این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اطلاعات جغرافیایی (سپهر)، جلد ۲۵، شماره ۹۸، صفحات ۱۴۱-۱۵۵
عنوان فارسی ارائه یک رویکرد ترکیبی برپایه ی تئوری مجموعه ناهموار- درخت تصمیم در پایش تغییرات کاربری اراضی با استفاده از تصاویر سنجنده ی TM (مطالعه موردی: شهرستان شوشتر)
چکیده فارسی مقاله با پیشرفت علم و تکنولوژی، حجم زیادی از داده‌های فضایی و غیرفضایی در پایگاه داده‌های بزرگ ذخیره می‌شوند. تحلیل این داده‌ها به منظور تصمیم‌گیری نیاز به داده کاوی فضایی را بطور جدی برای کشف دانش ضروری می‌سازد. بکارگیری تصاویر ماهواره‌ای، تحلیل زمین آماری و انواع داده‌های فضایی در مطالعات پایش تغییرات کاربری اراضی ابزاری مفید و کاربردی هستند؛ اماآنچه در این میان مهم است استخراج قواعد دقیق بواسطه ادغام مقادیر داده‌های زیاد به منظور فراهم ساختن دانش درباره قلمرو مورد بحث است. تئوری مجموعه ناهموار (RST) یکی از تکنیک‌های داده کاوی است که بطرق گوناگون در مدلسازی عدم قطعیت در داده‌ها استفاده می‌گردد. از اینرو در این پژوهش، روش کشف دانش RST بمنظور استخراج قواعد در ترکیب با الگوریتم درخت تصمیم (DT) برای طبقه‌بندی تصاویر ماهواره‌ای و پایش تغییرات کاربری اراضی مورد استفاده قرار می‌گیرد. نتایج تحقیق حاکی از آن است که با توجه به تغییرات بوقوع پیوسته طی سه دوره زمانی 6891 (5631)، 8991 (7731) و 4102 (3931) می‌توان دریافت که تغییرات افزایشی و کاهشی چشمگیری بترتیب در اراضی ساخت شده و پهنه‌های آبی اتفاق افتاده است؛ در حالیکه اراضی کشاورزی تغییرات چندانی نداشته است. البته با توجه به سال پایه (6891) می توان بیان داشت که سطح زیرکشت اراضی کشاورزی منطقه نسبت به سال پایه که همزمان با جنگ تحمیلی بوده است تغییرات اندکی را شاهد بوده و این یعنی که طی سه دهه گذشته سطح زیرکشت به مانند دوره جنگ تحمیلی است. این امر بیانگر بحرانی است که در بخش کشاورزی در حال اتفاق افتادن است. همچنین نتایج به لحاظ متدولوژی با توجه به صحت کلی و آماره کاپا حاصل از مدل ترکیبی DT-RST می‌توان گفت که RST ابزاری قدرتمند در داده کاوی، تقلیل داده‌های زائد از پایگاه داده‌ها و استخراج قواعد برای بکارگیری در روش DTمی‌باشد. 
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A hybrid approach based on rough sets theory-decision tree for land use changes monitoring using TM images (Case study: Shushtar City)
چکیده انگلیسی مقاله With the development of science and technology, the tremendous amount of spatial and non-spatial data have been stored in large data bases. Analyzing these data for decision is seriously in need of spatial data mining and knowledge discovery to provide knowledge. Using satellite images, geo-statistical analysis, and all kind of spatial data are useful and applicable tools in land use changes monitoring; but what’s important among them is how to extract rules throughout big data for knowledge discovery. Rough Set Theory (RST) is one of data mining techniques which is applied for uncertainty modeling in different ways. Hence, this paper applies an integrated method of RST-DT for satellite images classification and land use changes monitoring. The RST algorithm is used in order to extract reasonable rules.From the results of research, regardless of the changes occurred during three periods (1986-1998, 1998-2014 and 1986-2014) can be found that the land use changes has drastically occurred into residential and water bodies classes by the rate of increasing and decreasing, respectively. Compared to former classes, farm lands have changed a little during the periods. With respect to the base year (1986 or 1365), the area of agricultural lands compared to the base year, coincided with the war period, has shown little changes. This means currently the area of agricultural lands is similar that of during the war. It could be attributed to a tragedy that has been happening in the agricultural sector. Accuracy and Kappa ratio from hybrid model of DT-RST display the RST as a powerful tool in data mining, to reduce superfluous data from the database and extracting rules in order to apply in DT method.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حسنعلی فرجی سبکبار | faraji sabokbar
دانشیار گروه جغرافیای انسانی، دانشکده جغرافیای دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

سید حسن مطیعی لنگرودی | seyed hassan
استاد گروه جغرافیای انسانی، دانشکده جغرافیای دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

حسین نصیری |
دانشجوی دکتری گروه جغرافیای انسانی، دانشکده جغرافیای دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://www.sepehr.org/article_22143_f706bb56b01483b0a2977104b52f0794.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات