دانلود ترجمه مقاله نقشه برداری با رزولوشن بالا از آب گرفتگی تالاب با ادغام شبکه عصبی و الگوریتم ژنتیک - مجله الزویر

قیمت خرید این محصول

۴۶,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

نقشه‌برداری با رزولوشن-برتر از آب‌گرفتگی‌های تالاب براساس ادغام شبکه‌های عصبی پس‌انتشار و الگوریتم ژنتیک

عنوان انگلیسی

Super-resolution mapping of wetland inundation from remote sensing imagery based on integration of back-propagation neural network and genetic algorithm

صفحات مقاله فارسی

29

صفحات مقاله انگلیسی

13

سال انتشار

2015

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

4111

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی عمران

گرایش های مرتبط با این مقاله

نقشه برداری و سنجش از دور

مجله

سنجش از دور محیط زیست

دانشگاه

دانشکده سنجش از دور و اطلاعات دانشگاه ووهان، روابط چین

کلمات کلیدی

طغیان رود تالاب، نقشه برداری با وضوح فوق العاده، ادغام الگوریتم هوشمند، تصاویر سنجش از دور

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده

۱ مقدمه

۲ روش‌ها

۲ ۱ مفهوم SMWI

۲ ۲ روش SAM-SWMI

۲ ۳ روش BP-SMWI

۲ ۴ روش IBPGA-SMWI

۲ ۴ ۱ اصول پایه GA

۲ ۴ ۲ الگوریتم IBPGA-SMWI

۳ مطالب مطالعه موردی

۴ نتایج و بحث‌ها

۴ ۱ تحلیل مقایسه‌ای از چهار روش SMWI

۴ ۲ تحلیل حساسیت IBPGA-SMWI

۴ ۳ بحث بر موقعیت جهان واقعی

۵ نتیجه

نحوه خرید نسخه پاورپوینت این مقاله

اگر مایل به تهیه نسخه پاورپوینت مقاله نقشه‌برداری با رزولوشن-برتر از آب‌گرفتگی‌های تالاب براساس ادغام شبکه‌های عصبی پس‌انتشار و الگوریتم ژنتیک هستید اینجا کلیک نمایید. همچنین برای خرید مقاله ورد از دکمه های زیر استفاده نمایید.

نمونه چکیده متن اصلی انگلیسی

abstract

Mapping the spatio-temporal characteristics of wetland inundation has an important significance to the study of wetland environment and associated flora and fauna. High temporal remote sensing imagery is widely used for this purpose with the limitations of relatively low spatial resolutions. In this study, a novel method based on integration of back-propagation neural network (BP) and genetic algorithm (GA), so-called IBPGA, is proposed for super-resolution mapping of wetland inundation (SMWI) from multispectral remote sensing imagery. The IBPGA-SMWI algorithm is developed, including the fitness function and integration search strategy. IBPGA-SMWI was evaluated using Landsat TM/ETM+ imagery from the Poyanghu wetland in China and the Macquarie Marshes in Australia. Compared with traditional SMWI methods, IBPGA-SMWI consistently achieved more accurate super-resolution mapping results in terms of visual and quantitative evaluations. In comparison with GA-SMWI, IBPGA-SMWI not only improved the accuracy of SMWI, but also accelerated the convergence speed of the algorithm. The sensitivity analysis of IBPGA-SMWI in relation to standard crossover rate, BP crossover rate and mutation rate was also carried out to discuss the algorithm performance. It is hoped that the results of this study will enhance the application of median-low resolution remote sensing imagery in wetland inundation mapping and monitoring, and ultimately support the studies of wetland environment

نمونه چکیده ترجمه متن فارسی

چکیده
خصیصه‌های نقشه‌برداری مکانی-زمانی از آبگیرهای تالاب اهمیت قابل توجهی در مطالعه محیط‌های تالاب‌ها و گیاهان و جانوران مرتبط دارد. تصاویر سنجش از راه‌دور به شدت زمانی به طور گسترده برای این اهداف با محدودیت‌های رزولوشن مکانی نسبتآ کم استفاده می‌شود. در این مطالعه، یک روش جدید براساس یکپارچه‌سازی شبکه‌های عصبی پس انتشار (BP) و الگوریتم ژنتیک (GA) ، که اصطلاحآ به آن IBPGA می‌گویند، هدفی برای نقشه‌برداری با رزولوشن-برتر آبگیرهای تالابی (SMWI) از چند طیف تصویر سنجش از راه‌دور می‌باشد. الگوریتم IBPGA-SMWI که توسعه‌یافته است، شامل تابع تناسب و ادغام استراتژی‌های جستجو است. IBPGA-SMWI با استفاده از ماهواره لندست TM/ETM + تصاویری از تالاب Poyanghu در چین و باتلاق مک‌کواری در استرالیا مورد بررسی قرارگرفت. با روش SMWI سنتی مقایسه شد، IBPGA-SMWI به‌طور سازگاری نتایج نقشه‌ برداری با رزولوشن-برتر دقیقی را در شرایط ارزیابی بصری و کمی بدست‌آورد. در مقایسه با GA-SMWI، IBPGA-SMWI نه تنها دقت SMWI را بهبودمی‌بخشد، بلکه به سرعت همگرایی الگوریتم شتاب می‌دهد. تحلیل حساسیت IBPGA-SMWI در رابطه با نرخ استاندارد متقابل، نرخ متقابل BP و نرخ جهش برای بحث برروی عملکرد الگوریتم انجام‌می‌شود. امیدواریم که نتایج این مطالعه کاربردهای تصویر سنجش از راه‌دور با رزولوشن متوسط-کم را در نقشه‌برداری آبگیر تالاب و نظارت برآن‌ها، و در نهایت پشتیبانی از مطالعه محیط تالاب‌ها را افزایش‌دهد.