مقایسه روش های تفسیر چشمی و رقومی در تهیه نقشه کاربری و پوشش اراضی استان اردبیل
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 477
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_GIRS-8-3_008
تاریخ نمایه سازی: 25 خرداد 1398
چکیده مقاله:
تهیه نقشه کاربری/ پوشش اراضی یکی از پرکاربردترین موارد استفاده از داده های سنجش از دور است. داده های سنجش از دور به جهت ارائه ی اطلاعات به هنگام، رقومی، پوشش تکراری، کم هزینه بودن، امکان پردازش و پتانسیل بالا برای تهیه نقشه های کاربری و پوشش اراضی در منابع طبیعی، از اهمیت بالایی برخوردار است. در این تحقیق نقشه کاربری و پوشش اراضی با استفاده از تصاویر گوگل ارث و تصویر سنجنده OLI ماهواره Landsat 8 و روش های تفسیر چشمی (تصاویر GE)، طبقه بندی نظارت شده، شبکه عصبی مصنوعی و طبقه بندی شیءپایه، (تصویر لندست 8)، تهیه و با یکدیگر مقایسه شدند. برای ارزیابی صحت طبقه بندی از شاخص های صحت کل، ضریب کاپا، صحت تولیدکننده و صحت کاربر استفاده شد. نتایج نشان داد روش تفسیر چشمی با صحت کلی 4/99 و ضریب کاپای 99/0، نسبت به روش های شیءپایه، نظارت شده و شبکه عصبی مصنوعی (به ترتیب با صحت کلی 94، 82 و 8/60 و ضریب کاپای 92/0، 77/0 و 5/0) از صحت بیشتری برخوردار است. بر اساس نقشه تفسیر چشمی مراتع با مساحت 946687 هکتار و پهنه های آبی با مساحت 4/2177 هکتار به ترتیب بیشترین و کمترین کاربری را به خود اختصاص دادند. در مجموع از نظر صحت، روش تفسیر چشمی با استفاده از تصاویر گوگل ارث از صحت بالایی برخوردار است اما روشی زمان بر و پر هزینه است، در مقابل روش طبقه بندی شیءپایه با صحت قابل قبول و هزینه و زمان کمتر، مناسب ترین روش برای تهیه نقشه کاربری/ پوشش اراضی است.
کلیدواژه ها:
نویسندگان
آزاد کاکه ممی
دانش آموخته کارشناسی ارشد مرتعداری، دانشگاه محقق اردبیلی
اردوان قربانی
دانشیار دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
فرشاد کیوان بهجو
دانشیار دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
امیر میرزایی موسیوند
دانش آموخته دکتری مرتعداری، دانشگاه محقق اردبیلی
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 :