طبقه بندی مناطق جنگلی شهرستان باغملک به روش شبکه عصبی مصنوعی و حداکثر احتمال با استفاده از تصاویر ماهواره لندست

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 510

فایل این مقاله در 14 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:

MEAENRS02_012

تاریخ نمایه سازی: 16 خرداد 1394

چکیده مقاله:

تحقیق حاضر با هدف طبقهبندی جنگلهای شهرستان باغملک با مساحت 57144 هکتار و با بهکارگیری تصاویر ماهوارهای لندست سنجنده + ETM مربوط به سال 2011 انجام شده است. تصویر مورد استفاده در تحقیق بهدلیل دریافت از سایت USGS دارای سیستم مختصات بودند اما بهدلیل مطابقت با نقاط کنترل زمینی، مورد تصحیح هندسی مجدد قرار گرفتند. سپس به منظور تصحیح اتمسفری دادههای موجود و بر طرف کردن ناهنجاریهایی که ممکن است باعث ایجاد خطا در طبقهبندی شود از روش کاهش تیرگی پدیده استفاده گردید. در این بررسی سعی شده است که در انتخاب نمونههای تعلیمی حداکثر دقت به عمل آید و بهترین مجموعه نمونههای تعلیمی انتخاب گردد. و برای ارزیابی تفکیکپذیری نمونههای تعلیمی از روش ارزیابی کمی تفکیک پذیری کلاسهها استفاده شد. در طبقهبندی تصاویر، از روش طبقهبندی نظارت شده و الگوریتم حداکثر احتمال و شبکه عصبی مصنوعی استفاده گردیدارزیابی نتایج نشان داد که درروش الگوریتم حداکثر احتمال صحت کلی و ضریب کاپای نقشه طبقه بندی شده درتصویر ETM+ برابر 98ه/02 درصد و0/97می باشد و درروش شبکه عصبی مصنوعی برابر 98/34 درصد و 0/97براورد گردید بنابرااین الگوریتم شبکه عصبی دقت بیشتری را نسبت به الگوریتم حداکثر احتمال نشانداده است نتایج برامده ازارزیابی صحت تصویر طبقه بندی شده حاصل ازطبقه بندی دوالگوریتم نشان داد که این تصاویر قابلیت تهیه نقشه طبقه بندی کاربریهای موجوددرمنطقه را دارا می باشند

نویسندگان

پروین باقری فر

کارشناس ارشد جنگلشناسی و اکولوژی جنگل دانشگاه صنعتی خاتم الانبیا بهبهان

رضا بصیری

استادیار گروه جنگلداری دانشکده منابع طبیعی دانشگاه صنعتی خاتم الانبیاء(ص)

زهرا ذوالفقاری

دانشجوی کارشناس ارشد جنگلشناسی و اکولوژی جنگل دانشگاه صنعتی خاتم الانبیا (ص)بهبهان

زهرا موسوی پور

کارشناس ارشد جنگلداری دانشگاه یاسوج

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 :
  • آرخی، صالح، نیازی، یعقوب، (1389)؛ مقایسه تکنیک‌های مختلف پایش تغییر ...
  • آرخی، صالح، نیازی، یعقوب، ابراهیمی، حیدر، (1392)؛ «مقایسه کارایی الگوریتم‌های ...
  • اکبرپور، ابوالفصل، شریفی، محمدباقر، معماریان خلیل‌آباد، هادی، (1384)؛ «مقایسه روش‌های ...
  • امیری، علیرضا، چاوشی، سید حسن، امینی، جلال، (1386)؛ «مقایسه سه ...
  • پرما، روح الله (1388)؛ مقایسه داده‌های سنجند5 ETM' ماهواره لندست ...
  • رسولی، علی اکبر، (1387)؛ مبانی سنجش از دور کاربردی با ...
  • زبیری، محمود، ، علیرضا، مجد، (1375)؛ آشنایی با فن سنجش ...
  • علوی‌پناه، سید کاظم، مسعودی، مسعود، (1380)؛ «تهیه نقشه کاربری اراضی ...
  • علوی‌پناه، سید کاظم، (1382)؛ کاربرد سنجش از دور در علوم ...
  • علوی‌پناه، سید کاظم، رفیعی امام، عمار، حسینی، سید زین الدین ...
  • علیزاده‌ربیعی، حسن، (1378)؛ سنجش از دور، انتشارات سازمان مطالعه و ...
  • فیضی‌زاده، بختیار، هلالی، حسین، (1389)؛ «مقایسه روش‌های یکسل پایه، شیءگرا ...
  • نیازی، یعقوب، اختصاصی، محمدرضا، ملکی‌نژاد، حسین، حسینی، _ زین العابدین، ...
  • Alphan, H. 2011. Classifying land cover conversions in coastal wetlands ...
  • ENVI, 2003, ENVI User's Guide, Research Systems, Inc, 1087 p. ...
  • Kuplich, T.M, Freitas, C. C. and SOARES, J. V. 2000. ...
  • Laliberte, A.S, Browning, D.M and Rango, A. 2012, A comparison ...
  • Luciana, P., Edward, A. Ellis, B. and Henry L. Gholz., ...
  • Lu, D., Mausel, P., Brondizio, E. and Moran, . 2004. ...
  • Rabindra, P., Manish, P. K., Upasana, D., Asima, M., Bishwarup, ...
  • Richards, J. A. and Xiuoping, J. 1999. Remote sensing Digital ...
  • Walker, R., Perz, Stephen, C., Marcellus and Silva, L. G. ...
  • نمایش کامل مراجع