گزارشی از پایش تغییرات پوشش گیاهی استان زنجان با استفاده از تکنیک سنجش از دور

•   آرشیو : بهار 1399
•   نوع مقاله : پژوهشی
•   کد پذیرش : 12266
•   موضوع : موضوعی تعریف نشده!
• نویسنده/گان : مرضیه سهرابی فرد، مسعود بختیاری نیا، امیرحسین فرخی
•   کلید واژه : ویژگی های بافتی - سطوح نفوذناپذیر - تصاویر راداری – سنتینل.
•   مراجع :
  [1] حسنلو، مهدی، پهلوانی، پرهام، امین، حامد، مطالبی نهر، میامک، (۱۳۸۶). بررسی توانایی تصاویر ماهواره ای با توان تفکیک طیفی بالا، ليدار و تمام پلاریزه راداری به منظور شناسایی عوارض خاص شهری، نشریه علمی پژوهشی علوم و فنون نقشه برداری، دوره 5، شماره 3، تهران، ۳۵-4۷ ۲- شمالی.
  [2] الهه، ولدان زوج، محمدجواد، دهقانی، مریم، مختارزاده، مهدی، (۱۳۹۲). مقایسه استخراج عارضه راه در مناطق شهری از تصاویر با حد تفکیک بالای TerraSER- X و آیکونوس با استفاده از اطلاعات بافت در الگوریتم های شبکه عصبی، مسنجش از دور و GIS ایران، دوره 5، شماره 4، ۲۳- ۳۹ ۳-
  [3] دریاباری، سید جمال الدين، لطفي، حيدر، (۱۳۹۰). مدیریت و ساماندهی اسکانهای غیر رسمی در شهر بندر عباس، فصلنامه جغرافیایی سرزمین، دوره 8، شماره ۲۹، تهران، ۷۹-۹۲ –
  [4] رضایی مطلق، عظيم، شهریاری، غلامرضا رضایی مطلق، امیر، ابراهیمی، اصغر، پاپر، جوهر، (۱۳۹۱). طبقه بندی تصاویر ماهواره ای بر اساس تلفيق مدل های مبتنی بر بافت با استفاده از شبکه عصبي MILP چهارمین کنفرانس مهندسی برق و الکترونیک ایران، دانشگاه آزاد اسلامي گناباد، ۱۹۷۶-۱۶۸۳ ۵-
  [5] زائر ایرانی، آزاده، سفیانیان، عليرضا، (۱۳۹۱). تهیه نقشه سطوح نفوذناپذیر به عنوان یک شاخص زیست محیطی، فصلنامه علمی پژوهشی اطلاعات جغرافیایی (سپهر)، دوره ۲۱، شماره ۸۳، تهران، ۲۵-۹۹ | 6-
  [6] سعیدزاده، فالله، محمدنژادنیازی، معيد، صاحب، محمد رضا، مخارزاده، مهدی، (۱۳۵۶)، استخراج، بهینه سازی و بررسی تأثیر اطلاعات مختلف بافت تصویر در طبقه بندی تصاویر بزرگ مقیاس، بیست و دومین همایش و نمایشگاه ملی ژئوماتیک، سازمان نقشه برداری ایران، تهران، ۱- 14 | ۷-
  [7] صادقی، وسعيد، عنایتی، حمید، عبادی، محمد، (۱۳۹۰). بهبود شناسایی تغییرات در مناطق شهری با انتخاب ویژگی های طیفی و مکانی بهيشه مبتنی بر الگوریتم ژنتیک، فصلنامه علمی پژوهشی اطلاعات جغرافیایی (سپهر)، دوره ۲۵، شماره 96، تهران، ۱۳۵ - ۱۵۲.
  [8] قنادی، محمد، سعادت و شست، محمد، افتخاری، کرم، (۱۳۸۳). بهبود تناظر یابی ماهواره ای TerraSAR- X به کمک ویژگی های بافت تصویری، مجله علمی پژوهشی رادار، سال ۲، شماره 4، تهران، ۹-۲۰ –
  [9] گلشنی، پری، فلاح، اصغر، اولادی قادیکلایی، جعفر، کلبی، سیاوش، (۱۳۸۳)، ارزیابی قابلیت داده های سنجنده GeoEye - l و پارامترهای بافت تصویر به منظور طبقه بندی مناظر شهری (مطالعه موردی: منطقه ۳ تهران)، پژوهش های جغرافیای طبیعی، سال 46، شماره ۲، تهران، ۱۵۷-۱۹۸| ۱۰-
  [10] ملک نژاد، احمد، قاسمیان، حسن، میرزاپور، فردین، (۱۳۹۰). سنجش کارایی ویژگی های بافتي GLCM در افزایش دقت طبقه بندی تصاویر حاصل از ادغام تصاویر تک باند و ابر طیفی مناطق مسکونی و صنعتیجنوب شهر تهران، نشریه علمی پژوهشی علوم و فنون نقشه برداری، دوره 5، شماره 1، تهران، ۵۵- 64
  [11] Anuradha, K., Sankaranarayanan, K, (2013). Comparison of Feature Extraction Techniques to classify Oral Cancers using Image Processing, International Journal of Application or
  [12] Innovation in Engineering & Management (IJAIEM), Vol 6, No 2, Pp 456-462. 12- Anys, H., He, D.C., (1995). Evaluation of textural and multipolarization radar features for crop classification, IEEE Trans, Geosci, Remote Sens, Vol 33, Pp 1170-1181.
  [13] Chatziantoniou, A., Petropoulos George P., Psomiadis, E., (2017). Co-Orbital Sentinel 1 and 2 for LULC Mapping with Emphasis on Wetlands in a Mediterranean Setting Based on Machine Learning, Remote Sensing, Vol 9, 1259 p.
  [14] Dabbiru, L., Aanstoos, J.V., Ball, J.E., Younan, N.H. (2017). Screening Mississippi River Levees Using Texture-Based and Polarimetric-Based Features from Synthetic Aperture Radar Data, Vol 6, 29 p.
  [15] Dengsheng, Lu, Guiying Li, Wenhui, Kuang, Emilio, Moran, (2014). Methods to extract impervious surface areas from satellite images, International Journal of Digital Earth, Vol 7, No 2, pp 93-112, DOI: 10.1080/17538947.2013.866173.
  [16] Elvidge, C.D., Tuttle, B.T., Sutton, P.C., Baugh, K.E., Howard, A.T., Milesi, C., Bhaduri, B., Emani, R. (2007). Global Distribution and Density of Constructed Impervious Surfaces, Sensors 7 (9), 1962–1979. doi:10.3390/s7091962.
  [17] FU, Huyan, Shao, Zhenfeng. (2016). Impacts of feature selection for urban impervious surface extraction using optical image and SAR data, IEEE, School of Electronics Information and Communications Huazhong University of Science and Technology Wuhan, China, 978-1 5090-14 79-8/16.
  [18] Haralick, R.M., Shanmugam, K., (1973). Textural features for image classification, IEEE Trans, Syst. Man Cybern, Vol 3, Pp 610-621. 19- Kuang, W., Liu, J., Zhang, Z., Lu, D., Xiang, B., (2013). Spatiotemporal Dynamics of Impervious Surface Areas across China During the Early 21st Century, Chinese Science
  [19] Bulletin 58 (14), 1691-1701, doi: 10.1007/s11434-012-5568-2.
  [20] Kuang, Wenhui, (2012). Evaluating impervious surface growth and its impacts on water environment in Beijing-Tianjin-Tangshan Metropolitan Area, Journal of Geographical Sciences, Vol 22, No 3, Pp 535-547.
  [21] Lepeška, T., (2016). The impact of impervious surfaces on ecohydrology and health in urban ecosystems of Banská Bystrica (Slovakia), Soil Water Res 11 (1), Pp 29-36.
  [22] Lu, Dengsheng, Moran, Emilio, Hetrick, Scott, (2011). Detection of impervious surface change with multitemporal Landsat images in an urban-rural frontier, ISPRS Journal of Photogrammetry and Remote Sensing, Pp 298 299.
  [23] Pohl, C., Van Genderen, J.L., (1998). Multisensor image fusion in remote sensing: concepts, methods, and applications, International Journal of Remote Sensing, Vol 19, Pp 823-854.
  [24] Schneider, A., (2012). Monitoring land cover change in urban and pen-urban areas using dense time stacks of landsat satellite data and a data mining approach, Remote Sens, Environ, Vol 124, Pp 689-704.
  [25] Schneider, A., Friedl, M.A., Potere, D., (2010). Mapping Global Urban Areas Using MODIS 500-m Data: New Methods and Datasets Based on Urban Ecoregions, Remote Sensing of Environment, Vol 8, No 114, Pp 1733-1746, doi: 10.1016/j.rse.2010.03.003.
  [26] Sentinel-1 User Handbook, (2013). European Space Agency, ESA Standard Document, Date
•  صفحات : 1-9
•   دانلود فایل ( 1.03 MB )