ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Inventory of the quantitative characteristics of single oak trees with nonparametric methods of Support Vector Machines and Decision Tree on satellite images of WorldView-2 and UAV

سال انتشار: 1397
کد COI مقاله: JR_JWB-2-2_003
زبان مقاله: انگلیسیمشاهد این مقاله: 167
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Inventory of the quantitative characteristics of single oak trees with nonparametric methods of Support Vector Machines and Decision Tree on satellite images of WorldView-2 and UAV

Yousef Taghimollaei - Department of Forest Sciences, University of ‎Ilam, Ilam, Iran‎
Abdolali Karamshahi - Department of Forest Sciences, University of ‎Ilam, Ilam, Iran‎
Seyyed Yousef Erfanifard - Department of Natural Resources and Environment, College of Agriculture, Shiraz University, ‎Shiraz, Iran

چکیده مقاله:

To achieve effective forests management it is necessary to obtain reliable statistical data like the number of stands, diameter at breast height (DBH), and ‎crown volume. While traditional methods of the forests measurements are very labor intensive and time consuming, remote sensing can provide up-to-date and low cost ‎data. In comparing ot other sensors, the satellite WV-2 ‎generate very high resolution images that can be used in the forest management practices. In the present study, we aimed to estimate parameters related on the single trees characteristics using decision tree ‎method and Support Vector Machines classification with complex matrix evaluation and Area ‎under operating characteristic curve (AUC) method. We also used UAV Phantom 4 ‎Pro images from two distinct geographic regions. Support Vector Machines ‎classification method generated the highest accuracy in estimating single trees parameters. This study confirms that using WV-2 data it is possible to extract the necessary ‎parameters of the single trees and relied them in the forest management practices.

کلیدواژه ها:

Canopy, Classifiers, Haft-Barm, Remote Sensing, Single trees, Shiraz

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/878437/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Taghimollaei, Yousef and Karamshahi, Abdolali and Erfanifard, Seyyed Yousef,1397,Inventory of the quantitative characteristics of single oak trees with nonparametric methods of Support Vector Machines and Decision Tree on satellite images of WorldView-2 and UAV,,,,,https://civilica.com/doc/878437

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397, Taghimollaei, Yousef؛ Abdolali Karamshahi and Seyyed Yousef Erfanifard)
برای بار دوم به بعد: (1397, Taghimollaei؛ Karamshahi and Erfanifard)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • Allen C. D., Macalady A. K., Chenchouni H., Bachelet D., ...
  • Amami R.,  Ben Ayed D., Ellouze N. 2012. An Empirical ...
  • Benz U. C., Hofmann P., Willhauck G., Lingenfelder I., Heynen ...
  • Breshears D. D., Cobb N. S., Rich P. M., Price ...
  • Burges C.J.C. 1996. Simplified support vector decision rules. In Lorenza ...
  • Carnicer J., Coll M., Ninyerola M., Pons X., Sánchez G., ...
  • Chubey M. S., Franklin S. E., Wulder M. A . ...
  • Clark D.B., Castro C.S., Alvarado L.D.A., Read J.M. 2004a. Quantifying ...
  • Clark D.B., Read J.M., Clark M.L., Cruz A.M., Dotti M.F., ...
  • Conchedda G., Durieux L., Mayaux P., Iee e. 2007. Object-based ...
  • Desclee B., Bogaert P., Defourny P. 2006 .Forest change detection ...
  • Dji. 2016. PHANTOM 4 User Manual. Chine. ...
  • Franklin SE (ed) . 2001. Remote sensing for sustainable forest ...
  • Friedl M.A., Brodley, C.E. 1997. Decision tree classification of land ...
  • Ghasemian N., Akhondzadeh, M. 2016. Comparison of Methods of Artificial ...
  • Gillis M., Leckie, D .1993. Forest inventory mapping procedures across ...
  • Gougeon F.A., Leckie, D.G. 1999. Forest regeneration: Individual tree crown ...
  • Gong P., Biging G.S., Lee S.M., Mei X., Sheng Y., ...
  • Hay G. J., Castilla G., Wulder M. A., Ruiz J. ...
  • approach for the multiscale image segmentation of forest scenes. International ...
  • Heumann, B.W. 2011. Object-based classification of mangroves using a hybrid ...
  • Juniati E., Arrofiqoh, E. N. 2017. Comparison of Pixel-Based and ...
  • Jensen J.R. 2005. Introductory Digital Image Processing: A Remote Sensing ...
  • Kim J., Kim, B.S., Savarese, S. 2012. Comparing image classification ...
  • Kelly M., Shaari, D., Guo, Q.H., Liu, D.S. 2004. A ...
  • Koch B., Heyder, U., Weinacker, H. 2006. Detection of individual ...
  • Laasasenaho J. 1982. Taper Curve and Volume Functions for Pine, ...
  • Leckie D.G., Yuan, X., Ostaff, D.P., Piene, H., Maclean, D.A. ...
  • Levesque J., King, D.J. 1999. Airborne digital camera image semivariance ...
  • Liang S., Liu, J., Liang, M. 2004. Ecological study on ...
  • Mather P.M. 2003. An assessment of the effectiveness of decision ...
  • Myint S.W., Giri C. P., Le W., Zhu Z. L., ...
  • Niphadkar M., Nagendra H., Tarantino C., Adamo M., Blonda P. ...
  • Okojie J. 2017. Assessment of forest tree structural parameter extractability ...
  • Pande-Chhetri R., Abd-Elrahman A., Liu T., Morton J., Wilhelm V. ...
  • Phillips O. L., Aragão L. E. O. C., Lewis S. ...
  • Qian Y., Zhou W., Yan, J., Li W., Han L. ...
  • Quinlan J.R. 1986. Induction of decision trees. Mach. Learn. 1: ...
  • Quinlan J. R . 1992. Learning with continuous classes. In ...
  • Quinlan J.R. 1993. C4.5 Programs for Machine Learning. Morgan Kaufmann ...
  • Raczko E., Zagajewski B. 2017. Comparison of support vector machine, ...
  • Repola J. 2009. Biomass equations for Scots pine and Norway ...
  • Schowengerdt R. A. 1997. Remote Sensing: Models and Methods for ...
  • Sedliak M., Sačkov I., Kulla L. 2017.Classification of tree species ...
  • Shrestha R., Wynne R. H. 2012. Estimating biophysical parameters of ...
  • Shafri H.Z.M., Ramle F.S.H. 2009. A Comparison of Support Vector ...
  • Shao Yang., Lunetta R. S. 2012. Comparison of support vector ...
  • Steinwart  Ingo., Christmann Andreas. 2008. Support Vector Machines. Springer-Verlag, New ...
  • Thanh Noi P., Kappas M. 2018. Comparison of random forest, ...
  • Tooke T.R., Coops N.C., Goodwin N.R., Voogt J.A. 2009. Extracting ...
  • van Mantgem P. J., Stephenson N. L., Byrne J. C., ...
  • Wang L., Sousa W. P., Gong P. 2004. Integration of ...
  • Wen D., Huang X., Liu H., Liao W., Zhang L. ...
  • Woodcock C. E., Strahler A. H. 1987. The factor of ...
  • Wulder M. A., White J. C., Hay G. J., Castilla ...
  • Xu M., Watanachaturaporn P., Varshney P.K., Arora M.K. 2005. Decision ...
  • Zo¨hrer F.1980. Forstinventur. Ein Leitfaden fu¨ r Studium und Praxis. ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی