تعداد نشریات | 161 |
تعداد شمارهها | 6,533 |
تعداد مقالات | 70,509 |
تعداد مشاهده مقاله | 124,128,494 |
تعداد دریافت فایل اصل مقاله | 97,235,946 |
کارایی شاخصهای راداری در استخراج سطوح نفوذناپذیر شهری با استفاده از تصویر رادار تمام پلاریمتریک | ||
پژوهشهای جغرافیای برنامهریزی شهری | ||
مقاله 10، دوره 7، شماره 4، دی 1398، صفحه 837-854 اصل مقاله (1.15 M) | ||
نوع مقاله: پژوهشی - کاربردی | ||
شناسه دیجیتال (DOI): 10.22059/jurbangeo.2019.288561.1162 | ||
نویسنده | ||
سارا عطارچی* | ||
استادیار گروه سنجشازدور و سیستم اطلاعات جغرافیایی، دانشکدة جغرافیا، دانشگاه تهران، تهران، ایران | ||
چکیده | ||
تفکیک سطوح نفوذناپذیر در مناطق شهری و بررسی روند تغییرات آن، اهمیت بسیاری دارد؛ زیرا امروزه این مقوله شاخصی از گسترش شهر بهشمار میآید. سطوح نفوذناپذیر در مناطق شهری، شامل مناطق مسکونی، مناطق تجاری و صنعتی، پارکینگها و سطح معابر و شبکة خیابانهاست. انواع سطوح نفوذناپذیر و تنوع بسیار آنها از نظر شکل، اندازه و مواد تشکیلدهنده سبب پیچیدگی تفکیک این سطوح در مناطق شهری میشود. در این پژوهش از تصویر سار تمام پولاریمتریک سنجندة آلوس/ پالسار برای تشخیص سطوح نفوذناپذیر در سطح شهر تهران استفاده شده است. کارایی شاخصهای راداری مختلف و ترکیب دوگانة باندهای پولاریمتریک در تفکیک سطوح نفوذناپذیر از سایر کلاسهای متفاوت پوشش زمین، ارزیابی شده است. برای شناسایی کلاسهای پوشش زمین از الگوریتم طبقهبندی ماشین بردار پشتیبان استفاده شده است. براساس نتایج پژوهش، استفاده از شاخصهای راداری همراه با تمام باندهای پولاریمتریک، سبب استخراج انواع سطوح نفوذناپذیر با صحت 95 درصد میشود. همچنین در صورت استفاده از دو باند پولاریمتریک با قطب عمودیاش به همراه شاخصهای راداری، صحت طبقهبندی 90 درصد است. براساس یافتههای این پژوهش، تصاویر سار جایگزین مناسبی برای تصاویر نوری در تفکیک سطوح نفوذناپذیر شهری هستند. همچنین در صورت دسترسینداشتن به تصاویر تمام پولاریمتریک، استفاده از دو باند پولاریمتریک به همراه شاخصهای راداری، برای استخراج سطوح نفوذناپذیر در مناطق پیچیده شهری مناسب است. | ||
کلیدواژهها | ||
آلوس/ پالسار؛ سار تمام پولاریمتریک؛ سطوح نفوذناپذیر شهری؛ شاخصهای راداری؛ طبقهبندی ماشین بردار پشتیبان | ||
مراجع | ||
زائری امیرانی، آزاده و علیرضا سفیانیان، 1391، تهیه نقشه سطوح نفوذناپذیر به عنوان یک شاخص زیست محیطی، فصلنامه علمی-پژوهشی اطلاعات جغرافیایی سپهر، دوره 21، شماره 83، صص 65-59. ARNOLD JR, C. L. and GIBBONS, C. J., 1996, Impervious Surface Coverage: The Emergence of a Key Environmental Indicator, Journal of The American Planning Association, No. 62, PP. 243-258. BRABEC, E., SCHULTE, S.,and RICHARDS, P. L. 2002. Impervious Surfaces and Water Quality: A Review of Current Literature and Its Implications for Watershed Planning, Journal of Planning Literature, No. 16, PP. 499-514. DENG, C. and WU, C., 2013, Examining the Impacts of Urban Biophysical Compositions on Surface Urban Heat Island: A Spectral Unmixing and Thermal Mixing Approach, Remote Sensing of Environment, No. 131, PP. 262-274. Dong, J., Xiao, X., Sheldon, S., Biradar, C., Duong, N. D. And Hazarika, M. 2012, A Comparison of Forest Cover Maps in Mainland Southeast Asia From Multiple Sources: PALSAR, MERIS, MODIS and FRA, Remote Sensing of Environment, No. 127, PP. 60-73. Dong, J., Xiao, X., Sheldon, S., Biradar, C., Zhang, G., Duong, N. D., Hazarika, M., Wikantika, K., Takeuhci, W., and Moore Iii, B., 2014. A 50-M Forest Cover Map in Southeast Asia From Alos/Palsar And Its Application on Forest Fragmentation Assessment, Plos One, 9, E85801. Gamba, P., and Houshmand, B., 2001, An Efficient Neural Classification Chain of Sar and Optical Urban Images, International Journal of Remote Sensing, No. 22, PP. 1535-1553. GUO, H., YANG, H., SUN, Z., LI, X. and WANG, C., 2014, Synergistic Use of Optical and Polsar Imagery for Urban Impervious Surface Estimation, Photogrammetric Engineering and Remote Sensing, No. 80, PP. 91-102. HU, X., and WENG, Q., 2009, Estimating Impervious Surfaces From Medium Spatial Resolution Imagery Using the Self-Organizing Map and Multi-Layer Perceptron Neural Networks, Remote Sensing of Environment, No. 113, PP. 2089-2102. HU, X., and WENG, Q., 2011, Estimating Impervious Surfaces From Medium Spatial Resolution Imagery: A Comparison Between Fuzzy Classification And LSMA, International Journal of Remote Sensing, No. 32, PP. 5645-5663. Jensen, J. R., and Lulla, K., 1987, Introductory Digital Image Processing: A Remote Sensing Perspective. Jiang, L., Liao, M., Lin, H., and Yang, L., 2009, Synergistic Use of Optical and Insar Data for Urban Impervious Surface Mapping: A Case Study In Hong Kong, International Journal of Remote Sensing, No. 30, PP. 2781-2796. Lee, J. S., Jurkevich, L., Dewaele, P., Wambacq, P., and Oosterlinck, A., 1994, Speckle Filtering of Synthetic Aperture Radar Images: A Review, Remote Sensing Reviews, No. 8, PP. 313-340. Leinenkugel, P., Esch, T., ans Kuenzer, C., 2011, Settlement Detection and Impervious Surface Estimation in the Mekong Delta Using Optical and SAR Remote Sensing Data, Remote Sensing of Environment, No. 115, PP. 3007-3019. Li, G., Lu, D., Moran, E., Dutra, L., and Batistella, M., 2012, A Comparative Analysis of ALOS PALSAR L-Band and RADARSAT-2 C-Band Data for Land-Cover Classification in a Tropical Moist Region, ISPRS Journal of Photogrammetry and Remote Sensing, No. 70, PP. 26-38. Longepe, N., Rakwatin, P., Isoguchi, O., Shimada, M., Uryu, Y., and Yulianto, K., 2011, Assessment of Alos Palsar 50 M Orthorectified Fbd Data for Regional Land Cover Classification By Support Vector Machines, Ieee Transactions on Geoscience and Remote Sensing, No. 49, PP. 2135-2150. MA, Q., HE, C., WU, J., LIU, Z., ZHANG, Q., and SUN, Z., 2014, Quantifying Spatiotemporal Patterns of Urban Impervious Surfaces in China: An Improved Assessment Using Nighttime Light Data, Landscape and Urban Planning, No. 130, PP. 36-49. Mountrakis, G., Im, J., and Ogole, C., 2011, Support Vector Machines in Remote Sensing: A Review. ISPRS Journal of Photogrammetry and Remote Sensing, No. 66, PP. 247-259. Qin, Y., Xiao, X., Dong, J., Chen, B., Liu, F., Zhang, G., Zhang, Y., Wang, J., and Wu, X., 2017, Quantifying Annual Changes in Built-Up Area in Complex Urban-Rural Landscapes From Analyses of PALSAR and Landsat Images, ISPRS Journal of Photogrammetry and Remote Sensing, No. 124, PP. 89-105. Qin, Y., Xiao, X., Dong, J., Zhang, G., Shimada, M., Liu, J., Li, C., Kou, W., and Moore Iii, B. 2015, Forest Cover Maps of China In 2010 From Multiple Approaches and Data Sources: PALSAR, Landsat, MODIS, FRA, and NFI, ISPRS Journal of Photogrammetry and Remote Sensing, No. 109, PP. 1-16. Shimada, M., Isoguchi, O., Tadono, T., Higuchi, R., and Isono, K., Palsar Calval Summary and Update 2007, 2007 Ieee International Geoscience and Remote Sensing Symposium, 2007. Ieee, PP. 3593-3596. Statistical Center of Iran, I, 2016, Population and Housing Censuses [Online]. Available: https://www.amar.org.ir/english/population-and-housing-censuses [accessed 2019.07.01]. Walker, W. S., Stickler, C. M., Kellndorfer, J. M., Kirsch, K. M., and Nepstad, D. C., 2010, Large-Area Classification and Mapping of Forest and Land Cover in the Brazilian Amazon: A Comparative Analysis of ALOS/PALSAR and Landsat Data Sources, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, No. 3, PP. 594-604. Weng, Q., 2012, Remote Sensing of Impervious Surfaces in the Urban Areas: Requirements, Methods, and Trends, Remote Sensing of Environment, No. 117, PP. 34-49. Weng, Q., and HU, X., 2008, Medium Spatial Resolution Satellite Imagery for Estimating and Mapping Urban Impervious Surfaces Using LSMA and ANN, IEEE Transactions on Geoscience and Remote Sensing, No. 46, PP. 2397-2406. WU, J., and Thompson, J., 2013, Quantifying Impervious Surface Changes Using Time Series Planimetric Data From 1940 to 2011 in Four Central Iowa Cities, USA, Landscape and Urban Planning, No. 120, PP. 34-47. Yang, L., Huang, C., Homer, C. G., Wylie, B. K., and Coan, M. J., 2003, An Approach for Mapping Large-Area Impervious Surfaces: Synergistic Use of Landsat-7 ETM+ and High Spatial Resolution Imagery. Canadian Journal of Remote Sensing, No. 29, PP. 230-240. Yang, L., Jiang, L., Lin, H., and Liao, M., 2009, Quantifying Sub-Pixel Urban Impervious Surface Through Fusion of Optical and Insar Imagery, Giscience and Remote Sensing, Vol. 46, No. 2, PP.161-171. Zaeri Amirani, A., Sofyanian, A., 2012, Preparation of Infiltration Levels Mapping As An Environmental Indicator, Scientific- Research Quarterly of Geographical Data (SEPEHR), Vol. 21, No. 83, PP. 65-69. Zhang, H., Lin, H., and Wang, Y., 2018, A New Scheme for Urban Impervious Surface Classification From SAR Images, ISPRS Journal of Photogrammetry and Remote Sensing, No. 139, PP. 103-118. Zhang, H., Zhang, Y., and Lin, H., 2012, A Comparison Study of Impervious Surfaces Estimation Using Optical and SAR Remote Sensing Images, International Journal of Applied Earth Observation and Geoinformation, No. 18, PP. 148-156. Zhang, J., Pu, R., Yuan, L., Wang, J., Huang, W., and Yang, G., 2014a, Monitoring Powdery Mildew of Winter Wheat by Using Moderate Resolution Multi-Temporal Satellite Imagery, Plos One, 9, E93107. Zhang, Y., Zhang, H., and Lin, H., 2014b, Improving the Impervious Surface Estimation with Combined Use of Optical and SAR Remote Sensing Images, Remote Sensing of Environment, No. 141, PP. 155-167. | ||
آمار تعداد مشاهده مقاله: 512 تعداد دریافت فایل اصل مقاله: 1,109 |