استفاده از روش های یادگیری ماشینی پیشرفته و تصاویر لندست در بررسی تغییرات پتانسیل فرسایش بادی در جنوب ایران

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 408

فایل این مقاله در 12 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:

TICD02_054

تاریخ نمایه سازی: 13 مهر 1398

چکیده مقاله:

یکی از مهمترین فاکتورهای موثر در فرسایش بادی، تغییر کاربری/پوشش اراضی هست. پایش دقیق کاربری/پوشش اراضی وشواهد فرسایش بادی در مناطق خشک و نیمه خشک اهمیت زیادی دارد. تفکیک پوشش های اراضی حاصل از فرسایش بادینظیر پهنه های ماسه ای و نبکاها نیازمند استفاده از روش های دقیق سنجش از دوری است. در این تحقیق توانایی تکنیک هایپیشرفته یادگیری ماشینی بر روی تصاویر لندست در تهیه نقشه کاربری/پوشش اراضی در رابطه با فرسایش بادی مورد ارزیابیقرار گرفت. بدین منظور تصاویر لندست 7 (2006) و لندست 20138 از نظر هندسی و رادیومتریکی تصحیح شدند. روش هایبارزسازی تصاویر اعمال و با الگوریتم های ماشین بردار پشتیبان با 4 نوع تابع کرنل خطی، چندجمله ای، تابع شعاعی مبنا وحلقوی و روش شبکه عصبی مصنوعی خودسازمان دهنده کوهنن طبقه بندی و با روش حداکثر شباهت مقایسه گردید. بااستفاده از آزمون های جدایی پذیری بهترین ترکیب باند ورودی طبقه بندی انتخاب شد. ارزیابی دقت نشان داد بهترین نقشه باترکیبی از باندهای خام و باندهای پردازش شده و با الگوریتم ماشین بردار RBF (دقت کلی % 88 و % 90/87 برای تصاویر لندست7 و 8) به دست می آید. اختلاف دقت این روش با روش های ماشین بردار خطی، چندجمله ای، SOM ، حلقوی و ML به ترتیب به1/5، 2/9، 8/3، 12/4 و 16/4 درصد برای لندست 7 و به ترتیب 2/16، 4/16، 6/19، 13/89 و 14/67 درصد برای لندست 8 بود. نتایج نشان داد که دقت طبقه بندی با استفاده از ترکیب باندهای پردازش شده و باندهای خام در مقایسه با باندهای خامبه تنهایی به میزان زیادی افزایش می یابد. این تحقیق قابلیت تصاویر ماهوارهای لندست و روش یادگیری ماشین بردار پشتیبان دربررسی پتانسیل فرسایش بادی در مناطق خشک را نشان میدهد.

نویسندگان

مهروز رضائی

بخش مهندسی علوم خاک، دانشکده کشاورزی، دانشگاه شیراز

عبدالمجید ثامنی

بخش منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز

سیدرشید فلاح شمس

بخش مهندسی علوم خاک، دانشکده کشاورزی، دانشگاه شیراز