جستجوی مقالات مرتبط با کلیدواژه "discriminant analysis" در نشریات گروه "محیط زیست"
تکرار جستجوی کلیدواژه «discriminant analysis» در نشریات گروه «علوم پایه»-
در این تحقیق، جهت مقایسه و بررسی تفاوت های بین گروهی اسکوئید هندی (Uroteuthis (Photololigo) duvaucelii) گونه غالب از سرپایان در آب های خلیج فارس و دریای عمان از ویژگی های ریخت شناسی با روش آنالیز تشخیص استفاده شد. هم چنین تعیین مهم ترین متغیرهای موثر با روش تحلیل عاملی با تجزیه مولفه های اصلی یا PCA صورت پذیرفت. برای این منظور اسکوئید هندی از دو منطقه در آب های خلیج فارس (آب های بوشهر و غرب تنگه هرمز) و دریای عمان (آب های سیستان و بلوچستان و شرق تنگه هرمز) به وسیله تور ترال کف با چشمه 75 میلی متر صید شدند و 21 ویژگی ریخت شناسی آن ها مورد بررسی قرار گرفت. نتایج حاصل از این پژوهش نشان داد که در آنالیز مولفه های اصلی برای متغیرهای مورد بررسی، دو مولفه تشکیل شد که مولفه اول شامل طول و عرض مانتل، وزن بدن، طول و عرض باله، طول و عرض سر، قطر چشم، طول غضروف گردنی، طول قیف، طول و عرض گلادیوس، وزن گلادیوس، عرض ساقه گلادیوس، محیط مانتل و طول آبشش 54/24 درصد و مولفه دوم شامل طول بازوهای اول تا چهارم 81/5 درصد از کل واریانس را به خود اختصاص داده است. بررسی تفاوت بین گروهی با روش آنالیز تشخیص سه تابع را نشان داد که در 0/05>P معنی دار است که نشان دهنده اختلاف و تمایز بین گروه ها است. بنابراین یک گروه در دریای عمان و دو گروه در خلیج فارس تشخیص داده شد.کلید واژگان: اسکوئید هندی, آنالیز تشخیص, PCA, دریای عمان, خلیج فارسIn this study, a discriminant analysis was carried out to compare the morphological variation among the Indian squid (Uroteuthis duvaucelii) collected from four regions in the Persian Gulf and Oman Sea (two regions in the Persian Gulf (Bushehr waters and Western Strait of Hormoz) and two regions in the Oman Sea (Sistan and Balochestan waters and Eastern Strait of Hormoz). The most important variables were investigated factor analysis with principle component analysis (PCA). Indian squids were sampled by stern bottom trawlers and further 21 morphological factors were investigated. The results indicated that in the main component analysis, two components were formed, the first and second components contains 54.24 and 81.50 % of the total variance respectively. The second component consists of four arms in the U.duvaucelii. Investigating the difference between groups by discriminant analysis method showed that three functions were formed (P<0.05) and based on U.duvaucelii from the four regions can be divided into three groups, two inhabiting in the Persian Gulf, and one group in the Oman Sea.Keywords: Indian squid, discriminant Analysis, PCA, Oman Sea, Persian Gulf
-
استفاده از علم سنجش از دور در تهیه نقشه پراکنش ا راضی و آمار سطح زیر کشت گندم در شهرستان بهار همدان مدنظر قرار گرفته است از این رو با انجام مطالعات پایه در مورد این محصول کشاورزی بر اساس سطح شهرستان و تحقیق در خصوص تکنیک های مناسب پردازش تصویر، تصاویر ماهواره اسپات در دو زمان مورد استفاده قرار گرفتند. تابع تحلیل تشخیص به عنوان یک روش آماری چند متغیره برای طبقه بندی کلاس های کشاورزی بر روی تصاویر مورد استفاده قرا رگرفت تصاویر دو زمانه ماهواره SPOT با الگوریتم چند مقیاسه قطعه بندی شدند سپس خصوصیات آماری پیکسل های محاط در هر قطعه به عنوان متغیرهای تحلیل تشخیص در نظر گرفته شدند . بعد از انجام تحلیل تشخیص گام به گام ، قطعات تصویر با استفاده ازتوابع تشخیص حاصله ازنمونه های آموزشی در چند مرحله طبقه بندی شدند. دقت تفکیک و دقت طبقه بندی به عنوان مفاهیمی جداگانه شناخته شدند از طرف دیگر تحلیل تشخیص پیکسل مبنا با در نظر گرفتن پیکسل های هر باند به عنوان متغیرهای ورودی تحلیل به صورت جداگانه انجام پذیرفت. با مقایسه نتایج هر دو روش مشخص گردید که روش پیکسل مبنا در تفکیک گندم از سایر کلاس ها از جمله جو دقت بیشتری دارد.
کلید واژگان: طبقه بندی, گندم, تابع تشخیص, سنجش از دور, تصاویر دو زمانهIn this paper, has been tried to discriminate wheat_cultivated fields from those crops that have similar characteristics to this class, spectrally and phonologically, in bahar_hamedan region. So based on cultivation calendar of study region, decided to apply bitemporal or dual_season multispectral spot5 images for this aim. Both images divided to discrete objects(polygpns) using multiresoluion segmentation algorithm. The zonal attributes of segments entered to discriminant analysis as variables. After the stepwise discrimination analysis, all the segments were classified using outputted discrimination functions. ‘’discrimination accuracy’’ and ‘’ classification accuracy’’ were defined as discrete concepts. Also, with assuming the DNs of each band pixels as variables “pixel based” discriminant analysis was applied. Comparison of both methods results indicated that generally, accuracy of pixel_based classification is upper than other method.
Keywords: classification, wheat, discriminant analysis, remote sensing, bitemporal images
- 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.
©2000-2025 magiran.com All Rights Reserved.