|
آشکارسازی تغییرات پوشش زمین با استفاده از الگوریتمهای طبقهبندی، یادگیری ماشین و تلفیق تصاویر Sentinel-1 و Sentinel-2مطالعهی موردی: (منطقه ۲۲ تهران)
|
ابراهیم کرمی*   ، حمید مهرابی |
|
|
|
چکیده: (6 مشاهده) |
منطقه 22 تهران به عنوان یکی از مناطق در حال توسعه شهری با تغییرات چشمگیر در کاربری زمین، موضوع مهمی برای مطالعات تغییرات محیطی است.این پژوهش با هدف تحلیل و شناسایی تغییرات محیطی و ساختاری در بازه زمانی ۲۰۱۶ تا ۲۰۲۱ انجام شد. روشهای مختلف سنجش از دور شامل تحلیل تغییر برداری (CVA)، رگرسیون و شاخصهای طیفی مورد بررسی قرار گرفتند. دادههای ماهوارهای Sentinel-1 و Sentinel-2 بهصورت تلفیقی مورد استفاده قرار گرفتند و ویژگیهای بافتی از تصاویر اپتیکی و راداری استخراج شد. نتایج نشان دادند که تلفیق دادهها موجب افزایش دقت طبقهبندی شده است؛ بهطوری که دقت کلی در سال ۲۰۱۶ برابر با ۹۱٪ و ضریب کاپا ۸۹٪، و در سال ۲۰۲۱ دقت کلی ۸۶٪ و ضریب کاپا ۸۵٪ بهدست آمد. علاوه بر تغییرات درصدی در کلاسهای ساختوساز (۱۳٪)، پوشش گیاهی (۱۵٪)، منابع آبی (۴٪) و خاکی (۱۱٪)، تحلیل پیکسلی نیز انجام شد. توانستیم درصد تغییرات و تعداد پیکسلهای تغییر یافته بین کلاسهای مختلف را شناسایی کنیم. همچنین توانستیم درصد و تعداد پیکسلهای تغییر یافته بین کلاسهای مختلف را شناسایی کنیم. در کلاس آب، بیشترین تغییر به خاک (۱۸۳۰۰ پیکسل) اختصاص داشت. در کلاس جاده، ۲۱۰۰۰ پیکسل ثابت مانده و تغییراتی به سمت پوشش گیاهی، ساختوساز و آب مشاهده شد. پوشش گیاهی با ۱۵۸۰۰۰ پیکسل ثابت، بیشترین پایداری را داشت اما بخشی از آن به خاک و ساختوساز تبدیل شده است. در کلاس خاک نیز علاوه بر ۴۲۰۰۰ پیکسل ثابت، بیش از ۱۵۶۰۰۰ پیکسل به جاده و ۱۲۰۰۰ پیکسل به ساختوساز تغییر یافتهاند. این تحلیل جزئی، امکان شناسایی دقیقتر الگوهای تغییر و تدوین برنامههای مدیریتی هدفمند را فراهم کرده است.
|
شمارهی مقاله: 4 |
| واژههای کلیدی: واژگان کلیدی: کاربری زمین، دادههای ماهوارهای، تحلیل رگرسیون، شبکه عصبی پرسپترون چندلایه (MLP)، ترکیب دادههای نوری و راداری |
|
|
متن کامل [PDF 2449 kb]
(10 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
فتوگرامتری و سنجش از دور
دریافت: 1403/11/19 | پذیرش: 1404/7/26
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
