نجمه ستاری؛ ملیحه عرفانی؛ فاطمه جهانی شکیب
چکیده
بررسی روند رشد شهرها و پیشبینی تغییرات آنها در آینده، برای برنامهریزیهای فضایی، ضرورت دارد. بهاینمنظور، به نقشهسازی پهنههای ساختوسازشده نیاز است. در بسیاری مناطق، بهویژه در اقلیم خشک، تفکیک مناطق ساختوسازشده از محیط اطراف بهسادگی و با روشهای معمول طبقهبندی تصاویر ماهوارهای و یا نمایههای متداول، با دقت ...
بیشتر
بررسی روند رشد شهرها و پیشبینی تغییرات آنها در آینده، برای برنامهریزیهای فضایی، ضرورت دارد. بهاینمنظور، به نقشهسازی پهنههای ساختوسازشده نیاز است. در بسیاری مناطق، بهویژه در اقلیم خشک، تفکیک مناطق ساختوسازشده از محیط اطراف بهسادگی و با روشهای معمول طبقهبندی تصاویر ماهوارهای و یا نمایههای متداول، با دقت مورد قبول، امکانپذیر نیست؛ ازاینرو بسیاری از پژوهشگران نمایههای طیفی گوناگونی را بهمنظور استخراج مناطق ساختوسازشده، توسعه دادهاند. استفاده از تغییرات دمای سطح زمین برای نشاندادن مناطق ساختوسازشده، بهکمک الگوریتم زونهای اقلیمی محلی (LCZ) کمتر مورد توجه بوده است و روش نسبتاً جدیدی محسوب میشود؛ بنابراین در این مقاله، تفکیک مناطق ساختوسازشده از سایر انواع پوشش اراضی پیرامونی آن، با استفاده از الگوریتم LCZ انجام شد. با توجه به محدودیتنداشتن تعداد باند در این روش، از چهار سری تصاویر ماهوارهای لندست متعلق به سال 2020 استفاده شد و صحت آن با جدیدترین نمایههای ساختوسازشده (DBI، BLFEI، BAEI و BAEM) که بهصورت خودکار طبقهبندی شدهاند، مورد مقایسه قرار گرفت. نتایج این مطالعه نشان داد که صحت طبقهبندی ناشی از الگوریتم LCZ ٪96 است؛ درصورتی که نمایههای BLFEI و BAEM قادر به تفکیک کامل مناطق ساختوسازشده از سایر انواع پوشش اراضی نیست و صحت کلی نمایة BAEI نیز 37% بهدست آمد. بنابراین کارآیی روش LCZ بیشتر از نمایههای ساختوسازشده است و درمورد مناطق خشک و نیمهخشک، توصیه میشود.
امیر هدایتی؛ دکتر محمد حسن وحیدنیا؛ حسین آقامحمدی
چکیده
در بسیاری از کشورها بهویژه ایران، برنج به یکی از اقلام اساسی بهلحاظ امنیت غذایی تبدیل شده است. در این تحقیق، بهمنظور تهیة نقشة سطوح شالیزاری، با توجه به ویژگیهای فنولوژیکی گیاه برنج و بهکمک دادههای سالیانة دمای سطح زمین سنجندة مادیس، ابتدا برنامة زمانی برای انتخاب تصاویر سری زمانی ماهوارة لندستـ 8 تنظیم شد. پس از دریافت ...
بیشتر
در بسیاری از کشورها بهویژه ایران، برنج به یکی از اقلام اساسی بهلحاظ امنیت غذایی تبدیل شده است. در این تحقیق، بهمنظور تهیة نقشة سطوح شالیزاری، با توجه به ویژگیهای فنولوژیکی گیاه برنج و بهکمک دادههای سالیانة دمای سطح زمین سنجندة مادیس، ابتدا برنامة زمانی برای انتخاب تصاویر سری زمانی ماهوارة لندستـ 8 تنظیم شد. پس از دریافت دادههای ماهوارهای، بهروش شیءمبنا و با بهرهگیری از توابع فازی، به طبقهبندی تصاویر و در نهایت، استخراج اراضی شالیزاری در حوزة شهرستان رشت پرداخته شد. بهمنظور بهبود و ارتقای نتایج، در این تحقیق طی فرایند طبقهبندی تصاویر ماهوارهای، از دادههای متنوعی مانند مدل رقومی زمین، دادههای دمای سطح زمین و شاخصهای طیفی همچون NDVI، EVI، NDBI و LSWI در کنار اطلاعاتی دربارة ویژگیهای خاص عوارض و اشیای داخل تصویر، استفاده شد. با توجه به خصوصیات ویژة اراضی شالیزاری، از مدل رقومی ارتفاعی 12.5متری برای تشخیص بهتر اراضی شالیزاری از دیگر پوششهای گیاهی، بهره گرفته شد. همچنین بین نتایج حاصل از طبقهبندی بهروش شیءمبنا و پیکسلمبنا، مقایسهای صورت گرفت؛ در نهایت، مشخص شد که روش طبقهبندی شیءمبنا میتواند، با ملاحظات خاصی، نتایجی بهتر از روش پیکسلمبنا دربر داشته باشد. نتیجة طبقهبندی با روش پیکسلمبنا، پس از اعتبارسنجی، دقت کلی 92% را نشان داد و ضریب کاپا در این روش 89/0 برآورد شد. طبق روش طبقهبندی شیءمبنا، نتایجی با دقت کلی 94% بهدست آمد و ضریب کاپا نیز 92/0 حاصل شد.