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

Authors

  • 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) 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 باند تصویر شامل باندهای 1، 2، 3، 4، 5، 7 و نمونه‌های تعلیمی خام و شبکه عصبی مصنوعی (Artificial Neural Network)، طبقه‌بندی صورت گرفت. در مرحله بعد از نقشه حاصل از طبقه‌بندی نظارت‌نشده با 100 طبقه، برای پالایش نمونه‌های تعلیمی خام استفاده گردید و طبقه‌بندی تصویر به روش یاد شده تکرار شد. سپس با استفاده از روش مقایسه پس از طبقه‌بندی (Post-Classification)، نقشه‌های حاصل از طبقه‌بندی بررسی شدند. به این طریق نتایج حاصل از بررسی تغییرات پوشش درختی منطقه با استفاده از تصاویر ماهواره‌ای 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 طبقه‌بندی شده به دو روش جابه‌جایی تصادفی پیکسلها و همچنین استفاده از تصاویر سنجنده  LISS IIIبه‌عنوان نقاط کنترل زمینی، مشخص شد که طبقه‌بندی شبکه عصبی مصنوعی دارای قابلیت زیادی برای تعیین پوشش درختی در استان گلستان می‌باشد.

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 طبقه بندی شبکه عصبی مصنوعی با استفاده از داده های سنجنده tm و etm+ ماهواره لندست

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...

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

بررسی تغییرات خط ساحلی شهرستان دیر با استفاده از داده‌های ماهواره لندست، سنجنده TM و OLI سال‌های 1991 و 2014

محیط‌های ساحلی از حساس‌ترین سیستم‌های محیطی به‌شمار می‌روند، از نظر زیست‌محیطی، مناطق ساحلی به‌دلیل دارا بودن اکوسیستم‌های حساس و مولد از اهمیت و ارزش بالایی برخوردارند. داشتن اطلاع از رفتار خط ساحلی به مدیریت بهتر سواحل کمک فراوانی می‌کند.هدف از انجام این پژوهش ارزیابی کاربرد تکنیک فاکتور شاخص مطلوبیت OIF، در ارزیابی تغییرات خط ساحلی شهرستان دیر، با استفاده از تصاویر ماهواره لندست، سنجنده TM و...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 16  issue 3

pages  505- 495

publication date 2008-09-22

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

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023