عنوان

استفاده از تکنیک محاسبات نرم به منظور تلفیق قابلیتهای سیستم اطلاعات جغرافیایی و سنجش از دور جهت پایش و پیش‌صبینی تخریب جنگل) مطالعه موردی جنگلهای شمال ایران(,G

شماره

‭۱۴۶۷۱پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

استفاده از تکنیک محاسبات نرم به منظور تلفیق قابلیتهای سیستم اطلاعات جغرافیایی و سنجش از دور جهت پایش و پیش‌صبینی تخریب جنگل) مطالعه موردی جنگلهای شمال ایران(

عنوان اصلي به زبان ديگر

G

نام نخستين پديدآور

/سمیه مهرآبادی

نام ناشر، پخش کننده و غيره

: جغرافیا و برنامه‌صریزی، گروه سنجش ازدور و‮‭GIS‬

تاریخ نشرو بخش و غیره

، ‮‭۱۳۹۴‬

نام توليد کننده

، راشدی

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی راشد

نظم درجات

سنجش از دور و سیستم اطلاعات جغرافیایی ‮‭M.SC)‬)

زمان اعطا مدرک

‮‭۱۳۹۴/۱۱/۱۰‬

کسي که مدرک را اعطا کرده

تبریز

متن يادداشت

انگیزش اصلی از انجام این پایان‌صنامه بهره گیری از تکنیکهای هوش محاسباتی به منظور تلفیق توان سیستم‌صهای اطلاعات جغرافیایی و سنجش از دور با هدف پایش و پیش‌صبینی تخریب جنگل در شمال ایران) شهرستان ساری (می‌صباشد .داده‌صهای اولیه مورد استفاده در تحقیق حاضر تصاویر ماهواره‌صای با قدرت تفکیک مکانی متوسط) سنجنده ‮‭TM‬لندست ‮‭۵‬ و سنجنده ‮‭OLI‬لندست ‮‭۸‬ به ترتیب برای سالهای ‮‭۱۳۷۸‬ و ‮‭۱۳۹۳)‬ می‌صباشند .پس از اجرای عملیات پیش‌صپردازش در محیط نرم افزار ‮‭ENVI‬ پردازش تصاویر شامل طبقه‌صبندی نظارت شده به روش پیکسل‌صپایه با الگوریتم بیشترین شباهت‮‭(ML)‬ انجام شد، ارزیابی دقت طبقه‌صبندی برای هر دو تصویر سالهای ‮‭۱۳۷۸‬ و ‮‭۱۳۹۳‬ به ترتیب‮‭۲۰/۹۹‬ و ‮‭۷۷/۹۹‬ برای دقت کلی و ضریب کاپای ‮‭۹۷/۰‬ و ‮‭۹۹/۰‬ بدست‌صآمد .بدین ترتیب نقشه جنگل و غیرصجنگل از منطقه برای هر دو سال تهیه شد .از مناطق تخریب شده و تخریب نشده نمونه‌صبرداری صورت گرفت و به هر یک به ترتیب ارزش عددی یک به معنای تخریب و صفر برای عدم تخریب تعلق یافت، به این ترتیب پایگاه‌صداده اولیه تولید شد .برای تکمیل پایگاه‌صداده تولید شده آنرا به محیط نرم افزار تحلیل مکانی ‮‭Arcmap‬ برده، اطلاعات مکانی مربوط به پارامترهایی از جمله فاصله از روستا، شهر، رودخانه، مزارع، شالیزار، جاده و دریا را با استفاده از لایه‌صهای نقشه‌صهای موضوعی بهنگام شده سازمان نقشه‌صبرداری کشور در دو مقیاس ‮‭۲۵.۰۰۰/۱‬ و ‮‭۵.۰۰۰/۱‬ استخراج شد .داده-های مربوط به ارتفاع، شیب و جهت شیب از لایه رقومی ارتفاع با پیکسل سایز ‮‭۳۰‬ متری بدست آمد .به منظور بررسی ارتباط بین پارامترها، داده‌صها وارد نرم افزار‮‭SPSS‬ شد و رگرسیون لجستیک برای آنها اجرا شد .نتایج رگرسیون ارتباط بین فاصله از روستا، مزارع، شالیزار و جهت شیب را با تخریب جنگل نشان داده، اما در رابطه با سایر پارامترها نتوانست آنها را بدرستی تست کند .این نتیجه حاکی از ارتباط غیرصخطی بین پارامترهاصست .به منظور مدلسازی پایگاه‌صداده تولید شده، وارد محیط نرم افزار متلب شد .کار آموزش شبکه عصبی در چند مرحله با اجرای ترکیب‌صهای مختلف از داده‌صهای آموزشی، اعتبارصسنجی و تست، با استفاده از سه الگوریتم آموزشی متفاوت شامل ‮‭Levenberg_Marquardt (LM) _Bayesian Regularization (BR) _Scaled Conjugate Gradient(SCG)‬اجرا شد .پس از بررسی نتایج بهترین جوابها از نظر کاهش خطا و رگرسیون کل انتخاب شد .نتایج نهایی از سه بعد ترکیب داده‌صهای آموزشی، الگوریتم آموزشی و تعداد نورون لایه پنهان تحلیل شده و نتایج در فصل یافته‌صهای تحقیق ارائه شده است .در نهایت شبکه پرسپترون سه لایه با یک لایه ورودی، یک لایه پنهان و یک لایه خروجی با تعداد نورون اختصاص یافته به هر یک به ترتیب‮‭۱-۴- ۱۰‬- انتخاب شد .از بین الگوریتم‌صهای آموزشی الگوریتم ‮‭Bayesian Regularization‬ بهترین الگوریتم، با ترکیب داده‌صهای آموزشی، اعتبارصسنجی و تست به ترتیب ‮‭۷۰_۱۵_۱۵‬ بدست‌صآمد .نتایج نشان داد پدیده تخریب جنگل و عوامل تاثیرصگذار بر آن قابلیت شناسایی، پایش و انجام تحلیل‌صهای مکانی را داشته و می‌توان آنرا با شبکه عصبی مصنوعی مدل کرده، برآوردی از چگونگی روند جریان تخریب بدست آورد و رفتار این پدیده را در آینده پیش بینی کرد

متن يادداشت

Abstract The main motivation of this thesis utilizes computational intelligence techniques to combine the power of geographic information systems and remote sensing techniques to monitor and predict deforestation in northern Iran (city of Sari). Basic data used in this research is satellite images with medium spatial resolution (Landsat 5 TM sensor AND OLI sensor Landsat 8 Respectively for 1999 and 2014). After pre-processing operations in the ENVI software, image processing is carried out using pixel-based supervised classification algorithms, including maximum likelihood (ML, Classification accuracy assessment for both 1999 and 2014 output, respectively picture 99/20 and 99/77 for overall accuracy and kappa coefficient of 0.97 and 0.99, respectively. The map of the forest and non-forest areas was prepared for both years. Samples were taken from changed and unchanged areas .The samples taken from changed areas were assigned with 1 and the samples belong to unchanged areas were assigned with 0. In this way the primary data base fitted. The database was generated to the spatial analysis software environment of Arcmap to complete, Spatial data mining for parameters such as distance from the village, town, River, road, and sea farms, paddy field using the thematic map layers updated mapping of the country in the Organization of two 1/25,000 scale. 1/5.000. Make data related to height, tilt and direction of tilt digital with pixel size and height of 30 meters. In order to study the relationship between the parameters, the data were entered into SPSS and the run was logistic regression for them. Regression results showed a correlation between the distance from the village, farms, paddy field and the direction of the slope with the destruction of the forest, but in conjunction with other parameters could not test them correctly. This result suggests the relationship between nonlinear parametrhast. The database generated, enter the environment MATLAB software for modeling. Working in a multi-stage neural network training by implementing various combinations of training data, validation and testing, using three different training algorithms, including Levenberg_Marquardt (LM) _Bayesian Regularization (BR) _Scaled Conjugate Gradient (SCG) was conducted. After reviewing the results in terms of reducing errors and regression was selected Best Answer. Results from three dimensions combine training data, the training algorithm and the number of hidden layer neurons are analyzed. Results are presented in the findings. Perseptron three-layer neural network was selected with the input layer, and a layer of a hide and an output layer neurons for each number, in the order of 10-4-1-finally. Get the training algorithm of bayesian came the best algorithm, with a blend of educational data, validation, and test in the order 70_15_15. The results showed that the phenomenon of the destruction of the forest and its influencing factors of capability of identifying, monitoring and analysis of the location and can be used with artificial neural network model, Obtain an estimate of how the process of destruction and flow behavior of this phenomenon in the future prediction

عنوان اصلي به زبان ديگر

G

مستند نام اشخاص تاييد نشده

مهرآبادی، سمیه

مستند نام اشخاص تاييد نشده

فرنود احمدی، فرشید، استاد راهنما

مستند نام اشخاص تاييد نشده

روستایی، شهرام، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی