ارزیابی کارایی انواع روش های طبقه بندی درختی جهت استخراج نقشه کاربری اراضی با استفاده از داده های ماهواره ای و GIS (مطالعه موردی: منطقه بیابانی مهران)

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,343

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CCE01_225

تاریخ نمایه سازی: 12 شهریور 1392

چکیده مقاله:

یکی از کاربرد های عمده داده های ماهواره ای طبقه بندی پوشش سطح زمین می باشد. طی سالهای گذشته یک تعدادالگوریتم های طبقه بندی برای طبقه بندی داده های سنجش از دور ابداع شده اند. قابل توجه ترین آنها شاملروشهای حداکثر احتمال، روشهای شبکه عصبی مصنوعی و طبقه بندی های درختی می باشد. در این مطالعه، ابتداتصحیحات هندسی و رادیومتری بر روی داده های +ETM سال 2007 صورت گرفت. سپس با بازدیدهای میدانی ،طبقات مختلف کاربری اراضی تعریف و نمونه های آموزشی انتخاب گردید. در این مطالعه، هدف اصلی مقایسه سهالگوریتم انشعاب روش طبقه بندی درختی برای طبقه بندی پوشش سطح زمین منطقه بیابانی مهران می باشد. نتایج حاصل از ارزیابی دقت تصاویر طبقه بندی شده نشان داد که روش طبقه بندی انشعاب جینی یا ضریب کاپای 87/65 و دقت کل 73/33% داری بالاترین دقت می باشد وبعد از آن طبقه بندی انشعاب آنترپی و انشعاب نسبت بهره با ضریب کاپای 85/13 و 82/16 و دقت کل 72/12 و 69/41% قرار دارند. در این تحقیق، بالاترین دقت طبقه بندی مربوط به طبقه بندی درختی با روش انشعاب جینی بود.

نویسندگان

صالح آرخی

استادیار گروه جغرافیا، دانشکده علوم انسانی، دانشگاه گلستان،

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 :
  • بنیاد، امیر اسلام و حاجی قادری، طه (1386). تهیه نقشه ...
  • علوی پناه، سید کاظم (1384).کاربرد سنجش از دور در علوم ...
  • Breiman, L., Friedman, J.H., Olshen, R. A., and Stone, C.J ...
  • Chubey, M.S., Franklin, S.E., and Wulder, M.A (2006). Object-based Analysis ...
  • Gopal, S., Woodcock, C.E., and Strahler, A.H (1999). Fuzzy Neural ...
  • Hanson, MC., Dub ayah, R., and Defries, R S (1996). ...
  • Loveland, T.R., Reed, B.C., and Brown, J.F., Ohlen, D.O., Zhu, ...
  • Lu, D., Mausel, P., Brondi'zio, E., and Moran, E (2004). ...
  • Murthy, CS., Raju, PV., and Bardrinath, K V S (2003). ...
  • Swain, P.H., and Davis, S. M. (editors) (1978). Remote Sensing: ...
  • _ Wang, F (1990). Fuzzy supervised classification of remote sensing ...
  • Xu, M., Watanachaturapor. P., Varshney , P.K., and Arora, M.K ...
  • Yang, C., Prasher, S.O., Enright, P., Madramootoo, C., Burgess, M., ...
  • Zambon, M., Lawrence, R., Bunn, A., and Powell, S (2006). ...
  • نمایش کامل مراجع