ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

ارزیابی قابلیت الگوریتم های طبقه بندی مبتنی بر زاویه وکتابخانه طیفی در بارز سازی لکه های نفت بر روی تصاویر AVHRR خلیج فارس

سال انتشار: 1382
محل انتشار: همایش ژئوماتیک 82
کد COI مقاله: GEO82_52
زبان مقاله: فارسیمشاهده این مقاله: 2,079
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی قابلیت الگوریتم های طبقه بندی مبتنی بر زاویه وکتابخانه طیفی در بارز سازی لکه های نفت بر روی تصاویر AVHRR خلیج فارس

مرتضی صادقی خیر آبادی - کارشناس سنجش از دور و GIS شرکت زایند آب
عباس علیمحمدی - استادیار دانشگاه تربیت مدرس تهران

چکیده مقاله:

یکی از مهمترین مسائل زیست محیطی آلودگی آبهاست و شکل بارز آن در خلیج فارس آلودگی نفتی می باشد. لکه های نفت باید در اسرع وقت ممکنه شناسایی و جمع آوری شوند. روشهای سنتی بدلیل وسعت زیاد دریا و محدودیت زمانی،برای شناسایی و ثبت آلودگی نفتی مناسب نمی باشند. تکنیک سنجش از دور بدلیل ارزانی و سریع بودن و دقیق تر بودن نتایج آن می تواند برای این امر مناسب باشد.برای بارز سازی نفت روی سطح آب روشهای دور سنجی متفاوتی مرسوم است که در همه آنها نیاز به استفاده از مشاهدات زمینی تکمیلی می باشد. بدلیل حساسیت زیست محیطی ناشی از آلودگی نفتی و فقدان یا ناقص بودن اطلاعات زمینی و اینکه لکه های نفت باید سریعًا شناسایی و جمع آوری شوند،نیاز به روشهایی است که با وابستگی حداقل به مشاهدات زمینی این کار را انجام دهند. منطقه مورد مطالعه در این تحقیق خلیج فارس می باشد وبرای بارز سازی لکه های نفت از تصاویر سنجنده AVHRR مربوط به ایام جنگ خلیج فارس استفاده گردید.ابتدا اطلاعات سنجنده AVHRR ماهواره NOAA10-11 از لحاظ رادیو متری و ابرناکی منطقه خلیج فارس بررسی شدند و تصویر بهتر انتخاب گردید. پس از اعمال تصحیح رادیو متری و پردازش های لازم با استفاده از الگوریتم های MNF,١PPI,N-Dimensional Visualizerاقدام به تهیه کتابخانه طیفی شد. از کتابخانه طیفی بعنوان نمونه های آموزشی استفاده شد و طبقه بندی نظارت شده با دو الگوریتم MLC و SAM انجام گرفت.نتایج ارزیابی روشها نشان داد که روش SAM برای جدا سازی نفت از آب بهتر از MLC است.نتایج این تحقیق بانتایج مرکز تحقیقات جهاد سازندگی و KFUPM که ازمشاهدات زمینی نیز استفاده نموده اند،مطابقت دارد. با تهیه کتابخانه طیفی می توان کلاس های تصویر را با استفاده از حداقل داده های زمینی و با دقت بالا جدا کردواز هزینه های اضافی اجتناب کرد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا GEO82_52 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/4168/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
صادقی خیر آبادی، مرتضی و علیمحمدی، عباس،1382،ارزیابی قابلیت الگوریتم های طبقه بندی مبتنی بر زاویه وکتابخانه طیفی در بارز سازی لکه های نفت بر روی تصاویر AVHRR خلیج فارس،همایش ژئوماتیک 82،تهران،https://civilica.com/doc/4168

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1382، صادقی خیر آبادی، مرتضی؛ عباس علیمحمدی)
برای بار دوم به بعد: (1382، صادقی خیر آبادی؛ علیمحمدی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی