این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
حفاظت زیست بوم گیاهان، جلد ۷، شماره ۱۴، صفحات ۲۵۳-۲۷۴
عنوان فارسی آشکارسازی تغییرات پوشش گیاهی با استفاده از داده های چندزمانه ماهواره ای طی سه دهه اخیر ، به روش هوش مصنوعی (مطالعه موردی: منطقه حفاظت شده باشگل)
چکیده فارسی مقاله اطلاعات کمی و کیفی پوشش گیاهی و همچنین تغییرات آن در طول زمان به عنوان پایه­ ای برای تعیین کیفیت زیستگاه و اولویت مناطق به منظور حفاظت و همچنین تعیین ارزش خدمات زیست­ بوم­ها، مسئله­ فنی مدیریتی بسیار مهمی در مدیریت بهینه منابع طبیعی و توسعه پایدار، به شمار می­آید. از سوی دیگر سنجش از دور به عنوان ابزاری کارآمد برای دستیابی به اطلاعات درست و به­ روز پوشش زمین و منابع طبیعی با سرعت و دقت بالا، مورد توجه محققان است. از میان برنامه­ های سنجش از دوری، آشکارسازی تغییرات نقش تعیین­ کننده­ای در بررسی تغییرات پوشش زمین و از جمله پوشش گیاهی دارد. در این مطالعه از میان روش­های مختلف آشکارسازی تغییرات، از روش مقایسه پس از طبقه­بندی به دلیل امکان دستیابی به دقت بهینه با اعمال یک روش طبقه­ بندی کارآمد و دقیق، استفاده شده است. به منظور تعیین طبقات پوشش گیاهی، با استفاده از داده های مایحصل از نمونه­ برداری میدانی، تصاویر ماهواره­ای مربوط به منطقه حفاظت شده باشگل در زمان­های مختلف و انواع شاخص­های طیفی پوشش گیاهی منتج از آن­ها، اقدام به مدلسازی پوشش گیاهی با استفاده از شبکه عصبی مصنوعی شد. دو مدل طبقه­ بندی درصد سطح تاج­پوشش (با دقت کلی 3/94% و میانگین مربعات خطا 7/5% برای داده­های آزمایشی) و مدل طبقه­ بندی وزن خشک زی­توده زنده سرپا (با دقت کلی 6/86% و میانگین مربعات خطا 4/11% برای داده­های آزمایشی)، ساخته شد. سپس نقشه­ های پوشش گیاهی بر اساس این مدل­های با دقت عالی، تهیه گردید. نتایج این پژوهش توانمندی بسیار زیاد روش هوش مصنوعی در طبقه­ بندی دقیق پوشش گیاهی، با استفاده از تصاویر ماهواره­ای با تنوع  زمانی را نشان می­دهد. با استفاده از نقشه­ های طبقه­ بندی پوشش گیاهی حاصل، نقشه­ های آشکارسازی تغییرات،  با روش مقایسه پس از طبقه ­بندی، که مبین تغییر یک طبقه به طبقه دیگر (از ... تا ...)، در سه دوره زمانی 2015-2000، 2000-1986 و 2015-1986 است، تهیه گردید. دقت این نقشه­ ها کاملا وابسته به دقت طبقه ­بندی بوده و نتایج پژوهش بهبود کیفی بخش وسیعی از مراتع منطقه حفاظت شده باشگل را بعد از حفاظت نشان می­دهند.    
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی vegetation change detection using multi-temporal remotly sensed data during recent three decades by artificial intelligence technique (Case study: protected area of Bashgol)
چکیده انگلیسی مقاله Quantitative and qualitative information of vegetation and its changes in duration of time as a basic foundation of determination of  habitat quality, priority of protected area and also determination of price of ecosystem services in order to optimum management of natural resources and sustainable development is a very important technical point. In other hand, researchers are interested in remote sensing as an efficient tool to access timely and accurate information about land coverage especially vegetation coverage. In current study post classification comparison method among different methods of change detection was used because of possibility of achieving optimum accuracy by using an efficient and accurate classification method. In order to determine vegetation classes by field-based resources and Landsat images and also, slope-based and distance-based vegetation indices derived from these images, two artificial neural networks; percentage of vegetation cover (overall accuracy 94.3% and mean square error 5.7% for test data) and dry weight of standing biomass (overall accuracy 86.6% and mean square error 11.4% for test data) were built and vegetation maps according to these qualified models were prepared. Results of this research show high capacity of the artificial intelligence technique in vegetation classification if, the average number of field-based samples and variety of images in terms of time were possible. By the vegetation classification maps made, change detection maps with pixel by pixel comparison that show change classes from class … to class … in three duration of time; 2000-2015, 1986-2000 and 1986-2015 were prepared. Accuracy of these maps is totally depended on classification accuracy and demonstrated qualitative enhancement in a wide area of case study after conservation.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله افسون رحیمی |


بهزاد رایگانی | Behzad Rayegani
سازمان محیط زیست

حمید گشتاسب | Hamid Goshtasb
سازمان محیط زیست

حسن خسروی |
دانشگاه تهران

نشانی اینترنتی http://pec.gonbad.ac.ir/browse.php?a_code=A-10-380-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/776/article-776-1952148.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات