ارزیابی روش شبکه عصبی (MLP) و طبقه بندی شی گرا در استخراج کاربری اراضی مطالعه موردی: شهرستان مرند
- سال انتشار: 1394
- محل انتشار: دومین کنفرانس بین المللی توسعه پایدار، راهکارها و چالش ها با محوریت کشاورزی ، منابع طبیعی، محیط زیست و گردشگری
- کد COI اختصاصی: ICSDA02_462
- زبان مقاله: فارسی
- تعداد مشاهده: 1130
نویسندگان
دانشجوی کارشناسی ارشد، گروه سنجش از دور دانشگاه تبریز
استاد گروه سنجش ازدور دانشگاه تبریز
چکیده
پایش تغییرات کاربری و پوشش اراضی نقش اساسی در برنامه ریزی و مدیریت محیط زیست دارد. شناسایی پدیدههایی مانند کاربری و پوشش اراضی به روش سنتی وقت گیر و پرهزینه است. در حالی که روش های رقومی استخراج اطلاعات از دادههای دور سنجی سریعتر و کم هزینه تر می باشد. تصاویر ماهواره ای و تکنیکهای سنجش از دور، به دلیل فراهم آوردن دادههای به هنگام و قابلیت بالای آنالیز تصویر، کاربرد گستردهای در تمامی بخش ها از جمله کشاورزی و منابع طبیعی دارند. در پژوهش حاضر با هدف مقایسه روش شبکه عصبی مصنوعی (مدل MLP با الگوریتم پس انتشار ) با روش شیءگرا اقدام به تهیه نقشه کاربری ارضی شهرستان مرند استان آذربایجان شرقی با استفاده از تصویر ماهواره ای اسپات گردید. پس از عملیات پیش پردازش ( تصحیحات اتمسفری، هندسی، ارتفاعی) و نرمال سازی تصویر، مدل شبکه عصبی روی آن انجام و از تصویر طبقه بندی نظارت نشده (پنج طبقه) به عنوان داده کمکی استفاده شد. نهایتا پس از انتخاب پارامترهای مختلف شبکه با توپولوژی ۹لایه ورودی، ۱۲ لایه پنهان و ۱۲ لایه خروجی (12*12*9) به عنوان بهترین شبکه انتخاب گردید و نقشه کاربری تولید شده پس از بررسی زمینی با دقت کلی ۸۷٪ و کاپای 84% ارزیابی شد و در روش شیءگرا برای سگمنت سازی از اطلاعات مربوط به ویژگی های هندسی کلاس ها شامل (محتوا، شکل، بافت) استفاده شد. برای سگمنت سازی از پارامتر مقیاس ۵۰ انتخاب، معیار همگنی برای رنگ 8/0، نرمی شکل 9/0 شکل 1/0 و فشردگی 5/0 در نظر گرفته شد. نتایج حاکی از دقت بالای روش شیءگرا در مقایسه با روش شبکه عصبی می باشد. مقایسه واقعیتهای زمینی و مشاهدات میدانی با نقشه حاصل از طبقه بندی بیانگر دقت بالای روش شیءگرا برای طبقه بندی کاربری و پوشش اراضی می باشدکلیدواژه ها
کاربری اراضی ، اسپات ، شهرستان مرند ، شی ء گرا ، شبکه عصبیمقالات مرتبط جدید
- مقایسه درصد ترکیب تاج پوشش کلاسهای خوشخوراکی در سه رویشگاه مرتعی چهاردانگه ساری
- تاثیر تغییرات اقلیم بر اشتغال در بخش کشاورزی: مروری تحلیلی
- Land reform in some developing countries: A review
- شناسایی ژنوتیپهای امیدبخش گندم نان با استفاده از تحلیل روابط بین صفات و تجزیه خوشه ای
- Harnessing Renewable Energy for Environmental Sustainability: The Role of Wind Power in Carbon Reduction
اطلاعات بیشتر در مورد 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.