Salman Mahini, A., Feghhi, J., Nadali, A., Riazi, B. (2008). Tree cover change detection through Artificial Neural Network classification using Landsat TM and ETM+ images (case study: Golestan Province, Iran). , 16(3), 505-495.
Abdorrasool Salman Mahini; Jahangir Feghhi; Azadeh Nadali; Borhan Riazi. "Tree cover change detection through Artificial Neural Network classification using Landsat TM and ETM+ images (case study: Golestan Province, Iran)". , 16, 3, 2008, 505-495.
Salman Mahini, A., Feghhi, J., Nadali, A., Riazi, B. (2008). 'Tree cover change detection through Artificial Neural Network classification using Landsat TM and ETM+ images (case study: Golestan Province, Iran)', , 16(3), pp. 505-495.
Salman Mahini, A., Feghhi, J., Nadali, A., Riazi, B. Tree cover change detection through Artificial Neural Network classification using Landsat TM and ETM+ images (case study: Golestan Province, Iran). , 2008; 16(3): 505-495.

Tree cover change detection through Artificial Neural Network classification using Landsat TM and ETM+ images (case study: Golestan Province, Iran)

تحقیقات جنگل و صنوبر ایران
Article 15, Volume 16, Issue 3 - Serial Number 33, December 2008, Pages 505-495    PDF (334.9 K)
Document Type: Research article
Authors
Abdorrasool Salman Mahini* 1; Jahangir Feghhi2; Azadeh Nadali3; Borhan Riazi4
1Assistant prof., University of Gorgan
2Assistant Prof., University of Tehran
3M.Sc., Islamic Azad University, Science and Research Branch
4Assistant Prof., Islamic Azad University, Science and Research Branch
Abstract
    The aim of this research was to detect tree cover changes through Artificial Neural Network classification and post-classification comparison methods using landsat TM and ETM+ images in Golestan province, north of Iran with area of 20437.74 ha. Land uses and land covers were distinguished on the color composite image of the area and used as training sites for image classification that included all six bands of the imagery. We also used unsupervised classification to derive 100 clusters for purifying initial training sites. A post-classification comparison method was conducted on classified images of the years 1987 and 2001 and forest increase and decrease areas were identified. Accuracy assessment was implemented through test set pixels that were randomized and set aside from the training set pixels. We also used a LISS III imagery to assess the accuracy of the classification. Both methods proved the classifications and change detection in high accuracy.
Keywords
Artificial Neural Networks classification; training site; Unsupervised Classification; ground control point; randomization
References

- بی‌نام، ١٣٨٠. مطالعه زیستگاههای جنگلی استان گلستان. اداره کل حفاظت محیط زیست استان گلستان، 150 صفحه.

- بی‌نام، ١٣٨٢. سالنامة آماری استان گلستان. انتشارات سازمان مدیریت و برنامه‌ریزی استان گلستان، 458 صفحه.

- دهستانی، غ.، 1377. طبقه‌بندی تصاویر چند طیفی سنجش از دور با استفاده از شبکه عصبی. پایان‌نامه کارشناسی ارشد، دانشکدة‌ فنی و مهندسی، دانشگاه تربیت مدرس، 130 صفحه.

- رفیعیان، الف.، ١٣٨٢. بررسی تغییرات گسترده جنگلهای شمال کشور بین سالهای ٧٣ تا ٨٠ با استفاده از تصاویر سنجندةETM+  (جنگل‌های بابل). پایان‌نامه کارشناسی ارشد، دانشکدة‌ منابع طبیعی، دانشگاه تهران،150صفحه.

- سلمان ماهینی، ع.، 1384. پالایش نمونه‌های تعلیمی در طبقه‌بندی نظارت شده تصاویر ماهواره‌ای: مطالعه موردی گرگان و حومه .دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گزارش چاپ نشده، ١٤ صفحه.

- شتایی جویباری، ش.، ١٣٧٥ .تهیة‌ نقشة جنگل به‌کمک تصاویر ماهواره‌ای به روش رقومی. پایان‌نامه کارشناسی ارشد، دانشگاه تهران، ٩٩ صفحه.

- شیریان، ر.، ١٣٨١. تهیة نقشة پوشش گیاهی پارک ملی گلستان با استفاده از GIS و داده‌های ماهواره‌ای TM. پایان‌نامه کارشناسی ارشد رشتة مرتعداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ٩٩ صفحه.

- نشاط، ع.، ١٣٨١. تجزیه و تحلیل و ارزیابی تغییرات کاربری و پوشش زمین با استفاده از داده‌های سنجش از دور و سامانه‌های اطلاعات جغرافیایی استان گلستان. پایان‌نامه کارشناسی ارشد، رشتة سنجش از دور و GIS، دانشگاه تربیت مدرس، 170 صفحه.

- یوسفی‌آذر، پ.، ١٣٨١. امکان استفاده از داده‌های ماهواره‌ای در تهیة نقشة پوشش گیاهی در منطقة فندقلو. پایان‌نامه کارشناسی ارشد رشتة جنگلداری، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات،160 صفحه.

- Anonymus, 1987. http://www.glcf.com

- Anonymus, 2000. http://www.pcigeomatic.com

- Anonymus, 2001. http://www.glcf.com

- Armston, J.D., Danaher, T.J., Gouleritch, B.M., and Byrne, M.I., 2003. Geometric correction of landsat MSS, TM, AND ETM+ imagery for mapping of woody vegetation cover and change detection in Queensland. Queensland Department of Natural Resources and Mines, Australia, 10 p.

- Takeharu, K. and Shunji, M., 1991. The affection of the vegetation change on the eroded soil in south-east Asia. Asian association remote sensing, 8 p.

- Starbuck, M and Tamayo, J., 2002. Vegetation change detection in Abu Dhabi Emirate, United Arab Emirates, national drilling company, ground water research program, AL AIN UAE, 1 p.

Statistics
Article View: 874
PDF Download: 542


counter
Journal management system. designed by sinaweb