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:

788
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

392
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

استفاده از روش های پیشرفته یادگیری ماشین در پایش فرسایش بادی در جنوب ایران

صفحات

 صفحه شروع 39 | صفحه پایان 58

چکیده

 یکی از مهم ترین فاکتورهای مؤثر در فرسایش بادی, تغییر کاربری/ پوشش اراضی است. پایش دقیق کاربری/پوشش اراضی و شواهد فرسایش بادی, در مناطق خشک و نیمه خشک اهمیت زیادی دارد. تفکیک پوشش های اراضی حاصل از فرسایش بادی نظیر پهنه های ماسه ای و نبکاها, نیازمند استفاده از روش های دقیق سنجش از دور است. در این تحقیق برای تهیه ی نقشه ی کاربری/پوشش اراضی در زمینه ی فرسایش بادی, توانایی تکنیک های پیشرفته ی یادگیری ماشینی بر تصاویر لندست ارزیابی شد. بدین منظور, تصاویر لندست 7(2006) و لندست 8 ) 2013( از نظر هندسی و رادیومتریکی تصحیح شد. روش های بارزسازی تصاویر, اعمال شد و با الگوریتم های ماشین بردار پشتیبان با چهار نوع تابع کرنل خطی, چند جمله ای, تابع شعاعی مبنا و حلقوی و روش شبکه عصبی مصنوعی خودسازمان دهنده ی کوهنن, طبقه بندی و با روش حداکثر شباهت مقایسه شد. با استفاده از آزمون های جدایی پذیری, بهترین ترکیب باند ورودی طبقه بندی انتخاب شد. ارزیابی دقت نشان داد که بهترین نقشه با ترکیبی از باندهای خام و پردازش شده و با الگوریتم ماشین بردار RBF (دقت کلی%88 و %87/90 برای تصاویر لندست 7 و 8) حاصل می شود. اختلاف دقت این روش با روش های ماشین بردار خطی, چند جمله ای, SOM, حلقوی و ML به ترتیب 5/1, 9/2, 3/8, 4/12 و 4/16 درصد برای لندست 7 و به ترتیب 16/2, 16/4, 19/6, 89/13 و 67/14درصد برای لندست 8 است. نتایج نشان داد که دقت طبقه بندی با استفاده از ترکیب باندهای پردازش شده و باندهای خام, در مقایسه با باندهای خام به تنهایی به میزان زیادی افزایش می یابد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    رضایی، مهروز، ثامنی، عبدالمجید، و فلاح شمسی، سیدرشید. (1397). استفاده از روش های پیشرفته یادگیری ماشین در پایش فرسایش بادی در جنوب ایران. پژوهش های فرسایش محیطی، 8(1 (پیاپی 29) )، 39-58. SID. https://sid.ir/paper/399605/fa

    Vancouver: کپی

    رضایی مهروز، ثامنی عبدالمجید، فلاح شمسی سیدرشید. استفاده از روش های پیشرفته یادگیری ماشین در پایش فرسایش بادی در جنوب ایران. پژوهش های فرسایش محیطی[Internet]. 1397؛8(1 (پیاپی 29) ):39-58. Available from: https://sid.ir/paper/399605/fa

    IEEE: کپی

    مهروز رضایی، عبدالمجید ثامنی، و سیدرشید فلاح شمسی، “استفاده از روش های پیشرفته یادگیری ماشین در پایش فرسایش بادی در جنوب ایران،” پژوهش های فرسایش محیطی، vol. 8، no. 1 (پیاپی 29) ، pp. 39–58، 1397، [Online]. Available: https://sid.ir/paper/399605/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