CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Forest Stand Types Classification Using Tree-Based Algorithms and SPOT-HRG Data

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۶ | تعداد نمایش خلاصه: ۱۴ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: JR_IJERR-2-1_004
زبان مقاله: انگلیسی
حجم فایل: ۹۹۴.۲۷ کیلوبایت (فایل این مقاله در ۱۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Forest Stand Types Classification Using Tree-Based Algorithms and SPOT-HRG Data

Syavash Kalbi - Forestry Department, Sari University of Agricultural Sciences and Natural Resources, Sari, Iran
Asghar Fallah - Forestry Department, Sari University of Agricultural Sciences and Natural Resources, Sari, Iran
Shaban Shataee - Gorgan University of agricultural sciences and natural resources

چکیده مقاله:

Forest types mapping, is one of the most necessary elements in the forest management and silviculture treatments. Traditional methods such as field surveys are almost time-consuming and cost-intensive. Improvements in remote sensing data sources and classification –estimation methods are preparing new opportunities for obtaining more accurate forest biophysical attributes maps. This research compares performance of three non-parametric and tree-based algorithms i.e. the Classification and Regression Tree (CART), Boosting Regression Tree (BRT) and Random Forest (RF) for general forest type mapping using semi high resolution of SPOT-HRG data. Using a systematic random sampling design in a small area of the Hyrcanian forests, tree and shrubs species were registered in 150 sample plots. The general forest types of plots were named based on frequency of dominant species methods. After geometric and atmospheric corrections of SOPT-HRG data, suitable image processing transformations were applied on main bands to produce general vegetation indices and principal components. A wall-to-wall forest type classification of processed bands was done using three nonparametric algorithms. The forest type maps were assessed using unused test plots. Results shows that RF algorithm compared to CART and BRT algorithms with overall accuracy of 70% and kappa coefficient of 0.63 could better classify the forest stand types, while the CART method had the lowest accuracy with overall accuracy of 60% and kappa coefficient of 0.51. A performance result of the BRT classifier shows that their result is slightly similar to RF classifier.

کلیدواژه‌ها:

Forest types classification, Tree-based algorithms, Hyrcanian forest, SPOT-HRG

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-JR_IJERR-JR_IJERR-2-1_004.html
کد COI مقاله: JR_IJERR-2-1_004

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Kalbi, Syavash; Asghar Fallah & Shaban Shataee, ۱۳۹۳, Forest Stand Types Classification Using Tree-Based Algorithms and SPOT-HRG Data, Environmental Resources Research 2 (1), https://www.civilica.com/Paper-JR_IJERR-JR_IJERR-2-1_004.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Kalbi, Syavash; Asghar Fallah & Shaban Shataee, ۱۳۹۳)
برای بار دوم به بعد: (Kalbi; Fallah & Shataee, ۱۳۹۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.