این تصاویر میتوانند مشکل کمبود تعداد ایستگاههای هواشناسی و توزیع نامناسب آنها را رفع کنند. از شاخص خشکسالی SPI شاخص استاندارد شده بارش برای بیان خشکسالی استفاده شد. شاخص پوشش گیاهی ذکر شده NDVI از تصاویر سنجنده NOAA-AVHRR محاسبه و استخراج شده است. این شاخص به عنوان ورودی وارد مدل SVM شد و مقادیر SPI متناظر را به دست داد.

نویسندگان

حامد حیدری

دانشجوی کارشناسی ارشد سنجش از دور دانشکده مهندسی ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی

محمد جواد ولدان زوج

دانشیار گروه فتوگرامتری و سنجش از دور دانشکده مهندسی ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی

یاسر مقصودی

استادیار گروه فتوگرامتری و سنجش از دور دانشکده مهندسی ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی

سعید مشهدی زاده ملکی

کارشناس ارشد مهندسی ژئودزی دانشگاه تبریز

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 :
  • W.C. Palmer, _ Meteorological Drought, ; US Dept. of Com- ...
  • T.B. McKee, N.J. Doesken, and J. Kleist, "The Relationship of ...
  • C.M. Rulinda, A. Dilo, W. Bijker, and A. Steina, _ ...
  • C. Bhuiyan, R.P. Singh, and F.N. Kogan, "Monitoring Drought Dynamics ...
  • S.K. Jain, R. Keshri, A. Goswami, and A. Sarkar, "Application ...
  • C. Hopfiner and _ Scherer, "Analysis of Vegetation and Land ...
  • B. Li and S. Tao, :Relations between AVHRR NDVI and ...
  • A. Lotsch, M.A. Friedl, and B.T. Anderson, :Coupled Vegetation- Precipitation ...
  • M.J. Kinyanjui, "NDVI-Based Vegetation Monitoring in Mau Forest Complex, Kenya, ...
  • X. Song, G. Saito, M. Kodama, and H. Sawada, "Early ...
  • L. Ji and A.J. Peters, "Assessing Vegetation Response to Drought ...
  • C.J. Tucker, :Red and Photographic Infrared Linet Combinations for Monitoring ...
  • F.G. Alonso et al., "Drought Monitoring in Spain Using Satellite ...
  • D.C. Edwards, :Characteristis of 20th Century Drought in the United ...
  • نمایش کامل مراجع