مقایسه کارایی الگوریتمهای مختلف طبقهبندی تصاویر ماهوارهای در تهیه نقشه سنگ فرش بیابان مطالعه موردی: منطقه خشک جنوب سمنان
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 735
فایل این مقاله در 16 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:
IGIS01_042
تاریخ نمایه سازی: 9 فروردین 1395
چکیده مقاله:
شناسایی و طبقه بندی انواع سنگ فرش بیابان و اشکال فضایی آنها امری بسیار مهم در امور مدیریت و برنامه ریزی به منظور حراست و شناخت عوامل تغییرات اراضی مذکور است. دادههای ماهوارهای یکی از سریعترین وکمهزینهترین روشها در اختیار محققان در این زمینه است. در پژوهش حاضر با استفاده از تصاویر سنجنده ETM+ ماهواره لندست کارایی سه روش طبقهبندی نظارتشده، آرتمپ فازی، حداقل فاصله از میانگین و -شبکه عصبی در تفکیک انواع سنگ فرشهای بیابان منطقه خشک جنوب سمنان مورد بررسی قرار گرفته است. از منطقه مورد مطالعه بازدید میدانی صورت گرفته، نمونههای تعلیمی تهیه و تراکم درصد سنگ توسطترانسکت و خطکش تعیین گردید. پیشپردازش و پردازش تصاویر توسط روشهای مذکور در نرم- افزارهای Idrisi Selva و ENVI 4.5 انجام گرفت. به منظور ارزیابی صحت نیز از ضرایب کاپا، دقت کلی، دقت تولید کننده و صحت کاربر استفاده شد. نتایج نشان داد که شاخص کاپای برآورد شده برای سه روش مورد بررسی به صورت آرتمپ فازی 81/44 حداقل فاصله ازمیانگین 75/54 و 55/17 درصد برای روش شبکه عصبی بودند که بر این اساس روش آرتمپ فازی از دقت بیشتری برخوردار بوده است. بررسی ضرایب دقت کلی - بدست آمده نیز حاکی از برتری روش آرتمپ فازی نسبت به روشها حداقل فاصله و شبکه عصبی بوده است به طوریکه به ترتیب برابر با 87/67 و81/61و66/36 درصد براورد گردیدند
کلیدواژه ها:
نویسندگان
حریر سهرابی
نویسنده مسئول:دانشجوی کارشناسی ارشد بیابانزدایی، دانشکده کویر شناسی، دانشگاه سمنان، سمنان، ایران
هایده آرا
استادیار، دانشکده کویر شناسی، دانشگاه سمنان، سمنان، ایران
علی احمدآبادی
استادیار، دانشکده جغرافیا، دانشگاه خوارزمی، تهران، ایران
محمدکیا کیانیان گل افشانی
مربی، دانشکده کویر شناسی، دانشگاه سمنان، سمنان، ایران
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 :