ارزیابی طبقه بندی شبکه عصبی مصنوعی جهت استخراج آشفتگی های جنگل مطالعه موردی: جنگل خیرودکنارنوشهر
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 773
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
UUSD01_0398
تاریخ نمایه سازی: 17 خرداد 1394
چکیده مقاله:
در دهه های اخیر، تغییرات سریع کاربری اراضی و پوشش زمین بویژه در جنگل ها با پیامدهای مهمی چون تخریب منابع طبیعی،آلودگی های زیست محیطی همراه بوده است . استفاده از فن آوری های نوین همچون سنجش از دور با مزایای متعدد خود می تواند نوعپوشش زمین را در مناطق بزرگ مشخص نماید. طبقه بندی تصویر یکی از پرکاربرد ترین روشهای استخراج اطلاعات موضوعی از جملهتفکیک مناطق جنگلی از غیر جنگلی می باشد. روش های آماری طبقه بندی, نظیر طبقه بندی حداکثر احتمال, مشکلاتی از قبیل الزام فرضیات و دیتاهای مورد نیاز , برای استفاده از این روشها را دارند ، روش های جدیدتر از جمله شبکه های عصبی به دلیل ماهیت غیرپارامتریک و قابلیت شان برای بهره گیری ازمثال ها و توانایی تعمیم آنها جدیدا مورد استفاده قرار گرفته است. هدف از این تحقیقاستخراج آشفتگی های جنگل خیرود با استفاده از تصاویر سنجش از دور و ارزیابی طبقه بندی شبکه عصبی مصنوعی می باشد پس از طبقه بندی تصاویر منطقه حدود88/35درصد جنگل و 11/64درصد غیر جنگل تشخیص داده شد. با استفاده از نقاط کنترل زمینی نقشه طبقه بندی, مورد ارزیابی قرار گرفت در پایان نشان داده شد که RMSE بیش از 88 درصد روش شبکه عصبی مصنوعی, نشان از کارایی بالای این طبقه بندی در استخراج آشفتگی های جنگل دارد
کلیدواژه ها:
نویسندگان
ساسان بابایی کفاکی
استادیار گروه جنگلداری , دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
اسداله متاجی
دانشیار گروه جنگلداری , دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
سمیه استادی
دانشجو کارشناسی ارشد جنگلداری، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
محمد کمانگر
دانشجو دکتری آبخیزداری دانشکده منابع طبیعی دانشگاه هرمزگان
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 :