کاربرد شبکه های عصبی عمیق در شناسایی و پایش خودکار تغییرات کالبدی اراضی و ساختمان ها در بافت شهری با استفاده از تصاویر ماهواره ای چند زمانه

شناسایی و پایش خودکار تغییرات کالبدی اراضی و ساختمان ها در بافت شهری، به دلیل پیچیدگی الگوهای فضایی، تنوع بافت و وابستگی زمانی، یکی از چالش های اساسی مدیریت شهری است. این پژوهش با بهره گیری از شبکه های عصبی عمیق و تصاویر ماهواره ای چندزمانه، چارچوبی نظام مند برای آشکارسازی تغییرات ارائه می کند. بدین منظور، پس از پیش پردازش داده های چندطیفی و هم مرجع سازی زمانی، یک معماری عمیق مبتنی بر یادگیری ویژگی های مکانی–زمانی طراحی شد. مدل پیشنهادی با استفاده از داده های برچسب دار و راهبردهای مقابله با عدم توازن طبقات آموزش یافت و عملکرد آن با سنجه های دقت، صحت، فراخوانی و شاخص هم پوشانی ارزیابی شد. یافته ها نشان می دهد که مدل پیشنهادی در شناسایی تغییرات اراضی و ساختمان ها، به ویژه در بافت های متراکم، دقت قابل قبولی دارد و نسبت به روش های مرجع بهبود معناداری نشان می دهد. نتایج بر ضرورت تلفیق ویژگی های طیفی، هندسی و زمانی برای پایش دقیق تر تاکید می کند. در نتیجه، چارچوب حاضر می تواند مبنای تصمیم گیری مدیریت شهری قرار گیرد. پژوهش حاضر، چارچوبی عملی برای پایش هوشمند شهری فراهم می آورد و مسیرهایی برای توسعه مدل های چندزمانه و تفسیرپذیر پیشنهاد می نماید.

کلیدواژه ها:

شبکه های عصبی عمیق ، تصاویر ماهواره ای چندزمانه ، پایش تغییرات کالبدی ، بافت شهری ، آشکارسازی خودکار.