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

مقاله مقاله نشریه

مشخصات مقاله

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:

1,563
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

701
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مدل سازی تغییرات پوشش سرزمین بر پایه شبکه عصبی مصنوعی و پتانسیل انتقال در روش LCM (مطالعه موردی: جنگل های گیلان غرب، استان کرمانشاه)

صفحات

 صفحه شروع 129 | صفحه پایان 151

چکیده

 مدل سازی روند تغییرات پوشش سرزمین در گذر زمان با به کارگیری داده های چندزمانه در محیط سامانه اطلاعات جغرافیایی می تواند یکی از مهم ترین عوامل در مدیریت بهینه این تغییرات باشد. به منظور مدل سازی روند تغییرات پوشش سرزمین و بررسی امکان پیش بینی آن در آینده, مدل ساز تغییر زمین (LCM) به کار گرفته شد. داده های VNIR سنجنده ASTER ماهواره TERRA با قدرت تفکیک مکانی 15 متر مربوط به سه دوره زمانی 2000, 2007 و 2016 در جنگل های شهرستان گیلان غرب استان کرمانشاه تجزیه وتحلیل شد. نقشه های پوشش سرزمین سال های یادشده در چهار طبقه پوشش جنگل, اراضی مرتعی, اراضی کشاورزی و مناطق انسان ساخت برای هر یک از تصاویر با به کارگیری روش حداکثر تشابه استخراج شد. نتایج تجزیه وتحلیل داده ها در دوره اول (2007-2000) و دوره دوم (2016-2007) نشان داد پوشش اراضی کشاورزی بیشترین افزایش, و پوشش اراضی مرتعی بیشترین کاهش مساحت را دارند. بر مبنای این تغییرات و با درنظرگرفتن هشت متغیر مستقل مدل رقومی ارتفاع, شیب, جهت, فاصله از جاده, فاصله از مناطق مسکونی, فاصله از حاشیۀ جنگل, فاصله از اراضی مرتعی, فاصله از اراضی کشاورزی, مدل سازی پتانسیل انتقال سال 2016 به روش شبکه عصبی پرسپترون چندلایه انجام گرفت. سپس, به وسیله مدل پیش بینی سخت و تصاویر طبقه-بندی شده دوره اول (2007-2000), نقشه پوشش سال 2016 با به کارگیری مدل ساز تغییر زمین پیش بینی شد. پس از ارزیابی مدل, میزان صحت کلی برابر با 83.09 و ضریب کاپای برابر با 0.79 به دست آمد که بیان کننده انطباق زیاد بین نقشه پیش بینی شده و نقشه طبقه بندی شده است. با واردکردن نقشه های پوشش سرزمین دوره دوم (2016-2007) به مدل ساز تغییر زمین, نقشه پیش بینی پوشش سرزمین سال 2025 تهیه شد که نتایج نشان داد 1029.52 هکتار از پوشش جنگل و 1686.92 هکتار از اراضی مرتعی پتانسیل انتقال به اراضی کشاورزی را خواهند داشت.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    پرما، روح اله، ملک نیا، رحیم، شتایی، شعبان، و نقوی، حامد. (1396). مدل سازی تغییرات پوشش سرزمین بر پایه شبکه عصبی مصنوعی و پتانسیل انتقال در روش LCM (مطالعه موردی: جنگل های گیلان غرب, استان کرمانشاه). آمایش سرزمین، 9(1)، 129-151. SID. https://sid.ir/paper/219573/fa

    Vancouver: کپی

    پرما روح اله، ملک نیا رحیم، شتایی شعبان، نقوی حامد. مدل سازی تغییرات پوشش سرزمین بر پایه شبکه عصبی مصنوعی و پتانسیل انتقال در روش LCM (مطالعه موردی: جنگل های گیلان غرب, استان کرمانشاه). آمایش سرزمین[Internet]. 1396؛9(1):129-151. Available from: https://sid.ir/paper/219573/fa

    IEEE: کپی

    روح اله پرما، رحیم ملک نیا، شعبان شتایی، و حامد نقوی، “مدل سازی تغییرات پوشش سرزمین بر پایه شبکه عصبی مصنوعی و پتانسیل انتقال در روش LCM (مطالعه موردی: جنگل های گیلان غرب, استان کرمانشاه)،” آمایش سرزمین، vol. 9، no. 1، pp. 129–151، 1396، [Online]. Available: https://sid.ir/paper/219573/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






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