بررسی عملکرد روش های هوشمند و کلاسیک به منظور شناسایی طوفان های گرد و غبار در تصاویر ماهوارهای MODIS

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 737

فایل این مقاله در 11 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:

ICEHH02_193

تاریخ نمایه سازی: 13 آبان 1393

چکیده مقاله:

یکی از مهمترین مخاطرات محیطی که طی سالیان اخیر مورد توجه قرار گرفته، پدیدهی گرد و غبار است. در سالهای اخیر این پدیده در ایران ابعاد تازهای گرفته و از یک معضل محلی، به مسئله ای ملی تبدیل شده است. شناسایی و تشخیص طوفان گرد و غبار اولین مرحله در بررسی و پایش آن می باشد. این تحقیق با هدف شناسایی مناطق دارای گرد و غبار از تصاویر ماهوارهای، در منطقه خاورمیانه انجام گرفته است. در بررسی پدیده گرد و غبار، تصاویر سنجنده MODIS با توجه به قدرت تفکیک زمانی و طیفی مناسب، از اهمیت ویژهای برخوردار می باشند. در این مطالعه با استفاده از روش های طبقه بندی درخت تصمیم گیری و شبکه عصبی تلاش شده است که گرد و غبار در تصاویر ماهوارهای MODIS تشخیص داده شود. به علاوه به منظور بررسی دقت هر کدام از روشهای بکار برده شده، از محصول( AOD(Aerosol Optical Depth سنجنده OMI استفاده شده است، که نتایج نشان دهنده دقت و صحت بالاتر روش شبکه عصبی نسبت به سایر روش ها می باشد.

کلیدواژه ها:

طوفان گرد و غبار ، تصاویر ماهوارهای MODIS ، شبکه عصبی ، درخت تصمیم گیری ، شناسایی گرد و غبار

نویسندگان

مهدی آخوندزاده

استادیار گرایش سنجش از دور گروه مهندسی نقشه برداری دانشکده فنی دانشگاه تهران

محسن شهریسوند

دانشجوی کارشناسی ارشد گرایش سنجش از دور گروه مهندسی نقشه برداری دانشکده فنی دانشگاه 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 :
  • Legrand, M., et al. (2001). "Satellite detection of dust using ...
  • Ackerman, S. A. (1989). "Using the radiative temperature difference at ...
  • Ackerman, S. A. (1997). "Remote sensing aerosols using saellite infrared ...
  • Kanellopoulos, I., et al. (1997). Neuro computation in remoe sensing ...
  • Kavzoglu, T. (2001). An investigation of the design and use ...
  • Qu, J. J., et al. (2005). "A Study of African ...
  • Richards, J. A. (2013). Remote sensing digital image analysis: _ ...
  • Rivas-Perea, P., et al. (2010). Traditional and neural probabilistic multispectral ...
  • Xie, Y. (2009). Detection of Smoke and Dust Aerosok Using ...
  • نمایش کامل مراجع