ارزیابی کارایی چهار روش شبکه ی عصبی مصنوعی در تهیه ی نقشه ی پوشش/کاربری اراضی با استفاده از تصاویر ماهواره ای ETM+ مطالعه موردی: سه منطقه دویرج، مهران و سرابله
محل انتشار: فصلنامه جغرافیا و توسعه، دوره: 12، شماره: 37
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 142
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GDIJ-12-37_013
تاریخ نمایه سازی: 5 تیر 1401
چکیده مقاله:
نقشه هایپوشش/کاربریاراضیحاصلازتصاویرماهواره اینقشمهمیدرارزیابی هایمنطقه ایوملیپوشش/کاربریاراضیایفامی کنند.طی سالهای گذشته، کاربردهای زیادی از روشهای طبقهبندی شبکه عصبی مصنوعی برای طبقهبندی پوشش/کاربری اراضی در منابع گزارش شده است، اما مطالعات معدودی، مقایسه ی آنها با هم را ارزیابی نمودهاند. در این مطالعه، ابتدا تصحیحات هندسی بر روی دادههای+ETM صورت گرفت. سپس با بازدیدهای میدانی، طبقات مختلف پوشش/کاربری اراضی تعریف و نمونههای آموزشی انتخاب گردید. در این مطالعه، هدف اصلی مقایسه ی چهار روش شبکه ی عصبی مصنوعی برای طبقهبندی پوشش سطح زمین در سه منطقه ی مهران (مرکز استان ایلام)، دویرج (جنوب استان ایلام) و سرابله (شمال استان ایلام) با شرایط اقلیمی متفاوت میباشد. در این مطالعه، از روش های شبکه ی عصبی مصنوعی آرتمپ فازی، تابع پایه شعاعی، کوهونن و پرسپترون چند لایه استفاده شده است. نتایج ارزیابی دقت تصاویر طبقهبندی شده نشان داد که روش طبقهبندی آرتمپ فازی با دقت کل متوسط ۸۴/۹۴ و ضریب کاپای متوسط ۹۳/۰ درصد دارای بیشترین دقت نسبت به سایر روشهای بررسی شده میباشد. اختلاف دقت کل متوسط در این روش نسبت به روش تابع پرسپترون ۴۴/۱۱ و اختلاف ضریب کاپا متوسط ۱۸/۰ درصد، نسبت به روش کوهونن به ترتیب ۳/۱۷ و ۲۳/۰ درصد و نسبت به روش پایه شعاعی ۰۱/۳۱ و ۳۶/۰ درصد میباشد. در این تحقیق، بالاترین دقت طبقهبندی مربوط به طبقهبندی شبکه ی عصبی مصنوعی آرتمپ فازی بود. بنابراین این مطالعه کارایی و قابلیت روش شبکه ی عصبی مصنوعی آرتمپ فازی را در طبقهبندی بهتر تصاویر سنجش از دور اثبات مینماید.
کلیدواژه ها:
نویسندگان