ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Forest Stand Types Classification Using Tree-Based Algorithms and SPOT-HRG Data

سال انتشار: 1393
کد COI مقاله: JR_IJERR-2-1_004
زبان مقاله: انگلیسیمشاهده این مقاله: 147
فایل این مقاله در 16 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 16 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Forest Stand Types Classification Using Tree-Based Algorithms and SPOT-HRG Data

Syavash Kalbi - Forestry Department, Sari University of Agricultural Sciences and Natural Resources, Sari, Iran
Asghar Fallah - Forestry Department, Sari University of Agricultural Sciences and Natural Resources, Sari, Iran
Shaban Shataee - Gorgan University of agricultural sciences and natural resources

چکیده مقاله:

Forest types mapping, is one of the most necessary elements in the forest management and silviculture treatments. Traditional methods such as field surveys are almost time-consuming and cost-intensive. Improvements in remote sensing data sources and classification –estimation methods are preparing new opportunities for obtaining more accurate forest biophysical attributes maps. This research compares performance of three non-parametric and tree-based algorithms i.e. the Classification and Regression Tree (CART), Boosting Regression Tree (BRT) and Random Forest (RF) for general forest type mapping using semi high resolution of SPOT-HRG data. Using a systematic random sampling design in a small area of the Hyrcanian forests, tree and shrubs species were registered in 150 sample plots. The general forest types of plots were named based on frequency of dominant species methods. After geometric and atmospheric corrections of SOPT-HRG data, suitable image processing transformations were applied on main bands to produce general vegetation indices and principal components. A wall-to-wall forest type classification of processed bands was done using three nonparametric algorithms. The forest type maps were assessed using unused test plots. Results shows that RF algorithm compared to CART and BRT algorithms with overall accuracy of 70% and kappa coefficient of 0.63 could better classify the forest stand types, while the CART method had the lowest accuracy with overall accuracy of 60% and kappa coefficient of 0.51. A performance result of the BRT classifier shows that their result is slightly similar to RF classifier.

کلیدواژه ها:

Forest types classification, Tree-based algorithms, Hyrcanian forest, SPOT-HRG

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_IJERR-2-1_004 میباشد و 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/939548/

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:
Kalbi, Syavash and Fallah, Asghar and Shataee, Shaban,1393,Forest Stand Types Classification Using Tree-Based Algorithms and SPOT-HRG Data,https://civilica.com/doc/939548

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: (1393, Kalbi, Syavash؛ Asghar Fallah and Shaban Shataee)
برای بار دوم به بعد: (1393, Kalbi؛ Fallah and Shataee)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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