استفاده از فنون فازی طبقه ای در دسته بندی داده های ماهواره ایaster-l1bبرای شناسائی رخساره های کویر در منطقه ابرکوه، استان یزد.

پایان نامه
چکیده

چکیده استفاده از فنون فازی طبقه ای در دسته بندی داده های ماهواره ای aster-l1b برای شناسایی رخساره های کویر در منطقه ابرکوه، استان یزد به کوشش ملیحه غفوری خرانق تحقیقات جاری نشان می دهد که تکنیک سنجش از دور، تکنیک بسیار کارآمدی در بررسی مناطق خشک و مطالعه تغییرات آن محسوب می شود. هدف تحقیق جاری، افزایش دقت و صحت نقشه رخساره های پلایای کویری منطقه ابرکوه یزد با تلفیق راه حل فازی طبقه ای با داده های ماهواره ای سنجنده aster-l1b است، که بر مبنای ماهیت طبقه ای رخساره های ژئومورفیک پلایای کویری و عدم قطعیت موجود در رابطه بین مقادیر کمی ویژگی های خاک و بازتاب طیفی آنها با هر یک از رخساره های مذکور است. با تعیین نقاط زمینی بر روی تصاویر ماهواره ای، ارزش پیکسل های نظیر نقاط زمینی در باندهای مختلف استخراج گردید و سپس رابطه بین داده های ماهواره ای و نتایج حاصل از آزمایشات خاک منطقه با استفاده از روش رگرسیون خطی و به روش گام به گام مورد ارزیابی قرار گرفت و دقت مدل ها با استفاده از فاکتورهای مختلف ارزیابی شد. با اعمال مدل ها بر روی تصاویر ماهواره ای، نقشه های مربوط به مولفه های شوری خاک تهیه گردید و پس از آن با به کارگیری معیارهای ارزیابی صحت، صحت طبقه بندی نقشه های حاصل بررسی گردید. پس از آن به منظور بررسی منشا فازی و غیرقطعی خصوصیات شوری پلایا، انجام آنالیزهای آماری و خوشه بندی بر روی تمام خصوصیات خاک انجام گرفت و در نهایت مدل سازی تجربی بر روی خوشه های حاصله اعمال شد. مدل های حاصله بر روی تصاویر اعمال شد و طبقه بندی نظارت شده و نظارت نشده بر روی تصاویر صورت گرفت و صحت طبقه بندی ها ارزیابی شد. نتایج نشان داد که روش فازی طبقه ای نتیجه بهتری از روش های متداول حداکثر درست نمایی ارائه نداد و این به علت تعداد کم نمونه ها است و اینکه پارامترهای شیمیایی اندازه گیری شده ممکن است با مرزهای ظاهری خاک انطباق نداشته باشند و یا تحت تاثیر آبشویی و جریان های هیدرولوژیکی باشد.

منابع مشابه

مقایسۀ روش های مختلف رگرسیون دو متغیره در شناسایی رخساره های کویری بر اساس روابط مؤلّفه های خاک با داده های ماهواره ای مورد شناسی: پلایای ابرکوه- استان یزد

بررسی روابط بین پارامترهای مختلف خاک با داده­های ماهواره­ای گامی مؤثر در شناسایی و تفکیک رخساره­های کویری است. در همین راستا، تحقیق حاضر با هدف بررسی روش­های مختلف رگرسیون دو متغیره بر اساس روابط بین مؤلفه­های مختلف خاک با داده­های ماهواره­ای سنجنده ASTER در شناسایی رخساره­های پلایای ابرکوه مورد بررسی قرار گرفت. بدین منظور ابتدا از خاک سطحی30 پروفیل در منطقۀ مطالعاتی برداشت و در آزمایشگاه مقادی...

متن کامل

ارزیابی کارایی روش طبقه بندی درختی جهت استخراج نقشه کاربری اراضی با استفاده از داده های ماهواره ای درحوزه ی چم¬گردلان استان ایلام

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...

متن کامل

مقایسة میزان کارآیی سه روش رایج طبقه بندی نظارت شده داده های ماهواره ای در مطالعة پوشش گیاهی

استفاده از فناوری­های نوینی همچون سنجش از دور و سامانه اطلاعات جغرافیایی جهت مطالعه اکوسیستم­های گیاهی و به خصوص تهیة نقشه­های زمین پوشش، مستلزم شناخت کارآیی این ابزار و نیز شناسایی بهترین روش­های کاربرد آن­ها می­باشد. هدف از انجام این مطالعه مقایسة میزان کارآیی سه روش رایج طبقه­بندی نظارت­شده داده­های ماهواره­ای (روش حداقل فاصله از میانگین، روش متوازی السطوح و روش حداکثر احتمال) در تشخیص گروه­...

متن کامل

استخراج نقشه هیدروگرافی با استفاده از داده های ماهواره ای

Nowadays, for managing coastal zones and littoral lands, we need accurate and updated information on hydrography of coastal areas. These data can be obtained by local measurements, airborne imagery and satellite data. Using satellite data is not time-consuming and expensive like than other methods, thus it is most economical method in the world. Unfortunately, this method is not developed in Ir...

متن کامل

استفاده از روش یادگیری فعال در طبقه بندی تصاویر ماهواره ای برای شناسایی ویژگی های خاک مطالعه موردی: منطقه ابرکوه، استان یزد

طبقه بندی تصاویر ماهواره ای از رایج ترین شیوه های استخراج اطلاعات به شمار می رود. برای حصول به دقت بالا در الگوریتم های مرسوم همچون طبقه بندی بیشترین شباهت به نمونه تعلیمی زیادی نیاز است، بنابراین زمان و هزینه بالایی را می طلبد. همچنین دشواری دسترسی به برخی مناطق صعب العبور ایجاد مشکلات فراوان می کند. یادگیری فعال روشی مناسب برای کاهش احتیاج به نمونه های واقعیت زمینی با حجم زیاد است، چراکه الگو...

منابع من

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

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده کشاورزی و منابع طبیعی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023