| رویکرد آموزشی مبتنی بر تصاویر لندست و الگوریتم یادگیری ماشینی برای استخراج کاربری اراضی در آموزش دانشجویان جغرافیا |
| کد مقاله : 1237-GHCONF6 |
| نویسندگان |
|
حمید عمونیا *1، امیرعلی صفرنژاد2 1گروه آموزش جغرافیا، دانشگاه فرهنگیان، صندوق پستی889-14665 تهران، ایران 2دانشجوی کارشناسی آموزش جغرافیا، دانشگاه فرهنگیان، تهران، ایران |
| چکیده مقاله |
| ماهیت این مقاله، تدوین یک مدل روششناختی آموزشی است که هدف آن طراحی چارچوبی مدون برای توسعه مهارتهای تحلیل فضایی در دانشجویان رشته جغرافیا با تمرکز بر طبقهبندی کاربری و پوشش اراضی (LULC) است. در این تحقیق، فرآیند آموزش به صورت تئوری و روششناسی ارائه شده و هیچگونه فعالیت عملی توسط دانشجویان صورت نپذیرفته است. برای طراحی مدل، از دادههای چندزمانی ماهواره لندست که از وبسایت سازمان زمینشناسی آمریکا (USGS) دریافت شدهاند، استفاده گردید. اجرای مدل در بستر نرمافزار ENVI و بر روی محدوده مطالعاتی شهر و شهرستان بیرجند انجام شد. تمرکز اصلی بر آموزش پیادهسازی دو تکنیک محوری طبقهبندی نظارتشده بود: الگوریتم ماشین بردار پشتیبان (SVM) برای طبقهبندی دقیق کاربریهای انسانساخت در شهر بیرجند، و روش مناطق مورد علاقه (ROI) برای آموزش مبانی نمونهگیری در شهرستان بیرجند. نتایج، صحت فنی مدل پیشنهادی را از طریق مشاهده میدانی خروجیهای نقشه LULC تأیید میکند. در نهایت، مدل پیشنهادی یک مسیر جامع برای ارتقاء دانش تئوری به مهارتهای کاربردی، و توانمندسازی دانشجویان در استفاده از الگوریتمهای ماشینی برای مدیریت منابع طبیعی و شهری فراهم میآورد. |
| کلیدواژه ها |
| مدل طراحی آموزشی، سنجش از دور، لندست، SVM، ROI، کاربری اراضی |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
