تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,035 |
تعداد مشاهده مقاله | 52,539,402 |
تعداد دریافت فایل اصل مقاله | 15,243,079 |
توسعه یک روش نیمهخودکار برپایه تحلیل شیء پایه و الگوریتم دادهکاوی در شناسایی زمینلغزش (مطالعه موردی حوزه آبخیز جنگلی محمدآباد گلستان) | ||
نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی | ||
دوره 4، شماره 12، آبان 1403، صفحه 71-49 اصل مقاله (1.47 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/rsgi.2024.63550.1101 | ||
نویسندگان | ||
مرضیه نیکجوی1؛ علی نجفی نژاد* 2؛ علی شمس الدینی3؛ حمیدرضا پورقاسمی4؛ چوقی بایرام کمکی5 | ||
1دانشجوی دکتری رشته مدیریت حوزههای آبخیز، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران | ||
2عضو هیات علمی دانشگاه علوم کشاورزی و منابع طبیعی گرگان،ایران | ||
3دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، ایران | ||
4عضو هیات علمی گروه علوم و مهندسی آبخیزداری، دانشکده کشاورزی، دانشگاه شیراز، ایران | ||
5استادیار گروه بیابان، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران | ||
چکیده | ||
این منطقه به دلیل شرایط خاص توپوگرافی و دستکاریهای انسانی مستعد وقوع زمینلغزش بوده و هرساله خسارات قابلتوجه مالی به ساکنین و تخریب زیرساختها وارد میکند. در این مطالعه دو تصویر ماهواره گائوفن-1 مربوط به خردادماه 1402 و اسفندماه 1401 مورداستفاده قرار گرفت. به علت متفاوت بودن فصول تصویربرداری، تمام پردازشها بهصورت جداگانه بر روی دو تصویر انجام شد و درنهایت برای کل منطقه موردمطالعه تلفیق گردید. بهمنظور افزایش وضوح تصاویر، سه روش ترکیب تصویر با عنوان Brovey، PCA و Wavelet-PCA مورد آزمون قرار گرفت. روش Wavelet-PCA با داشتن ضریب همبستگی بالای 97 درصد و نزدیکترین مقدار آنتروپی به تصویر اصلی بهعنوان بهترین روش ترکیب تصویر انتخاب گردید. در مرحله بعد با بازدید صحرایی 218 مورد زمینلغزش در منطقه ثبت شد که 70 درصد آن برای آموزش مدل و 30 درصد برای اعتبارسنجی مدل استفاده شد. قطعهبندی تصاویر همراه با بهینهسازی پارامتر مقیاس با روش واریانس محلی و پارامترهای شکل و فشردگی بهصورت آزمونوخطا صورت گرفت. پارامترهای بهینه شامل مقیاس= 33، شکل= 6/0 و فشردگی= 5/0 بود. سپس انتخاب ویژگیها از بین ویژگیهای بافتی، طیفی، ارتفاعی، هندسی و لایههای کمکی با استفاده از روش جنگل تصادفی انجام شد و 16 ویژگی اصلی از بین 53 ویژگی استخراجشده انتخاب گردید. درنهایت، طبقهبندی تصویر منتخب با استفاده از روش طبقهبندی نظارتشده ماشین بردار پشتیبان صورت گرفت. نتایج نشان داد که روش پیشنهادی با صحت کلی بالای 92 درصد و ضریب کاپا بالای 85/0 قادر به شناسایی زمینلغزشها با دقت بالا است. | ||
کلیدواژهها | ||
زمینلغزش؛ شیء پایه؛ دادهکاوی؛ پارامتر مقیاس؛ ترکیب تصویر | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 44 تعداد دریافت فایل اصل مقاله: 55 |