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

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

973
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

859
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

برآورد رطوبت سطح خاک با استفاده از روش های SVR و ANN در تصاویر ماهواره های سنتینل 1 و 2

صفحات

 صفحه شروع 215 | صفحه پایان 232

چکیده

 رطوبت سطحی خاک متغیر مهمی است که نقش حیاتی در مدیریت منابع آب و خاک دارد. برآورد این پارامتر یکی از کاربرد های مهم سنجش از دور به حساب می آید. یکی از تکنیک های سنجش از دور برای برآورد دقیق این پارامتر, مدل های داده محور است. در این پژوهش رطوبت حجمی سطح خاک با استفاده از مدل های داده محور, روش رگرسیون بردار پشتیبان (SVR) و روش شبکه عصبی مصنوعی چندلایه پرسپترون (ANN-MLP), برآورد شده است. پارامتر های دو مدل با استفاده از الگوریتم بهینه سازی ژنتیک بهینه شده است. برآورد رطوبت حجمی سطح خاک با دو مدل بالا با استفاده از دو نوع تصویر سنتینل1 و سنتینل2 انجام شده است؛ که باند های بهینه تصویر سنتینل2 با استفاده از الگوریتم بهینه سازی ژنتیک مشخص شده اند. پس از برآورد نقشه رطوبت حجمی سطح خاک از دو روش با استفاده از تصاویر سنتینل1 و سنتینل2, چهار خروجی با یکدیگر مقایسه شده اند. برآورد رطوبت حجمی سطح خاک با روش رگرسیون بردار پشتیبان با استفاده از تصویر سنتینل1 بهترین دقت و برآورد این پارامتر با روش شبکه عصبی مصنوعی چندلایه پرسپترون با استفاده از تصویر سنتیل2 بدترین دقت را داشته است. دقت در این پژوهش با استفاده از مربع ضریب همبستگی رطوبت حجمی سطح خاک برآورد شده و رطوبت حجمی سطح خاک اندازه گیری شده محاسبه شده است که بهترین و بدترین ضریب همبستگی به ترتیب, 659/0 برای تصویر سنتینل1 با روش رگرسیون بردار پشتیبان و 409/0 برای تصویر سنتینل2 با روش شبکه عصبی مصنوعی چند لایه پرسپترون بدست آمده است. ریشه میانگین مربع خطا برای ارزیابی روش ها استفاده شده است که کمترین و بیشترین خطا به ترتیب 291/0 برای روش رگرسیون بردار پشتیبان با تصویر سنتینل1 و 4612/0 برای روش شبکه عصبی مصنوعی چندلایه پرسپترون با تصویر سنتینل2 محاسبه گردیده است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    رنجبر، صادق، و آخوندزاده هنزائی، مهدی. (1398). برآورد رطوبت سطح خاک با استفاده از روش های SVR و ANN در تصاویر ماهواره های سنتینل 1 و 2. مهندسی فناوری اطلاعات مکانی، 7(4 )، 215-232. SID. https://sid.ir/paper/230156/fa

    Vancouver: کپی

    رنجبر صادق، آخوندزاده هنزائی مهدی. برآورد رطوبت سطح خاک با استفاده از روش های SVR و ANN در تصاویر ماهواره های سنتینل 1 و 2. مهندسی فناوری اطلاعات مکانی[Internet]. 1398؛7(4 ):215-232. Available from: https://sid.ir/paper/230156/fa

    IEEE: کپی

    صادق رنجبر، و مهدی آخوندزاده هنزائی، “برآورد رطوبت سطح خاک با استفاده از روش های SVR و ANN در تصاویر ماهواره های سنتینل 1 و 2،” مهندسی فناوری اطلاعات مکانی، vol. 7، no. 4 ، pp. 215–232، 1398، [Online]. Available: https://sid.ir/paper/230156/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا