Volume 17, Issue 2 (2013)                   MJSP 2013, 17(2): 121-144 | Back to browse issues page

XML Persian Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Sahebi M R, Mokhtarzade M. -. MJSP. 2013; 17 (2) :121-144
URL: http://hsmsp.modares.ac.ir/article-21-6963-en.html
-
1- Assistant Prof., Geomatics Eng. Faculty, K.N. Toosi University of Technology
2- Assistant Prof., Geomatics Eng., Faculty, K.N. Toosi University of Technology
Abstract:   (5488 Views)
آشکارسازی تغییرات پوشش اراضی اهمیت بسزایی در برنامه‏ریزی‏های محیطی توسعه پایدار دارد. در این زمینه، آنالیز تصاویر چندزمانه سنجش از دور روشی کارآمد در استخراج این تغییرات است. بدین منظور، روش مقایسه پس از طبقه‏بندی، روشی رایج در استخراج تغییرات پوشش اراضی شناخته شده است. باوجود این، این روش به دلیل بهره‏گیری از طبقه‏بندی کننده‏های سخت، دقت مناسبی در حضور پیکسل‏های مخلوط ندارد و عدم ‏قطعیت بسیار زیادی در ماتریس تغییرات حاصل از آن وجود دارد. در تحقیق حاضر، ابتدا روش‏های مختلف آشکارسازی تغییرات دسته‏بندی شده و روشی مبتنی بر استفاده از نقشه‏های نسبتی حاصل از طبقه‏بندی نرم، برای استخراج اطلاعات دقیق تغییرات پیشنهاد شده است. این روش علاوه بر استخراج مناطق تغییر یافته/ نیافته، ماتریس کامل تغییرات (میزان تبدیل کلاس‏های مختلف به یکدیگر) را نیز با دقت زیرپیکسل امکان‏پذیر ساخته است. با پیاده‏سازی این روش بر تصاویر چندزمانه منطقه مورد مطالعه، نتایج حاصل با نتایج به دست آمده از روش مقایسه پس از طبقه‏بندی مقایسه و ارزیابی شده است. از دستاوردهای مهم تحقیق این است که روش مقایسه پس از طبقه‏بندی میزان تغییرات را به طور متوسط 2/9 درصد کمتر از روش پیشنهادی برآورد کرده است. همچنین، تفاوت نتایج دو روش درمورد پوشش اراضی غیرهمگن نسبت به پوشش همگن، به مراتب بیشتر است. به طور کلی، به دلیل درنظر گرفتن سهم کلاس‏ها در سطح پیکسل، روش پیشنهادی با دقت بالایی ماتریس تغییرات پوشش اراضی را تولید کرده است و می‏تواند در مدیریت منابع طبیعی مورد استفاده قرار گیرد.    
Full-Text [PDF 1011 kb]   (3593 Downloads)    

Received: 2013/09/9 | Accepted: 2013/06/22 | Published: 2013/09/9

Add your comments about this article : Your username or Email:
CAPTCHA

Rights and permissions
Creative Commons License This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.