مدلسازی بررسی تغییرات پوشش گیاهی با استفاده از LCM و شبکه عصبی مصنوعی (مطالعه موردی حوزه شهر میزان)

سال انتشار: 1395
محل انتشار: دومین کنگره بین المللی علوم زمین و توسعه شهری
کد COI اختصاصی: ESUD02_368
زبان مقاله: فارسی
تعداد مشاهده: 677

نویسندگان

دانشجو کارشناسی ارشد، سنجش از دور و سیستم اطلاعات جغرافیایی ، دانشگاه آزاد اسلامی واحد یزد

چکیده

اهمیت پوشش گیاهی به عنوان یک عامل پویا و موثر بر شرایط حیات ایجاب میکند که همواره اطلاعات دقیقی از آن تهیه و تغییرات مربوط به آن در بازه های زمانی تعیین گردد.پیش بینی و ارزیابی پتانسیل الگوهای کاربری زمین از طریق مدلسازی می تواند به مدیران منابع طبیعی جهت تصمیم گیری کمک کند .تصاویر چند طیفی سنجش از دور برای بدست آوردن درک بهتری از محیط زمین بسیار کارآمد می باشد.بنابراین با توجه به تغییرات گسترده ی پوشش گیاهی ،استفاده از فناوری سنجش از دور به یک ابزار مهم در بررسی و پایش تغییرات بدل شده است.در این تحقیق از تصاویر سنجندهTM و OLI ماهواره Land sat مربوط به سالهای 1994 و 2015 استفاده هدف از این تحقیق پیش بینی و بررسی تغییرات 17 ساله پوشش گیاهی حوزه شهر میزان با استفاده از مدل LCM و شبکه عصبی مصنوعی و بررسی روند آن با استفاده از معادلات درجه دو و سه مقایسه گردید و بیشترین میزان احتمال تغییرات مربوط به حالت No veg to Loose veg به مساحتی معادل 27851.85 هکتار بود.

کلیدواژه ها

لاتینOLI ، NDVI ، Landsat ،LCM، شبکه عصبی

مقالات مرتبط جدید

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.