• شماره ركورد
    19437
  • شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
    ۱۹۴۳۷
  • پديد آورنده

    عليرضا تيل كو

  • عنوان
    استخراج خطوط ساحلي از تصاوير ماهواره اي با استفاده از الگوريتم هاي زيرپيكسل (مطالعه موردي: بخش هايي از سواحل هرمزگان)
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    سواحل، بنادر و سازه هاي دريايي
  • سال تحصيل
    ۹۵-۹۷
  • تاريخ دفاع
    ۱۳۹۷/۰۶/۱۸
  • استاد راهنما
    دكتر سيد مصطفي سيادت موسوي - دكتر برات مجردي
  • دانشكده
    عمران
  • چكيده
    منطقه ساحلي يك محيط حياتي و بسيار پويا است؛ بنابراين پارامترهاي مختلف ژئوفيزيكي بايستي به طور دائمي مورد پايش و نظارت قرار گيرد. اين محيط‌ها تحت فشار فرآيندهاي طبيعي همچون فرسايش، رسوب‌گذاري و بلاياي طبيعي هستند. اين تهديد‌ها مناطق ساحلي را به يك اولويت براي برنامه‌هاي پايش خطوط ساحلي و مديريت پايدار ساحلي تبديل نموده است. با توجه به پيشرفت‌هاي علم سنجش از راه دور و سيستم‌هاي اطلاعات جغرافيايي، تكنيك‌هاي يكپارچه‌اي در اين راستا ايجاد گرديده‌اند. طبقه‌بندي تصاوير ماهواره‌اي مناطق ساحلي از حيث پارامترهاي متغيري همچون موقعيت خط ساحلي، پوشش آب‌هاي ساحلي، سواحل ماسه‌اي و پوشش گياهي پراهميت هستند. متاسفانه بسياري از ماهواره‌هايي كه داراي داده‌ي رايگان يا درازمدت هستند داراي تفكيك مكاني كافي براي شناسايي عوارض با دقت مطلوب نيستند. در اين راستا توليد الگوريتم‌هايي با رويكرد تشخيص وجه مشترك آب-خاك و نيز روش‌هاي نوين جانمايي زيرپيكسل كه پيكسل‌هاي با ابعاد بزرگ (دقت مكاني و تفكيك‌پذيري پايين) را به پيكسل‌هاي كوچكتر تقسيم نموده و نقشه‌ي طبقه‌بندي شده‌اي با قدرت تفكيك مكاني بهتر آماده مي‌كند مورد توجه اين پژوهش است. بنابراين دو رويكرد از الگوريتم‌هاي جاذبه به منظور استخراج خطوط ساحلي بخش‌هايي از سواحل هرمزگان مورد استفاده قرار گرفته است. با توجه به نتايج حاصل‌شده، مدل جاذبه‌ي فضايي زيرپيكسل/ زيرپيكسل دقت مناسب‌تري در تفكيك خطوط مرزي آب و خشكي دارد. مقايسه‌ي نتايج دو روش با محاسبه‌ي اختلاف مساحت‌هاي به وجود آمده از هريك از دو روش با خط ساحلي مرجع (تصوير هوايي با وضوح بالا) انجام پذيرفت. با توجه به اختلاف مساحت‌هاي محاسبه شده، كاهش خطايي در حدود 10 درصد براي روش زيرپيكسل/زيرپيكسل نسبت به روش زيرپيكسل/ پيكسل حاصل گرديد. همچنين روش زيرپيكسل/ زيرپيكسل حساسيت بيشتري نسبت به ضريب مقياس نشان داد.
  • تاريخ ورود اطلاعات
    1397/07/11
  • عنوان به انگليسي
    Extracting coastlines from satellite images using subpixel algorithms (case study: parts of Hormozgan shores)
  • تاريخ بهره برداري
    10/3/2018 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    عليرضا تيل كو

  • چكيده به لاتين
    The coastal area is a vital and very dynamic environment; therefore, various geophysical parameters should be constantly monitored and monitored. These environments are under the pressure of natural processes such as erosion, sedimentation and natural disasters. These threats have made coastal areas a priority for coastal monitoring programs and sustainable coastal management. Given the advances in remote sensing science and geographic information systems, integrated techniques have been developed in this regard. The classification of satellite images of coastal areas is important in terms of varying parameters such as coastal position, coastline coverage, sandy beaches and vegetation. Unfortunately, many satellites that have free or long-term data do not have enough spatial resolution to detect adverse events with desirable accuracy. In this regard, the production of algorithms with a common groundwater-soil detection approach, as well as new sub-pixel mapping methods, which split pixels with large dimensions (spatial accuracy and low resolution) into smaller pixels and prepare a better mapped spatial resolution. Therefore, two approaches have been used for gravity algorithms in order to extract coastlines from parts of Hormozgan Shores. According to the results, subpixel / sub-pixel spatial model has a better accuracy in the separation of water and dry boundary lines. Comparison of the results of the two methods was performed by calculating the difference in the area of each of the two approaches with the reference coast line (high resolution aerial image). Due to the difference in calculated areas, an error reduction of about 10% was achieved for the sub-pixel / sub-pixel method than the sub-pixel / pixel method. Sub-Pixel / Sub-Pixel also showed more sensitivity than the scaling factor.