بررسی کارایی مدل زنجیره ای مارکوف در برآورد تغییرات کاربری اراضی و پوشش زمین با استفاده از تصاویر ماهواره ای Landsat
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 40
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMS-10-34_009
تاریخ نمایه سازی: 5 دی 1402
چکیده مقاله:
در دهه های اخیر تغییرات سریع کاربری اراضی و پوشش زمین در حومه شهرهای بزرگ ایران به ویژه شهر تهران به عنوان پایتخت، با پیامدهای مهمی مثل تخریب منابع طبیعی، آلودگی های زیست محیطی و رشد نامناسب شهرها همراه بوده است. اطلاع از تغییرات کاربری و بررسی علل و عوامل آنها در یک دوره زمانی خاص، می تواند بسیار مورد توجه برنامهریزان و مدیران باشد. هدف از این تحقیق بررسی کارایی مدل زنجیره ای مارکوف درجه اول جهت برآورد تغییرات کاربری اراضی و پوشش زمین برای شهر تهران و حومه آن طی بازه زمانی ۳۰ سال می باشد. در این تحقیق از تصاویر ماهواره ای چندزمانه لندست مربوط به سال های ۱۹۷۵، ۱۹۹۰ و ۲۰۰۵ میلادی استفاده شده است. در ابتدا تصاویر موجود در سال های مذکور در شش کلاس و به روش حداکثر مشابهت طبقه بندی شدند. در مرحلهی بعد با استفاده از نقشه های پوشش زمین بهدست آمده برای هر دوره ۱۵ ساله، ماتریس تبدیل وضعیت کلاس های پوشش زمین بین هر دو دوره زمانی محاسبه شد. در نهایت با استفاده از ماتریس تبدیل وضعیت دوره اول، نتایج تغییرات کاربری برای سال ۲۰۰۵ میلادی با کمک مدل زنجیره ای مارکوف پیش بینی شد. دقت پیش بینی با مدل زنجیره ای مارکوف، به کمک نقشه های کاربری موجود برای سال ۲۰۰۵ بررسی شدند. نتایج حاکی از آن است که بیشترین درصد اختلاف مربوط به کلاس اراضی مزروعی (۶۴۶۲۲/۰ درصد) بوده و کمترین درصد اختلاف در کلاس فضای سبز (۰۰۵۵۱/۰ درصد) دیده می شود. شایان ذکر است که در تمامی موارد بزرگی این اختلافات به طورکلی کمتر از ۷ درصد بوده که این رقم، مفید و قابل استفاده بودن مدل مارکوف و همچنین صحت آن را در پیش بینی تغییرات کاربری به خوبی توجیه می کند.
کلیدواژه ها:
Changes detection ، Images classification ، Landsat images ، Markov chain model ، Tehran. ، تصاویر لندست ، تهران ، طبقه بندی تصاویر ، کشف تغییرات ، مدل زنجیره ای مارکوف.
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :