[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: 3112658

مقالات منتشر شده: 675
نرخ پذیرش: 73.32
نرخ رد: 17.82

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 191 روز
____
..
:: دوره 15، شماره 1 - ( 6-1404 ) ::
دوره 15 شماره 1 صفحات 36-27 برگشت به فهرست نسخه ها
به‌کارگیری الگوریتم‌های یادگیری ماشین، تصاویر لندست 8 و سنتینل 2 برای برآورد تراکم تاج‌پوشش جنگل‌های زاگرس
احمد عباسی‌وند ، هرمز سهرابی* ، مژده میرکی
چکیده:   (7 مشاهده)
تاج‌پوشش به‌عنوان یک متغیر اساسی و حیاتی در ارتباط با ارزیابی، پایش و مدیریت جنگل‌های زاگرس اهمیت بسیار زیادی دارد. به دلیل اینکه تاج‌پوشش جنگل می‌تواند تغییرات مختلفی را نشان دهد، مدیران جنگل و نهادهای مرتبط همواره به دنبال به‌روزرسانی دقیق نقشه‌ها و اطلاعات مربوط به این متغیر برای مدیریت بهتر جنگل‌ها هستند. استفاده از تصاویر ماهواره‌ای و مدل‌های یادگیری ماشین کمک می‌کند که درک بهتری از اکوسیستم‌های جنگلی کسب شود. این درک باعث می‌شود که بتوان راهکارهای بهتری برای حفظ طبیعت و جلوگیری از هدر رفت منابع طبیعی پیدا کرد. در این مطالعه، از داده‌های تصویری به دست آمده از ماهواره‌های سنتینل 2 و لندست 8 بهره برده شده و با استفاده از مدل‌های یادگیری ماشین، اطلاعات مربوط به تاج‌پوشش جنگل‌های زاگرس مدل‌سازی شد. مدل‌های یادگیری ماشین شامل پنج الگوریتم جنگل تصادفی (RF)، نزدیک‌ترین همسایه (KNN)، ماشین بردار پشتیبان رگرسیون (SVR)، رگرسیون اسپلاین تطبیقی چندمتغیره (MARS) و شبکه‌های عصبی مصنوعی (ANN) بود. برای ارزیابی مدل‌های استفاده شده، 2631 قطعه نمونه 400 متری در 27 منطقه جنگلی در زاگرس انتخاب و درصد تاج‌پوشش محاسبه شد. مدل‌سازی به تفکیک زاگرس شمالی، میانی، جنوبی و کل انجام و پارامترهای ارزیابی مدل برای مقایسه مدل ها و ماهواره ها محاسبه شد. نتایج نشان داد با استفاده از تصاویر لندست 8، روش‌های MARS، RF و ANN به ترتیب با ضریب تبیین تعدیل شده 7/63، 7/62 و 7/61 و با استفاده از تصاویر سنتینل 2 بهترین روش‌های یادگیری ماشین با ضریب تبیین تعدیل شده 7/73، 7/72 و 7/71 به ترتیب MARS، SVR و RF بود. در مقایسه نتایج استفاده از تصاویر لندست 8 و سنتینل 2 نیز بهترین نتایج سنتینل 2 (7/73) بهتر از بهترین نتایج لندست 8 (7/63) بود. مدلسازی تاج پوشش در کل زاگرس اما نشان داد از بین روش‌های مورد استفاده، الگوریتم جنگل تصادفی (7/73 درصد) نتایج بهتری نسبت به سایر روش‌ها دارد. همچنین نتایج به دست آمده نشان می‌دهد که استفاده از تصاویر سنتینل 2 نسبت به تصاویر ماهواره لندست 8 کارایی بیشتری در برآورد سطح تاج‌پوشش داشته و ضریب تبیین حدود 7٪ بیشتری را نشان داده است.
شماره‌ی مقاله: 2
واژه‌های کلیدی: پایش جنگل، شاخص‌های گیاهی، جنگل تصادفی، تاج‌پوشش
متن کامل [PDF 1025 kb]   (7 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سامانه های اطلاعات مکانی
دریافت: 1403/9/8
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:

Abbasiwand A, Sohrabi H, Miraki M. Using machine learning algorithms, Landsat 8 and Sentinel 2 satellite imagery for estimating forest canopy density of Zagros Forests. JGST 2025; 15 (1) : 2
URL: http://jgst.issgeac.ir/article-1-1208-fa.html

عباسی‌وند احمد، سهرابی هرمز، میرکی مژده. به‌کارگیری الگوریتم‌های یادگیری ماشین، تصاویر لندست 8 و سنتینل 2 برای برآورد تراکم تاج‌پوشش جنگل‌های زاگرس. علوم و فنون نقشه برداری. 1404; 15 (1) :27-36

URL: http://jgst.issgeac.ir/article-1-1208-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 15، شماره 1 - ( 6-1404 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology