مدل سازی تغییرات کاربری اراضی حوزه آبخیز گال چشمه با استفاده از شبکه عصبی مصنوعی درLCM
- سال انتشار: 1395
- محل انتشار: دومین همایش ملی کاربرد مدل های پیشرفته تحلیل فضایی(سنجش از دور و GIS) در آمایش سرزمین
- کد COI اختصاصی: GISLS02_007
- زبان مقاله: فارسی
- تعداد مشاهده: 616
نویسندگان
دانش آموخته کارشناسی ارشد سنجش از دور وGIS
استادیار، عضو هییتعلمی دانشگاه آزاد اسلامی واحد میبد
دانشجوی کارشناسی ارشد سنجش از دور وGISدانشگاه آزاد اسلامی یزد
دانشجوی کارشناسی ارشد سنجش از دور وGISدانشگاه آزاد اسلامی یزد
چکیده
زمین منبع طبیعی بنیادی، محدود و تجدیدناپذیری است که مستقیما تحت تاثیر فشارهای ناشی از رشد جمعیت بوده وخوهد بود.جهت استفاده بهینه از زمین، آگاهی از تغییرات کاربری اراضی و نوع استفاده انسان از سرزمین ضروری به نظر می رسدپیش بینی و ارزیابی پتانسیل تغییرات کاربری زمین از طریق مدل سازی می تواند به برنامه ریزان محیط زیست و مدیران منابع طبیعی برای مدیریت وبرنامه آینده منابع در دسترس کمک کند. هدف از این پژوهش استفاده از روش شبکه عصبی در مد ل سازی تغییرات کاربری اراضی حوزه آبخیز گلپایگان در استان اصفهان است. در ایتدا نقشه های کاربری اراضی با استفاده از تصاویر لندست در سری زمانی سالهای 2009،2002،1994 و2015با استفاده از روش svm با ضریب کاپای 82 متوسط درصد تولید شد آشکارسازی تغییرات انجام شد. نتایج آشکارسازی تغییرات نشان میدهد که بیشترین افزایش مساحت در مناطق بایر و مراتع متوسط و مراتع فقیر در سال های مختلف است که نشان دهنده تغییرات در این کلاس ها است ونتایج نشان دهنده افزایش اراضی کشاورزی در این سری زمانی است.از پنج لایه برای متغیرهای مستقل ورودی شبکه های عصبی پرسپترون چندلایه استفاده شدو سپس، پتانسیل تبدیل کاربری و پیش بینی برای و زنجیره مارکوف، مدل سازی شدند و در نهایت برای سه سال2009و2015و2021 پیش بینی ککاربری اراضی انجام شد و مقایسه نتایج پیش MLP سال 2009و2015 دارای دقت 75و72درصد است وسپس سال2020 پیش بینی انجام شد که مقایسه پیش بینی با جدیدترین داده های زمینی و مطالعات گذشته نشان می دهد که نتایج تحقیق حاضر به واقعیتهای زمینی نزدیکتر است .کلیدواژه ها
پیش بینی تغییرات ، شبکه عصبی،LCM،حوزه آبخیز،مدل سازیمقالات مرتبط جدید
- حکمرانی دریایی ایران به عنوان یک سیستم پیچیده: تحلیل جغرافیای سیاسی با رویکرد هوش مصنوعی و هوش مکانی
- تبیین سناریوهای آینده تقسیمات استان تهران
- آسیبشناسی حمل و نقل و مدیریت ترافیک در شهرداری های نوظهور ایران
- معایب و مشکلات برنامهریزی و سیاست گذاری حوزه فرهنگ شهری در ایران
- سیاست گذاری بهینه در حوزه ترافیک شهری با استفاده از تکنولوژی های هوش مصنوعی
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.