مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

2
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

نقشه برداری رقومی شوری خاک سطحی در بخش مرکزی استان خوزستان با استفاده از الگوریتم های طبقه بندی نظارت شده

صفحات

 صفحه شروع 1737 | صفحه پایان 1759

چکیده

 شوری خاک یکی از عوامل اصلی تخریب اراضی در مناطق خشک و نیمه خشک به شمار می رود. دورسنجی, نقش مهمی در شناسایی و طبقه بندی خاک های شور ایفا می کند. هدف این مطالعه, نقشه برداری رقومی شوری خاک سطحی در شهرستان باوی واقع در بخش مرکزی استان خوزستان می باشد. ابتدا 350 نمونه خاک با روش ابر مکعب لاتین مشروط (cLHS) جمع آوری شده و مجموعه ای از متغیرهای محیطی به وسیله داده های ماهواره ای و توپوگرافی استخراج گردید. سپس, برای کاهش حجم داده ها و تفسیرپذیری آن ها, از روش تجزیه و تحلیل مؤلفه های اصلی (PCA) استفاده شد. در این مطالعه, نقشه برداری رقومی شوری خاک با استفاده از الگوریتم های طبقه بندی نظارت شده پیکسل پایه و شیءگرا انجام شد. همچنین, تأثیر تعداد نمونه های آموزشی بر عملکرد الگوریتم های طبقه بندی مورد بررسی قرار گرفت. نتایج تحلیل PCA نشان داد که باندهای اولیه (PC1-PC6) بیشترین حجم اطلاعات را برای طبقه بندی داشته اند. همچنین, شاخص روشنایی (BI), شاخص پوشش گیاهی شوری خاک (VSSI), شاخص تفاوت پوشش گیاهی (DVI) و شاخص تفاضل نرمال شده پوشش گیاهی سبز (GNDVI) با بیشترین بار عاملی (99/0), مهمترین متغیرهای تأثیرگذار در شناسایی و نقشه برداری شوری خاک در منطقه بوده اند. نتایج پژوهش نشان داد که کاهش تعداد نمونه های آموزشی, دقت الگوریتم های طبقه بندی را اندکی کاهش داده است. در روش طبقه بندی شیءگرا, الگوریتم ماشین بردار پشتیبان (SVM) و در روش طبقه بندی پیکسل پایه, الگوریتم جنگل تصادفی (RF), بهترین عملکرد را در تشخیص و جداسازی کلاس های شوری خاک داشته اند. نتایج بررسی شوری خاک در نقشه الگوریتم ماشین بردار پشتیبان نشان داد که خاک های با کلاس شوری خیلی شدید (dS/m 16 <), دارای بیشترین فراوانی در منطقه هستند.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    email sharing button
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    sharethis sharing button