به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

object-oriented classification

در نشریات گروه محیط زیست
تکرار جستجوی کلیدواژه object-oriented classification در نشریات گروه علوم پایه
تکرار جستجوی کلیدواژه object-oriented classification در مقالات مجلات علمی
  • مهدی کرمی مقدم*، احسان مرادی مطلق، تورج سبزواری، رضا محمدپور

    یکی از مشکلات اساسی در زمینه پیش بینی سیلاب در اغلب حوزه های آبخیز در ایران، نبود داده های هیدرولوژی و اقلیمی است. از جمله روش های برآورد حداکثر دبی سیل در حوضه های فاقد آمار، روش SCS-CN است. در این پژوهش با استفاده از روش فوق، مقدار ارتفاع رواناب و حداکثر دبی سیلاب حوضه بالارود خوزستان برآورد شد. در ابتدا با استفاده از تصویر سنجنده  OLI ماهواره لندست 8 و انجام تصحیح هندسی، بارزسازی و الگوریتم نزدیک ترین همسایگی در طبقه بندی شی گرا، نقشه کاربری اراضی تهیه شد. با استفاده از نقشه های کاربری اراضی مربوط به هر زیرحوضه، گروه هیدرولوژیکی خاک و شماره منحنی تعیین گردید. در نهایت با روش SCS-CN، مقدار رواناب و حداکثر سیلاب حوضه تعیین گردید. نتایج نشان داد حوضه بالارود شامل سه نوع گروه هیدرولوژیکی خاک A، B و C به ترتیب برابر 64/60، 62/11 و 74/27% مساحت بود. مقدار شماره منحنی CN معادل این حوضه برابر 81/62 حاصل شد. همچنین مقدار حداکثر ضریب نگهداشت (S) مربوط به زیرحوضه های دوکوهه، انارکی و منگره به ترتیب 5/7، 8/16 و cm 17 و مقدار معادل آن در حوضه مورد مطالعه برابر cm 15 به دست آمد. در نهایت ارتفاع رواناب زیرحوضه های منگره، انارکی، دوکوهه و کل حوضه آبخیز به ترتیب 05/0، 06/0، 73/0 و cm 12/0 و حداکثر دبی سیل برای آن ها نیز به ترتیب 71، 2/67، 435،  m3/s1/282 حاصل شد. نتایج پژوهش همچنین کارایی مفید سنجش از دور و تکنیک های GIS را در روش SCS-CN نشان داد.

    کلید واژگان: حوضه بالارود، رواناب، سامانه GIS، طبقه بندی شئ گرا، الگوریتم نزدیکترین همسایگی
    Mehdi Karami Moghadam *, Ehsan Moradi Motlagh, Tooraj Sabzevari, Reza Mohammadpour

    One of the main problems in flood predicting is often lack of hydrological and climatic data in most basins of Iran. Soil Conservation Service Curve Number (SCS-CN) method is used to estimate the maximum flood discharge in the ungauged basins. In this study, the runoff height and the maximum flood discharge were estimated by SCS-CN method in Balarood Basin on Khuzestan Province of Iran. Firstly, geometric correction, enhancement and nearest neighbor algorithm of object-oriented classification on Landsat 8 satellite’s OLI sensor images were used to prepare the land use maps. Then the soil hydrological groups and curve number (CN) were determined for each sub-basin using land use map. Finally, the runoff and maximum flood discharge of the basin were estimated by SCS-CN method. The results indicated that the Balarood basin had three soil hydrological groups A, B, and C, with 60.64, 11.62, and 27.74% respectively. The CN of the basin was 62.81. The maximum soil water retention (S) of Dokohe, Anarki and Mongareh sub-basins and the basin calculated were 7.5, 16.8, 17, and 15 cm respectively. The height of runoff and maximum flood discharge of them were estimated 0.05, 0.06, 0.73, 0.12 cm and 71, 67.2, 435, 282.1 m3/s respectively. The results also demonstrated the good efficiency of remote sensing and GIS techniques in study on SCS-CN method.

    Keywords: Balarood basin, GIS, Nearest Neighbor Algorithm, Object-oriented classification, runoff
  • حمیدرضا کامیاب، عبدالرسول سلمان ماهینی، محمد شهرآیینی
    آمایش سرزمین اصطلاح گسترده ای است که به فرایندهای مختلف مدیریت سرزمین مربوط می شود. یکی از پیچیده ترین فرایندها اختصاص انواع مختلف کاربری زمین به واحدهای مکانی و ایجاد نقشه پهنه بندی شده کاربری های رقیب است. تعیین واحد کاری مناسب برای پهنه بندی کاربری ها یکی از چارچوب های دسته بندی روش های مختلف تخصیص کاربری است که بیشتر به دو دسته واحد سلولی (مانند روش MOLA) و پهنه ای (مانند روش روی هم گذاری نقشه و تجزیه و تحلیل سیستمی) تقسیم می شوند. الگوریتم های بهینه سازی نیز از روش های تخصیص کاربری هستند که علاوه بر امکان استفاده همزمان از چند هدف در فرایند تخصیص کاربری، می توانند هر دو رویکرد سلولی و پهنه ای را در خود جای دهند. در این مطالعه، از الگوریتم ژنتیک برای تخصیص کاربری اراضی در شهرستان گرگان استفاده شد که همزمان به تناسب و ویژگی های سیمای سرزمین توجه دارد. افزون برآن، در یک رویکرد از طبقه بندی شی گرای هدفمند (بر اساس ویژگی های محیط زیستی) برای ایجاد اکوسیستم های خرد و تخصیص کاربری برای هر واحد محیط زیستی بهره گرفته شد. نتایج نشان داد که در مقایسه با روش MOLA که تنها به تناسب سلولی زمین توجه دارد، تخصیص کاربری با الگوریتم ژنتیک اکوسیستمی منجر به بهبود قابل ملاحظه ای در شاخص های سیمای سرزمینی شده است. این نکته را می توان در بهبود چهار شاخص سیمای سرزمین شامل: تعداد لکه، میانگین توپری، اندازه موثر شبکه و شاخص پیوستگی مشاهده نمود. به عبارت دیگر، کاربری ها در الگوریتم ژنتیک شی گرا به پهنه هایی اختصاص یافته اند که دارای همگنی و هم شکلی در منابع پایدار اکولوژیک هستند. بنابراین، تنوع ویژگی ها در هر یگان محیط زیستی به حداقل ممکن می رسد.
    کلید واژگان: تخصیص کاربری، رویکرد اکوسیستمی، الگوریتم ژنتیک، طبقه بندی شی گرا، معیار سیمای سرزمین
    Hamidreza Kamyab, Abdolrassoul Salman Mahiny, Mohammad Shahraini
    Land use planning is a broad term that can be applied to different processes related to management of land use. One of the most complex tasks in this process is allocating land use categories to spatial units, resulting in a land use zoning map. Specifying the appropriate land unit for land allocation is one of the typical issues that are mainly divided into two categories including cell (such as MOLA approach) and polygon units (such as map overlay and systemic analysis). Optimization algorithms are the part of land allocation methods that have both Multi-Objective approach and cell or polygon structures. In this study, the Genetic Algorithm (GA) is used for land allocation based on suitability and landscape metrics in Gorgan Township. Moreover, in an innovative approach, object-oriented classification (based on environmental parameters) was used to create ecosystem units and land allocation was applied to these units. The results showed that land allocation through ecosystem-based Genetic Algorithm leads to a significant improvement of landscape metrics in comparison with MOLA. The genetic algorithm approach improved four landscape metrics including number of patches, contiguity, and effective mesh size and cohesion index. In this process, land use was allocated to homogeneous units in terms of ecological resources. Thus, diversity was minimum in the environmental units considered for the land allocation processes.
    Keywords: Land allocation, Ecosystem- based approach, Genetic algorithm, Object-oriented classification, Landscape metric
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال