این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
یکشنبه 23 آذر 1404
مدیریت بیابان
، جلد ۶، شماره ۱۱، صفحات ۶۵-۸۱
عنوان فارسی
مقایسه روشهای مختلف طبقهبندی کاربری اراضی با رویکرد بهرهگیری از باند حرارتی در استان خراسان جنوبی
چکیده فارسی مقاله
در پژوهش حاضر چهار خوارزمیک (الگوریتم) طبقهبندی نظارتشده حداکثر احتمال، فاصله ماهالانویس، حداقل فاصله و شبکه عصبی مصنوعی با و بدون بهرهگیری از باند مادون قرمز حرارتی TIR1، برای تهیه نقشه کاربری اراضی استان خراسان جنوبی مورد بررسی قرار گرفت. نتایج حاصله نشان داد که در رویکرد با و بدون باند TIR1، الگوریتم حداکثر احتمال از بیشترین مقدار دقت کلی و ضریب کاپا برخوردار میباشد. در خوارزمیکهای حداکثر احتمال و فاصله ماهالانویس، استفاده از باند حرارتی موجب افزایش دقت طبقهبندی شده است، اما در خوارزمیکهای شبکه عصبی مصنوعی و حداقل فاصله، اعمال رویکرد باند حرارتی موجب کاهش چشمگیر دقت طبقهبندی میشود. در واقع استفاده از دادههای حرارتی به همراه دیگر باندهای طیفی جهت تولید نقشه کاربری اراضی، موجب میشود تا جداسازی طبقههایی که ویژگی های طیفی نزدیک بههم دارند، آسانتر شود. بررسی نقشه کاربری اراضی استان خراسان جنوبی نشان داد که اراضی بایر در حدود 60 درصد از مساحت استان را به خود اختصاص داده است و به طور کلی بیش از 90 درصد از مساحت استان دارای زمینهای عاری از پوشش گیاهی یا پوشش گیاهی بسیار ضعیف میباشد.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Comparing Different Methods of Land use Classification Using the Thermal Band (Case study: Southern Khorasan province)
چکیده انگلیسی مقاله
In the present study, four supervised classification algorithms including Maximum Likelihood, Mahalanobis Distance, Minimum Distance and Neural Network with and without TIR1 were used to mapping land use of southern Khorasan province. Based on the results, the highest of overall accuracy and Kappa coefficient were calculated for the Maximum Likelihood algorithm with and without of TIR1. Using of TIR1 increased classification accuracy by Maximum Likelihood and Mahalanobis Distance algorithms; but using of TIR1 decreased classification accuracy by Minimum Distance and Neural Network algorithms, remarkably. Using of thermal data along with other spectral bands caused facilitation of discriminating classes with similar spectral characteristics. According to the land use map, bare land covered about 60% area of southern Khorasan province, generally more than 90% of the area of the province is involved by sparse land or weak vegetation cover which is prone to wind erosion.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
سارا نخعی نژاد فرد |
گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس، هرمزگان.
حمید غلامی |
گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس، هرمزگان.
داوود اکبری |
استادیار دانشگاه زابل
ماتیو تلفر |
گروه جغرافیا، زمین و علوم محیطی، دانشکده علوم و مهندسی، دانشگاه پلیموث، پلیموث، دوون، بریتانیا.
مرضیه رضایی |
گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس، هرمزگان.
نشانی اینترنتی
http://www.jdmal.ir/article_32324_d78f184cb55ac1e22211b7a3023feb77.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1072/article-1072-861721.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات