سامانه مدیریت اسناد ( سبا ) بر روی تمام پایگاه ها فعال شد.
برای مدیریت الکترونیک مقالات ، پایان نامه ها، پروژه ها و سایر اسناد

خدمات سرقت ادبی یکتاوب  |  خدمات DOI کراس رف

به اطلاع می رساند با توجه به تغییر سامانه رتبه بندی نشریات در آینده، به روز رسانی اطلاعات آن از 97/12/1 انجام نشده است.

علوم و فنون نقشه برداری، جلد ۱۲، شماره ۱، صفحات ۰-۰
عنوان فارسی بهبود تخمین حجم زیست‌توده مناطق جنگلی ‌با استفاده از داده‌های راداری‌ و نوری سنجنده Sentinel و الگوریتم بهینه سازی ژنتیک (مطالعه موردی: مناطق جنگلی نور)
چکیده فارسی مقاله زیست­توده جزء کلیدی در چرخه کربن می­باشد، از این رو ارزیابی دقیق آن به منظور مدیریت جنگل و درک نقش آن در تغییرات آب و هوایی، اهمیت بسیاری دارد. امروزه استفاده از تکنیک­های سنجش از دور با کمک داده­های میدانی، تحولی شگرف را در برآورد زیست­توده جنگل­ها ایجاد کرده است. در این تحقیق به منظور بهبود دقت برآورد زیست­توده مناطق جنگلی، از ویژگی­های مستخرج از تصاویر اپتیک سنجنده Sentinel-2 و داده­های راداری Sentinel-1 و همچنین داده های میدانی مناطق جنگلی نور، استان مازندران که نوع پوشش جنگلی آن، ممرز-بلوطستان است و همچنین شامل گونه­های نادر از جمله درختان سفید پلت می­باشد که در این مطالعه در چهار کلاس پوشش گیاهی مخلوط، جنگل طبیعی، جنگل تخریب شده و ذخایر جنگلی مورد بررسی قرار گرفتند و روش بهینه­سازی ژنتیک استفاده شده است. در این راستا، جهت مدلسازی بین داده­های زمینی و ویژگی­های راداری و نوری از روش رگرسیون خطی چند متغیره و رگرسیون ماشین بردار پشتیبان استفاده شده است. همچنین به منظور انتخاب ویژگی­های بهینه مستخرج از تصاویر راداری و نوری از الگوریتم ژنتیک در طول فرآیند مدلسازی با استفاده از رگرسیون ­خطی چند متغیره استفاده شده است. ارزیابی نتایج نشان داد که استفاده از روش رگرسیون چند متغیره منجر به نتایج دقیق­تری نسبت به روش رگرسیون ماشین بردار پشتیبان در منطقه مورد مطالعه شده است. همچنین، ارزیابی نتایج حاصل از اعمال رگرسیون خطی چند متغیره نشان می­دهد که استفاده از ویژگی­های انتخاب شده مبتنی بر الگوریتم ژنتیک، منجر به افزایش دقت ضریب تعیین R2 به میزان 78/0، 87/0، 68/0، و 79/0 به ترتیب در کلاس­های اول تا چهارم پوشش گیاهی انتخابی شده است. لذا نتایج حاصل نشان دهنده این است که بکارگیری الگوریتم ژنتیک به همراه روش رگرسیون چند متغیره موجب بهبود دقت برآورد زیست­توده در این تحقیق شده است.
کلیدواژه‌های فارسی مقاله برآورد زیست توده، الگوریتم ژنتیک، تصاویر راداری و اپتیک، رگرسیون خطی چند متغیره
عنوان انگلیسی Improving Forest Biomass Estimation Using Radar Data from Sentinel 1 Sensor and Sentinel 2 Optical Sensor and Genetic Optimization Algorithm (Case Study: Noor Forest Areas)
چکیده انگلیسی مقاله Biomass is a crucial component of the carbon cycle; thus, accurate evaluation is essential to manage the forest and understand its role in climate change. Today, using remote sensing techniques with the help of field data has revolutionized the estimation of forest biomass. In this study, in order to improve the accuracy of estimating the biomass of forest areas, the features extracted from the optical images of Sentinel-2 sensor and Sentinel-1 radar data as well as field data of Noor forest areas, Mazandaran province, whose forest cover type, Carpinus betulus and Quercus Castaneifolia and also includes rare species such as Populus Caspica Bornm trees. In this study, we used the genetic optimization method in four classes of mixed vegetation, natural forest, degraded forest, and forest reserves were studied. In this regard, multivariate linear regression and support vector regression have been used to model between ground data and radar and optical features. Also, a genetic algorithm has been used during the modeling process using multivariate linear regression to select the optimal features extracted from radar and optical images. Evaluation of the results showed that the use of the multivariate regression method led to more accurate results than the support vector regression method in the study area. Also, evaluation of the results showed that using features selected by a genetic algorithm led to an accurate R2 of 0.78, 0.87, 0.68, and 0.79 for first to fourth vegetation classes, respectively. Therefore, the results showed that the efficiency of the genetic algorithm in feature selection for biomass estimation from satellite images using the multivariate regression method. 
کلیدواژه‌های انگلیسی مقاله Biomass Estimation, Genetic Algorithm, Radar and Optics Images, Multivariate Linear Regression
نویسندگان مقاله آوا توکلی دارستانی | A. Tavakoli Darestani
university
دانشگاه آزاد اسلامی واحد تهران جنوب

نیکروز مستوفی | N. Mostofi
university
دانشگاه آزاد اسلامی واحد تهران جنوب

آرمین مقیمی | A. Moghimi
university
دانشگاه خواجه نصیر طوسی

نشانی اینترنتی http://jgst.issge.ir/browse.php?a_code=A-10-1002-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده فتوگرامتری و سنجش از دور
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات