آشکار سازی تغییرات کاربری اراضی با استفاده از روش طبقه بندی حداکثر احتمال و تکنیک های RS و GIS (مطالعه موردی: حوزه آبخیز باباولی سیاهکل)
محل انتشار: اولین همایش ملی جغرافیا، شهرسازی و توسعه پایدار
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,093
فایل این مقاله در 18 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:
GUPSD01_1072
تاریخ نمایه سازی: 21 تیر 1393
چکیده مقاله:
براثر فعالیت های انسانی و پدیده های طبیعی چهره زمین همواره دستخوش تغییر می شود. در این میان استفاده از تکنولوژی سنجش از دور به عنوان بهترین وسیله برای آشکار سازی و ارزیابی تغییرات شناخته شده است چرا که با پیشرفت های انجام گرفته در این تکنولوژی و تولید تصاویر ماهواره ای با قدرت تفکیک طیفی و مکانی بالا و همچنین انواع تکنیکهای پردازش تصویر می توان تغییرات کاربری اراضی را برآورد نموده و نسبت به مدیریت آنها اقدام نمود. امروزه تصاویر سنجش از دور به عنوان جدیدترین اطلاعات در جهت مطالعه پوشش زمین و کاربری های اراضی شناخته شده است. این تصاویر به جهت ارائه اطلاعات به هنگام، تنوع اشکال، رقومی بودن و امکان پردازش در تیهه ی نقشه های کاربری اراضی از اهمیت بالایی برخوردارند. در تحقیق حاضر تغییرات کاربری اراضی حوضه آبخیز باباولی سیاهکل در یک دوره زمانی 13 ساله مورد ارزیابی قرار گرفته است. برای انجام این تحقیق از تصاویر سال 2000 سنجنده +ETM ماهواره لندست 7 و همچنین تصاویر ماهواره لندست 8 استفاده شده است و پس از انجام اقدامات مورد نیاز در مرحله پیش پردازش، با روش طبقه بندی حداکثر احتمال تصاویر در محیط نرم افزار Arc GIS نقشه کاربری اراضی منطقه در سال های 2000 و 2013 بدست آمد که صحت سنجی نتایج با واقعیت های زمینی و بازدید میدانی گویای صحت کلی برابر 0/89 و 0/88 و ضریب کاپای برابر 0/88 و 0/87 در تصاویر +ETM سال 2000 و لندست 8 سال 2013 می باشد که قابل قبول بود.
کلیدواژه ها:
نویسندگان
حمیده کاوسی کلاشمی
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی
میرمسعود خیرخواه زرکش
استادیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
سیدعلی المدرسی
استایار دانشگاه آزاد یزد
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 :