قابلیت روش های تهیه نقشه کاربری اراضی با استفاده از تصاویر ماهواره ای ( مطالعه موردی: شهرستان کامیاران )

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 286

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAMEUM-10-4_006

تاریخ نمایه سازی: 21 دی 1399

چکیده مقاله:

در اختیار داشتن نقشه های کاربری اراضی جدید در بسیاری از زمینه ها از جمله مدیریت منابع طبیعی و برنامه ریزی برای سرزمین از اهمیت بسیاری برخوردار است. داده های سنجش از دور از پتانسیل بالایی برای تهیه نقشه های به روز کاربری و پوشش اراضی برخوردارند. هدف از این تحقیق ارزیابی روش های تهیه نقشه کاربری اراضی شهرستان کامیاران با استفاده از تصاویر ماهواره ای می باشد. در این مطالعه از داده های سنجنده OLI ماهواره لندست8 مربوط به ماه ژوئن سال 2018 استفاده شد. در ابتدا پیش پردازش های اولیه شامل تصحیحات رادیومتری، اتمسفری و هندسی بروی داده خام انجام گرفت. از نقاط کنترل زمینی جهت آموزش، اعتبارسنجی و برای تهیه نقشه کاربری اراضی استفاده شد. کلاس کاربری در هر نقطه با پیمایش میدانی و با استفاده از تصاویر گوگل ارث در 9 کلاس کاربری زمین های کشاورزی، جنگل، باغ، مراتع غنی، مراتع متوسط، مناطق مسکونی،پهنه آبی، زمین های بایر و رخنمون سنگی مشخص گردید. در ادامه از روش های حداکثر احتمال، حداقل فاصله، ماشین بردار پشتیبان و فاصله ماهالانوبی برای طبقه بندی نظارت شده در نرم افزار ENVI 5.3 استفاده شد. برای ارزیابی دقت روش های طبقه بندی از دو معیار صحت کلی و ضریب کاپا به همراه داده های کنترل زمینی بهره گرفته شد. نتایج تحقیق نشان داد روش ماشین بردار پشتیبان با صحت کلی 91.4 درصد و ضریب کاپا 0.88 درصد از دیگر روش ها دقت بهتری داشته است.

کلیدواژه ها:

کاربری اراضی ، طبقه بندی نظارت شده ، روش های طبقه بندی ، تصاویر ماهواره ای

نویسندگان

سامان جواهری

گروه آموزشی سنجش از دور و gis.دانشکده جغرافیا. دانشگاه خوارزمی تهران

علی اصغر تراهی

استادیار،گروه سنجش از دور و GIS دانشکده جغرافیا، دانشگاه خوارزمی تهران و هیت علمی

سیدمحمد توکلی صبور

استادیار گروه آموزشی رشته سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه خوارزمی 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 :
  • Ayana, A.B., Kositsakulchai, E., 2102. Land Use Change Analysis Using ...
  • Arzani H, K.h , Mirakhorlou, S.Z ,Hosseini. 2111. Land use ...
  • Brian, W., Qi Chen, Z., Borge, M., (2102), “A comparison ...
  • Feysizadeh,b and H, Halali.2101. Comparision pixel basic methods and effective ...
  • Fathizad, H., Fallah Shamsi, R., Mahdavi, A., Arekhi, S. 2104, ...
  • Ghose, M. K., Pradha, R., Ghose Sucheta, S. 2101, Decision ...
  • Golderi. S. Adler, Berk. A, Bernstein. L.S, Richtsmeier. S, Acharya. ...
  • Ghorbani, A., Bruce, D., and F. Tiver. (2113) Stratification: a ...
  • classification performance. International Journal of Remote Sensing. 22(4): 226–271. ...
  • Mohammed Ismail, Z. 2100, Monitoring of Changes Land Use Karaj ...
  • Nitze, A., Schulthess, B., Asche, H., (2103), “Comparison of Machine ...
  • Puissant, A., Rougier, S. and Stumpf, A., 2105, Object-oriented mapping ...
  • Yu, H.Y., Cheng, G., Ge, X.S. and Lu, X.P., 2100, ...
  • Yu, L., Porwal, A., Holden, E., Dentith, M.C, (2102), "Towards ...
  • Hadjit. Hanane, Oukebdane. Abdelaziz & Hafid Belbachir. Ahmad.(2106)." Atmospheric correction ...
  • Igué A.M., Houndagba C. J., Gaiser T. and K. Stahr. ...
  • Jaafari, Sh. and A.A., Nazarisamani. (2106) Comparison between land use/land ...
  • Kandrika, S., P.S. Roy,.(2112). Land use land cover classification of ...
  • 023–016. ...
  • Knorn, J., A. Rabe, C.V. Radeloff, T. Kuemmerle, J. Kozak ...
  • 147– 135. ...
  • Lu. D. and Q. Weng. (2105) A survey of image ...
  • نمایش کامل مراجع