طبقه بندی پوشش های جنگلی با استفاده از داده های compact پلاریمتری
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداری
- نویسنده امیر آقابالائی
- استاد راهنما حمید عبادی یاسر مقصودی
- سال انتشار 1394
چکیده
اخیرا مد جدیدی در سیستم های تصویربرداری dual polarimetry ارائه شده است که compact polarimetry (cp) نامیده می شود. این مد چندین مزیت مهم را نسبت به مد full polarimetry دارا می باشد که از جمله آنها می توان به قابلیت کاهش در پیچیدگی، هزینه و نرخ داده های sar اشاره کرد. همچنین این مد پهنای نوار وسیع تری را نسبت به مد fp دارد. بنابراین این مد می تواند برای کاربردهای بزرگ مقیاس مانند کنترل و پایش مناطق جنگلی مناسب باشد. در این تحقیق پتانسیل داده های cp در طبقه بندی پوشش های جنگلی بررسی و ارزیابی شده است.
منابع مشابه
طبقه بندی پوشش های جنگلی با استفاده از داده های پلاریمتری فشرده
اخیرا رشد قابل توجهی در سیستمهای dual-polarimetry (dp) بهوجود آمده است که compact polarimetry (cp) نامیده میشود. cp یک سیستم تصویربرداریdp است که چندین مزیت مهم را نسبت به دیگر سیستمهای چندپلاریزاسیون sar دارد. از جمله آنها میتوان به قابلیت کاهش پیچیدگی سیستم، هزینه، وزن و نرخ دادههای سیستم sar اشاره کرد. یکی از زمینههای تحقیقاتی مورد توجه سنجش از دور راداری مطالعه جنگلها است، چراکه ن...
متن کاملطبقه بندی پوشش زمین با استفاده از داده های پلاریمتری sar
داده¬های پلاریمتری به دلیل وجود اطلاعاتی به مراتب بیشتر نسبت به داده¬های معمولی sar نقش مهمی در تعیین پوشش زمین و همچنین مدیریت محیط زیست ایفا کرده¬اند؛ با توجه به این مطلب در این تحقیق، هدف طبقه¬بندی پوشش زمین با استفاده از داده¬های پلاریمتری (polsar) در نظر گرفته شد. برای رسیدن به این هدف الگوریتم¬های بسیاری تحت عنوان الگوریتم¬های تجزیه جهت استخراج اطلاعات از این تصاویر ارائه شده است و خروجی ...
تعیین مرزهای بهینه برای نواحی طبقه بندی آلفا انتروپی داده پلاریمتری فشرده دو دایروی با استفاده از مفهوم حداکثر مشابهت
یکی از مهمترین اهداف پژوهشگران در حوزه پلاریمتری فشرده، پیشنهاد روش‌هایی جهت نزدیک‌تر کردن اطلاعات و نتایج حاصل از داده های پلاریمتری حالت فشرده به نتایج حاصل از داده های پلاریمتری حالت کامل می باشد. یکی از روش های پرکاربرد جهت استخراج مکانیسم های پراکندگی داده های پلاریمتری، روش طبقه بندی بر اساس فضای انتروپی-آلفا می باشد. فضای طبقه بندی انتروپی-آلفای داده حالت فشرده دو دایروی که در ادبیات موض...
متن کاملطبقه بندی تراکم توده های جنگلی با استفاده از تصویر ماهوارۀ IRS و الگوریتم ناپارامتریک kNN
برآوردهای کمّی و دقیق از مشخصه‌های توده‌های جنگلی لازمه مدیریت صحیح آنها است. تصاویر سنجش از دور با توجه به اطلاعات مکانی دقیق و وسیع، همواره ابزاری مقرون به صرفه در مدیریت جنگل است و یکی از متداول‌ترین کاربردهای تصاویر در علم جنگلداری، طبقه‌بندی مشخصه‌های توده‌های جنگلی و تهیۀ نقشه‌های موضوعی آنها است. هدف این پژوهش بهینه‌سازی طبقه‌بندی تراکم (تعداد درختان در هکتار) در توده‌های جنگلی با استفاده...
متن کاملطبقه بندی عارضه مبنای تصاویر پلاریمتری سار با استفاده از طبقه بندی کننده های چندگانه ماشین بردار پشتیبان
طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و دادههای مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این مقاله یک روش عارضه مبنا برای طبقه بندی مناطق شهری با استفاده از داده های پلاریمتری راداری به صورت تلفیق نتایج پیکسل مبنای طبقه بندی svm و قطعات...
متن کاملبرآورد 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...
متن کاملمنابع 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 صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداری
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023