آشکارسازی اراضی حاشیه رودخانه گاماسیاب کرمانشاه با مقایسه الگوریتم های پیکسل پایه و شی گرا
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 214
فایل این مقاله در 22 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_JSAEH-8-4_011
تاریخ نمایه سازی: 11 اردیبهشت 1401
چکیده مقاله:
کاربری اراضی منعکس کننده ویژگی های تعاملی بین انسان و محیط زیست و توصیف نحوه بهره برداری انسان برای یک یا چند هدف بر روی زمین است. کاربری اراضی، معمولا بر اساس استفاده انسان از زمین، با تاکید بر نقش کاربردی زمین در فعالیت های اقتصادی تعریف می شود. تحقیق حاضر به منظور بررسی روند تغییرات کاربری اراضی حاشیه رودخانه گاماسیاب طی یک دوره ۳۰ ساله با استفاده از سنجنده های TM و OLI انجام شد. نتایج نشان داد که روش شی گرا نسبت به الگوریتم های پیکسل پایه از صحت و دقت بهتری برای تهیه نقشه های کاربری برخوردار هستند. مقدار افزایش صحت د ر روش مبتنی بر طبقه بند ی شی گرا تا حد زیاد ی به انتخاب پارامترهای مناسب برای طبقه بند ی، تعریف قوانین و به کارگیری الگوریتم مناسب جهت به د ست آورد ن د رجه عضویت بستگی د ارد. به طوری که ضریب کاپا برای هر دو تصویر مورد استفاده تقریبا مقدار ۹۰/۰ را نشان می دهد. بنابراین این نقشه ها مبنای آشکارسازی تغییرات قرار گرفتند. با توجه به نتایج بدست آمده اراضی کشاورزی و مسکونی با افزایش و این افزایش با کاهش مراتع همراه بوده است. نگاهی کلی به این دوره ۳۰ ساله نشان می دهد که زراعت آبی و دیم به ترتیب افزایشی ۷۹/۲۴۱۸ و ۶۱/۷۱۹ هکتاری و مراتع نیز کاهشی ۸۶/۲۸۴۸ هکتاری داشته اند. این در حالی است که کلاس مسکونی و عوارض انسان ساخت افزایشی ۸۵/۴۲۸ هکتاری یا رشدی ۸۷/۱۷۸ درصدی را نشان می دهند، که این امر بیانگر اهمیت کشاورزی در منطقه مورد مطالعه است.
کلیدواژه ها:
Land Use ، Gamasiab ، Object Oriented ، Pixel Base ، Kappa Coefficient. ، کاربری اراضی ، گاماسیاب ، شی گرا ، پیکسل پایه ، ضریب کاپا.
نویسندگان
صیاد اصغری سراسکانرود
University of Mohaghegh Ardabili, Ardabil, Iran
روح اله جلیلیان
University of Mohaghegh Ardabili, Ardabil, Iran
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 :