بررسی توان داده های ماهواره ای+ ETM جهت تفکیک تیپهای پوششی جنگل در جنوب زاگرس (مطالعه موردی دزفول )
محل انتشار: همایش ژئوماتیک 85
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,457
فایل این مقاله در 10 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:
GEO85_15
تاریخ نمایه سازی: 24 دی 1384
چکیده مقاله:
به منظور آزمون توان داده های ماهواره ای سنجنده +ETM جهت تهیه نقشه تیپ جنگل در مناطق جنوبی رشته کوههای زاگرس ، منطقه ای وسعت تقریبی 6000 هکتار از توابع درفول در شمال استان خوزستان انتخاب و مورد مطالعه قرار گرفت. واقعیت زمینی منطقه با استفاده از نمونه برداری تصادفی منظم و قطعات نمونه چهار هکتاری تهیه گردید. پس از انجام ترکیب داده ها با استفاده از الگوریتم تبدیل براوی و تصحیح هندسی تصویر با نقشه مبنا، مجموعه داده مورد استفاده تحت عملیات پیش پردازش نظیر نسبت گیری طیفی و تجزیه مولفه های اصلی قرار گرفت و نتایج حاصله به مجموعه داده اضافه شدند. بررسی تفکیک پذیری طبقات با استفاده از معیار فاصله باتاچاریا انجام شد. طبقه بندی داده ها با استفاده از الگوریتم حداکثر احتمال انجام شده و تصویر طبقه بندی شده با واقعیت زمینی مورد مقایسه پیکسل به پیکسل قرار گرفت. از چهار معیار صحت کلی، شاخص کاپا، صحت تولید کننده و صحت کاربر جهت بیان صحت طبقه بندی استفاده شد و میزان صحت کلی معادل 55 درصد و شاخص کاپا 0/38 را به دست داد. نتایج حاصل از این تحقیق گویای قابلیت متوسط داده های مورد استفاده و روشهای ذکر شده جهت طبقه بندی تیپهای جنگلی در منطقه مورد مطالعه بوده و انجام بررسی های مقایسه ای با دیگر سنجنده ها و نیز اعمال روشهایی در جهت به حداقل رساندن بازتاب طیفی پس زمینه در این خصوص پیشنهاد می گردد.
کلیدواژه ها:
نویسندگان
کامران عادلی
دانش آموخته کارشناسی ارشد جنگلداری- دانشکده منابع طبیعی دانشگاه مازندران
هومن لطیفی
دانش آموخته کارشناسی ارشد جنگلداری- دانشکده منابع طبیعی دانشگاه مازندران
جعفر اولادی
استادیار دانشکده منابع طبیعی دانشگاه مازندران
جواد آبادیان
کارشناس سامانه های اطلاعات جغرافیائی- مهندسین مشاور مشانیر- تهران
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 :