این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات جنگل و صنوبر ایران، جلد ۱۶، شماره ۳، صفحات ۵۰۵-۴۹۵
عنوان فارسی بررسی تغییرات پوشش درختی استان گلستان به روش طبقه‌بندی شبکه عصبی مصنوعی با استفاده از داده‌های سنجنده TM و ETM+ ماهواره لندست
چکیده فارسی مقاله این تحقیق با هدف بررسی میزان تغییرات پوشش درختی در سالهای 1987 (1366) و 2001 (1380) به‌صورت مطالعه موردی در استان گلستان با مساحت 74/20437 کیلومتر مربع به‌کمک تصاویر سنجنده TMوETM+ انجام شد. برای این کار با توجه به اطلاعات و تجربه قبلی از انواع کاربری و پوشش سرزمین در این محدوده و مطالعه چشمی تصویر رنگ مجازی، پوشش درختی منطقه شناسایی شد و بر روی تصویر رنگ مجازی تعیین گردید. سپس با استفاده از 6 باند تصویر شامل باندهای 1، 2، 3، 4، 5، 7 و نمونه‌های تعلیمی خام و شبکه عصبی مصنوعی (Artificial Neural Network)، طبقه‌بندی صورت گرفت. در مرحله بعد از نقشه حاصل از طبقه‌بندی نظارت‌نشده با 100 طبقه، برای پالایش نمونه‌های تعلیمی خام استفاده گردید و طبقه‌بندی تصویر به روش یاد شده تکرار شد. سپس با استفاده از روش مقایسه پس از طبقه‌بندی (Post-Classification)، نقشه‌های حاصل از طبقه‌بندی بررسی شدند. به این طریق نتایج حاصل از بررسی تغییرات پوشش درختی منطقه با استفاده از تصاویر ماهواره‌ای بین سالهای 1987 (1366) و 2001 (1380) نشان داد که 595 هکتار از سطح پوشش درختی کاسته شده و 3 هکتار به سطح آن افزوده شده است. با توجه به بررسی صحت تصاویر طبقه‌بندی شده به دو روش جابه‌جایی تصادفی پیکسلها و همچنین استفاده از تصاویر سنجنده LISS IIIبه‌عنوان نقاط کنترل زمینی، مشخص شد که طبقه‌بندی شبکه عصبی مصنوعی دارای قابلیت زیادی برای تعیین پوشش درختی در استان گلستان می‌باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Tree cover change detection through Artificial Neural Network classification using Landsat TM and ETM+ images (case study: Golestan Province, Iran)
چکیده انگلیسی مقاله The aim of this research was to detect tree cover changes through Artificial Neural Network classification and post-classification comparison methods using landsat TM and ETM+ images in Golestan province, north of Iran with area of 20437.74 ha. Land uses and land covers were distinguished on the color composite image of the area and used as training sites for image classification that included all six bands of the imagery. We also used unsupervised classification to derive 100 clusters for purifying initial training sites. A post-classification comparison method was conducted on classified images of the years 1987 and 2001 and forest increase and decrease areas were identified. Accuracy assessment was implemented through test set pixels that were randomized and set aside from the training set pixels. We also used a LISS III imagery to assess the accuracy of the classification. Both methods proved the classifications and change detection in high accuracy.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله عبدالرسول سلمان ماهینی | salman mahini
استادیار، دانشکده شیلات و محیط زیست، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
سازمان اصلی تایید شده: دانشگاه علوم کشاورزی و منابع طبیعی گرگان

جهانگیر فقهی |
استادیار، دانشکده منابع طبیعی، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

آزاده نادعلی |
کارشناس ارشد محیط زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

برهان ریاضی |
استادیار، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

نشانی اینترنتی http://ijfpr.areeo.ac.ir/article_108009_10bb6d7ff693294725cc12dea8f49ea0.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/695/article-695-385128.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