مقاله تعیین قابلیت داده‏های سنجنده ASTER و روش‏های درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی در تهیه نقشه تیپ جنگل

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

 مقاله تعیین قابلیت داده‏های سنجنده ASTER و روش‏های درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی در تهیه نقشه تیپ جنگل دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله تعیین قابلیت داده‏های سنجنده ASTER و روش‏های درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی در تهیه نقشه تیپ جنگل  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 تعیین قابلیت داده‏های سنجنده ASTER و روش‏های درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی در تهیه نقشه تیپ جنگل،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله تعیین قابلیت داده‏های سنجنده ASTER و روش‏های درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی در تهیه نقشه تیپ جنگل :

تعداد صفحات :۲۱

شناسایی واحد‏های همگن و تفکیک آن‏ها و نهایتاً برنامه‏ریزی برای هر واحد، اصولی‏ترین راه برای مدیریت واحد‏های جنگلی محسوب می‏شود. هدف از این مطالعه، تهیه نقشه تیپ جنگل با استفاده از داده‏های سنجنده ASTER و نیز استفاده از دو الگوریتم درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی در سری یک جنگل آموزشی و پژوهشی دارابکلا است. برای این هدف، ابتدا با استفاده از شبکه آماربرداری ۳۵۰×500 متر تعداد ۱۵۰ قطعه نمونه در کل سری برداشت شد. پس از پیش‏پردازش‏های لازم مانند تصحیح هندسی، اتمسفریک، پردازش‏های نسبت‏گیری‏ باندها، ایجاد شاخص‏های متداول گیاهی، تجزیه مؤلفه اصلی، و تولید شاخص تسلدگپ (روشنایی، سبزینگی، نمناکی) انجام شد. سپس مقادیر طیفی متناظر با قطعات نمونه بر روی باندهای اصلی و پردازش‌شده استخراج شد و ارزش‏های سایر پیکسل‏ها با استفاده از الگوریتم‏های مورد بررسی طبقه‏بندی شد. ارزیابی صحت نتایج طبقه‏بندی با تعدادی قطعه نمونه که در فرایند طبقه‏بندی شرکت نداشتند صورت گرفت. نتایج نشان داد که نقشه تهیه‌شده با استفاده از روش جنگل تصادفی با صحت کلی ۶۶ درصد و ضریب کاپای ۵۸/۰ در مقایسه با روش الگوریتم درخت طبقه‏بندی و رگرسیونی به‏ترتیب با صحت کلی ۵۸ درصد و ضریب کاپای ۴۹/۰ دارای صحت بالاتری است. در مجموع نتایج نشان داد که داده‏های سنجنده ASTER و الگوریتم‏های درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی نتایج مقبولی در تهیه نقشه‏ تیپ جنگل در جنگل دارابکلا دارند.