مقاله انگلیسی رایگان در مورد مدل سازی تغییر پوشش سطحی زمین بر اساس یک شبکه عصبی مصنوعی برای حوضه رودخانه – الزویر ۲۰۲۰

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله مدل سازی تغییر پوشش سطحی زمین بر اساس یک شبکه عصبی مصنوعی برای حوضه رودخانه نسبتا کم آب در شمال شرقی برزیل
عنوان انگلیسی مقاله Modeling land cover change based on an artificial neural network for a semiarid river basin in northeastern Brazil
انتشار مقاله سال ۲۰۲۰
تعداد صفحات مقاله انگلیسی ۱۳ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) DOAJ – Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۳٫۰۰۰ در سال ۲۰۱۹
شاخص H_index ۲۰ در سال ۲۰۲۰
شاخص SJR ۱٫۲۶۴ در سال ۲۰۱۹
شناسه ISSN ۲۳۵۱-۹۸۹۴
شاخص Quartile (چارک) Q1 در سال ۲۰۱۹
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر دارد
رفرنس دارد
رشته های مرتبط کامپیوتر، جغرافیا، محیط زیست
گرایش های مرتبط مخاطرات آب و هوایی، مهندسی طراحی محیط زیست، تغییرات آب و هوایی
نوع ارائه مقاله
ژورنال
مجله  بوم شناسی و حفاظت جهانی – Global Ecology And Conservation
دانشگاه UFPB – Federal University of Paraíba, Center for Technology, Graduate Program in Civil and Environmental Engineering, Brazil
کلمات کلیدی تغییر پوشش سطحی زمین، مدل سازی پویا، شبکه عصبی مصنوعی
کلمات کلیدی انگلیسی Land cover change، Dynamic modeling، Artificial neural network
شناسه دیجیتال – doi
https://doi.org/10.1016/j.gecco.2019.e00811
کد محصول E14339
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱- Introduction

۲- Materials and methods

۳- Results and discussion

۴- Conclusions

References

بخشی از متن مقاله:

Abstract

Accelerated changes in land cover cause changes in environmental dynamics and may cause land degradation. The goals of the present paper were to analyze changes in land cover and to estimate a future scenario for 2035 using an artificial neural network for the Taperoá River basin, located in northeastern Brazil. The classification of land cover was carried out for years t1 (1990), t2 (1999) and t3 (2002), with the latter being used to validate the land cover prediction to obtain an estimate for year t4 (2035). The land cover classes identified in the basin were (a) water bodies, (b) tree-shrub vegetation, (c) shrub vegetation, (d) herbaceous-shrub vegetation, and (e) herbaceous vegetation. The results of the classifications and of the land cover prediction were analyzed using the kappa coefficient, total operating characteristic (TOC), and area under the curve (AUC). The dynamic modeling of the land cover was based on a multilayer perceptron (MLP) neural network, which presented very good results, with an accuracy = ۸۹٫۶۹% after 10,000 iterations, kappa = ۰٫۶۱ and AUC = ۰٫۶۷٫ The results of the land cover change analysis showed a decrease in the tree-shrub class and an increase in the shrub vegetation class between the years analyzed. The scenario predicted for 2035 showed an increase in the herbaceous-shrub vegetation class and a decrease in the area occupied by tree-shrub vegetation.

Introduction

Changes in land cover generated by anthropogenic actions are responsible for changing landscape characteristics and modifying the dynamics of natural processes in river basins (Mendoza et al., 2011) and are of great interest to researchers due to their impact on the local and global environment (Abuelaish and Olmedo, 2016). The main causes of land cover changes vary according to the nature and extent of the area but include deforestation, changing to pasture, agricultural intensification, and overexploitation (Bezak et al., 2015). Spatial changes in land cover over time also affect the future provision and localization of ecosystem services in the landscape and the fragmentation of green areas (Hoyer and Chang, 2014; Bai et al., 2019). Changes in land cover pose threats to landscapes, for example, by removing characteristic features of the landscape by scale enlargement or deterioration due to lack of management (Schulp et al., 2019). The risk of these problems is even higher in the semiarid region of Brazil due to the lack of studies regarding the phenological behavior of the vegetation and the recurrence of droughts and rainfall variability, together with the geology of the region and the saline soil types (Silva et al., 2018a). The characteristics of the Caatinga biome make it difficult to produce forecasting maps of the vegetation cover due to the prolonged dry season in the region, which influences the spectral response of the vegetation and, consequently, the estimates of land cover changes (Santos et al., 2017).

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *