مدلسازی تغییرات کاربری اراضی | پیش بینی تغییرات کاربری اراضی با شبکه عصبی + ارزیابی نتایج
شناسایی تغییرات زمانی و دقیق کاربری اراضی پایهگذار درک بهتری از ارتباطها و اثرهای متقابل انسان و منابع اراضی میباشد و شناخت این روابط موجب مدیریت و استفاده پایداری از این منابع میشود. بدین منظور الگوریتمهای زیادی در زمینه شناسایی تغییرات کاربری اراضی ارائه و استفاده شده است.
در این راستا، گروه تخصصی GIS Academy نیز با طرحریزی روشی موجب شناسایی بهتر و دقیقتر تغییرات کاربری اراضی شده است و پروژهای با عنوان “مدلسازی و پیش بینی تغییرات کاربری اراضی” برای استفاده فارغ التحصیلان و دانشجویان علاقمند به موضوع کشف تغییرات اراضی آمادهسازی کرده است که کمک شایانی در یادگیری بهتر و سریعتر این موضوع خواهد نمود.
در این پروژه از تصاویر لندستهای 7 و 8 سالهای 2000، 2009 و 2017 استفاده شده است. البته با توجه به اینکه این پروژه بصورت کدنویسی هست میتوان تصاویر دیگر سالها را جایگزین تصاویر نمونه استفاده شده کرد.
در این پروژه، بعد از آمادهسازی تصاویر لندستهای 7 و 8 (تصحیحات اتمسفری وPansharp کردن تصاویر چندطیفی و …) تصاویر مربوط به هر سه سال براساس شبکههای عصبی طبقهبندی گردیدهاند و با بررسی و شناسایی الگوی تغییر کاربری اراضی در بازه زمانی اول (2000 تا 2009)، مدلسازی تغییرات کاربری اراضی / پیش بینی تغییرات کاربری اراضی از سال 2009 تا 2017 میلادی انجام گرفته است.
سپس نتایج پیش بینی شده سال 2017 با وضع موجود منطقه در سال 2017 میلادی (تصویر طبقهبندی شده سال 2017) مورد مقایسه و ارزیابی قرار گرفته است.
در این پروژه نتایج ارزیابیها (شاخص صحت کلی) دقت بالای روش پیشنهادی را نشان میدهد. پروژه جاری شامل فایلهای زیر میباشد
1- کدهای متلب پروژه “مدلسازی و پیش بینی تغییرات کاربری اراضی” بصورت دستهبندی شده و مرتب به همراه خروجی هر مرحله
2- دادههای نمونه تصاویر چندطیفی برای اجرای کدهای متلب
3- انیمیشن تغییر کاربری اراضی در بازه زمانی دوم (از سال 2009 تا 2017 میلادی)
4- نتایج ارزیابی پیشبینی تغییرات کاربری اراضی
در این پروژه از تصاویر منطقه جنوب غربی استان آذربایجان شرقی (شامل شهرستان بناب و قسمتی از شهرستانهای مراغه، عجب شیر، ملکان) و قسمتی از دریاچه ارومیه هست استفاده شده است. همچنین بوسیله این کدها میتوان مدلسازی تغییرات کاربری اراضی هر منطقه و هر بازه زمانی را انجام داد. در ادامه تصاویری از نتایج مربوط به طبقهبندی و پیشبینی تغییرات کاربری اراضی به همراه انمیشین کوتاهی از شبیهسازی ارائه شده است
کدهای موجود در این پروژه برای دانشجویان و فارغ التحصیلانی که نیاز به آموختن سریع و راحت مدلسازی تغییرات کاربری اراضی / پیش بینی تغییرات کاربری اراضی را دارند بسیار مناسب میباشد.
در صورت نیاز به برای اطلاعات بیشتر به ID تلگرام @GISAcademyManager پیام دهید.
لینکهای مرتبط
کدهای متلب تشخیص افراد عینکی با استفاده از الگوریتم ترکیبی شبکه عصبی و ژنتیک
جی آی اس آکادمی متعهد میگردد در صورت هر گونه مشکلی در استفاده از این محصول مبلغ آن را به مشتری بازگرداند.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.