توضیحات
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
دانلود پایان نامه و پروژه پایانی با موضوع استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
پس از دیدن متن و فهرست پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی میتوانید نسبت
به خرید آنلاین و دانلود فایل مورد نظر اقدام فرمایید میتوانید تغییراتی در متن پایان نامه ایجاد نمایید و یا از بعضی از فصل های پایان نامه مثل روش تحقیق پیشینه تحقیق بیان مسئله و یا منابع پایان نامه جغرافیا استفاده فرمایید با آرزوی موفیقت برای دانشجویان عزیز
به روزآوری پایگاههای داده زمینی در محیط شهری کاری سخت و پر هزینه میباشد. تکنیکهای سنجش از دور ماهوارهای به طور وسیعی در استخراج و کنترل تغییر پوشش زمین در مقیاسهای مختلف مورد استفاده قرار گرفتهاند که منجر به ایجاد نتایج مفیدی شدهاند.
انجام این کار به کمک روشهای استخراج اتوماتیک تغییر آسانتر می شود. از طرف دیگر برای استخراج تغییر به شکل اتوماتیک دو استراتژی وجود دارد: مقایسه تصویر با نقشه و مقایسه تصویر با تصویر. روشهای استخراج تغییر اکثرا بر اساس مقایسه تصویر با تصویر هستند.
در مقایسه تصویر با نقشه از نقشه موجود جهت پیدا کردن نواحی تغییر کرده در تصویری که اخیرا به دست آمده, استفاده میشود. جهت استخراج تغییرات میتوان از دو شیوه پیکسل مبنا و شی مبنا استفاده کرد. تکنیکهای پیکسل مبنا, روشهای سنتی آنالیز تصویر هستند و روند کار آنها به این صورت است که تفاوتهای عوارض گوناگون را جستجو میکنند.
اطلاعات تماتیک مورد نظر از این تفاوتها, استخراج میشود. در بسیاری از کاربردها، نیاز به استخراج عوارضی است که از پیکسلهای چندگانه تشکیل شدهاند از جمله این عوارض جادهها, ساختمانها و غیره هستند.
برای استخراج این عوارض نیاز به طبقهبندی گروهی پیکسلهای نزدیک به یکدیگر است. در واقع در اینجا به جای استخراج پیکسل نیاز به استخراج شی وجود دارد. شیها میتوانند صدها ویژگی داشته باشند, مثل شکل, اندازه, پاسخ طیفی و غیره که این ویژگیها میتوانند برای آنالیز تصویر استفاده شوند. شیها تعدادی ویژگی دارند که فقط در روشهای شی مبنا از آنها میتوان استفاده کرد.
برای استخراج عوارض نامشخص باید از اطلاعات اضافی مثل شکل و اندازه سایهها استفاده کرد که دراشیاء, این موارد را میتوان پیدا کرد. در این پژوهش یک روش جدید بر اساس شیوههای شی مبنا, جهت استخراج اتوماتیک تغییرات ساختمانها در محیطهای شهری از تصاویری با قدرت تفکیک بالا و استفاده از پایگاه داده زمینی موجود ارائه میشود.
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
روش مورد نظر از چند مرحله تشکیل شده است. در ابتدا پایگاه داده زمینی موجود از ساختمانها و دیگر شیهای شهری مدل میشوند. سپس تصویر قطعهبندی میشود. در ادامه تصویر قطعهبندی شده با استفاده از پایگاه داده موجود مورد آنالیز قرار میگیرد تا به این ترتیب موقعیت قطعاتی که احتمالا تغییر ساختمان در آن رخ داده است شناسایی شود. در نهایت قوانین استخراج تغییر بر روی قطعات معین شده آزمایش میشوند
و به این صورت قطعاتی که ساختمانهای تغییر کرده را ارائه میدهند, مشخص گردند. در قسمت دوم این مطالعه, به جای قطعهبندی تصویر از روشهای مختلف دسته بندی استفاده شده است. از طرف دیگر در اجرای الگوریتم باید از ویژگیهایی استفاده شود که متناسب با منطقه بوده و منجر به نتایج قابل قبول شود. در این مطالعه از ویژگیهای مختلف هندسی,
بافتی و طیفی استفاده شد. الگوریتم مورد نظر در سه منطقه مورد آزمایش قرار گرفت. منطقه اول شامل ۱۵ شی بود و تغییرات زیادی در این منطقه رخ نداده بود. منطقه دوم شامل ۷ شی بود و عاری از تغییر بود. و در نهایت در منطقه سوم, ۳۶ شی وجود داشت که نسبت به دو منطقه قبلی تغییرات بیشتری داشت. نتیجه روش پیشنهادی در هر سه منطقه قابل قبول بود و اکثر تغییراتی که در این مناطق به وقع پیوسته بودند, توسط این روش استخراج شدند.
الگوریتم پیشنهادی تعدادی نقاط ضعف نیز دارد. این روش در استخراج حد فاصل دقیق بین ساختمانها محدودیتهایی دارد. از طرف دیگر تعدادی از ساختمانهای قدیمی توسط این روش به عنوان ساختمان جدید شناسایی شدند. از نکات دیگری که باید به آن اشاره کرد, بافت منطقه مورد مطالعه میباشد. دادههایی که در اینجا مورد استفاده قرار میگیرند, مربوط به
حاشیه جنوبی شهر اصفهان هستند. ساختمانها به شکل بلوکهای کاملا پیوسته در این منطقه به چشم میخورند. از طرف دیگر نوع تصویر ماهوارهای که برای اجرای عملیات از آن استفاده میشود, نیز مهم است. قدرت تفکیک مکانی تصویر در استخراج تغییرات نقش مهمی
دارد. در این تحقیق از یک تصویر Quickbird که در سال ۲۰۰۸ به دست آمده و همچنین نقشه ۲۰۰۰/۱ سال ۱۳۷۵ شهر استفاده شده است.
کلید واژه: استخراج تغییرات شهری, سنجش از دور, کلاسبندی و قطعهبندی تصویر, سیستمهای اطلاعات جغرافیایی, قانون مبنا.
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
۸۵صفحه فایل ورد (Word) فونت ۱۴ منابع دارد
پس از پرداخت آنلاین میتوانید فایل کامل را دانلود کنید
فهرست مطالب
عنوان صفحه
فصل اول: مقدمه
۱-۱-مسأله پژوهش ۱
۱-۲-تاریخچه و تحلیل سوابق کار ۴
۱-۳- اهداف تحقیق ۱۰
۱-۴-ساختار پایاننامه ۱۱
فصل دوم: دادهها
۲-۱- معرفی دادهها ۱۲
۲-۲-پیش پردازش دادهها ۲۰
فصل سوم: روش کار
۳-۱-مدلسازی ۲۴
۳-۱-۱-تعریف کلاسهای شی و ویژگیهای آنها ۲۴
۳-۱-۲-انتقال بین کلاسها ۲۵
۳-۱-۳-تبدیل اطلاعات به قوانین ۲۵
۳-۲-روشهای قطعهبندی ۲۷
۳-۲-۱-روش K-means 28
۳-۲-۲-روش رشد ناحیه ۲۸
۳-۳-آموزش ۲۹
۳-۳-۱-آموزش ویژگیهای طیفی ساختمانها ۲۹
۳-۳-۲-آموزش ویژگیهای هندسی ساختمانها ۲۹
۳-۳-۳-آموزش ویژگیهای بافتی ساختمانها ۲۹
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
۳-۴-استخراج تغییر ساختمانها ۳۰
۳-۵-طبقهبندی نظارت نشده ۳۳
۳-۶-طبقهبندی نظارت شده ۳۷
۳-۷-طبقهبندی نظارت شده قانون مبنا ۳۸
عنوان صفحه
۳-۸- طبقهبندی ترکیبی بر مبنای پس پردازش GIS 39
فصل چهارم: نتایج
۴-۱-نتایج الگوریتمهای قطعهبندی ۴۰
۴-۲-نتایج روش دستهبندی نظارت شده ۴۲
۴-۳-نتایج روش دستهبندی نظارت نشده ۴۸
۴-۴-نتایج روش دستهبندی قانون مبنا نظارت شده ۵۳
۴-۵-نتایج روش دستهبندی ترکیبی بر مبنای پس پردازش GIS 57
فصل پنجم: نتیجه گیری
منابع و مآخذ ۶۶
فهرست شکلها
عنوان صفحه
شکل ۲-۱: تصویر ناحیه اول انتخابی از حاشیه جنوبی شهر اصفهان که توسط سنجنده
Quickbird در سال ۲۰۰۸ تهیه شده است. ۱۳
شکل ۲-۲: تصویر ناحیه دوم انتخابی از حاشیه جنوبی شهر اصفهان که توسط سنجنده Quickbird در سال ۲۰۰۸ تهیه شده است. ۱۴
شکل ۲-۳: تصویر ناحیه سوم انتخابی از حاشیه جنوبی شهر اصفهان که توسط سنجنده Quickbird در سال ۲۰۰۸ تهیه شده است. ۱۴
شکل ۲-۴: نقشه لایه ساختمانهای ناحیه اول انتخابی از حاشیه جنوب شهر اصفهان در سال
۱۳۷۵ ۱۵
شکل ۲-۵: نقشه لایه ساختمانهای ناحیه دوم انتخابی از حاشیه جنوب شهر اصفهان در سال ۱۳۷۵ ۱۵
شکل ۲-۶: نقشه لایه ساختمانهای ناحیه سوم انتخابی از حاشیه جنوب شهر اصفهان در
سال ۱۳۷۵ ۱۶
شکل ۲-۷: تصویر حاصل از زمین مرجع کردن نقشه و تصویر منطقه اول ۲۱
شکل ۲-۸: تصویر حاصل از زمین مرجع کردن نقشه و تصویر منطقه دوم ۲۱
شکل ۲-۹: تصویر حاصل از زمین مرجع کردن نقشه و تصویر منطقه سوم ۲۲
شکل ۲-۱۰ :تصویر شی مورد نظر در ناحیه اول انتخابی ۲۳
شکل ۳-۱: الگوریتم روش پییشنهادی جهت استخراج تغییر ساختمانها ۳۲
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
شکل ۳-۲: الگوریتم طبقهبندی نظارت نشده به روش ترتیبی اصلاح شده ۳۶
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
شکل ۴-۱: تصویر ناحیه اول انتخابی از حاشیه جنوبی شهر اصفهان که توسط سنجنده Quickbird در سال ۲۰۰۸ تهیه شده است. ۴۳
شکل ۴-۲:ساختمانهای جدید استخراج شده با روش نظارت شده در ناحیه اول ۴۴
شکل۴-۳:ساختمانهای جدید موجود و استخراج شده با روش نظارت شده در ناحیه اول ۴۴
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
شکل ۴-۴: تصویر ناحیه دوم انتخابی از حاشیه جنوبی شهر اصفهان که توسط سنجنده Quickbird در سال ۲۰۰۸ تهیه شده است. ۴۵
شکل ۴-۵:ساختمانهای جدید استخراج شده با روش نظارت شده در ناحیه دوم ۴۶
شکل ۴-۶: تصویر ناحیه سوم انتخابی از حاشیه جنوبی شهر اصفهان که توسط سنجنده Quickbird در سال ۲۰۰۸ تهیه شده است. ۴۷
شکل ۴-۷:ساختمانهای جدید استخراج شده با روش نظارت شده در ناحیه سوم ۴۷
عنوان صفحه
شکل۴-۸:ساختمانهای جدید موجود و استخراج شده با روش نظارت شده در ناحیه سوم ۴۸
شکل ۴-۹:ساختمانهای جدید استخراج شده با روش نظارت نشده در ناحیه اول ۴۹
شکل۴-۱۰:ساختمانهای جدید موجود و استخراج شده با روش نظارت نشده در ناحیه اول ۵۰
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
شکل ۴-۱۱:ساختمانهای جدید استخراج شده با روش نظارت نشده در ناحیه دوم ۵۱
شکل ۴-۱۲:ساختمانهای جدید استخراج شده با روش نظارت نشده در ناحیه سوم ۵۲
شکل۴-۱۳:ساختمانهای جدید موجود و استخراج شده با روش نظارت نشده در ناحیه سوم ۵۲
شکل ۴-۱۴:ساختمانهای جدید استخراج شده با روش نظارت شده قانون مبنا در ناحیه اول ۵۴
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
شکل ۴-۱۵:ساختمانهای جدید موجود و استخراج شده با روش نظارت شده قانون مبنادر ناحیه اول ۵۴
شکل ۴-۱۶:ساختمانهای جدید استخراج شده با روش نظارت شده قانون مبنا در ناحیه دوم ۵۵
شکل ۴-۱۷:ساختمانهای جدید استخراج شده با روش نظارت شده قانون مبنا در ناحیه سوم ۵۶
شکل ۴-۱۸:ساختمانهای جدید موجود و استخراج شده با روش نظارت شده قانون مبنا در ناحیه سوم ۵۷
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
شکل ۴-۱۹:ساختمانهای جدید استخراج شده با روش دستهبندی ترکیبی بر مبنای پس پردازش GIS در ناحیه اول ۵۹
شکل ۴-۲۰:ساختمانهای جدید استخراج شده با روش دستهبندی ترکیبی بر مبنای پس پردازش GIS در ناحیه دوم ۶۰
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
شکل ۴-۲۱:ساختمانهای جدید استخراج شده با روش دستهبندی ترکیبی بر مبنای پس پردازش GIS در ناحیه سوم ۶۱
فهرست جدول ها
عنوان
صفحه
جدول ۱-۱:معرفی ویژگیهای شیها ۸
جدول ۲-۱: مشخصات مناطق انتخابی جهت استخراج تغییرات ساختمانها ۱۳
جدول ۲-۲:معرفی ارتفاع و قدرت تفکیک مکانی باندهای طیفی گوناگون برای تعدادی از سنجندهها ۱۸
جدول ۴-۱:ماتریس خطای ناحیه اول در روشهای قطعهبندی ۴۱
جدول ۴-۲:ماتریس خطای ناحیه دوم در روشهای قطعهبندی ۴۱
جدول ۴-۳:ماتریس خطای ناحیه سوم در روشهای قطعهبندی ۴۱
جدول ۴-۴: المانهای ماتریس خطا برای ۳ ناحیه در روشهای قطعهبندی ۴۲
جدول ۴-۵:ماتریس خطای ناحیه اول به روش دستهبندی نظارت شده ۴۳
جدول ۴-۶:ماتریس خطای ناحیه دوم در روش دستهبندی نظارت شده ۴۵
جدول ۴-۷:ماتریس خطای ناحیه سوم در روش دستهبندی نظارت شده ۴۶
جدول ۴-۸: المانهای ماتریس خطا برای ۳ ناحیه در روش دستهبندی نظارت شده ۴۸
جدول ۴-۹:ماتریس خطای ناحیه اول در روش دستهبندی نظارت نشده ۴۹
جدول ۴-۱۰:ماتریس خطای ناحیه دوم در روش دستهبندی نظارت نشده ۵۰
جدول ۴-۱۱:ماتریس خطای ناحیه سوم در روش دستهبندی نظارت نشده ۵۱
جدول ۴-۱۲: المانهای ماتریس خطا برای ۳ ناحیه در روش دستهبندی نظارت نشده ۵۳
جدول ۴-۱۳:ماتریس خطای ناحیه اول در روش دستهبندی نظارت شده قانون مبنا ۵۳
جدول ۴-۱۴:ماتریس خطای ناحیه دوم در روش دستهبندی نظارت شده قانون مبنا ۵۵
جدول ۴-۱۵:ماتریس خطای ناحیه سوم در روش دستهبندی نظارت شده قانون مبنا ۵۶
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
جدول ۴-۱۶: المانهای ماتریس خطا برای ۳ ناحیه در روش دستهبندی نظارت شده قانون مبنا ۵۷
جدول ۴-۱۷:ماتریس خطای ناحیه اول در روش دستهبندی ترکیبی بر مبنای پس پردازش GIS در ناحیه اول ۵۸
جدول ۴-۱۸:ماتریس خطای ناحیه دوم در روش دستهبندی ترکیبی بر مبنای پس پردازش GIS در ناحیه دوم ۵۹
جدول ۴-۱۹:ماتریس خطای ناحیه سوم در روش دستهبندی ترکیبی بر مبنای پس پردازش GIS در ناحیه سوم ۶۰
جدول ۴-۲۰: المانهای ماتریس خطا برای ۳ ناحیه در روش دستهبندی ترکیبی بر مبنای پس پردازش GIS 61
فصل اول
مقدمه
۱-۱- مسأله پژوهش
شهرسازی یک فرآیند اجتناب ناپذیر است که در نتیجه رشد سریع جمعیت و توسعه اقتصادی، اجتماعی به وجود میآید. حضور انسانها در مناطق شهری پر جمعیت به خصوص در کشورهای در حال توسعه باعث میشود که این مناطق دائما در حال تغییر باشند. از طرف دیگر حوادث طبیعی احتمالی مثل سیل و زلزله نیز باعث تغییر چهره مناطق شهری میشوند [۱۶].
برای غلبه بر مشکلات ناشی از این تغییر و برنامهریزی درست شهری، نیاز است که از این مناطق نقشههای بهروز در دسترس باشد. به این ترتیب مسأله اصلی در برنامهریزی شهری، نیاز مبرم به نقشههای بهروز است. با توجه به تغییرات سریع و گسترده در مناطق شهری، توجه به تغییر پوششها و کاربریهای زمین ضرورت دارد. همچنین با توجه به چگونگی گسترش شهر، پیشبینی تغییرات آینده و اتخاذ تصمیمات اساسی و برنامهریزی شهری بر مبنای این تغییرات ضرورت دارد[۱].
در دهههای گذشته بررسی تغییرات پوشش و کاربری زمین بخش مهمی از مطالعات جهانی بوده است. این تغییرات نقش اساسی در تغییر محیط، آب و هوا، اکوسیستم و فعالیتهای انسانی داشته است[۳].
این تغییرات فاکتور اصلی در تغییر جهان به علت فرآیندهای اکوسیستم, چرخههای شیمیایی و از همه مهمتر فعالیتهای انسانی هستند. به همین علت تغییر پوشش و کاربری زمین بعنوان یک پروژه مهم در برنامههای سازمانهای بین المللی مورد بحث قرار گرفته است. در سالیان گذشته توجه بیشتر, بر روی تغییر پوشش و کاربری زمین شهری بوده است. این امر به این علت است که اکوسیستمها در نواحی شهری با وجود فعالیتهای بشری بیشتر تحت تاثیر قرار میگیرند[۲۱] .
مسأله بهروز کردن نقشه منطقه شهری در کل دنیا یک امر ضروری و واجب است که برای برنامهریزی شهری از اهمیت بالایی برخوردار است[۳۰]. استخراج تغییرات از اهمیت بالایی در کاربردهای سنتی مثل کارتوگرافی و کاربردهای جدید مثل برنامهریزی شهری و گرافیک کامپیوتری برخوردار است. به علت محدودیت منابع طبیعی فرآیندهای بهروزآوری و تولید پایگاه داده زمینی باید به سرعت اجرا شوند[۹].
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
جهت شناسایی روند فعالیتهای انسان مانند توسعه صنعتی و تبدیل زمینهای بایر به زمینهای قابل کشت, اطلاع از تغییرات پوشش و کاربری زمین در طی دورههای زمانی مختلف اهمیت زیادی دارد. از طرف دیگر آگاهی از این تغییرات باعث میشود که برنامه مدونی برای رسیدن به یک رشد اقتصادی قوی در اختیار باشد و به این ترتیب رفاه اجتماعی در طی سالهای آینده افزایش یابد[۲].
پیشرفتهای اخیر در تکنولوژی سنجش از دور و افزایش دسترسی به تصاویر ماهوارهای با قدرت تفکیک بالا باعث شده است که پتانسیل زیادی در تعیین و نمایش بخش وسیعی از مشکلات محیطی در نواحی شهری به وجود آید و به این ترتیب برنامه مدون ذکر شده در فوق با سرعت و دقت بیشتری اجرا گردد[۶].
روش سنجش از دور ماهوارهای به طور وسیعی در استخراج و کنترل تغییر پوشش زمین در مقیاسهای مختلف مورد استفاده قرار گرفته که منجر به دستیابی به نتایج مفیدی شده است. این امر به این دلیل است که سنجش از دور مجموعه دادههای مکانی تهیه میکند که مناطق وسیعی با جزییات مکانی و بازه زمانی مناسب را پوشش میدهد[۸].
اگرچه در سنجش از دور استخراج اطلاعات هندسی از تصاویر در دهه اخیر سرعت گرفته است, اما حوزه فتوگرامتری چندین دهه است که برای جمع آوری اطلاعات در این زمینه استفاده میشود. در موارد زیادی هدف فتوگرامتری, به روزآوری نقشه از تصاویر هوایی با مقیاس بزرگ بوده است[۲۶]. در دهه گذشته این هدف تغییر کرده است. به این شکل که
فتوگرامتری هم اکنون برای به روزآوری یک پایگاه داده GeoSpatial (مکانی یا مکانمند) بر مبنای تصاویر هوایی اسکن شده یا تصاویر هوایی که به طور مستقیم از سنجندههای رقومی بدست آمدهاند, استفاده میشود و طبیعت دادههای جمع آوری شده با دادههای کارتوگرافیکی قدیمی متفاوت است[۸].
آنالیز تصویر حاصل از دادههای سنجش از دوری, علمی است فرای استخراج اطلاعات از پیکسلهای درون یک Scene یا تصویر[۲۹]. در دهههای گذشته سنجندههای چند طیفی برای سنجش از دور طراحی شدهاند که میتوانند از انرژی منعکس شده از اشیاء گوناگون روی زمین در طول موجهای مرئی و مادون قرمز نزدیک طیف الکترومغناطیس استفاده کنند. بعضی از سنجندهها در طیف حرارتی داده تهیه میکنند. در حالیکه اغلب سنجندههای تجاری امروزی, دادهها را در نواحی مرئی و مادون قرمز نزدیک ذخیره میکنند[۵].
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
بهروز کردن نقشههای شهری کاری دشوار و پرهزینه است. این فرآیند دشوار میتواند با مقایسه یک تصویر ماهوارهای از وضعیت فعلی و نقشه موجود از منطقه و یا مقایسه دو تصویر در دو زمان مختلف به شکل سادهتری انجام گیرد[۲۸]. فرآیند بهروزآوری نقشه به سه مرحله تقسیم میشود که عبارتند از[۲]
• شناسایی تغییرات
• استخراج تغییرات
• ذخیره تغییرات
در اولین گام بایستی نوع تغییرات برای بهروزآوری نقشه مشخص شود. به عنوان مثال تغییر از یک ناحیه بایر به ناحیه ساختمانی یا تغییر از یک ناحیه بایر به فضای سبز [۱۷] .
تشخیص تغییرات عوارض ساخته دست انسان مثل ساختمانها با استفاده از تصاویر ماهوارهای یکی از کاربردهای مهم سنجش از دور است. با توجه به اینکه شناسایی تغییرات توسط چشم بشر کاری زمانبر و با دقت پایین میباشد، توسعه روشهای استخراج تغییر به صورت اتوماتیک امری اجتناب ناپذیر میشود. این روشها در سه سطح انجام میشوند: استخراج تغییرات کلی، استخراج تغییرات جزیی و آنالیزهای تغییر[۹].
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
میزان صحت و دقت تغییرات استخراج شده نیز باید معین شود. جهت شناسایی جزییات تغییرات نیاز به روشهای دقیق (در سطح جزییات) میباشد. چنین تغییراتی میتوانند از طریق بالا رفتن قدرت تفکیک ماهواره استخراج شوند. این امر باعث میشود که فرآیند بهروزآوری نقشه در سطح جزییات امکان پذیر گردد [۱۹].
چندین روش اتوماتیک جهت استخراج اتوماتیک تغییرات بر اساس تصاویر ماهوارهایی پیشنهاد شده است. این روشها بین روشهای نیمه اتوماتیک و تمام اتوماتیک, روشهای پیکسل مبنا و Object(شی) مبنا و همچنین روشهای مبتنی بر ویژگیهای طیفی و مبتنی بر هوش مصنوعی تغییر میکنند. از طرف دیگر برای استخراج تغییر به شکل اتوماتیک دو استراتژی وجود
دارد: مقایسه تصویر با نقشه و مقایسه تصویر با تصویر. روشهای استخراج تغییر اکثرا بر اساس مقایسه تصویر با تصویر هستند. به این صورت که پیکسل به پیکسل دو تصویر که در دو تاریخ مختلف به دست آمدهاند, با هم مقایسه میشوند و به این ترتیب یک تصویر که تغییرات به وجود آمده در فاصله زمانی معین شده را نشان میدهد, به دست میآید[۶].
ولی در مقایسه تصویر با نقشه از نقشه موجود جهت پیدا کردن نواحی تغییر کرده در تصویری که اخیرا به دست آمده, استفاده میشود. به دلیل اینکه نقشه یک ارائه انتزاعی و کلاسبندی شده از حقیقت است, مسئله مقایسه تصویر با نقشه با مقایسه تصویر با تصویر متفاوت است[۲].
اخیرا سنجش از دور در ترکیب با سیستمهای اطلاعات جغرافیایی و سیستمهای تعیین موقعیت ماهوارهایی, جهت استخراج تغییر پوشش زمین استفاده شده است. نتیجه این امر میتواند به عنوان یک منبع داده در آنالیز و طراحی رشد شهری و همین طور استخراج تغییر پوشش و کاربری زمین مورد استفاده قرار گیرد[۷].
۱-۲-تاریخچه و تحلیل سوابق کار
در مطالعات پیشین از دو استراتژی جهت استخراج تغییرات استفاده شده است. این استراتژیها عبارتند از:مقایسه تصویر با تصویر و مقایسه تصویر با نقشه[۸],[۲].
استراتژی اول یعنی مقایسه تصویر با تصویر یک شیوه سنتی استخراج تغییرات است. اساس این استراتژی مقایسه پیکسل به پیکسل دو تصویر میباشد. برای انجام این مقایسه از سه روش مختلف میتوان استفاده کرد. این روشها عبارتند از: ۱-استفاده از اپراتورهای ریاضی ۲-انتقال تصویر ۳-طبقهبندی تصاویر.
روش سوم در بسیاری از تحقیقات و مطالعات پیشین به کار رفته است. یکی از تحقیقات اخیر در این زمینه در کشور ژاپن و برای شهر Sukuba انجام شده است[۶]. در این تحقیق بین نتایج حاصل از چهار روش کلاسبندی که در بخش قبلی به آنها اشاره شد, مقایسهای صورت گرفته است. در نهایت روش چهارم نسبت به سه روش دیگر نتایج بهتری ارائه داده است. این تحقیق تنها از استراتژی مقایسه تصویر با تصویر استفاده کرده است و در زمینه مقایسه تصویر با نقشه کاری صورت نداده است.
در کشور آفریقایی مصر نیز مطالعاتی انجام گرفته است[۱۰]. به عنوان مثال در کشور مصر و در منطقه شمالغربی این کشور تحقیقی صورت گرفته است. در این تحقیق با استفاده از دو روش کلاسبندی نظارتشده و نظارتنشده ( Unsupervised) نتیجه زیر حاصل شده است. در طی یک دوره چهارده ساله در این محدوده مناطق مسکونی حومه شهری و زمینهای
کشاورزی اطراف این ناحیه رشد چشمگیری داشتهاند[۱۰]. این تحقیق نگاه یک بعدی به
مسئله مورد نظر داشته است. در واقع توجه تحقیق بیشتر بر روی تغییرات زمینهای کشاورزی بوده است.
در آفریقای مرکزی در شهر Belize پژوهشی برای نمایش تغییرات در پوشش و کاربری زمین در یک فاصله زمانی ده ساله بین سالهای ۱۹۹۳ تا ۲۰۰۳ انجام گرفته است[۱۱]. این تحقیق به کمک یک روش استخراج تغییر رقومی و استفاده از دو تصویر ماهواره ای Landsat که در دو تاریخ مذکور تهیه شدهاند, پیادهسازی شده است. تصاویر ماهوارهای با استفاده از استراتژی
پیکسل مبنا و بهره بردن از یک روش طبقهبندی نظارتنشده و بهرهگیری از نرم افزار ENVI دستهبندی شدهاند. تصاویر طبقهبندی شده با یکدیگر مقایسه شده و نتایج زیر به دست آمدهاند.
با مقایسه زمین واقعی و نتیجه طبقهبندی صحتی که حاصل شده, ۹۲% بوده است. از طرف دیگر توسعه شهری با نرخ ۱۲% در سال به وقوع پیوسته است که این نرخ در مقایسه با رشد جمعیت که ۳٫۵% در سال است, رشد سریعتری را نشان میدهد. علاوه بر این زمینهای کشاورزی با نرخ ۳۲ مایل مربع در سال توسعه یافتهاند. توسعه شهر, توسعه زمینهای
کشاورزی و فقدان پوشش جنگل, سه عاملی بودهآند که باعث ایجاد نرخ از بین رفتن جنگل ۳۵ مایل مربع در سال شدهاند. این تحقیق اطلاعات مفیدی را برای دولت Belize جهت دستیابی به توسعه پایدار تهیه میکند.
از مواردی که در این تحقیق به چشم میخورد, عدم استفاده از تصاویر ماهوارهای با قدرت تفکیک بالا است. این امر به این دلیل است که این کار به صورت بسیار کلی انجام گرفنه است. نکتهای که در این تحقیق وجود دارد, استفاده از یک روش دستهبندی نظارتنشده است, که باعث میشود بدون داشتن اطلاعات از زمین واقعی, روند پیادهسازی عملیات را انجام داد.
در کشور چین برای استخراج روند توسعه شهری, به کمک تکنیکهای سنجش از دور و سیستمهای اطلاعات جغرافیایی تحقیقی انجام گرفته است[۱۲]. این مطالعه برای دوره زمانی ۱۹۳۴ تا ۲۰۰۱ انجام شده است. هم چنین روند تغییر پوشش و کاربری زمین بین سالهای ۱۹۸۷ تا ۲۰۰۱ نیز بررسی شده است. توسعه شهری در بعضی مواقع سریع و
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
دربعضی مواقع کند بوده است. رشد سریع در قسمتهای غربی و شرقی شهر رخ داده است. الگوهای مکانی رشد شهری به سه نوع تقسیم شده است: رشد از نظر اجتماعی-سیاسی, رشد مکانهای ویژه و رشد نرمال شهر. تغییر پوشش و کاربری زمین در طی سالهای مذکور نیز بسیار زیاد بوده است. در نهایت به این نتیجه رسیده اند که جمعیت, شرایط ترافیکی,
صنعتی شدن و سیاست, فاکتورهای اصلی در وقوع این تغییرات هستند. برای پیاده سازی این پژوهش از دو تصویر ماهواره ای TM و ETM+ استفاده شده است. این دو تصویر با استفاده از یک کلاسیفایر Maximum Likelihood دستهبندی شده و با یکدیگر مقایسه شدند.
در این تحقیق فقط از یک نوع روش دسته بندی استفاده شده است. از طرف دیگر در این مطالعه نیز از تصاویر ماهوارهای با قدرت تفکیک بالا استفاده نشده است.
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
استخراج تغییرات از تصاویر ماهوارهای با قدرت تفکیکهای مختلف در زمینههای مدیریت محیط نیز مورد مطالعه قرار گرفته است[۱۳]. در تحقیق مذکور از دو تصویر ماهوارهای مختلف استفاده شده است. از تصویر Modis جهت استخراج تغییرات محیطی در مناطقی با وسعت زیاد و از تصویر ماهواره Landsat TM نیز برای ایجاد نقشه پوشش زمینی استفاده شده است. در نهایت با مقایسه نتایج به دست آمده با نقشه وضعیت موجود به یک صحت ۵۹% در اجرای عملیات دست یافته است.
در کشور فرانسه پژوهشی در زمینه استخراج ساختمانها از تصاویر هوایی انجام گرفته است[۱۵]. در این تحقیق با ترکیب اطلاعات دو بعدی و سه بعدی, عوارض ساخته شده توسط بشر مثل ساختمانها استخراج میشوند. این عملیات بر روی تصاویر هوایی با قدرت تفکیک متوسط و بالا انجام شده است. در نهایت این نتیجه حاصل شده است که تصاویر هوایی با
قدرت تفکیک متوسط, نمیتوانند نتیجهای که برای تصاویر هوایی با قدرت تفکیک بالا حاصل میشود را ایجاد کنند. برای رسیدن به این امر باید الگوریتمهای کلاسیکی که در تحقیق از آنها استفاده شده است, به روز شود و از تکنیکهای جدید برای استخراج ساختمانها در نواحی شهری استفاده شود.
در کشور ایران هم تحقیقاتی از این دست صورت گرفته است. به عنوان مثال در شهر سنندج به بررسی روند و چگونگی توسعه شهری با استفاده از GIS و RS پرداخته شده است. در این تحقیق چنین نتیجهگیری شده است که توسعه اولیه شهر سنندج بیشتر به صورت افقی بوده و با توجه به این گسترش افقی توسعه عمودی در آینده میتواند مورد توجه قرار بگیرد[۲۹]. در این مطالعه از مقایسه تصویر با تصویر استفاده شده و فقط روش کلاسبندی نظارتشده به کار گرفته شده است.
در شهر تهران هم تحقیقی تحت عنوان ارائه مدلهای توسعه شهری با کاربرد
استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی تصاویر ماهوارهای بر مبنای تحلیل در سیستمهای اطلاعات جغرافیایی
قیمت : تومان95,000