مقاله استخراج اتوماتیک تپه های بزرگ ماسه ای ریگ ییلان، شرق کویر لوت با استفاده از نقشه های خودسازمان ده

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله استخراج اتوماتیک تپه های بزرگ ماسه ای ریگ ییلان، شرق کویر لوت با استفاده از نقشه های خودسازمان ده دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله استخراج اتوماتیک تپه های بزرگ ماسه ای ریگ ییلان، شرق کویر لوت با استفاده از نقشه های خودسازمان ده  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله استخراج اتوماتیک تپه های بزرگ ماسه ای ریگ ییلان، شرق کویر لوت با استفاده از نقشه های خودسازمان ده،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله استخراج اتوماتیک تپه های بزرگ ماسه ای ریگ ییلان، شرق کویر لوت با استفاده از نقشه های خودسازمان ده :

تعداد صفحات :۱۷

اشکال متفاوت از تپه‌های ماسه‌ای حدود ۲۰ درصد از سطح بیابان­های جهان را پوشانده، که زمین ریخت‌شناسی آن­ها همواره از دیدگاه­های مختلف مورد توجه بوده است. روش­های سنتی نقشه­برداری زمین ریخت‌شناسیک کیفی و یا بر پایه­ی عملیات­های میدانی، به دلیل شرایط خاص و دشوار حاکم بر بیابان­ها بسیار زمان­بر و پرهزینه است. به ویژه زمانی که منطقه‌ای منحصر به فرد نظیر دشت لوت شامل تپه‌های بزرگ ماسه‌ای در مقیاسی بزرگ تحت بررسی قرار گیرد، روش­های سنتی به دلیل عدم امکان بازدید صحرایی و دسترسی به منطقه دارای دقت مطلوبی نخواهد بود. در این مطالعه تپه‌های عظیم ماسه‌ای بخش شرقی دشت لوت با پستی و بلندی ویژه، به وسیله­ی یکی از روش­های شبکه‌های عصبی مصنوعی تحت عنوان الگوریتم خودسازمانده مطالعه گردید. در این مطالعه ابتدا ۲۲ پارامتر مورفومتریک نمای اول، نمای دوم و نمای سوم از آخرین نسخه­ی داده‌های رقومی ‌ارتفاعی رادارSRTM/X با گرید سایز ۱ قوس ثانیه (بزرگنمایی معادل ۳۰ متر) بر اساس برنامه­نویسی و با کمک برازش یک سطح درجه دوم و درجه سوم محاسبه گردید. سپس پارامترهای مؤثر در طبقه‌بندی و تعداد کلاس­های متناسب منطقه بر اساس ضرایب کمی ‌OIF و DBI تعیین گردید. پارامترهای بهینه­ی مورفومتریک همراه با باندهای سنجنده­ی ETM+ به تاریخ ۲۰۰۱ جهت طبقه‌بندی با الگوریتم شبکه­ی خودسازمان­ده مورد استفاده قرار گرفت و نتایج با استفاده از اطلاعات موجود و نقشه‌های پستی و بلندی مقایسه گردید. نتایج حاصل نشان داد که شبکه­ی خودسازمان­ده به عنوان یک الگوریتم نظارت نشده­ی شبکه‌های عصبی مصنوعی در تلفیق پارامترهای مورفومتریک و داده‌های ماهواره­ی لندست برای تحلیل لندفرم­های بیابان با مقیاس­ها و توان­های تفکیک متفاوت بسیار کارآمد می‌باشد.