این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های جغرافیای طبیعی، جلد ۴۱، شماره ۶۹، صفحات ۰-۰
عنوان فارسی تهیه نقشه پوشش اراضی شهر اراک با استفاده از روش‌های طبقه‌بندی شبکه عصبی مصنوعی و حداکثر احتمال
چکیده فارسی مقاله تهیه نقشه پوشش اراضی، برای بسیاری از فعالیت‌های برنامه‌ریزی و مدیریت شهری دارای اهمیت است. در پژوهش حاضر، به‌منظور تهیه نقشه پوشش اراضی شهر اراک از داده‌های رقومی سنجنده LISS-III (1385) استفاده شد. ابتدا تصویر با میانگین خطای مربعات 58/0 پیکسل تصحیح هندسی شد و با توجه به کوهستانی بودن منطقه، تصحیح توپوگرافی نیز بر روی تصویر اعمال گردید. برای طبقه‌بندی تصویر، دو روش طبقه‌بندیِ نظارت‌شده با الگوریتم حداکثر احتمال و شبکه عصبی مصنوعی پرسپترون سه‌لایه با به‌کارگیری نقشه شیب و بدون استفاده از آن به‌کار گرفته شد. درنهایت، نقشه پوشش اراضی منطقه به 4 طبقه شهری، پوشش گیاهی، بایر و رخنمون‌ سنگی طبقه‌بندی گردید. از نقشه شیب طبقه‌بندی‌شده منطقه به‌منظور جداسازی بهتر رخنمون‌های سنگی به‌عنوان ورودی در شبکه‌ عصبی استفاده شد. برای ارزیابی صحت نتایج طبقه‌بندی، نقشه تولیدی با نقشه واقعیت زمینی ایجاد‌شده از طریق GPS بررسی گردید و صحت کلی طبقه‌بندی برای روش حداکثر احتمال، روش شبکه عصبی بدون استفاده از نقشه شیب و شبکه عصبی با استفاده از نقشه شیب به ترتیب 6/92، 7/92 و 6/94 درصد برآورد گردید. مطالعه حاضر نشان داد که روش طبقه‌بندی شبکه عصبی، قابلیت تهیه نقشه پوشش اراضی را با صحت بالا دارد.
کلیدواژه‌های فارسی مقاله اراک، پوشش اراضی، روش حداکثر احتمال، شبکه عصبی مصنوعی،
عنوان انگلیسی Land Cover Mapping of Arak City Using Artificial Neural Network and Maximum Likelihood Classifiers
چکیده انگلیسی مقاله Land cover map is important for many urban planning and management activities. In this study, in order to produce land cover map of Arak city, digital image of LISS-III scanner acquired on 16 June 2006 were employed. First of all, geometric correction with RMSe 0.58 pixel was applied. Considering the mountainous condition of the study area, topographic correction was applied to the image. In support of image classification, two different methods namely, supervised classification with Maximum Likelihood classifier algorithm and a three-layer perceptron neural network with and without using slope map were used. Finally, land cover map of the study region was classified into four classes: urban areas, vegetated areas, barren lands, and rocks. In order to sort out the rocks precisely from other classes, classified slope map of the study area was introduce to neural network model as an input layer. To assess the classified land cover map precision, it was controlled for ground truths with a GPS and the overall accuracies were 92.6, 92.7 and 94.6% for maximum likelihood classification, neural network classifier with and without the usage of classified slope map, respectively. The results confirm that the neural network classifier is capable to generate land cover maps with high accuracy.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مژگان احمدی ندوشن | ahmadi nodoushan


علیرضا سفیانیان |


سیدجمال الدین خواجه الدین | s j


نشانی اینترنتی http://jphgr.ut.ac.ir/article_21515_db5276b6d3e7971fa520e70d1a77fe16.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1375/article-1375-274985.pdf
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