آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,416 |
| تعداد مقالات | 17,490 |
| تعداد مشاهده مقاله | 56,497,368 |
| تعداد دریافت فایل اصل مقاله | 18,744,879 |
مقایسه روشهای شبکه عصبی و ماشین بردار پشتیبان در استخراج نقشه های کاربری و پوشش اراضی با استفاده از تصاویر لندست 8 (مطالعه موردی : حوضه صوفی چای) | ||
| جغرافیا و برنامه‌ریزی | ||
| دوره 19، شماره 52، تیر 1394 | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| نویسندگان | ||
| صغری اندریانی1؛ محمد حسین رضائی مقدم* 2؛ خلیل ولیزاده کامران3؛ فرهاد الماس پور4 | ||
| 1دانشجوی GIS و RS دانشگاه تبریز | ||
| 2رئیس دانشکده جغرافیا | ||
| 3دانشگاه تبریز | ||
| 4سازمان آب منطقه ای آذربایجان شرقی | ||
| چکیده | ||
| تهیه نقشه های کاربری و پوشش اراضی برای برنامه ریزی و مدیریت منابع طبیعی امری ضروری می باشد. در این بین استفاده از داده های سنجش از دور با توجه به ارائه اطلاعات به روز ، پوشش تکراری ، کم هزینه بودن در ارزیابی منابع طبیعی جایگاه خاصی دارد. لذا در این پژوهش، تصاویر لندست 8 به عنوان داده ورودی برای تهیه نقشه کاربری اراضی در سطح 2و1 مورد استفاده قرار گرفت. در این بین ، با توجه به جدید بودن این تصاویر ، تصحیحات رادیومتریک با استفاده از روابط موجود در محیط مدل ساز نرم افزار Erdas فرمول نویسی شد. همچنین از شاخصهای گیاهی NDVI، خاک بایر (BI) و سه مولفه اصلی آنالیز مولفه های اصلی (PCA) به عنوان ورودی در کنار دیگر باندها برای افزایش دقت طبقه بندی مورد استفاده قرار گرفت. از طرفی توابع کرنلها و رتبه های چند جمله ای روش ماشین بردار پشتیبان (SVM) مورد ارزیابی قرار گرفت و بهترین نتیجه این روش با روش شبکه عصبی مصنوعی(ANN) مورد مقایسه قرار گرفت. نتایج نشان داد که دقت روش ماشین بردار پشتیبان92٪ با ضریب کاپا 0.91 و روش شبکه عصبی 89٪ با ضریب کاپا 0.87 می باشد. همچنین جایی که کلاسها رفتار طیفی مشابهی را از خود نشان می دهند روش SVM کارایی بهتری از خود نشان می دهد. | ||
| کلیدواژه‌ها | ||
| کاربری اراضی؛ لندست 8؛ شاخصهای گیاهی و خاک بایر؛ ANN؛ SVM | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 877 |
||