شناسایی و استخراج لندفرم ها و کاربری های اراضی حوضه آبریزقرنقو با استفاده از تکنیک های شی گرا
محل انتشار: مجله هیدروژیومورفولوژی، دوره: 9، شماره: 31
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 224
فایل این مقاله در 23 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_HYD-9-31_001
تاریخ نمایه سازی: 19 دی 1401
چکیده مقاله:
شناخت لندفرم ها و نحوه پراکنش آنها از نیازهای اساسی در علم ژئومورفولوژی کاربردی و سایر علوم محیطی است و نقشه لندفرم ها نمایانگر اشکال سطح زمین و نیز ماهیت فرآیندهایی است که در زمان حاضر رخ می دهند. هدف از این تحقیق، شناسایی لندفرم ها و کاربری های اراضی حوضه آبریز قرنقو با استفاده از روش های طبقه بندی شی گرا شامل الگوریتم نزدیکترین همسایه و آستانه گذاری می باشد. بدین منظور از تصاویر ماهواره لندست برای بازه زمانی ۱۹۹۰ (TM) و ۲۰۲۰ (OLI) استفاده شد. برای اعمال طبقه بندی در گام نخست تصحیحات اتمسفری و رادیومتریکی بر روی تصاویر اعمال شد و سپس به منظور شناسایی و استخراج بهتر پدیده ها از الگوریتم های PCA و MNF استفاده شد. برای انجام طبقه بندی تصاویر ماهواره ای نیز از روش های طبقه بندی شی گرا شامل روش نزدیکترین همسایه و آستانه گذاری بهره گرفته شد. برای صحت نقشه های تولید شده با استفاده از ضریب کاپا و صحت کلی استفاده گردید. نتایج ارزیابی روش های مورد استفاده نشان داد که روش نزدیکترین همسایه دارای دقت بیشتری نسبت به روش آستانه گذاری می باشد. همچنین نتایج حاصل از طبقه بندی نشان داد که بیشترین میزان تغییرات کاهشی در خلال سال های ۱۹۹۰-۲۰۲۰ مربوط به کاربری مرتع متراکم می باشد، چرا که ۴۹/۱۲ درصد کاهش داشته است و بیشترین میزان تغییرات افزایشی مربوط به کاربری زراعت آبی می باشد که ۸۳/۱۰ درصد افزایش داشته است که مهمترین علت این افزایش مساحت را می توان به احداث سد سهند در طول زمان ارتباط داد.
کلیدواژه ها:
نویسندگان
صیاد اصغری سراسکانرود
دانشیار دانشگاه محقق اردبیلی
مصطفی امیدی فر
دانشجوی کارشناسی ارشد، رشته سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی
احسان قلعه
دانشجوی دکتری رشته ژئومورفولوژی، گروه جغرافیای طبیعی دانشگاه محقق اردبیلی
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 :