زهره صالحی نژاد؛ سیدعلی المدرسی
چکیده
تخلفات ساختمانی، بهسبب سطح فراگیر و آثار بلندمدت و پایدارشان در نیمرخ شهرها، از مهمترین چالشهای شهرنشینی نوین محسوب میشوند. روشهای رایج و معمول که امروزه در کنترل ساختوسازها استفاده میشود، بسیار زمانبر و پرهزینه است. هدف اصلی این پژوهش ارائة چارچوبی نوین بهمنظور برآورد سریع و کمهزینه، در آشکارسازی و نظارت بر ساختوسازها ...
بیشتر
تخلفات ساختمانی، بهسبب سطح فراگیر و آثار بلندمدت و پایدارشان در نیمرخ شهرها، از مهمترین چالشهای شهرنشینی نوین محسوب میشوند. روشهای رایج و معمول که امروزه در کنترل ساختوسازها استفاده میشود، بسیار زمانبر و پرهزینه است. هدف اصلی این پژوهش ارائة چارچوبی نوین بهمنظور برآورد سریع و کمهزینه، در آشکارسازی و نظارت بر ساختوسازها و شناسایی ساختمانهای غیرمجاز شهری، با استفاده از تصاویر ماهوارة سنتینلـ 1 در دورة زمانی 2017 تا 2022 و سیستمهای اطلاعات مکانی است. بدینمنظور در مرحلة اول، براساس تحلیل و پردازش در نرمافزار SNAP، ضریب پراکنش سیگمانات تصاویر استخراج و به دو طبقة ساختمان و غیرساختمان تفکیک شده و حد آستانة بیشتر از 01/0بهدست آمده است. سپس، با استفاده از الگوریتم پیکسلمبنا، تصویر باینری ساختمان و غیرساختمان بهصورت صفر و یک تهیه و براساس اختلاف دو تصویر، منطقهای که ساختوساز در آن انجام شده است مشخص شد. پس از آشکارسازی مناطق ساختمانی تغییریافته، با استفاده از الگوریتمهای طبقهبندی حداکثر احتمال و جنگل تصادفی، این مناطق در سه کلاس (ساختمان، در حال ساخت و سایر اراضی) قرار گرفتند و با نقشة برداشت میدانی و پارسلهای بدون پروانه ارزیابی شدند. نتایج نشان داد تعداد ساختمانهای بدون پروانه با استفاده از الگوریتم حداکثر احتمال، جنگل تصادفی و برداشت میدانی، بهترتیب، 130 و 135 و 48 است؛ همچنین دقت اجرای روش حداکثر احتمال به بیشترین میزان 89/0% و ضریب کاپای 83/0% نسبتبه روش جنگل تصادفی، با دقت کلی 86/0 و ضریب کاپای 81/0% بوده است.