نقشه کاربری اراضی، از ابزارهای پایه برای مدیران و برنامه­ریزان در راستای توسعه پایدار مناطق مختلف است. روش­های مختلفی برای تهیه نقشه کاربری اراضی ارائه شده ­است. تهیه نقشه کاربری اراضی با استفاده از تصاویر ماهواره­ای با بهره­گیری از تکنیک­های مختلفی از جدیدترین و مهم­ترین این روش­ها است. هدف از این تحقیق انجام، بررسی کارایی روش­های طبقه­بندی پیکسل پایه (روش­های شبکه عصبی آرتمپ فازی و تصمیم­گیری...

نقشه کاربری اراضی، از ابزارهای پایه برای مدیران و برنامه­ریزان در راستای توسعه پایدار مناطق مختلف است. روش­های مختلفی برای تهیه نقشه کاربری اراضی ارائه شده ­است. تهیه نقشه کاربری اراضی با استفاده از تصاویر ماهواره­ای با بهره­گیری از تکنیک­های مختلفی از جدیدترین و مهم­ترین این روش­ها است. هدف از این تحقیق انجام، بررسی کارایی روش­های طبقه­بندی پیکسل پایه (روش­های شبکه عصبی آرتمپ فازی و تصمیم­گیری...

الگوریتم های شناسایی تغییرات در تصاویر سنجش‌ازدور به دو دسته پیکسل پایه و شیءگرا بر پایه حداقل واحد پردازش تقسیم می شوند. هدف از این پژوهش مقایسه عملکرد روش های پیکسل پایه و شیءگرا در طبقه بندی کاربری اراضی در دشت های اصفهان- برخوار، نجف آباد و چادگان و بررسی تغییر کاربری اراضی در طول دوره آماری با استفاده از تصاویر لندست  (TM (1985 و (OLI (2015 است. طبقه بندی کاربری اراضی شامل قطعه بندی داده ه...

یکی از عوامل مهم برای برنامه‌ریزی و مدیریت شهری به‌خصوص در راستای نیل به توسعۀ پایدار در نواحی شهری و استفادۀ بهینه از سرزمین، در دسترس بودن اطلاعات صحیح و بهنگام از وضعیت کاربری اراضی مناطق شهری است. در این راستا، هدف از انجام این تحقیق مقایسۀ دو روش طبقه‏بندی پیکسل پایه و شیءگرا در تهیۀ نقشۀ کاربری اراضی با استفاده از تصویر ETM+ در شهر ایلام با استفاده از نرم‌افزار Idrisi Selvi است. پس از تهی...

طبقه بندی یکی از مهم ترین روش های استخراج اطلاعات از تصاویر رقومی ماهواره ای است. در روش های معمول پیکسل پایه، طبقه بندی براساس ارزش عددی هریک از پیکسل ها انجام می شود که نتیجه بازتاب عارضه های متناظر آن در سطح زمین است. توانایی روش های کلاسیک در طبقه بندی تصاویر ماهواره ای هنگامی که اشیاء متفاوت اطلاعات طیفی مشابهی دارند محدود می با شد. این امر موجب کاهش صحت روش های طبقه بندی پیکسل پایه می گرد...

نقشه هایپوشش/کاربریاراضیحاصلازتصاویرماهواره اینقشمهمیدرارزیابی هایمنطقه ایوملیپوشش/کاربریاراضیایفامی کنند.طیّ سال­های گذشته، کاربردهای زیادی از روش­های طبقه­بندی شبکه عصبی مصنوعی برای طبقه­بندی پوشش/کاربری اراضی در منابع گزارش شده است، اما مطالعات معدودی، مقایسه ی آنها با هم را ارزیابی نموده­اند. در این مطالعه، ابتدا تصحیحات هندسی بر روی داده­های+­etm صورت گرفت. سپس با بازدیدهای میدانی، طبقات مخ...

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...

طبقه‌بندی یکی از مهم‌ترین روش‌های استخراج اطلاعات از تصاویر رقومی ماهواره‌ای است. در روش‌های معمول پیکسل پایه، طبقه‌بندی براساس ارزش عددی هریک از پیکسل‌ها انجام می‌شود که نتیجه بازتاب عارضه‌های متناظر آن در سطح زمین است. توانایی روش‌های کلاسیک در طبقه‌بندی تصاویر ماهواره‌ای هنگامی که اشیاء متفاوت اطلاعات طیفی مشابهی دارند محدود می‌با‌شد. این امر موجب کاهش صحت روش‌های طبقه‌بندی پیکسل پایه می‌گرد...

یکی از کاربردهای عمده­ی داده­های ماهواره­ای طبقه­بندی پوشش سطح زمین می­باشد. طیّ سال­های گذشته تعدادی الگوریتم­های طبقه­بندی برای طبقه­بندی داده­های سنجش از دور ابداع شده­اند. قابل توجه­ترین آنها شامل روش­های حداکثر احتمال، روش­های شبکه عصبی مصنوعی و طبقه­بندی­های درختی می­باشد. در این مطالعه، ابتدا تصحیحات هندسی و رادیومتری بر روی داده­های ETM+ صورت گرفت. سپس با بازدیدهای میدانی ، طبقات مختلف ک...

یکی از کاربردهای عمده­ی داده­های ماهواره­ای طبقه­بندی پوشش سطح زمین می­باشد. طیّ سال­های گذشته تعدادی الگوریتم­های طبقه­بندی برای طبقه­بندی داده­های سنجش از دور ابداع شده­اند. قابل توجه­ترین آنها شامل روش­های حداکثر احتمال، روش­های شبکه عصبی مصنوعی و طبقه­بندی­های درختی می­باشد. در این مطالعه، ابتدا تصحیحات هندسی و رادیومتری بر روی داده­های etm+ صورت گرفت. سپس با بازدیدهای میدانی ، طبقات مختلف ک...