مقایسه روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا در استخراج کاربری و پوشش اراضی از تصاویر لندست ۸

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

 مقایسه روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا در استخراج کاربری و پوشش اراضی از تصاویر لندست ۸ دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا در استخراج کاربری و پوشش اراضی از تصاویر لندست ۸  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 مقایسه روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا در استخراج کاربری و پوشش اراضی از تصاویر لندست ۸،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا در استخراج کاربری و پوشش اراضی از تصاویر لندست ۸ :

نام کنفرانس، همایش یا نشریه : سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی ( کاربرد سنجش از دور و GISدر علوم منابع طبیعی )

تعداد صفحات :۱۸

تهیه نقشه کاربری/پوشش اراضی، برای برنامه ریزی و مدیریت مکانی ضروری است. امروزه تصاویر ماهوره ای و تکنیک های سنجش از دور، به دلیل فرآهم آوردن داده های بهنگام و قابلیت بالای آنالیز تصاویر، کاربرد گسترده ای در تمامی بخش ها از جمله بخش های کشاورزی و منابع طبیعی دارند. در پژوهش حاضر طبقه بندی کننده های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا جهت تهیه نقشه کاربری/پوشش اراضی شهرستان های اردبیل، نیر و نمین مورد ارزیابی قرار گرفت. تصویر سنجنده Operational Land Imager (OLI) لندست ۸ (سال ۲۰۱۳) پس از تصحیحات هندسی و توپوگرافیکی تحت این الگوریتم ها قرار گرفته و به ۹ طبقه کاربری و پوشش اراضی شامل پهنه های آبی، زراعت آبی، زراعت دیم، چمنزار، برونزدگی سنگی، جنگل، مرتع، عرصه های مسکونی و انسان ساخت و فرودگاه طبقه بندی شد. پس از ارزیابی صحت، صحت کلی برای نقشه حاصل از شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا به ترتیب برابر با ۸۹.۹۱، ۸۵.۶۸ و ۹۴.۳۷ درصد و مقدار کاپای آن ها به ترتیب ۰.۸۸، ۰.۸۲ و ۰.۹۳ برآورد شد که نشان دهنده برتری روش شیءگرا در مقایسه با دو روش دیگر است. هر سه روش توانستند صحتی قابل قبول برای نقشه ها کاربری/پوشش اراضی ارائه دهند. در کل، سه روش طبقه بندی پیشرفته، در منطقه ناهمگن با تغییرات ارتفاعی بیش از ۳۶۰۰ متر با استفاده از نسل جدید تصاویر سنجنده لندست ۸ آزمون و مناسب ترین روش تهیه نقشه کاربری/پوشش اراضی معرفی شد.

کلید واژه: سنجش از دور، کاربری/ پوشش اراضی، شبکه عصبی مصنوعی، ماشین بردار پشتیبان، شیءگرا، استان اردبیل