بررسی تغییرات کاربری اراضی با استفاده از داده های ماهواره ای و روش طبقه بندی شبکه عصبی (network neural ) (مطالعه موردی حوزه آبخیز یاسوج )

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 548

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PSHCONF01_018

تاریخ نمایه سازی: 18 تیر 1396

چکیده مقاله:

امروزه کسب آگاهی و دانش در رابطه با تغییرات کاربری اراضی نقش مهمی را در مدیریت آن ها ایفا می کند. همچنین ارزیابی تغییرات آن به روش معمولی هم زمان بر است و هم اطلاعات چندان دقیقی را به دست نمی دهد. از این رو سنجش از دور فن آوری بسیار مفیدی است که به دلیل کاهش زمان و هزینه بر سایر روش ها ارجحیت داده می شود. در این تحقیق سعی بر آن شد با استفاده از تکنیکهای سنجش از دور و تصویر ETM+سال 2004و TM سال 2010 و تصویر OLI لندست 8 سال 2016 نقشه کاربری حوضه آبخیز یاسوج تهیه شود. نتایج طبقه بندی رقومی تصویر منطقه مورد مطالعه جهت تهیه نقشه کاربری اراضی با استفاده از طبقه بندی شبکه عصبی با شرکت دادن مجموعه باندهای مختلف نشان داد که در بهترین حالت،صحت کلی طبقه بندی تصویر در روش شبکه عصبی ETM+سال 2004 برابر 85.0 و TM سال 2010 برابر 95.0 و لندست 8 سال 2016 برابر 95.0 و ضریب کاپای آنها به ترتیب 84.0 و 86.0 و 91.0 برآورد گردید. نتایج حاکی از کاهش مساحت جنگل های متراکم و مراتع متراکم منطقه به میزان 81.2616 و 23.579 هکتار است و بر مساحت مناطق مسکونی و مناطق زراعی 96.1569 و 78.5133 افزوده شده است. شایان ذکر است که با توجه به مطالعات انجام شده در حوضه قسمتهایی از مرتع گرایش منفی داشته بنابراین می توان بیان کرد که جنگل های منطقه تخریب شده است و باید اقدامات مدیریتی لازم جهت مدیریت تغییر کاربری های منطقه لحاظ گردد.

نویسندگان

حسن روستا

مدیریت گروه GIS&RS دانشگاه آزاد واحد لارستان و استاد تمام وقت دانشکده فنی و مهندسی

نسترن عبدالملکی

استاد تمام وقت گروه GIS&RS دانشکده فنی و مهندسی دانشگاه آزاد واحد لارستان

علی پسنده

دانشجوی کارشناسی ارشد GIS&RS دانشکده فنی و مهندسی دانشگاه آزاد واحد لارستان

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 :
  • آهنی، حسین، قربانی، اردوان، رستگار مقدم، مرضیه، فلا حشمسی، سید ...
  • امینی، محمد رشید، 1385. بررسی روند تغییرات گستره جنگل و ...
  • اکبری، ا.، ابراهیمی، م، امیراحمدی، ا.، تهیه نقشه کاربری اراضی ...
  • دهستانی، غ. (1377)، طبقه بندی تصاویر چند طیفی سنجش از ...
  • علوی پناه، سید. کاظم. (1385)؛ کاربرد سنجش از دور در ...
  • فاطمی، سید باقر و رضایی، یوسف، (1384)؛ مبانی سنجش از ...
  • صدیقی، محمدرضا، (1390)؛ پهنه بندی خطر فرسایش آبی با به ...
  • کاوسی، ح. (1392). پایان نامه کارشناسی ارشد، ارزیابی خطر فرسایش ...
  • مدرس گرجی، هه وار، پیرباوقار، مهتاب، (392 1)، مقایسه طبقه ...
  • Benediktsson, J.A, Swain, P.H., and Erosy, O.K. (1990). Neural network ...
  • (1988)PAT S 11- Chavez, ؛ An Improved Dark-Object Subtraction Technique ...
  • Civco, D. L. and Y. Wang (1994), "Classification of Multispectral, ...
  • Dellepiane, S.G., and Smith, P.C. 1999. Quality assessment of image ...
  • Kia, M. (2010). Neural network in MATLAB, Kian Rayaneh Sabz ...
  • LEFSKY, M.A. and COHEN, W.B., 2003, Selection of remotely sensed ...
  • Montserud, R.A., and Leamans, R. 1992. Comparing global vegetation maps ...
  • Stehman, S.V. 2004. A critical evaluation of the normalized error ...
  • Yuan, F.K.E., Sawaya, B.C., Loeffelholz, Bauer, M.E. 2005. Land covers ...
  • نمایش کامل مراجع