جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه nonparametric algorithms در نشریات گروه کشاورزی
nonparametric algorithms
در نشریات گروه آبخیزداری، بیابان، محیط زیست، مرتع
تکرار جستجوی کلیدواژه nonparametric algorithms در مقالات مجلات علمی
-
از میان فاکتورهای مدل اصلاح شده جهانی فرسایش خاک (RUSLE)، فاکتور پوشش و مدیریت (فاکتور C) یکی از عوامل مهم و اثرگذار بر میزان فرسایش خاک است. تعیین فاکتور C بر اساس روش های اصلی معرفی شده با توجه به فقدان اطلاعات دقیق در بسیاری از مناطق مشکل است. در این روش نقشه پوشش گیاهی می تواند در جهت برآورد فاکتور C مورد استفاده قرار گیرد، اما تهیه نقشه مناسب از درصد پوشش گیاهی در بسیاری از شرایط یک چالش است. درنتیجه در این مطالعه نقشه درصد تاج پوشش گیاهی تهیه شده با استفاده از الگوریتم نا پارامتریک k-NN، رگرسیون خطی و رگرسیون خطی گام به گام در حوضه آبخیز شیرین دره خراسان شمالی تهیه و مورد مقایسه قرار گرفت. در روش های رگرسیونی 17 شاخص گیاهی و محیطی تهیه و روابط آن ها بررسی شد. نتایج مقایسه نقشه های حاصل از 3 روش نشان داد که روش k-NN به دلیل دارا بودن بالاترین درصد صحت کلی (3/83 درصد) و ضریب کاپا (9/75 درصد) نسبت به دو روش رگرسیونی دیگر از نتایج مناسب تری برخوردار است، ازاین رو جهت تهیه فاکتور مدیریت و پوشش (C) مورداستفاده قرار گرفت. نتایج مطالعه نشان داد که روش نا پارامتریک k-NN دارای نتایج امیدوارکننده ای در جهت تهیه نقشه های درصد تاج پوشش گیاهی مراتع مناطق خشک و نیمه خشک است. در میان شاخص های گیاهی شاخص گیاهی NDVI بیشترین همبستگی (82/0) را با درصد پوشش گیاهی دارد. همچنین درروش k-NN معیار فاصله اقلیدسی در نقطه 9=k نسبت به دو معیار دیگر ماهالانوبیس و فازی نتایج مناسب تری دارد و می تواند نقشه درصد پوشش گیاهی را با دقت بالاتری برآورد نماید.کلید واژگان: فرسایش خاک، فاکتور پوشش و مدیریت، شاخص گیاهی، الگوریتم ناپارامتریک، k نزدیک ترین همسایهCover-management factor (C) is one of the most important influential factor on soil erosion using the Revised Universal Soil Loss Equation (RUSLE) model. C-factor is challenging to determine based on the proposed procedures due to lack of accurate information. Vegetation cover map can be used to estimate C-factor, but preparing a suitable mapping of vegetation cover is challenging in many situations. Therefore, in this study vegetation cover map was prepared and compared using the k Nearest Neighbor (k-NN) algorithm, linear regression (LR) and linear stepwise regression (LSR) in the study area. In regression methods, 17 vegetation and environmental indices were prepared and their relationships were investigated. The results of comparing the three methods showed that the k-NN method has better results than other regression methods due to its highest overall accuracy (83.3%) and kappa coefficient (75.9%) therefore, it was used to produce C-factor map. Results showed that the k-NN was very promising for mapping vegetation canopy cover in the arid and semi-arid areas. The results showed that among vegetation indices NDVI had the highest correlation (0.82) with percentage vegetation cover. Also, in the k-NN method, the Euclidean distance metrics in k = 9 has better results than the other two Fuzzy and Mahalanobis distances and can be used to estimation of vegetation cover map.Keywords: Soil erosion, Cover-management factor, Vegetation indices, GIS, nonparametric algorithms, K Nearest Neighbor
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.