تعیین بهترین الگوریتم استخراج کاربری و پوشش اراضی و کشف تغییرات از تصاویر ماهواره ای لندست (مطالعه موردی : حوضه صوفی چای مراغه)

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

 تعیین بهترین الگوریتم استخراج کاربری و پوشش اراضی و کشف تغییرات از تصاویر ماهواره ای لندست (مطالعه موردی : حوضه صوفی چای مراغه) دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تعیین بهترین الگوریتم استخراج کاربری و پوشش اراضی و کشف تغییرات از تصاویر ماهواره ای لندست (مطالعه موردی : حوضه صوفی چای مراغه)  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 تعیین بهترین الگوریتم استخراج کاربری و پوشش اراضی و کشف تغییرات از تصاویر ماهواره ای لندست (مطالعه موردی : حوضه صوفی چای مراغه)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تعیین بهترین الگوریتم استخراج کاربری و پوشش اراضی و کشف تغییرات از تصاویر ماهواره ای لندست (مطالعه موردی : حوضه صوفی چای مراغه) :

نام کنفرانس، همایش یا نشریه : فضای جغرافیایی

تعداد صفحات :۲۴

استفاده از داده های سنجش از دور با توجه به ارائه اطلاعات به روز، پوشش تکراری و کم هزینه بودن در ارزیابی منابع طبیعی از جایگاه خاصی برخوردار است. همچنین آشکار ساختن تغییرات یکی از نیازهای اساسی در مدیریت و ارزیابی منابع طبیعی است. از این رو میزان تغییرات کاربری و پوشش اراضی را که نتیجه فرآیند آشکارسازی تغییرات می باشد، می توان بر اساس تصاویر چند زمانه سنجش از دور برآورد نمود. در پژوهش حاضر، تصاویر ماهواره ای لندست (OLI & TIRS) 8سال ۲۰۱۳ و لندست (ETM+) 7سال ۲۰۰۰ به عنوان داده ورودی برای تهیه نقشه کاربری و پوشش اراضی مورد استفاده قرار گرفتند. در این بین، با توجه به جدید بودن تصاویر OLI، تصحیحات رادیومتریک با استفاده از روابط موجود در محیط Band Math نرم افزار ENVI فرمول نویسی گردید. همچنین از شاخص های گیاهی (NDVI)، خاک بایر (BI) و سه مؤلفه اصلی آنالیز مؤلفه های اصلی (PCA) به عنوان ورودی در کنار دیگر باندها برای افزایش دقت طبقه بندی مورد استفاده قرار گرفت. روش ماشین بردار پشتیبان (SVM) با روش های شبکه عصبی مصنوعی (ANN) و حداکثر احتمال (MLC) در تصاویر OLI مورد مقایسه قرار گرفت. نتایج نشان داد که روش ماشین بردار پشتیبان با صحت ۹۲.۷% در کرنل چندجمله ای با درجه ۵ نسبت به روش های شبکه عصبی با صحت ۸۹% و روش حداکثر احتمال با ۹۱.۸% مناسب ترین روش برای طبقه بندی می باشد. همچنین در مناطقی که کلاس ها رفتار طیفی مشابهی را از خود نشان می دهند روش SVM کارایی بهتری از خود نشان می دهد. برای آشکار سازی تغییرات ایجاد شده در بازه زمانی ۱۳ سال از روش مقایسه پس از طبقه بندی استفاده شد. نتایج به دست آمده نشان دهنده تغییر وسیع کاربری و پوشش اراضی بخصوص در کاربری باغ به میزان ۳۱۱ هکتار و اراضی بایر ۱۶۳۵ هکتار در این حوضه می باشد که لزوم نظارت و مدیریت کارآمد را می طلبد.

کلید واژه: کاربری و پوشش اراضی، مقایسه پس از طبقه بندی، ANN ،SVM ،MLC، حوضه صوفی چای مراغه