بررسی تغییرات پوشش درختی استان گلستان به روش طبقه بندی شبکه عصبی مصنوعی با استفاده از داده های سنجنده tm و etm+ ماهواره لندست

Authors

عبدالرسول سلمان ماهینی

استادیار، دانشکدة شیلات و محیط زیست، دانشگاه علوم کشاورزی و منابع طبیعی گرگان جهانگیر فقهی

استادیار، دانشکدة منابع طبیعی، دانشگاه تهران آزاده نادعلی

کارشناس ارشد محیط زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران برهان ریاضی

استادیار، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

abstract

این تحقیق با هدف بررسی میزان تغییرات پوشش درختی در سالهای 1987 (1366) و 2001 (1380) به صورت مطالعه موردی در استان گلستان با مساحت 74/20437 کیلومتر مربع به کمک تصاویر سنجنده  tmوetm+ انجام شد. برای این کار با توجه به اطلاعات و تجربه قبلی از انواع کاربری و پوشش سرزمین در این محدوده و مطالعه چشمی تصویر رنگ مجازی، پوشش درختی منطقه شناسایی شد و بر روی تصویر رنگ مجازی تعیین گردید. سپس با استفاده از 6 باند تصویر شامل باندهای 1، 2، 3، 4، 5، 7 و نمونه های تعلیمی خام و شبکه عصبی مصنوعی (artificial neural network)، طبقه بندی صورت گرفت. در مرحله بعد از نقشه حاصل از طبقه بندی نظارت نشده با 100 طبقه، برای پالایش نمونه های تعلیمی خام استفاده گردید و طبقه بندی تصویر به روش یاد شده تکرار شد. سپس با استفاده از روش مقایسه پس از طبقه بندی (post-classification)، نقشه های حاصل از طبقه بندی بررسی شدند. به این طریق نتایج حاصل از بررسی تغییرات پوشش درختی منطقه با استفاده از تصاویر ماهواره ای بین سالهای 1987 (1366) و 2001 (1380) نشان داد که 595٢٨ هکتار از سطح پوشش درختی کاسته شده و 3٥٠٣٦ هکتار به سطح آن افزوده شده است. با توجه به بررسی صحت تصاویر طبقه بندی شده به دو روش جابه جایی تصادفی پیکسلها و همچنین استفاده از تصاویر سنجنده  liss iiiبه عنوان نقاط کنترل زمینی، مشخص شد که طبقه بندی شبکه عصبی مصنوعی دارای قابلیت زیادی برای تعیین پوشش درختی در استان گلستان می باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی تغییرات پوشش درختی استان گلستان به روش طبقه‌بندی شبکه عصبی مصنوعی با استفاده از داده‌های سنجنده TM و ETM+ ماهواره لندست

این تحقیق با هدف بررسی میزان تغییرات پوشش درختی در سالهای 1987 (1366) و 2001 (1380) به‌صورت مطالعه موردی در استان گلستان با مساحت 74/20437 کیلومتر مربع به‌کمک تصاویر سنجنده  TMوETM+ انجام شد. برای این کار با توجه به اطلاعات و تجربه قبلی از انواع کاربری و پوشش سرزمین در این محدوده و مطالعه چشمی تصویر رنگ مجازی، پوشش درختی منطقه شناسایی شد و بر روی تصویر رنگ مجازی تعیین گردید. سپس با استفاده از 6...

full text

برآورد تغییرات سطح پوشش جنگل های رودسر با استفاده از روش های طبقه بندی شبکه عصبی مصنوعی و حداکثر احتمال

امروزه کسب آگاهی و دانش در رابطه با پوشش گیاهی نقش مهمی را در مدیریت خاک­ها ایفا می­کند. بااین وجود برآورد پوشش گیاهی به روش معمولی که شامل برآورد کلی از پوشش گیاهی است هم زمان­بر است و هم اطلاعات چندان دقیقی را به دست نمی­دهد. از این رو سنجش از دور فنآوری بسیار مفیدی است که به دلیل کاهش زمان و هزینه، بر سایر روش­ها ارجحیت داده می­شود. در این تحقیق سعی بر آن شد با استفاده از تکنیک­های سنجش از د...

full text

تهیه نقشه جنگل‌های طبیعی استان زنجان با استفاده از داده‌های سنجنده +ETM ماهواره لندست 7

The natural forest and range stands of Zanjan province are located in mountainous areas. Inventorying and mapping of natural forest and range stands in mountainous areas are difficult and costly. Satellite data are suitable for this purpose. The Landsat ETM+ image data of 2002 are used for classification and mapping of natural forest stands in Zanjan province. For the purpose of data reduction ...

full text

تهیه نقشه جنگل‌های طبیعی استان زنجان با استفاده از داده‌های سنجنده +ETM ماهواره لندست 7

The natural forest and range stands of Zanjan province are located in mountainous areas. Inventorying and mapping of natural forest and range stands in mountainous areas are difficult and costly. Satellite data are suitable for this purpose. The Landsat ETM+ image data of 2002 are used for classification and mapping of natural forest stands in Zanjan province. For the purpose of data reduction ...

full text

My Resources

Save resource for easier access later


Journal title:
تحقیقات جنگل و صنوبر ایران

جلد ۱۶، شماره ۳، صفحات ۵۰۵-۴۹۵

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023