ارزیابی دقت طبقه بندی حداکثر احتمال ، شبکه عصبی مصنوعی و ماشین بردار پشتیبان در استخراج تغییرات کاربری اراضی حوضه آبریزلیقوان
محل انتشار: کنفرانس ملی فن آوری ها و کاربردهای نوین ژئوماتیک
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 457
فایل این مقاله در 12 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:
NGTU01_033
تاریخ نمایه سازی: 30 دی 1397
چکیده مقاله:
در طول زمان، الگوهای پوشش زمین و به تبع آن کاربری اراضی دچار تغییر و دگرگونی اساسی می شوند و عامل انسانی می تواندبیشترین نقش را در این فرآیند ایفا نماید. همواره، دانشمندان تلاش نموده اند تا عوامل مسبب تغییرات کاربری اراضی و تاثیرات محیطی مربوطه را شناسایی نمایند. در دهه های گذشته به همین منظور، محققان مشاهدات مختلف و جمع آوری شده از طریق عملیات میدانی وهمینطور عکس های هوایی را جهت کشف تغییرات کاربری اراضی ناشی از تحمیل فرآیندهای طبیعی و انسانی مورد تجزیه و تحلیل قرار داده اند. اما، امروزه، بر پایه پیشرفت های تکنولوژیکی حاصله در قلمرو سنجش از راه دور، می توان تصاویر ماهواره ای را به منظور بررسی دقیق تر تغییرات محیطی بهنگام پردازش و نتایج نهایی را بطور مصور مدل سازی نمود. هدف اصلی تحقیق جاری پایش تغییرات کاربری اراضی حوضه لیقوان چای در سال های 2013- 2006-1985 می باشد. بر این اساس، برای کشف تغییرات حادث شده در محدوده مورد مطالعه، تصاویر سنجنده TMوETM + ماهواره لندست مربوط به سالهای 2013-2006- 1985 مورد پردازش قرار گرفت. در همین راستا، بعد از اعمال تصحیحات اتمسفری و هندسی، عملیات بارزسازی تصاویر اجرا و با بهره گیری از روش های طبقه بندی نظارت شده الگوریتم ها اعمال شد و از این طریق نقشه های موضوعی کاربری اراضی حوضه لیقوان چای طراحی گردید. در کل زمینهای بایر در درجه اول جای خود را به باغ سپس زراعت آبی و نهایتا مناطق مسکونی داده اند.
کلیدواژه ها:
تغییرات کاربری اراضی - پردازش تصاویر ماهواره ای- تشخیص تغییرات کاربری – ماشین بردار پشتیبان- حداکثر احتمال- ارزیابی دقت
نویسندگان
خلیل ولیزاده کامران
دانشیار گروه سنجش از دورو GISدانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
فاطمه عدیمی عتیق
کارشناس ارشد RS& GIS دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز.، تبریز، ایران