بررسی تغییرات کاربری اراضی پایین دست سد کجکی حوضه هیرمند افغانستان با استفاده از طبقه بندی کننده بیشترین شباهت، درخت تصمیم گیری و ماشین های بردار پشتیبان

نویسندگان

محمدرضا حاجی حسینی

حمیدرضا حاجی حسینی

مهران شایگان

سعید مرید

جبار وطن فدا

چکیده

کاهش آورد رودخانه مرزی هیرمند از افغانستان به ایران از چالش های همیشگی مدیریت منابع آب در شرق کشور بوده که در سال های اخیر تشدید شده است. توسعه کشاورزی در پایین دست سد کجکی (در حوضه آبریز رودخانه هیرمند) در افغانستان و خشکسالی اخیر از دلایل کم شدن آب این رودخانه به شمار می آید. در مقاله حاضر به طور کمّی به این موضوع پرداخته می شود و برای این منظور کاربری اراضی دشت هلمند افغانستان با استفاده از تصاویر ماهواره ای بررسی شده است. به خاطر اهمیت نوع الگوریتم انتخاب شده در تهیه تصاویر طبقه بندی شده، سه الگوریتم بیشترین شباهت (mlc)، درخت تصمیم گیری (dt) و ماشین های بردار پشتیبان (svm) ارزیابی شده اند. از مشکلات عمده در انجام آزمون ها، تهیه نمونه های آموزشی از افغانستان است؛ بدین منظور از نقشه های fao، نقشه های اطلس کاربری اراضی افغانستان، نقشه های مرکز سازمان زمین شناسی امریکا و تصاویر google earth کمک گرفته شد. با توجه به تصاویر موجود، دوره 20 ساله اخیر در سه تاریخ 1990، 2001 و 2011 میلادی مربوط به ماهواره لندست (etm+ tm,) در نظر گرفته شد و از هر سه روش جواب های نسبتاً مشابهی به دست آمد. نقشه های حاصل از الگوریتم های فوق با ضریب کاپا و دقت کلی ارزیابی شدند و دقت مناسبی داشتند. نتایج تغییرات کاربری اراضی نشان می دهند که مجموع کل کشت محصولات آبی در منطقه، حدود 62 درصد افزایش یافته، به طوری که مقدار آن از رقم 103 هزار هکتار در سال 1990، به حدود 122 هزار هکتار در سال 2001 و به حدود 167 هزار هکتار در سال 2011 رسید که مؤید تأثیر قطعی آن بر کاهش رواناب ورودی از رودخانه هیرمند به کشور است. با وجود نتایج نزدیک روش ها، طبقه بندی درخت تصمیم گیری کارآمدی بیشتری از لحاظ اتکای کمتر به نمونه های آموزشی از خود نشان داد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

ارزیابی عملکرد سه روش‌ طبقه‌بندی تصویر (جنگل تصادفی، ماشین بردار پشتیبان و بیشترین شباهت) در تهیه نقشه کاربری اراضی

Land use/cover maps are the basic inputs for most of the environmental simulation models; hence, the accuracy of the maps derived from the classification of the satellite images reduces the uncertainty in modeling. The aim of this study was to assess the accuracy of the maps produced by machine learning based on classification methods (Random Forest and Support Vector Machine) and to compare th...

متن کامل

تخمین بعد ذاتی و کاهش ابعاد داده های فراطیفی به منظور طبقه بندی با استفاده از روش های درخت تصمیم، ماشین بردار پشتیبان و شبکه عصبی

طبقه­ بندی تصاویر فراطیفی، به دلیل کاربردهای برجسته این تصاویر در حوزه­ های مختلف مانند نظامی، مدیریت و برنامه­ ریزی شهری، مدیریت منابع و کشف معادن، یکی‌ از مسائل بسیار مهم در پردازش تصاویر فرا­طیفی به شمار می‌‌آید. تصاویر فراطیفی به دلیل دارا بودن توان تفکیک طیفی بالا، اطلاعات قابل توجهی در ارتباط با ترکیب شی‌ با صحنه تصویر­برداری در اختیار کاربر قرار می­دهند. بزرگی ابعاد این تصاویر نه تنها مح...

متن کامل

بررسی تغییر کاربری اراضی و اثرات احداث سد کرخه با استفاده از تصاویر ماهواره‌ای و روش طبقه‌بندی بیشترین شباهت

سد کرخه که یکی از مهمترین و بزرگترین سدهای خاکی ایران و خاورمیانه محسوب می‌شود. این سد تغییرات فراوانی، را از جمله تغییر کاربری اراضی، مقدار آب موجود در منطقه، سطح پوشش گیاهی و سطح مناطق شهری به همراه داشته است. از این رو، در تحقیق حاضر، از روشی کاربردی، برمبنای تصاویر ماهواره‌ای (Landsat) و روش طبقه‌بندی بیشترین شباهت، به منظور بررسی تغییرات ناشی از احداث سد کرخه در منطقه­ی مورد مطالعه استفاده...

متن کامل

طبقه بندی متقاضیان تسهیلات اعتباری بانکها با استفاده از تکنیک ماشین بردار پشتیبان

در صنعت بانکداری یکی از موضوعاتی که همواره بایستی مدنظر سیاستگذاران اعتباری قرار دا شته باشد، مبحث مدیریتریسک است. در بین ریسک های مختلفی که بان کها با آن مواجهند, ریسک اعتباری از با اهمیت ترین آن ها است که اززیان های ناشی از ناتوانی یا عدم تمایل مشتری به ایفای تعهدات خویش در برابر بانک حاصل م یگردد.جهت مدیریت و کنترل ریسک مذکور , سیستم های طبقه بندی اعتباری مشتریان ضرورتی انکار ناپذیر است . چن...

متن کامل

ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره ای etm+ لندست (مطالعه موردی: حوزه سد ایلام)

طبقه‏بندی کاربری اراضی با استفاده از تصاویر سنجش از دور یکی از مهمترین کاربردهای سنجش از دور است و بسیاری از الگوریتم‏ها برای این منظور توسعه یافته‏اند. این مطالعه کارایی الگوریتم‏های ماشین بردار پشتیبان[1](svms) را در طبقه‏بندی تصاویر ماهواره‏ای مورد بررسی قرار می‏دهد. ماشین‏های بردار پشتیبان یک گروه از الگوریتم‏های طبقه‏بندی نظارت شده یادگیری ماشینی هستند که در زمینه سنجش از دور مورد استفاده ...

متن کامل

طبقه بندی عارضه مبنای تصاویر پلاریمتری سار با استفاده از طبقه بندی کننده های چندگانه ماشین بردار پشتیبان

طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده­های مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این مقاله یک روش عارضه مبنا برای طبقه بندی مناطق شهری با استفاده از داده های پلاریمتری راداری به صورت تلفیق نتایج پیکسل مبنای طبقه بندی svm و قطعات...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
سنجش از دور و gis ایران

جلد ۵، شماره ۲۰، صفحات ۰-۰

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023