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:

2,183
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

546
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

شناسایی گردو غبار در تصاویر ماهواره ای MODIS با استفاده از روش های ماشین بردار پشتیبان، شبکه عصبی مصنوعی و درخت تصمیم گیری

صفحات

 صفحه شروع 131 | صفحه پایان 144

چکیده

 یکی از مهمترین بلایای طبیعی که طی سالیان اخیر مورد توجه قرار گرفته, پدیده گرد و غبار است. در سال های اخیر این پدیده در ایران ابعاد تازه ای گرفته و از یک معضل محلی, به مساله ای ملی تبدیل شده است. شناسایی و تشخیص طوفان گردوغبار اولین مرحله در بررسی و پایش آن می باشد. این تحقیق با هدف شناسایی مناطق دارای گردوغبار از تصاویر ماهواره ای, در منطقه خاورمیانه انجام گرفته است. در بررسی پدیده گردوغبار تصاویر سنجنده MODIS با توجه به قدرت تفکیک زمانی و طیفی مناسب, از اهمیت ویژه ای برخوردار می باشند. در این مطالعه با استفاده از روش های طبقه بندی درخت تصمیمگیری, شبکه عصبی مصنوعی (ANN) و ماشین های بردار پشتیبان (SVM) تلاش شده است که گردوغبار در تصاویر ماهواره ای MODIS تشخیص داده شود, که روش طبقه بندی ماشین های بردار پشتیبان به عنوان یک ایده جدید مطرح شده است. به علاوه به منظور بررسی دقت هر سه روش بکار برده شده, از محصول (AOD(Aerosol Optical Depth سنجنده OMI استفاده شده است, که نتایج نشان دهنده دقت و صحت بالاتر روش SVM نسبت به سایر روش ها می باشد. با توجه به نتایج بدست آمده, این الگوریتم قادر به شناسایی گردوغبار در هر دو منطقه خشکی و آب به طور همزمان می باشد و می تواند جایگزین مناسبی برای محصول (AOT(Aerosol Optical Thickness تولید شده برای گردوغبار توسط ناسا (NASA) باشد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    شهریسوند، محسن، آخوندزاده هنزائی، مهدی، و سوری، امیرحسین. (1393). شناسایی گردو غبار در تصاویر ماهواره ای MODIS با استفاده از روش های ماشین بردار پشتیبان, شبکه عصبی مصنوعی و درخت تصمیم گیری. علوم و فنون نقشه برداری، 4(3)، 131-144. SID. https://sid.ir/paper/249361/fa

    Vancouver: کپی

    شهریسوند محسن، آخوندزاده هنزائی مهدی، سوری امیرحسین. شناسایی گردو غبار در تصاویر ماهواره ای MODIS با استفاده از روش های ماشین بردار پشتیبان, شبکه عصبی مصنوعی و درخت تصمیم گیری. علوم و فنون نقشه برداری[Internet]. 1393؛4(3):131-144. Available from: https://sid.ir/paper/249361/fa

    IEEE: کپی

    محسن شهریسوند، مهدی آخوندزاده هنزائی، و امیرحسین سوری، “شناسایی گردو غبار در تصاویر ماهواره ای MODIS با استفاده از روش های ماشین بردار پشتیبان, شبکه عصبی مصنوعی و درخت تصمیم گیری،” علوم و فنون نقشه برداری، vol. 4، no. 3، pp. 131–144، 1393، [Online]. Available: https://sid.ir/paper/249361/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