نوع مقاله : علمی - پژوهشی

نویسندگان

1 کارمند

2 عضو هیات علمی دانشگاه آزاد واحد یزد

10.52547/gisj.2022.227291.1094

چکیده

تخلفات ساختمانی به سبب سطح فراگیر و آثار بلندمدت و پایدار آن در نیم‌رخ شهرها از مهم‌ترین چالش‌های شهرنشینی نوین محسوب می‌شوند. روش‌های سنتی که امروزه برای کنترل ساخت‌وسازها مورد استفاده قرار می گیرد، بسیار زمان بر و پرهزینه است. هدف اصلی این پژوهش ارائه چارچوبی نوین جهت برآورد سریع و کم‌هزینه، در آشکارسازی و نظارت برساخت وسازها و شناسایی ساختمان‌های غیرمجاز شهری با استفاده از تصاویر ماهواره سنتینل _1 در دوره زمانی 2017 تا 2022 و سیستم‌های اطلاعات مکانی است. برای این منظور در مرحله اول بر اساس تحلیل و پردازش در نرم‌افزار SNAP، ضریب پراکنش سیگما نات تصاویر استخراج و به دوطبقه ساختمان و غیر ساختمان تفکیک و حد آستانه بیشتراز0.01 به دست آمده است. سپس با استفاده از الگوریتم پیکسل مبنا تصویر باینری ساختمان و غیر ساختمان به‌صورت صفر و یک تهیه و بر اساس اختلاف دو تصویر، منطقه‌ای که ساخت‌وساز در آن انجام‌شده مشخص شد. پس از آشکارسازی مناطق ساختمانی تغییریافته، با استفاده از الگوریتم‌های طبقه‌بندی حداکثر احتمال و جنگل تصادفی به سه کلاس (ساختمان، در حال ساخت و سایر اراضی) طبقه‌بندی شدند و با نقشه برداشت میدانی و پارسل‌های بدون پروانه ارزیابی گردید. نتایج نشان داد تعداد ساختمان‌های بدون پروانه با استفاده از الگوریتم حداکثر احتمال، جنگل تصادفی و برداشت میدانی به ترتیب 130،135 و 48 است؛ هم‌چنین دقت اجرای روش حداکثر احتمال به بیشترین میزان 89/0 و ضریب کاپا 83/0 نسبت به روش جنگل تصادفی با دقت کلی 86/0 و ضریب کاپا 81/0 بوده است.

کلیدواژه‌ها

عنوان مقاله [English]

Time series analysis of semi-automatic monitoring radar images in monitoring unauthorized urban construction, (Study area of Mehravaran, Andisheh, and Faraz towns of Yazd)

نویسندگان [English]

  • zohreh salehinezhad 1
  • seyed ali almodaresi 2

1 Employee

2 Faculty member of Yazd Azad University

چکیده [English]

Construction violations are considered one of the most important challenges of modern urbanization due to their widespread level and long-term and stable effects on the profile of cities. Construction violations are an important issue for municipalities that can threaten building structures in a city. The traditional methods that are used today to control construction are very time-consuming and expensive. The main goal of this research is to provide a new framework for quick and low-cost estimation, in revealing and monitoring constructions and identifying unauthorized urban buildings using Sentinel-1 satellite images in the period from 2017 to 2022 and spatial information systems. For this purpose, in the first step, based on the analysis and processing in SNAP software, the Sigma-Notch dispersion coefficient of the images was extracted and separated into two floors of buildings and non-buildings, and a threshold limit of more than 0.01 was obtained. Then, by using a pixel-based algorithm, the binary image of building and non-building was prepared as zero and one, and based on the difference between the two images, the area where the construction was done was determined. After revealing the changed construction areas, they were classified into three classes (building, under construction, and other lands) using maximum likelihood classification algorithms and random forest, and were evaluated with a field survey map and unlicensed parcels. The results showed that the number of unlicensed buildings using the maximum likelihood algorithm, random forest, and field sampling is 97,135 and 48, respectively; Also, the accuracy of the maximum likelihood method was 0.89 and the kappa coefficient was 0.83 compared to the random forest method with the overall accuracy of 0.86 and the kappa coefficient was 0.81.

کلیدواژه‌ها [English]

  • Radar images
  • Sentinel-1 satellite
  • semi-automatic monitoring
  • unauthorized urban buildings
  • building police