پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 115,000,059 |
| تعداد دریافت فایل اصل مقاله | 89,676,820 |
تهیه نقشه پوشش اراضی شهر اراک با استفاده از روش‌های طبقه‌بندی شبکه عصبی مصنوعی و حداکثر احتمال | ||
| پژوهش های جغرافیای طبیعی | ||
| مقاله 6، دوره 41، شماره 69 - شماره پیاپی 316558، آذر 1388 اصل مقاله (1.26 M) | ||
| نویسندگان | ||
| مژگان احمدی ندوشن؛ علیرضا سفیانیان؛ سیدجمال‌الدین خواجه‌الدین | ||
| چکیده | ||
| تهیة نقشة پوشش اراضی، برای بسیاری از فعالیت‌های برنامه‌ریزی و مدیریت شهری دارای اهمیت است. در پژوهش حاضر، به‌منظور تهیة نقشة 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 شبکة عصبی مصنوعی پرسپترون سه‌لایه با به‌کارگیری نقشة شیب و بدون استفاده از آن به‌کار گرفته شد. درنهایت، نقشة پوشش اراضی منطقه به 4 طبقة شهری، پوشش گیاهی، بایر و رخنمون سنگی طبقه‌بندی گردید. از نقشة شیب طبقه‌بندی‌شدة منطقه به‌منظور جداسازی بهتر رخنمون‌های سنگی به‌عنوان ورودی در شبکه عصبی استفاده شد. برای ارزیابی صحت نتایج طبقه‌بندی، نقشة تولیدی با نقشة 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. مطالعة حاضر نشان داد که روش طبقه‌بندی شبکة عصبی، قابلیت تهیة نقشة پوشش اراضی را با صحت بالا دارد. | ||
| کلیدواژه‌ها | ||
| اراک؛ پوشش اراضی؛ روش حداکثر احتمال؛ شبکه عصبی مصنوعی | ||
| عنوان مقاله [English] | ||
| Land Cover Mapping of Arak City Using Artificial Neural Network and Maximum Likelihood Classifiers | ||
| نویسندگان [English] | ||
| M Ahmadi Naddoshan؛ A Soffianian؛ S.J Khajedin | ||
| چکیده [English] | ||
| 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. | ||
| کلیدواژه‌ها [English] | ||
| Arak, Artifical neural network, land cover, Maximul likelihood method | ||
|
آمار تعداد مشاهده مقاله: 3,087 تعداد دریافت فایل اصل مقاله: 5,238 |
||