سمیرا ارنک

سمیرا ارنک

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۱ مورد از کل ۱ مورد.
۱.

شناسایی و بررسی روند تغییرات کاربری پوشش گیاهی با استفاده از مدل های شبکه عصبی زمانمند و CA با بهره گیری از تکنیک های GIS و RS (مطالعه موردی: شهرستان مینودشت استان گلستان)(مقاله پژوهشی دانشگاه آزاد)

کلیدواژه‌ها: توسعه پایدار روش مزیت نسبی توسعه روستایی پایداری کشاورزی سیستم اطلاعات مکجغرافیایی ماهواره لندست GIS & RS شبکه عصبی زمانمند کاربری پوشش گیاهی مدل CA

حوزه های تخصصی:
تعداد بازدید : ۴۹۱ تعداد دانلود : ۳۱۹
پایش تغییرات کاربری اراضی در بسیاری از فعالیت های برنامه ریزی و مدیریت شهری دارای اهمیت می باشد. بر اثر فعالیت های انسانی و پدیده های طبیعی چهره ی زمین همواره دستخوش تغییر می شود. از اینرو برای مدیریت بهینه مناطق طبیعی آگاهی از نسبت تغییرات کاربری اراضی از ضروریات محسوب می شود. هدف از این تحقیق، ارزیابی و آشکارسازی تغییرات کاربری اراضی بالاخص کاربری پوشش گیاهی در منطقه اوغان از توابع شهرستان مینودشت استان گلستان در بازه ی زمانی30 ساله با استفاده از تکنیک های سنجش از دور و سیستم های اطلاعات مکانی و نرم افزارهای MATLAB، ARCGIS و ENVI می باشد. بدین منظور از تصاویر سال های 1987، 1993، 1998، 2000، 2003، 2008، 2013، 2015و2017 میلادی سنجنده ETM ماهواره لندست استفاده شده است و پس از انجام تصحیحات مورد نیاز در مرحله پیش پردازش، برای پایش تغییرات زمانی کاربری پوشش گیاهی، شاخص پوشش گیاهی(NDVI) در نرم افزار متلب برای هر 9 بازه زمانی محاسبه شدند. سپس با استفاده از تصاویر شاخص های محاسبه شده 7 سال اول و مدل شبکه عصبی زمانمند(سری زمانی)، تصاویر سال هشتم و نهم پیش بینی و بدست آمد و در ادامه با محاسبه خطای RMSE بین تصاویر خروجی مدل با تصاویر واقعی، مدل مذکور اعتبارسنجی گردید. نتایج نشان می دهند که مدل با میانگین RMSE تقریباً 0.13 برای NDVI عملکرد بسیار خوبی داشته است. همچنین از مدل CA جهت پیش بینی روند تغییرات پوشش گیاهی استفاده گردید. نتایج نشان می دهند که وسعت پوشش گیاهی در دو سال آخر یعنی سال-های پیش بینی شده 2015 و 2017 توسط مدل شبکه عصبی روند صعودی داشته و منطقه مورد مطالعه سرسبزتر شده است.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان