استفاده از رو‌ش‌های فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه برای تهیّه‎ی نقشه‎ی پوشش اراضی (مطالعه‎ی موردی: شهر اصفهان)

Authors

آزاده زائری امیرانی کارشناس ارشد محیط زیست، دانشکده‎ی منابع طبیعی، دانشگاه صنعتی اصفهان

علیرضا سفیانیان استادیار گروه محیط زیست، دانشکده‎ی منابع طبیعی، دانشگاه صنعتی اصفهان

Abstract:

استفاده از رو‌ش‌های فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه برای تهیّه‎ی نقشه‎ی پوشش اراضی (مطالعه‎ی موردی: شهر اصفهان) ازجمله عوامل مهم در برنامه‌ریزی و مدیریت شهری، به‎ویژه در راستای نیل به توسعه‎ی پایدار در نواحی شهری و استفاده‎ی بهینه از سرزمین، دسترسی بهنگام از وضعیّت پوشش اراضی برای این مناطق است. داده‌های سنجش از دور پتانسیل بالایی برای تهیّه‎ی نقشه‎های به‎روز پوشش اراضی شهری دارند. روش‎های متفاوتی در زمینه‎ی تهیّه‎ی نقشه‎ی پوشش اراضی شهری با استفاده از تصاویر ماهواره‌ای گزارش شده است‌ که هریک مزایا و معایبی دارند. دو روش طبقه‌بندی فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه، ازجمله روش‎های طبقه‌بندی تصاویر هستند که از توانایی بالایی در تفکیک طبقات مختلف پوشش اراضی، به‎ویژه پیکسل‎های مختلط برخوردار هستند. هدف از این مطالعه، مقایسه‎ی توانایی این دو روش طبقه‌بندی با به‎کارگیری تصویر سنجنده‎ی LISS-III سال 1387 در تهیّه‎ی نقشه‎ی پوشش اراضی شهر اصفهان است. نخست تصویر با میانگین خطای مربّعات 4/0 پیکسل تصحیح هندسی شد. پس از آن، دو روش طبقه‌بندی فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه به‎اجرا درآمد. درنهایت نقشه‎ی پوشش اراضی منطقه به پنج طبقه‎ی آب، مناطق مسکونی، اراضی بایر، پوشش گیاهی و جادّه طبقه‌بندی شد. برای ارزیابی درستی نتایج طبقه‌بندی، برداشت‌های زمینی بسیاری با استفاده از GPS انجام گرفت و صحّت کلّی برای روش فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه، به‎ترتیب 88 و 3/93 درصد برآورد شد. این مطالعه نشان داد که روش طبقه‌بندی شبکه‎ی عصبی پرسپترون چندلایه، نسبت به‎روش فازی آرت‎مپ، از توان تفکیک و قابلیّت بیشتری برای تهیّه‎ی نقشه‎ی پوشش اراضی در مناطق شهری برخوردار است.

Upgrade to premium to download articles

Already have an account?login

similar resources

استفاده از رو ش های فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه برای تهیّه‎ی نقشه‎ی پوشش اراضی (مطالعه‎ی موردی: شهر اصفهان)

استفاده از رو ش های فازی آرت‎مپ و شبکه‎ی عصبی پرسپترون چندلایه برای تهیّه‎ی نقشه‎ی پوشش اراضی (مطالعه‎ی موردی: شهر اصفهان) ازجمله عوامل مهم در برنامه ریزی و مدیریت شهری، به‎ویژه در راستای نیل به توسعه‎ی پایدار در نواحی شهری و استفاده‎ی بهینه از سرزمین، دسترسی بهنگام از وضعیّت پوشش اراضی برای این مناطق است. داده های سنجش از دور پتانسیل بالایی برای تهیّه‎ی نقشه‎های به‎روز پوشش اراضی شهری دارند. روش...

full text

پیش بینی دماهای ماهانه ایستگاه های همدید منتخب استان اصفهان، با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه

پیش بینی دما از کاربردی ترین برآوردهای عناصر آب و هوایی است. امروزه بخش های کشاورزی و صنعت وابستگی زیادی به شرایط دمایی (آب و هوا) دارند. دما یکی از فراسنج های بسیار مهم آب و هوایی است و از عوامل اصلی هویت آب و هوایی هر ناحیه محسوب می شود. هدف از انجام این پژوهش، مدل سازی برای پیش بینی میانگین دمای ماهانه ایستگاه های منتخب استان اصفهان است؛ از این رو، پس از بررسی طول دوره آماری ایستگاههای موجود...

full text

ارائه مدلی برای انتخاب سبد بهینه سهام با استفاده از الگوریتم هوش جمعی سالپ و شبکه‌های عصبی پرسپترون چندلایه

ﻣﻬﻤﺘﺮﯾﻦ دﻏﺪﻏﻪ ﺳﺮﻣﺎﯾﻪﮔﺬاران، اﻓﺰاﯾﺶ ﻣﯿﺰان ﺳﻮد و ﮐﺎﻫﺶ رﯾﺴﮏ درﺑﻮرس ﺑﻮده و ﻫﻤﻮاره ﺑﻪ دﻧﺒﺎل راهکاری جهت ﺑﻬﺘﺮﯾﻦ ﭘﯿﺸﻨﻬﺎد در ﺧﺮﯾﺪ ﺳﻬﺎم هستند، تا ﺑﯿﺸﺘﺮﯾﻦ سود ﺳﺮﻣﺎﯾﻪﮔﺬاری را ﺑﺎﺷﺪ. در تحقیقات اﻧﺠﺎم ﺷﺪه مشاهده می شود که ﻣﺪل رﯾﺎﺿﯽ ﻣﯿﺎﻧﮕﯿﻦ وارﯾﺎﻧﺲ ﻣﺎرﮐﻮﯾﺘﺰ ﯾﮑﯽ از اﺻﻠﯽﺗﺮﯾﻦ راهکارها است اما ﺑﻬﺘﺮ اﺳﺖ ﻣﻌﯿﺎرﻫﺎیی همچون ﭼﻮﻟﮕﯽ با در نظر گرفتن ﭘﺘﺎﻧﺴﯿﻞ آینده ﺳﻬﺎم مورد بررسی قرار گیرد. در اﯾﻦ ﺗﺤﻘﯿﻖ از 20 ﺷﺮﮐﺖ اول از 50...

full text

ارزیابی کارایی چهار روش شبکه‌ی عصبی مصنوعی در تهیه‌ی نقشه‌ی پوشش/کاربری اراضی با استفاده از تصاویر ماهواره‌ای ETM+ مطالعه موردی: سه منطقه دویرج، مهران و سرابله

نقشه‌هایپوشش/کاربریاراضیحاصلازتصاویرماهواره‌اینقشمهمیدرارزیابی‌هایمنطقه‌ایوملیپوشش/کاربریاراضیایفامی‌کنند.طیّ سالهای گذشته، کاربردهای زیادی از روشهای طبقهبندی شبکه عصبی مصنوعی برای طبقهبندی پوشش/کاربری اراضی در منابع گزارش شده است، اما مطالعات معدودی، مقایسه‌ی آنها با هم را ارزیابی نمودهاند. در این مطالعه، ابتدا تصحیحات هندسی بر روی دادههای+ETM صورت گرفت. سپس با بازدیدهای میدانی، طبقات مخ...

full text

پیش بینی بزرگای زلزله با استفاده از شبکه عصبی پرسپترون چندلایه

به دلیل نواقص موجود در روش های پیشین محاسبه بزرگای زلزله، شبکه عصبی به عنوان یک روش جدید برای این منظور آزمایش می گردد. در این مقاله نوعی شبکه عصبی با نام پرسپترون چندلایه برای پیش بینی بزرگای گشتاوری زلزله مورد استفاده قرار گرفته است. شبکه عصبی پرسپترون شامل سه لایه اصلی با نام های لایه ورودی، لایه پنهان و لایه خروجی است. ورودی های این شبکه شش متغیر مربوط به مکان و زمان وقوع زلزله و همچنین مشخ...

full text

تخمین تبخیر روزانه از تشت تبخیر با استفاده از سه شبکه عصبی پرسپترون چندلایه، تابع پایه شعاعی و المانی

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

پژوهش های جغرافیای طبیعی

volume 44 issue 1

pages 127- 143

publication date 2012-04-20

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

اصفهان روش فازی آرت‎مپ شبکه‎ی عصبی پرسپترون چندلایه نقشه‎ی پوشش اراضی

Hosted on Doprax cloud platform doprax.com