ارزیابی قابلیت الگوریتم های طبقه بندی نظارت شده در تهیه نقشه کاربری اراضی مطالعه موردی شهرستان اردبیل

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,197

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCEGIT01_026

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

یکی از ضروری ترین اطلاعات مورد نیاز مدیران و تصمیم گیران منابع طبیعی نقشه های کاربری اراضی می باشد امروزه تکنولوژی سنجش از دور امکان مناسبی برای تهیه نقشه های کاربری اراضی در اختیار قرار می دهد ارزش و قابلیت کارایی نقشه های کاربری اراضی به میزان صحت و دقت آن ها بستگی دارد هدف از این پژوهش بررسی کارایی الگوریتم های طبقه بندی نظارت شده در تهیه نقشه کاربری اراضی می باشد بدین منظور تصاویر سنجنده OLI ماهواره لندست 8 از شهرستان اردبیل به تاریخ 1392/04/02 اخذ و پس از تصحیحات هندسی رادیومتری و اتمسفری آنالیز مولفه های اصلی انجام شد و ترکیبات باندهای مناسب انتخاب گردید نمونه های تعلیمی به تعداد 92 تهیه گردید و تست تفکیک پذیری نمونه های تعلیمی انجام شد چهار الگوریتم طبقه بندی نظارت شده حداکثر احتمال حداقل فاصله از میانگین فاصله ماهالانویی و سطوح موازی جهت تهیه نقشه کاربری اراضی مورد مقایسه قرار گرفت سپس به منظور حذف پیکسل های منفرد و پراکنده در سطح تصویر طبقه بندی شده و همچنین به دست آوردن تصویر مطلوب فیلتر مدل 3*3 اعمال شد نقشه واقعیت زمینی با استفاده از نقاط کنترل زمینی و به کمک تصاویر ماهواره ای Quick Bird به منظور تعیین میزان دقت و صحت طبقه بندی تهیه گردید نتایج الگوریتم حداکثر احتمال ماهالانویی فاصله از میانگین سطوح موازی به ترتیب با صحت کلی 88/32،76/65،72و53/3 با ضریب کاپا 0/87،0/73،0/68و0/45 محاسبه شد و در نهایت روش حداکثر احتمال با صحت کلی 88/32وضریب کاپا 0/87 دقیق ترین روش جهت تهیه نقشه کاربری اراضی است

کلیدواژه ها:

نویسندگان

علی اصغر تراهی

استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم جغرافیایی دانشگاه خوارزمی تهران

رسول عدلی عتیق

دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم جغرافیایی دانشگاه خوارزمی تهران

حسن حسنی مقدم

دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم جغرافیایی دانشگاه خوارزمی تهران

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 مقاله لینک شده اند :
  • Elam plain land use map using neural network Artificial, SVM ...
  • R.G. Congalton, _ , ,Aغcuracy assessment and validation of remotely ...
  • R. Adli, S. khorooshi, Y. Nemati, and A. Ghorbani, ;: ...
  • A.Sofali, and L. Khodakaram. _ _ Land use mapping using ...
  • S. Tavallaei, and N. Hajinoroozi, "land use mapping with GIS ...
  • S , K.Alavipanah, ; FFundamentas of modern remote sensing and ...
  • S, Yousefi. M, Tazeh. S, Mirzaee. H, R, Moradi. Sh, ...
  • A, Ahmadpour. K, Solaimani. M, Shokri.and J, GGhorbani. "Comparison of ...
  • M, Firoozinej ad.A, A, Torahi.and A, Abdolkhani. "Compare supervised classification ...
  • A.Ahmad. and S. Quegan, _ Comparative Analysis of Supervised and ...
  • M, Firoozinejad. A, A, Torahi.and A, Abdo lkhani, "mapping forest ...
  • S .K.Alavipanah, and M. Ladoni, "Remote Sensing and Geographical Information ...
  • V. Kiani, A. A. Shabani, and A. Samani, ;: Classification ...
  • Sh, Shataee. And O. Abdi. "land cover mapping in Mountainous ...
  • L. Nazari, A. Auhmadi, and H. Torang zar, :The land ...
  • SH. Jaefari, KH. Rahimi, and Y. Arazzadeh, "The land use ...
  • M. Mohammad Hassanpour, A. Ghorbani, A.nasiri , and J. Sharifi, ...
  • M. Pakravan, and A. Ghorbani, : watershed Land use mapping ...
  • P. Gong, R. PU, and J. Chen, : Mapping Ecological ...
  • V. Thomas, P. Treitz, D.Jekinski, P.Lafreur, and JH .McCaughery, ; ...
  • L. Plourde, and R.G. Congalton, , Sampling Method and Sample ...
  • نمایش کامل مراجع