این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اطلاعات جغرافیایی (سپهر)، جلد ۲۴، شماره ۹۳، صفحات ۵۳-۶۴
عنوان فارسی مقایسه کارآیی روش های پارامتریک و ناپارامتریک در طبقه بندی پوشش اراضی با استفاده از تصاویر ماهواره ای لندست ۸ (مطالعه موردی: بخشی از شهرستان دزفول)
چکیده فارسی مقاله امروزه داده‌‌های سنجش از دور قادر به ارائه جدیدترین اطلاعات برای مطالعه پوشش زمین و کاربری‌‌های اراضی می‌‌باشند. این تصاویر به دلیل ارائه اطلاعات به هنگام، تنوع اشکال، رقومی بودن و امکان پردازش در تهیه نقشه‌‌های کاربری از اهمیت بالایی برخوردارند. مشخص کردن پوشش اراضی کمک شایانی به مدیران مناطق جهت تصمیم‌گیری می‌‌کند. در این راستا هدف از انجام این پژوهش مقایسه کارآیی روش‌های پارامتریک (کمترین فاصله و جعبه‌‌ای) و ناپارامتریک (ماشین بردار پشتیبان) در طبقه‌‌بندی پوشش اراضی با استفاده از تصاویر ماهواره‌‌ای لندست 8 در بخشی از شهرستان دزفول می‌‌باشد. ماهیت این پژوهش توسعه‌‌ای-کاربردی و روش انجام آن توصیفی-تحلیلی بوده است. بدینمنظور داده‌‌های ماهواره‌‌ای شامل تصاویر ماهواره‌ای لندست 8 (13/8/2013) تهیه گردید، و با استفاده از نرم افزار ENVI آماده‌‌سازی و مورد تجزیه و تحلیل قرار گرفته است. میزان کارآیی هر روش طبقه‌بندی با محاسبه دو شاخص صحت کلی و ضریب کاپا بررسی گردید.نتایج مقایسه روش‌‌های مورد استفاده در پژوهش نشان داد الگوریتم SVM به ویژه سه کرنل خطی، شعاعی و چند جمله‌ای نسبت به روش‌های پارامتریک به ترتیب با 15/97% ، 89/95%و 63/95% از دقت مطلوب‌تری برخوردار هستند.این مطالعه کارآیی و قابلیت مطلوب‌تر الگوریتم‌های SVM را در طبقه‌بندی تصاویر سنجش از دور در مقایسه با روش‌های پارامتریک تأیید می‌‌نماید.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparing the performance of parametric and nonparametric methods of land cover classification by using of Landsat satellite images (Case study:a part of Dezful township)
چکیده انگلیسی مقاله Nowadays, remote sensing data is able to provide the latest information for the study of land cover and land uses. These images are important to provide land use maps, because of present update information, diversity of forms, digital and also ability of images processing. Specifying of Land cover helps to managers for its make decision in different situation. Different methods are applicable in classifying and presenting land use maps and land cover stem from satellite image. These methods have variable functions and outputs depending on type and characteristics of uses data. The purpose of this study is comparing of Parametric (including distance functions and box functions) and nonparametric (SVM) methods in classification of land cover and land use using multiband images of Landsat satellite 8. This study is applied-developmental, and is done in descriptive-analytical method. The data includes satellite images of Landsat satellite 8 (13.08.2013) that was prepared, then using ENVI software were prepared and analyzed. The effectiveness of each classification method were investigated whit calculate of Overall accuracy and Kappa coefficient indicates. The results show that the SVM algorithm, especially linear, radial and polynomial Kernel than parametric methods with 97.15%, 95.89% and 95.63%, respectively, have more accuracy. This study confirms the performance of SVM algorithm in comparison whit parametric methods.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی شجاعیان |
عضو هیئت علمی دانشگاه شهید چمران اهواز
سازمان اصلی تایید شده: دانشگاه شهید چمران (Shahid chamran university)

صادق مختاری چلچه | mokhtari chelcheh
دانشجوی کارشناسی ارشد جغرافیا و برنامه ریزی روستایی دانشگاه شهید چمران اهواز
سازمان اصلی تایید شده: دانشگاه شهید چمران (Shahid chamran university)

لیلا کشتکار |
کارشناس ارشد جغرافیا و برنامه ریزی شهری دانشگاه شهید چمران اهواز
سازمان اصلی تایید شده: دانشگاه شهید چمران (Shahid chamran university)

اسماعیل سلیمانی راد | soleimani rad
کارشناس ارشد جغرافیا و برنامه ریزی شهری دانشگاه شهید چمران اهواز
سازمان اصلی تایید شده: دانشگاه شهید چمران (Shahid chamran university)

نشانی اینترنتی http://www.sepehr.org/article_14007_f9d77b2b4503d45ca0e2b12efd8ef5aa.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