جستجو در مقالات منتشر شده


2 نتیجه برای تالاب شادگان

پرویز ضیائیان فیروزآبادی، سعید ساروئی،
دوره 2، شماره 2 - ( 10-1382 )
چکیده

در این مقاله ارزیابی توان فناوری‌های سنجش از دور و GPS برای تهیه نقشه پوشش اراضی تالاب بین‌المللی شادگان در زمانی که خشک‌سالی، تالاب را در معرض خطر نابودی قرار داده بود ارائه می‌گردد. در این تحقیق داده‌های چندزمانی1 سال 2000 سنجنده ETM+ در محیط نرم‌افزار Geomatica 8.2 پردازش شده‌اند. پس از بررسی‌های کیفی بر روی داده‌ها، داده مربوط به ماه « می » برای تهیه نقشه پوشش اراضی انتخاب و تطبیق هندسی آن با نقشه‌های مبنا مناسب ارزیابی شد. همچنین باندهای طیفی 4،3 و 2 به کمک باند پانکروماتیک به لحاظ مکانی تقویت شده و به عنوان داده اصلی استفاده شده‌اند. طبقه‌بندی نظارت نشده2 تصاویر، جهت آشنایی با پدیده‌های زمینی و بازتاب طیفی آن‌ها انجام گردیده است. اطلاعات زمینی در محل 32 قطعه نمونه زمینی تصادفی به کمک دستگاه GPS برداشت و برای انتخاب نمونه‌های تعلیمی3 و تهیه نقشه واقعیت زمینی4 استفاده شده‌اند. پس از انتخاب نمونه‌های تعلیمی، تصاویر به کمک الگوریتم حداکثر درست نمایی5 طبقه‌بندی شده و 14 طبقه پوشش که 11 طبقه آن مربوط به جوامع گیاهی است، شناسایی و تفکیک گردید. دقت نقشه حاصل در مقایسه با نقشه واقعیت زمینی نمونه‌ای به کمک معیارهای بیان دقت ارزیابی شده است .
حمید باقری، رحیمه رستمی،
دوره 24، شماره 74 - ( 7-1403 )
چکیده

طبقه­بندی پوششی تالاب­ها به منظور شناسایی نوع گونه­های گیاهی داخل تالاب و تمایز آن با پوشش گیاهی حاشیه­ی تالاب و بررسی تغییرات اکوسیستم آنها از اهمیت ویژه­ای برخوردار است. با توجه به مشابهت طیفی بین گونه­های مختلف گیاهی تالاب و گیاهان حاشیه­ی تالاب و زمین­های کشاورزی این امر با استفاده از داده­های چندطیفی با مشکلاتی مواجه است و داده­های ابرطیفی می­تواند در این زمینه بسیار سودمند باشد. در این مطالعه توان سنجنده‌های ابرطیفی و چندطیفی در شناسایی ویژگی‌های تالاب و توانایی سنجنده‌های  ETM+(۲۰۱۱)، Hyperion(۲۰۱۱) و ALI(۲۰۱۱) به منظور مطالعه­ی ویژگی‌های تالاب شادگان طی سال ۱۳۹۰ بررسی شد و شاخص­های مختلف طیفی به همراه ترکیب مناسبی از باندهای تصاویر ماهواره­ای سنجنده­های مذکور به عنوان ورودی انواع روش‌های طبقه­بندی شامل روش­های حداکثر احتمال، حداقل فاصله، شبکه عصبی و ماشین بردار پشتیبان مورد مقایسه قرار گرفت. نتایج نشان داد که روش‌های ماشین بردار پشتیبان و شبکه عصبی با دارا بودن دقت طبقه­بندی بالای ۸۵ درصد در هر سه تصویر, نتایج نزدیک‌تری به واقعیت نشان می‌دهند. دقت طبقه­بندی برای هر سه تصویر برای روش ماشین بردار پشتیبان در بالاترین حد خود بود به طوریکه برای تصویر Hyperion صحت کلی برابر ۹۵.۷۳، برای ALI برابر ۸۸.۰۳ و برای ETM+ برابر با ۸۹.۳۴ است. بنابراین ویژگی‌های در نظر گرفته شده برای تالاب، در سه تصویر حاصل از الگوریتم SVM نشان داد که نمایش تمایز کاربری پوشش گیاهی حاشیه تالاب از کاربری زمین‌های کشاورزی آبی دارای ابهام بیشتری نسبت به سایر ویژگی‌های تالاب است. بررسی‌ها نشان داد که این بخش در تصاویر ALI و ETM+  نسبت به تصاویر Hyperion کمتر قابل شناسایی هستند و یا در برخی مناطق این قسمت‌ها اصلا قابل تفکیک از ارضی کشاورزی آبی نیستند، در حالیکه Hyperion به دلیل دارای بودن تعداد ۲۲۰ باند و داشتن سطح بالاتری از جزئیات طیفی, توانایی تفکیک این دو کلاس را از هم دارد.


صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به تحقیقات کاربردی علوم جغرافیایی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Applied researches in Geographical Sciences

Designed & Developed by : Yektaweb