آشکارسازی سطوح نفوذناپذیر شهری با استفاده از ویژگی های بافتی تصویر راداری

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 214

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SPPL-10-1_005

تاریخ نمایه سازی: 25 اردیبهشت 1400

چکیده مقاله:

طرح مسئله: رشد جمعیت شهری و توسعه فیزیکی مداوم شهرها باعث تغییر پوشش طبیعی زمین می شود و آن را به پوشش مصنوعی و سطوح نفوذناپذیر تبدیل می کند. افزایش چشمگیر این سطوح به پیامدهای منفی در بسیاری از حوزه ها می انجامد؛ ازجمله افزایش رواناب سطحی و خطر سیل، کاهش میزان تغذیه آب های زیرزمینی و تشدید اثر جزیره گرمایی. به این دلایل برآورد دقیق و پایش روند تغییرات این محدوده ها ضروری است. در این زمینه داده های سنجش از دور، یک راه حل مقرون به صرفه برای تهیه سطوح نفوذناپذیر و نظارت بر آنهاست. هدف: هدف پژوهش حاضر، شناسایی سطوح نفوذناپذیر شهری با استفاده از تصاویر راداری است. روش: در پژوهش پیش رو ویژگی های بافتی ماتریس هم رخداد سطوح خاکستری (GLCM) با استفاده از روش های طبقه بندی حداکثر احتمال، شبکه عصبی مصنوعی و ماشین بردار پشتیبان روی تصویر راداری Sentinel-۱ برای تعیین سطوح نفوذناپذیر شهر بندرعباس ارزیابی می شود. نتایج: به منظور بررسی صحت پردازش های انجام شده با روش های به کاررفته، از روش های برآورد دقت کل و ضریب کاپا استفاده شد. صحت کلی ۰/۹۷، ۱۴/۹۸ و ۴۰/۹۸درصد و ضریب کاپا ۹۵/۰، ۹۷/۰ و ۹۷/۰ به ترتیب برای طبقه بندی بیشترین شباهت، شبکه عصبی مصنوعی و ماشین بردار پشتیبان به دست آمد که نشان دهنده مناسب بودن روش های استفاده شده برای آشکارسازی سطوح نفوذناپذیر شهری است. نوآوری: برای استخراج اطلاعات سطوح شهری بیشتر از الگوریتم های طبقه بندی متداول ویژگی های طیفی بهره برده می شود. این مسئله باعث می شود حجم زیادی از اطلاعات فضایی مفید مانند بافت در طبقه بندی تصاویر نادیده گرفته شود. با توجه به اینکه تصاویر SAR به مشخصات هندسی سطوح شهری حساس اند، می توان با استفاده از ویژگی های بافتی تصاویر راداری، سطوح نفوذناپذیر شهری را با دقت مناسبی آشکارسازی کرد که تاکنون کمتر به آن توجه شده است.

نویسندگان

مرضیه سهرابی مفرد

دانش آموخته کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم انسانی، دانشگاه هرمزگان، بندرعباس، ایران

مسعود بختیاری کیا

استادیار گروه جغرافیا، دانشکده علوم انسانی، دانشگاه هرمزگان، بندرعباس، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • حسنلو، مهدی، پهلوانی، پرهام، امینی، حامد، طالبی نهر، سیامک، (۱۳۹۴). ...
  • خصالی، الهه، ولدان زوج، محمدجواد، دهقانی، مریم، مختارزاده، مهدی، (۱۳۹۲). ...
  • دریاباری، سید جمال الدین، لطفی، حیدر، (۱۳۹۰). مدیریت و ساماندهی ...
  • طبقه بندی تصاویر ماهواره ای بر اساس تلفیق مدل های مبتنی بر بافت با استفاده از شبکه عصبی MLP [مقاله کنفرانسی]
  • زائری امیرانی، آزاده، سفیانیان، علیرضا، (۱۳۹۱). تهیه نقشه سطوح نفوذناپذیر ...
  • سعیدزاده، فاطمه، محمدنژادنیازی، سعید، صاحبی، محمدرضا، مختارزاده، مهدی، (۱۳۹۴). استخراج، ...
  • صادقی، وحید، عنایتی، حمید، عبادی، حمید، (۱۳۹۴). بهبود شناسایی تغییرات ...
  • قنادی، محمد، سعادت سرشت، محمد، افتخاری، اکرم، (۱۳۹۳). بهبود تناظریابی ...
  • گلشنی، پری، فلاح، اصغر، اولادی قادیکلایی، جعفر، کلبی، سیاوش، (۱۳۹۳). ...
  • ملک نژاد، احمد، قاسمیان، حسن، میرزاپور، فردین، (۱۳۹۴). سنجش کارایی ...
  • Anuradha, K.‚ Sankaranarayanan, K‚ (۲۰۱۳). Comparison of Feature Extraction Techniques ...
  • Anys, H., He, D.C., (۱۹۹۵). Evaluation of textural and multipolarization ...
  • Chatziantoniou, A.‚ Petropoulos George P.‚ Psomiadis, E., (۲۰۱۷). Co-Orbital Sentinel ...
  • Dabbiru, L.‚ Aanstoos, J.V.‚ Ball, J.E.‚ Younan, N.H., (۲۰۱۷). Screening ...
  • Dengsheng‚ Lu, Guiying Li, Wenhui‚ Kuang‚ Emilio‚ Moran, (۲۰۱۴). Methods ...
  • Elvidge, C.D., Tuttle, B.T.‚ Sutton, P.C.‚ Baugh, K.E.‚ Howard, A.T.‚ ...
  • FU, Huyan‚ Shao, Zhenfeng‚ (۲۰۱۶). Impacts of feature selection for ...
  • Haralick, R.M.‚ Shanmugam, K., (۱۹۷۳). Textural features for image classification‚ ...
  • Kuang, W., Liu, J.‚ Zhang, Z.‚ Lu, D.‚ Xiang, B.‚ ...
  • Kuang, Wenhui, (۲۰۱۲). Evaluating impervious surface growth and its impacts ...
  • Lepeška, T., (۲۰۱۶). The impact of impervious surfaces on ecohydrology ...
  • Lu, Dengsheng, Moran, Emilio, Hetrick, Scott, (۲۰۱۱). Detection of impervious ...
  • Pohl, C.‚ Van Genderen, J.L., (۱۹۹۸). Multisensor image fusion in ...
  • Schneider, A., (۲۰۱۲). Monitoring land cover change in urban and ...
  • Schneider, A., Friedl, M.A.‚ Potere, D.‚ (۲۰۱۰). Mapping Global Urban ...
  • Sentinel-۱ User Handbook, (۲۰۱۳). European Space Agency‚ ESA Standard Document‚ ...
  • Shao, Zhenfeng‚ Fu, Huyan‚ Fu, Peng‚ Yin, Li, (۲۰۱۶). Mapping ...
  • Singh, R., (۲۰۱۶). A comparison of gray-level run length matrix ...
  • SNAP.HELP‚ GLCM Operator and Help-GLCM ...
  • Sterling‚ S.M.‚ Ducharne, A.‚ Polcher‚ J., (۲۰۱۳). The impact of ...
  • Weng, Q.‚ Hu, X.‚ Liu, H., (۲۰۰۹). Estimating impervious surfaces ...
  • Weng, Qihao, (۲۰۱۲). Remote sensing of impervious surfaces in the ...
  • Wu, C., (۲۰۰۹). Quantifying high-resolution impervious surfaces using spectral mixture ...
  • Yan‚ Y.‚ Kuang, W.H.‚ Zhang, C.‚ Chen, C.B., (۲۰۱۵). Impacts ...
  • Yang, Jian‚ He, Yuhong, (۲۰۱۷). Automated mapping of impervious surfaces ...
  • Zhang, Hongsheng‚ Lina, Hui‚ Li, Yu‚ Zhang, Yuanzhi‚ Fang, ChaoYang, ...
  • نمایش کامل مراجع