شناسایی توده های شهری با استفاده از دور سنجی شبانه (نمونه مورد مطالعه: اهواز)

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 76

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JVFC-4-3_004

تاریخ نمایه سازی: 14 آبان 1402

چکیده مقاله:

توسعه شهری سریع، بی قاعده و پراکنده، منبع بسیاری از مسائل شهری است. برای درک این مسائل، لازم است درک عمیقی از توزیع ساختار فضایی شهری وجود داشته باشد. توده شهری بخش اشغال شده شهر است که شناخت دقیق آن علاوه بر کمک به مدیریت بهینه شهری، می تواند چراغ راه استفاده از فضاهای شهری در آینده باشد. به همین منظور و با هدف شناسایی دقیق و سریع توده شهری اهواز بعنوان منطقه مورد مطالعه، در این پژوهش تصاویر اخذ شده شبانه سنجنده NPP-VIIRS مبنا قرار گرفته و در ترکیب با عواملی مانند پوشش گیاهی بهبود یافته، نقاط کمکی حاوی اطلاعات میدانی، دمای سطح زمین و با استفاده از میانگین هندسی تصویر، سه شاخص HSI، HSI-POI (HP) و HSI-POI-LST (HPL) در نرم افزارهای ENVI و ArcGIS تهیه و بکارگرفته شده است. سپس برای تایید، از یک ماشین بردار پشتیبان برای شناسایی نوع زمین در منطقه ساخته شده با استفاده از ۱۰۰۰ نقطه استفاده گردید. در ادامه مرز آستانه مربوط به بالاترین دقت کلی و ضریب کاپا هر شاخص محاسبه گردید. نتایج کلی نشان داد در مقایسه با سایر شاخص ها، HPL ویژگی های طبیعی و اجتماعی را نشان می دهد و خروجی این روش ضمن دقت فضایی بالاتر، جزئیات فضایی بیشتری از منطقه ساخته شده و همچنین انتخابهای بیشتری برای ارزیابی مناطق شهری کوچک مقیاس ارائه می دهد. همچنین، بیشترین و کمترین مساحت خالص توده شهری متعلق به مناطق ۳ و ۱ است که بیش از ۵۶  و ۳۴ درصد از مساحت هر یک از این مناطق را شامل می شده است.

نویسندگان

علی شجاعیان

Ph.D Candidate of Geography and Urban planning ,University of Mazandaran, Babolsar, Iran,

رحیم بردی آنامرادنژاد

Associate Professor in Geography and Urban planning, University of Mazandaran, Babolsar,

صدیقه لطفی

Professor in Geography and Urban planning, University of Mazandaran, Babolsar, Iran

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 :