CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

ارزیابی طبقه بندی شبکه عصبی مصنوعی جهت استخراج آشفتگی های جنگل مطالعه موردی: جنگل خیرودکنارنوشهر

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۲۷۶ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: UUSD01_0398
زبان مقاله: فارسی
حجم فایل: ۹۷۱.۷۷ کیلوبایت (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۳ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۳ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی طبقه بندی شبکه عصبی مصنوعی جهت استخراج آشفتگی های جنگل مطالعه موردی: جنگل خیرودکنارنوشهر

  ساسان بابایی کفاکی - استادیار گروه جنگلداری , دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
  اسداله متاجی - دانشیار گروه جنگلداری , دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
  سمیه استادی - دانشجو کارشناسی ارشد جنگلداری، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
  محمد کمانگر - دانشجو دکتری آبخیزداری دانشکده منابع طبیعی دانشگاه هرمزگان

چکیده مقاله:

در دهه های اخیر، تغییرات سریع کاربری اراضی و پوشش زمین بویژه در جنگل ها با پیامدهای مهمی چون تخریب منابع طبیعی،آلودگی های زیست محیطی همراه بوده است . استفاده از فن آوری های نوین همچون سنجش از دور با مزایای متعدد خود می تواند نوعپوشش زمین را در مناطق بزرگ مشخص نماید. طبقه بندی تصویر یکی از پرکاربرد ترین روشهای استخراج اطلاعات موضوعی از جملهتفکیک مناطق جنگلی از غیر جنگلی می باشد. روش های آماری طبقه بندی, نظیر طبقه بندی حداکثر احتمال, مشکلاتی از قبیل الزام فرضیات و دیتاهای مورد نیاز , برای استفاده از این روشها را دارند ، روش های جدیدتر از جمله شبکه های عصبی به دلیل ماهیت غیرپارامتریک و قابلیت شان برای بهره گیری ازمثال ها و توانایی تعمیم آنها جدیدا مورد استفاده قرار گرفته است. هدف از این تحقیقاستخراج آشفتگی های جنگل خیرود با استفاده از تصاویر سنجش از دور و ارزیابی طبقه بندی شبکه عصبی مصنوعی می باشد پس از طبقه بندی تصاویر منطقه حدود88/35درصد جنگل و 11/64درصد غیر جنگل تشخیص داده شد. با استفاده از نقاط کنترل زمینی نقشه طبقه بندی, مورد ارزیابی قرار گرفت در پایان نشان داده شد که RMSE بیش از 88 درصد روش شبکه عصبی مصنوعی, نشان از کارایی بالای این طبقه بندی در استخراج آشفتگی های جنگل دارد

کلیدواژه‌ها:

جنگل، آشفتگی، سنجش از دور، شبکه عصبی مصنوعی، خیرودکنار

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-UUSD01-UUSD01_0398.html
کد COI مقاله: UUSD01_0398

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:
بابایی کفاکی, ساسان؛ اسداله متاجی؛ سمیه استادی و محمد کمانگر، ۱۳۹۳، ارزیابی طبقه بندی شبکه عصبی مصنوعی جهت استخراج آشفتگی های جنگل مطالعه موردی: جنگل خیرودکنارنوشهر، اولین کنفرانس ملی شهرسازی، مدیریت شهری و توسعه پایدار، تهران، موسسه ایرانیان، انجمن معماری ایران، https://www.civilica.com/Paper-UUSD01-UUSD01_0398.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: (بابایی کفاکی, ساسان؛ اسداله متاجی؛ سمیه استادی و محمد کمانگر، ۱۳۹۳)
برای بار دوم به بعد: (بابایی کفاکی؛ متاجی؛ استادی و کمانگر، ۱۳۹۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • احد نژاد روشنی ومحسن _ ۱۳۷۹، ارزیابی و مدلسازی روند ...
  • تصویری، محمدرضا، ۱۳۷۵، بارزسازی تغییرات کاربری و پوشش گیاهی در ...
  • سرمدیان.ف.وجعفری , م.(۱۳۸۰)؛«بررسی خاکهای جنگلی ایستگاه تحقیقاتی آموزشی دانشکده منابع ... (مقاله ژورنالی)
  • شتایی جویباری , ش , (۱۳۸۲)بررسی امکان تهیه نقشه تیپ ...
  • علوی پناه , ک, (۱۳۸۹)؛کاربرد سنجش از دور در علوم ...
  • غیاثوند غلامرضا، تهیه نقشه تغییرات کاربری اراضی با استفاده از ...
  • فاطمی، سید باقر و رضایی، یوسف، (۱۳۸۹)، مبانی سنجش‌ازدور، چاپ ...
  • قیومی محمدی، (۱۳۷۹)؛ هشداری در مورد تبدیل اراضی کشاورزی به ... (مقاله ژورنالی)
  • معصومی محمد تقی، بررسی امکان استفاده از شاخصهای پوشش گیاهی ...
  • میذر، پل رام، پردازش کامپیوتری تصاویر سنجش از دور _ ...
  • kuuluvainen .t., wallenius, pennanen, J , (2004). Metsan luentainen rakenne ...
  • Dayhoff, J. E. (1990). Neural Network Principles. Prentice-Hal International, U.S.A ...
  • Foody, G.M., (2000), Mapping Land Cover from Remotely Sensed Data ...
  • Forman , R.T.T, Godron, M, (1986). Land scapeecology, john wiley ...
  • Khanna, T. (1990). Foundation of neural networks. Addi son-Wesley Publishing ...
  • Lo, J.Y., Floyd, E. Applisation of Artificial Neural Network for ...
  • Levin, S.A, (1976).spatial patterning and the structure of ecological communities ...
  • (maccorthy.j , (2001) _ GAP dynamics of forest tree, Areview ...
  • Richards , J.A . (1998) , Remote Sensing Digital Image ...
  • White , p, s , pickett, S.T.A.1985. natural disturbance and ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۸۸۱۴
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده 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 پیشنهادی مرتبط

    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.