[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
برای داوران::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: 2713764

مقالات منتشر شده: 653
نرخ پذیرش: 73.75
نرخ رد: 17.62

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 190 روز
____
..
:: دوره 10، شماره 3 - ( 12-1399 ) ::
دوره 10 شماره 3 صفحات 182-165 برگشت به فهرست نسخه ها
شناسایی نظارت‌نشده تغییرات مناطق جنگلی مبتنی‌بر تلفیق شاخص‌های تغییرات به روش موجک گسسته غیر کاهشی و بهبود میدان تصادفی زنجیره مارکوف
امین محسنی‌فر* ، علی محمدزاده ، آرمین مقیمی
چکیده:   (2140 مشاهده)
پایش و شناسایی تغییرات یکی از مهم‌ترین پردازش‌ها در فتوگرامتری و سنجش‌ازدور به‌شمار می‌آید که در آن تغییرات رخ‌داده در یک منطقه‌ی جغرافیایی در اثر گذر زمان مورد مطالعه و بررسی قرار می‌گیرد. جنگل‌ها از سرمایه‌های ملی هر کشوری محسوب می‌شوند که نقش مهمی در تعدیل آب و هوا، شکل‌گیری آب‌های زیرزمینی و جلوگیری از وقوع سیل و فرسایش خاک دارند. بنابراین شناسایی هرچه دقیق‌تر تغییرات در مناطق جنگلی، می‌تواند نقشی مهم و انکارناپذیر در راستای حفظ و مدیریت این مناطق ایفا کند. در این تحقیق یک روش نظارت‌نشده‌ی دقیق برای شناسایی تغییرات در مناطق جنگلی ارائه شده‌است. مناطق مورد مطالعه در این تحقیق، جنگل‌های کشورهای آمریکا و استرالیا است که در اثر آتش‌سوزی تخریب شده‌اند. در روش ارائه‌شده، ابتدا شاخص تغییرات نهایی از طریق تلفیق شاخص‌های تغییرات NDVI (DN) و GNDVI (DG) با روش تبدیل موجک گسسته ایجاد شد. سپس برای کاهش تغییرات نویزی از فیلتر پخش‌کننده استفاده شد. برای خوشه‌بندی اولیه شاخص تلفیقی از روش خوشه‌بندی k-means بهبودیافته و برای در نظرگرفتن اطلاعات همسایگی در روند خوشه‌بندی، از میدان تصادفی مارکوف (MRF) پس از اعمال دو مرحله بهبود در ساختار تابع انرژی آن استفاده شد. مقایسه‌ی روش پیشنهادی در دو حالت استفاده از مدل MRF مرسوم و نوع بهبودیافته آن، برتری مدل MRF بهبودیافته را به اندازه‌ی 49/0% و 61/0%،  به‌ترتیب در مجموعه‌داده‌ی اول و دوم نشان داد. همچنین روش پیشنهادی در مقایسه با روش‌های Otsu، PCA-kmeans، GAFCM و GMM-MRF داری عملکرد بهتری بود، بطوریکه میزان خطای کل را در آن­ها به طور میانگین به اندازه  93/0% و 31/5%، به ترتیب در مجموعه‌داده اول و دوم کاهش داد. براساس نتایج بدست‌آمده می‌توان گفت، روش ارائه‌شده در این تحقیق پتانسیل بالایی برای شناسایی نظارت‌نشده‌ی تغییرات در مناطق جنگلی دارد.
واژه‌های کلیدی: شناسایی تغییرات جنگل، تبدیل موجک گسسته، فیلتر پخش‌کننده، k-means، اطلاعات همسایگی
متن کامل [PDF 1779 kb]   (911 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری و سنجش از دور
دریافت: 1399/1/11
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


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

Mohsenifar A, Mohammadzadeh A, Moghimi A. An Integrated Unsupervised Change Detection Method Based on the Discrete Wavelet Transform Fusion and An Improved Markov Random Field Model. JGST 2021; 10 (3) :165-182
URL: http://jgst.issgeac.ir/article-1-937-fa.html

محسنی‌فر امین، محمدزاده علی، مقیمی آرمین. شناسایی نظارت‌نشده تغییرات مناطق جنگلی مبتنی‌بر تلفیق شاخص‌های تغییرات به روش موجک گسسته غیر کاهشی و بهبود میدان تصادفی زنجیره مارکوف. علوم و فنون نقشه برداری. 1399; 10 (3) :165-182

URL: http://jgst.issgeac.ir/article-1-937-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 10، شماره 3 - ( 12-1399 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology