پیش‌بینی توسعه شهری با استفاده از تصاویر ماهواره‌ای سنتینل به روش شبکه عصبی

نوع مقاله: علمی- ترویجی

نویسندگان

1 گروه نقشه برداری، دانشگاه آزاد اسلامی، واحد رامسر، رامسر ایران

2 هیئت علمی تمام وقت گروه نقشه برداری، دانشگاه آزاد اسلامی واحد رامسر، رامسر ، ایران

چکیده

پژوهش حاضر با به‌کارگیری فن سنجش از دور و شبکة عصبی به مدل­سازی توسعة شهر رشت آن پرداخته است. بدین منظور با تهیه تصاویر ماهواره­های لندست و سنتینل به بررسی تغییرات کاربری­های رشت پرداخته شده است. با توجه به ارتقای قدرت تفکیک طیفی و مکانی تصاویر سنتینل در مقایسه با لندست به نظر می­رسد شاهد افزایش دقت در روند پردازش تصاویر و پایش تغییرات زمانی باشیم. تولید نقشه­ها از تصاویر با ترکیب چندین روش طبقه‌بندی در قالب یک درخت تصمیم­گیری انجام شده که بهترین نتیجه متعلق به تصویر سنتینل با دقت کاپای 92/0 بوده است. برای مدل­سازی توسعة شهر از تصاویر لندست سال­های 2000 و 2011 در قالب شبکة عصبی استفاده شده است. سپس توسط مدل تولید شده، نقشه سال 2017 پیش­بینی شده است. میزان تطابق نقشه پیش­­بینی شده با نقشة مرجع سال 2017 محاسبه و معیارهای دقت کلی و ضریب کاپا به ترتیب 9113/0 و 8422/0 به‌دست آمده است. در نهایت با دقت­های قابل قبول، روش ارائه شده برای پیش‌بینی نقشه سال 2025 استفاده شده است.

کلیدواژه‌ها


[1]   خوشگفتار، م. م. و طالعی، م.،"شبیه‌سازی رشد شهری در تهران با استفاده از مدلCA-Markov ، "، سنجش از دور و GIS ایران، 1389، دوره 2، شماره 6، 1395، صفحات 17-34.

[2]   قراگوزلو، ع.، نوری کرمانی، ع. و کشوری، ز.،" ارزیابی تغییرات کالبدی و تحلیل توسعة شهری با استفاده از داده‌های ماهواره‌ه‌ای با قدرت تفکیک بالا و سامانه‌های  RS/GIS (مطالعه موردی منطقه پنج تهران)" ، مجلهعلوموتکنولوژیمحیطزیست، 1388، دوره 11، شماره 1.

[3]   فیضی‌زاده، ب. و حاجی میررحیمی، س. م.، "آشکارسازی تغییرات کاربری اراضی با استفاده از روش طبقه‌بندی شی‌گرا (مطالعه موردی: شهرک اندیشه)"، همایشملیژئوماتیک، سازماننقشهبرداریکشور، 1387.

[4]   حقیقی زیدهی، ب.، جباریان امیری، ب. و ابراهیم پور، ر.، "پیش‌بینی رشد مکانی شهرستان لاهیجان با به کارگیری تکنیک سنجش از دور و مدل سلول‌های خودکار- مارکوف"، سومین کنفرانس برنامه‌ریزی و مدیریت محیط زیست، تهران، دانشگاه تهران، 1392.

[5]  Tayyebi, A., Pijanowski, B.C. and Tayyebi, AH. “An urban growth boundary model using neural networks, GIS and radial parameterization: An application to Tehran, Iran, “ Landscape and Urban Planning, Vol. 100, No. 1, 2011, pp. 35-44.

[6]   پهلوانی، پ. و عسکریان عمران، س.، "مدل‌سازی و پیش‌بینی گسترش شهری براساس شبکة عصبی پیش خورانده بهینه شده و فیلتر همسایگی با حدود آستانه مختلف (منطقه مورد مطالعه: تهران)"، نشریه علمی- پژوهشی علوم و فنون نقشه برداری، دوره 6، شماره 1، 1395، صفحات 87-100.

[7]   Soyoung, P. et al. “Prediction and comparison of urban growth by land suitability index mapping using GIS and RS in South Korea,” Landscape and urban planning, Vol. 99, No. 2, 2011, pp. 104-114.

[8]   Izarazo, I. “Urban Land Cover and Land Use Classification Using Hsing High Spatial Resolution Images and Spatial Metrics,” Proceedings of the 2nd Workshop of the EARSEL SIG on Land Use and Land Cover, 2006, pp. 292-298.

[9]   Jianjun, J., Jie, Z., Hongan, W., Li, A., Hailing, Z., Li, Z., Jun, X. “Land Cover Changes in the Rural-urban Interaction of Xian Region Using Landsat TM/ETM+ Data,” Journal of Geographical Science, 2005, Vol. 15, No. 4, pp. 423-43.

[10]    فاطمی، س. ب. و رضایی، ی.، مبانی سنجش از دور، ویرایش دوم، نشر آزاده، 1393.

[11] Wasserman, P. D., Advanced Methods in Neural Computing, 1rd Ed., John Wiley & Sons, 1993.