نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

خلاصه

تأثیرات منفی زمین بر اجزای طبیعی و منابع اقتصادی بر انتخاب های برنامه ریزی و سیاست های سرزمینی تأثیر می گذارد. اهمیت نظارت بر برداشت زمین در ایتالیا به تازگی مورد توجه قرار گرفته است، اما با وجود این آگاهی، هنوز در بخش بزرگی از کشور، اقدامات نظارتی و مهار موثری آغاز نشده است. این تحقیق روشی را برای نقشه برداری و پایش تغییرات کاربری اراضی پیشنهاد می کند. برای این منظور، یک سری زمانی از سال‌های 1985 تا 2010، بر اساس نقشه‌نگار موضوعی داده‌های چند زمانی لندست (TM)، در منطقه کرکس آلتو-برادانو، منطقه کوهستانی منطقه باسیلیکاتا (جنوب ایتالیا) تحلیل شده است. نتایج پتانسیل مضاعف استفاده از این داده ها را تایید می کند: از یک سو، استفاده از داده های چند زمانی لندست امکان بازگشت به گذشته را فراهم می کند. تولید مجموعه داده های دقیق که روند پدیده را در طول زمان ارائه می دهد. از سوی دیگر، این داده ها را می توان اولین تجربه داده های باز در حوزه اطلاعات مکانی دانست. روش پیشنهادی ابزار ارزشمندی را برای اجرای اقدامات نظارتی در اختیار آژانس‌ها، مقامات محلی و شاغلین قرار می‌دهد. این نشان‌دهنده اولین گام برای پیگیری روش‌های حاکمیت سرزمینی مبتنی بر پایداری، محدود کردن تصرف زمین است.
کلید واژه ها: 

سنجش از دور ؛ رشد شهری ؛ گسترش شهری ; طبقه بندی تحت نظارت

 

چکیده گرافیکی

1. معرفی

محیط و سکونتگاه ها همیشه دو کفه تعادل بوده اند، هر دو جزء اساسی نیازهای انسان و در عدم تعادل مداوم در مدیریت توسط انسان [ 1 ]. امروزه بیش از گذشته این عدم تعادل برگشت ناپذیر شده است. برای سال‌های متمادی، یک رویکرد مشترک به حاکمیت سرزمینی، چشم‌انداز [ 2 ] محیط زیست را به‌عنوان یک منبع محدود، به‌عنوان یک خیر مشترک که ما داریم، اما متعلق به ما نیست، کنار گذاشت. فرآیندهای رشد شهری نشان دهنده اکثر تغییرات ناشی از انسان در محیط است. بسیاری از مطالعات با تمرکز بر چنین پدیده‌هایی [ 3 ، 4 ] تأثیرات منفی آنها را بر سلامت عمومی [ 5 ]، آب و هوا [ 6 ] و اقتصاد کشاورزی نشان می‌دهند.7 ]. در شرایط فعلی، محیط زیست و سکونتگاه ها عمدتاً با مردم گرایی و تصرف زمین مشخص می شوند. به عنوان مثال، در ایتالیا، مناطق مصنوعی (همانطور که در نامگذاری پوشش زمین CORINE تعریف شده است) افزایش یافته است، که باعث تغییر تصاحب زمین از 2.7٪ در دهه 1950 به 7.0٪ در سال 2014، با افزایش 4.3٪ [8] شد . تصاحب زمین اکنون یک موضوع حیاتی در مرکز بحث های سیاسی و علمی است [ 9 ، 10 ، 11 ]. با این حال، پیچیدگی علل ایجاد این پدیده و اثراتی که بر اکوسیستم ها و خدمات زیست محیطی ایجاد می کند، ارزیابی آن را بسیار پیچیده می کند [ 12 ].
علاوه بر این، رشد شهری تنها راهی نیست که از طریق آن فعالیت های انسانی اثرات منفی بر کاربری زمین ایجاد می کند. همانطور که در فرآیندهای اقتصادی و جمعیتی، جوامع با رژیم های مختلف استفاده از زمین مشخص می شوند. از اکوسیستم های طبیعی، تا توسعه سیستم های کشاورزی محلی، تا کشاورزی فشرده و توسعه به اصطلاح گسترش شهری، مردم با اقدامات خود قلمروی را که در آن زندگی می کنند تغییر می دهند. حتی فعالیتی که زمانی کم تاثیر تلقی می شد، مانند کشاورزی، از یک سو در کوتاه مدت مزیتی در تولید مواد غذایی ایجاد می کند، در حالی که از سوی دیگر مشکلات جدی درازمدت از نظر از دست دادن مواد غذایی ایجاد می کند. خدمات اکوسیستم، از جمله برخی خدمات مهم برای خود کشاورزی [ 13 ، 14, 15 , 16 ].
معمولاً تصاحب زمین با مفهوم گسترش شهری اشتباه گرفته می شود که به عنوان توسعه شهری با تراکم پایین [ 17 ، 18 ] تعریف می شود که عمدتاً در مناطق پیرامونی متمرکز شده است، برنامه ریزی نشده و با حضور همزمان کاربری های مختلف زمین مشخص می شود [ 4 ]. متأسفانه، پراکندگی شهری تنها بخشی از پدیده های تصاحب زمین را نشان می دهد. علاوه بر این، فرآیندهای استفاده فشرده از خاک برای کشاورزی و جنگلداری باید در نظر گرفته شود، زیرا آنها باعث از بین رفتن ویژگی های زیستی-ژئوشیمیایی خاک می شوند [ 8 ، 19 ].
اگرچه معمولاً به عنوان علل واقعی کمک کننده به پدیده زمین خواری در نظر گرفته نمی شود، این فرآیندها همچنان می توانند بر عملکرد صحیح یک سیستم محیطی طبیعی تأثیر بگذارند. بنابراین، ارزیابی چنین عواملی یک پیش نیاز اساسی در برنامه ریزی شهری است، زیرا فرآیندهای پراکندگی شهری فرم های کاربری اراضی و اندازه گیری آنها را از طریق شاخص های خاص مشخص می کند [ 11 ، 19 ، 20 ، 21 ]. به عنوان مثال، تجزیه و تحلیل تکه تکه شدن قلمرو از طریق شاخص پراکندگی شهری یک چارچوب ارزیابی رایج برای امکان حفاظت از محیط زیست بهتر است.
اتحادیه اروپا اهدافی را برای مهار تصاحب زمین با هدف رسیدن به ارزش خالص صفر تا سال 2050 تعریف کرده است [ 5 ]، به منظور افزایش پایداری زیست محیطی و بهبود حاکمیت سرزمینی. چندین استراتژی برای محدود کردن تصاحب زمین با اعمال محدودیت ها، پیگیری حفاظت از خاک های کشاورزی و تحریک استفاده مجدد از سایت های متروکه اجرا شده است. اتحادیه اروپا پروژه های بسیاری را برای نظارت بر تغییرات کاربری زمین، مانند CORINE Land Cover (CLC) و Use Land and Coverage Area Survey (LUCAS) توسعه داد. داده های موجود از سال 1990 نشان می دهد که مناطق مسکونی شهری با نرخی چهار برابر بیشتر از نرخ رشد جمعیت گسترش یافته اند، در حالی که مناطق صنعتی بیش از هفت برابر سریعتر رشد کرده اند [22 ] .
با این حال، بدیهی است که با وجود انبوهی از داده های موجود، تفاسیر مختلف اجازه یک کدگذاری یکپارچه را نمی دهد. به عنوان مثال، در ایتالیا، داده های ارائه شده توسط CLC و LUCAS سناریوهای مختلفی را تعریف می کنند. طبق داده های CLC 2006، ایتالیا 2.8 درصد خاک های مهر و موم شده و 5 درصد مناطق مصنوعی دارد. در عوض، داده های LUCAS 2009، خاک های مهر و موم شده 7 درصد و مناطق مصنوعی 13 درصد را گزارش می دهند. بازه زمانی سه ساله برای توجیه این تفاوت بزرگ در داده ها کافی نیست. دلیل چنین ارزیابی‌های متفاوتی را باید در تفاوت‌های روش‌شناختی دو سیستم نظارت و در نام‌گذاری‌های مختلف اتخاذ شده توسط LUCAS و CLC جستجو کرد. با این حال، هر دو مطالعه روند رشد تدریجی مناطق مصنوعی را در تمام کشورهای اتحادیه اروپا نشان می دهد.
در سال 2015، دستور کار توسعه پایدار تعریف شده است که کشورهای سازمان ملل را تشویق می کند تا در 15 سال آینده به 17 هدف توسعه پایدار دست یابند. هدف 11 این دستور کار مربوط به توسعه سکونتگاه های انسانی پایدار است. به ویژه، برنامه ریزی و مدیریت سرزمینی پایدار را از طریق پیوندهای مثبت اقتصادی، اجتماعی و زیست محیطی بین مناطق شهری، حومه شهری و روستایی، با تقویت فعالیت های برنامه ریزی در سطوح ملی و منطقه ای [23] ترویج می کند . ایتالیا در اجرای اقدامات اروپایی عقب مانده است [ 24]، هم به دلیل تنوع عظیم جغرافیای رشد شهری که امکان جابجایی ساده چنین رویه‌هایی را نمی‌دهد و هم به دلیل تعداد زیادی از مقامات محلی که فاقد ابزارهای برنامه‌ریزی به‌درستی اجرا شده‌اند و همچنین در برخی مناطق به دلیل عدم پایداری واقعی. تمرینات [ 25 ]. پیگیری این سیاست‌ها به دلیل زمینه‌ای که به بخش ساختمان همچنان نقشی مرکزی در اقتصاد می‌دهد، دشوار است [ 26 ].
در مقیاس ملی، داده‌های موجود در مورد دسته‌بندی‌ها و تغییرات کاربری اراضی در طول سال‌ها هنوز با مشکلات بیشتر و دور از یکنواختی مطلوب مشخص می‌شوند. تجزیه و تحلیل تغییرات پوشش زمین یک عنصر مهم برای ارزیابی تأثیر فعالیت های انسانی بر محیط زیست در مقیاس های زمانی- مکانی مختلف است. در دسترس بودن اطلاعات به روز و دقیق در مورد کاربری و پوشش زمین یک پیش نیاز کلیدی برای مدیریت و برنامه ریزی مناطق شهری است. این داده‌ها می‌توانند در توسعه مدل‌های شبیه‌سازی برای پشتیبانی از تحلیل و پیامدهای تغییرات کاربری زمین، اساسی باشند. در غیاب چنین داده‌ها و مدل‌های شبیه‌سازی، توسعه شهری پایدار به سختی قابل دستیابی است. گسترش شهری یکی از شاخص های مهم توسعه شهری است. رشد اخیر آگاهی مبنی بر اینکه نظارت بر آن نشان دهنده اولین گام در حصول اطمینان از کاهش تصرف زمین است، برای توسعه برنامه ریزی پایدارتر بسیار مهم است. با این حال، در ایتالیا، و به ویژه در برخی از مناطق جنوبی، اطلاعات تاریخی دقیق در مورد پوشش زمین در دسترس نیست. این غیبت، شناسایی هزینه های زیست محیطی مرتبط با انتقال طبقات کاربری زمین را که در گذشته اتفاق افتاده، پیچیده می کند. علاوه بر این، شناسایی استراتژی‌های آینده برای توسعه مناطق شهری که هم قادر به تضمین حفاظت بیشتر از اکوسیستم و ویژگی‌های چشم‌انداز یک منطقه هستند و هم برای حفظ منافع اجتماعی-اقتصادی مرتبط با توسعه مناطق شهری دشوار است. این مقاله استفاده از تکنیک‌های تحلیل داده‌های سنجش از دور را به عنوان ابزاری برای نظارت مستمر بر تغییرات طبقه کاربری زمین در طول زمان پیشنهاد می‌کند و در نتیجه مقدار خاک مصرفی. این مطالعه با استفاده از داده‌های چند رزولوشن و چند طیفی (Landsat) و نرم‌افزار باز و در دسترس آزاد (QGIS، GRASS) اجرا شده است. از مزایای این روش می توان به موارد زیر اشاره کرد:

  • فرصت دستیابی به سری های زمانی بلندمدت از طریق استفاده از داده های لندست، در مدار از سال 1972، با چشم پوشی از وضوح فضایی بالاتر ارائه شده توسط ماهواره های نسل جدید که اجازه ارزیابی تاریخی دوره های زمانی مشابه را نمی دهد [27 ، 28 ] .
  • امکان ارائه یک مجموعه داده کم هزینه به آژانس های ملی و مقامات محلی.
تجزیه و تحلیل‌هایی در منطقه کرکس آلتو-برادانو (منطقه باسیلیکاتا، جنوب ایتالیا) به منظور ارزیابی تأثیر عدم وجود سیاست‌های سرزمینی بر حفاظت از چشم‌انداز و تکه تکه شدن برجسته‌ترین مناطق اکولوژیکی، در دوره در نظر گرفته شده است. .

2. مواد و روشها

2.1. منطقه مطالعه

منطقه مورد مطالعه، ناحیه کوهستانی Vulture Alto-Bradano، در شمال شرقی منطقه Basilicata واقع شده است ( شکل 1 ). بین عرض جغرافیایی: 40°59′45″ شمالی و 40°49′44″ شمالی، طول جغرافیایی: 15°34′55″ شرقی و 16°10′55″ شرقی امتداد می یابد. نام این منطقه از ناحیه کوهستانی کوه کرکس (1326 متر)، زمینی مرتفع جدا شده از خط الراس آپنین گرفته شده است که حدود 45000 هکتار وسعت دارد.
این منطقه شامل 19 شهرداری است که به دو سیستم گروه بندی شده اند:
سیستم کرکس، متشکل از 14 شهرداری: آتلا، باریل، ژینسترا، لاولو، ماشیتو، ملفی، مونتمیلون، راپولا، راپونه، ریونرو در کرکس، ریپاکاندیدا، روو دل مونته، سن فله و ونوسا؛ سیستم آلتو برادانو، متشکل از 5 شهر شهرداری ها: Banzi، Filiano، Forenza، Genzano di Lucania و Palazzo San Gervasio.
در Vulture، می توان مناطق کشاورزی را با مناظر زیبا شناسایی کرد که مشخصه آن موزاییک خاصی از محصولات (تاکستان ها، درختان زیتون) است که در دامنه تپه رشد می کنند، در حالی که از دره برای کشت فشرده غلات استفاده می شود. سیستم قلعه‌های نورمن-سوابی در ناحیه کرکس و سیستم مسیرها و اتصالات در طول دره در جهت شهرداری پوتنزا همچنان بر رابطه نزدیک بین ویژگی‌های مورفولوژیکی، کاربری اراضی و انواع استقرار تأکید دارند. مراکز شهری بیشتر بر فراز تپه ها و در موقعیت تدافعی و مسلط قرار دارند.
سیستم استقرار کرکس آلتو-برادانو در مقایسه با بخش باقی مانده از منطقه دارای ویژگی های خاصی است. این ویژگی ها در مراحل مختلف تاریخی در نتیجه حوادث ناگهانی و عظیم مانند زلزله و پدیده مهاجرت شکل گرفت. روابط نزدیک و فواصل کوتاه در میان بزرگترین شهرداری ها (با بیش از 10000 سکنه) رخ می دهد. این فواصل با وجود مراکز کوچکی که نوعی همشهری ایجاد می کنند، بیشتر کاهش می یابد.
پویایی جمعیتی Vulture Alto-Bradano با جریانی به سمت مراکز اصلی از شهرداری‌های کوچکتر اطراف مشخص می‌شود، که در این مراکز، مهاجرت عمومی به شمال ایتالیا را جبران می‌کند، در حالی که درصد جمعیت از شهرداری‌های مناطق همجوار هستند. قابل توجه نیست

2.2. اصلاحات جوی

در مرحله پیش پردازش تصاویر، یک تصحیح جوی انجام شد، زیرا برای محاسبه بازتاب به زمین (ρ) به اندازه‌گیری‌های جوی متفاوتی نیاز است. به این ترتیب می توان از تکنیک های مبتنی بر تصویر بدون نیاز به اندازه گیری در محل دریافت تصویر بهره برد. در میان تکنیک‌های تصحیح جوی مبتنی بر تصویر، تصحیح DOS1 (تفریق شی تاریک) به کار گرفته شد. این تکنیک بر اساس فرض چاوز [ 29] که در داخل یک تصویر، برخی از پیکسل ها در سایه کامل قرار دارند و تشعشعات دریافتی آنها از ماهواره به دلیل پراکندگی جوی کاذب است. در عمل، با فرض وجود اجسام تاریک با سطوح بازتابنده تقریبا برابر با صفر، حداقل مقدار عدد دیجیتال (DN) از تمام پیکسل های تصویر کم می شود و اثرات ایجاد شده در اثر تعامل با جو حذف می شود. این فرض بر اساس این فرضیه است که سطوح بسیار کمی روی زمین کاملا سیاه هستند. بنابراین، فرض یک درصد به عنوان حداقل مقدار بازتاب بهتر از صفر درصد است.
مسیر تابش به صورت زیر محاسبه می شود:

�پ=�مترمن�–���1%

جایی که:

  • �مترمن�تابشی است که مربوط به مقداری از محاسبه دیجیتال است که در آن مجموع همه پیکسل ها با مقادیر محاسبه شده کمتر یا مساوی با این مقدار برابر با 0.01٪ از کل پیکسل های تصویر است [30 ] .
  • ���1تابش جسم تاریک با مقدار بازتاب 0.01 است.
  • �مترمن�برای تصاویر Landsat با معادله زیر [ 31 ] بیان می شود:

    �مترمن�=م�*�نمترمن�+آ�

    در حالی که درخشندگی یک جسم تاریک به وسیله:

    ���1%=0.01*[(�اس�ن�*ج�س�س*تی�)+�د���]*تی��*د2
درخشندگی مسیر عبارت است از:

�پ=م�*�نمترمن�+آ�–0.01*[(�اس�ن�*ج�س�س*تی�)+�د���]*تی��*د2

جایی که:

1.
م�ضریب ضرب خاصی از باند است (فرداده Landsat)
2.
(RADIANCE_MULT_BAND_x) که در آن x عدد باند است.
3.
�نمترمن�حداقل عدد دیجیتال است.
4.
آ�عامل افزایشی خاص (فرداده لندست) است.
5.
(RADIANCE_ADD_BAND_x) که در آن x عدد باند است.
6.
�اس�ن�میانگین تابش خورشیدی ESO-اتمسفر است.
7.
�سزاویه اوج خورشیدی بر حسب درجه است که معادل θs = 90° – θe است که θe ارتفاع خورشید است.
8.
تی�ضریب عبور جوی در جهت روشنایی است.
9.
�د���تابش نزولی است.
10.
تی�ضریب عبور اتمسفر در جهت دید است.
11.
�فاصله زمین و خورشید بر حسب واحدهای نجومی است.
در تکنیک تصحیح اتمسفر، به ویژه DOS1، فرض می شود که:

12.
تی�= 1;
13.
تی�= 1;
14.
�د���= 0.
نتیجه یک تابش مسیر برابر با:

�پ=م�*�نمترمن�+آ�–0.01*�اس�ن�*ج�س�س/�*د2
بنابراین بازتاب در زمین عبارت است از:

�=[�*(��–�پ)*د2]�اس�ن�*ج�س�س

جایی که ��تابش ماهواره است، و مقادیر ESUN، میانگین تابش جوی خارجی خورشیدی، بر حسب W/(m2 · μm) برای حسگرهای Landsat 4 [ 32 ] و Landsat 5 [ 33 ] در جدول 1 تعریف شده است .

با فرض اینکه عملکرد بازتاب یک جسم �(�)بستگی به ماده ای دارد که سطح آن را تشکیل می دهد [ 34 ]، عملکرد بازتاب نسبت به هر ماده نیز به عنوان امضای طیفی آن شناخته می شود. از طریق ابزار پیش پردازش Band-Calc، مراکز طول موج با توجه به ویژگی های نقشه برداری موضوعی (TM) برای هر باند تنظیم شده است تا ترکیب باندهای لازم برای تشخیص اجزای مختلف محلی را مشاهده کنید.

2.3. طبقه بندی نظارت شده با الگوریتم SMAP

پس از مراحل پیش پردازش، می توان با طبقه بندی نظارت شده ادامه داد، یک تکنیک پردازش تصویر که امکان شناسایی اجزا را با توجه به نشانه های طیفی آنها، مجزا برای هر کلاس پیکسل و نیاز به نظارت یک اپراتور [35] می دهد . بنابراین یک منطقه مورد علاقه (ROI) شناسایی شد. ROI چند ضلعی هایی هستند که به طور خودکار با یک الگوریتم در حال رشد منطقه ایجاد می شوند که از پیکسل های بذر شروع می شود و می توان تصویر را در اطراف آن بخش بندی کرد و هر گروه از پیکسل های متعلق به یک طبقه پوشش زمین را در یک منطقه مورد علاقه محدود کرد و بر اساس امضای طیفی آنها طبقه بندی کرد.
ROI که به طور همگن در کل منطقه شناسایی شده است، دارای سه پارامتر برای کالیبراسیون است:

  • ROI اندازه کوچک حداقل مساحت ROI را در پیکسل ها مشخص می کند، اگر با الگوریتم در حال رشد منطقه ایجاد شود.
  • حداکثر اندازه ROI طول ضلع مربعی را که ROI را نشان می دهد، بر حسب پیکسل مشخص می کند.
  • یک مقدار فاصله طیفی بین پیکسل های بذر و پیکسل های اطراف، یعنی شعاع محدوده بیان شده در واحدهای رادیومتری.
هشت طبقه کاربری زمین در مجموع شناسایی شد ( شکل 2 ). در این مرحله از عکس‌های ارتوفوتوی مربوط به تاریخ‌های در نظر گرفته شده استفاده شده است تا سطح خطا در نواحی طبقه‌بندی محدود شود. برای طبقه بندی تصاویر از الگوریتم حداکثر تخمین متوالی استفاده شد که یک الگوریتم پسینی (SMAP) است. این بخشی از ماژول i.smap GRASS است و یکی از حالت‌های عملیاتی آن را با طبقه‌بندی نشان می‌دهد که از حداکثر احتمال (ML) استفاده می‌کند.
الگوریتم SMAP بر اساس قانون اول جغرافیا توسط والدو توبلر [ 36 ] است: احتمال اینکه پیکسل های نزدیک به یک کلاس تعلق داشته باشند، بیشتر از چیزی است که با پیکسل های دور مشاهده می کنید. دلیل اصلی انتخاب SMAP گسترش وسیع منطقه مورد مطالعه و قابلیت الگوریتم برای پیاده‌سازی تقسیم‌بندی مستقیم بر روی مناطق تصویر و نه بر روی پیکسل‌های جداگانه در نظر گرفته شده است.
در مقیاس‌ها و وضوح‌های مختلف عمل می‌کند، و از ارزیابی‌ها در مقیاس‌های وسیع‌تر برای هدایت ارزیابی‌ها در مقیاس‌هایی که جزئیات بیشتری دارند، استفاده می‌کند. در صورتی که موقعیت آنها در تصویر اغلب تغییر کند، فرد را قادر می‌سازد تا بعد فضایی خطاها را کاهش داده و با کاهش عملیات هموارسازی، از تطبیق پیکسل‌های همسایه به همان کلاس جلوگیری کند [37 ، 38 ، 39 ] .
به طور کلی، روش‌های بیزی تلاش می‌کنند تا مقدار متوسط ​​تقسیم‌بندی اشتباه را به حداقل برسانند و راه‌حل مسئله را بهینه می‌کنند، با در نظر گرفتن:

ایکس^=ارگمترمن�ایکس� سی(ایکس،ایکس)|�=�]

که در آن C ( X , x ) مقدار تخمینی را در بخش واقعی X بر روی مقدار تقریبی تقسیم بندی x نشان می دهد .

را سیاسمآپتابع به فرد اجازه می دهد تا به تدریج مقدار بیشتری را به بخش هایی که شامل تعداد بیشتری از پیکسل های طبقه بندی شده اشتباه است اختصاص دهد.

سیاسمآپ(ایکس،ایکس)=12+∑�=0�2�–1سی�(ایکس،ایکس)

جایی که:

سی�(ایکس،ایکس)=1–∏من=��� (ایکس(من)–ایکس(من))
سیاسمآپرفتار در مقیاس درشت با K تعریف می شود که حاوی پیکسل های طبقه بندی اشتباه است. بنابراین، اگر K تنها مقدار باشد: ک(ک)≠ایکس(ک)، ولی ایکس(من)=ایکس(من)برای همه من>ک، سپس:

سی�(ایکس،ایکس)={1من��≤ک0من��>ک
به این ترتیب، ارزش کل سیاسمآپتابع برابر خواهد بود با:

سیاسمآپ(ایکس،ایکس)=2ک
در نهایت، خطاهای تعریف شده توسط کدر مقیاس درشت، خطاهایی در طبقه‌بندی در مقیاس دقیق‌تر ایجاد می‌کند. بنابراین، مقدار SMAP به طور شهودی به عنوان عرض بزرگترین گروه بندی پیکسل های طبقه بندی نشده تعریف می شود. به این ترتیب، می توان پارامتری را که مقدار یک تقسیم بندی اشتباه را به حداقل می رساند، از طریق رابطه زیر تعیین کرد:

ایکس^=ارگدقیقه� [سیاسمآپ(ایکس،ایکس)|�=�]=ارگدقیقه∑�=0� 2�–1{1–پ(ایکس(من)=ایکس(من) من≥�|�=�)}=ارگدقیقه∑�=0� 2� پ(ایکس(من)=ایکس(من) من≥�|�=�)
از آنجا که زمینه های تصادفی ایکس(�)با تشکیل یک زنجیره مارکوف، امکان محاسبه بازگشتی این تخمین در پارامتر مقیاس n وجود دارد. فرض کنید که ایکس^(من)برای محاسبه شد من>�، از این نتایج برای محاسبه استفاده خواهد شد ایکس^(�).

2.4. تأیید صحت

پس از تکمیل فرآیند طبقه‌بندی، به منظور ارزیابی دقت تصویر و در نتیجه قابلیت اطمینان در مقایسه با آنچه طبقه‌بندی شده است، صحت تأیید شده است.
پیکسل های صحیح از طریق ماتریس خطا، خطاهای حذف (پیکسل های حقیقت زمین به اشتباه شناسایی شده اند) و خطاهای کمیسیون (پیکسل های نقشه طبقه بندی شده که با حقیقت زمین مطابقت ندارند) ارزیابی می شوند.
خروجی یک ماتریس مربع است که در آن تعداد ردیف‌ها و ستون‌ها در مقایسه با کلاس‌های اختصاص داده شده پوشش زمین برابر است. ارزیابی دقت با مقایسه اطلاعات موجود در نقشه و داده های مربوط به حقیقت زمین انجام می شود. می توان دقت کلی را به عنوان نسبت بین تعداد نمونه های طبقه بندی شده به درستی، که از جمع مقادیر قطر اصلی به دست می آید و تعداد کل واحدهای نمونه برداری [40 ] محاسبه کرد (ماتریس کامل فقط حاوی مقادیر غیر صفر است. مورب اصلی). در این مرحله، علاوه بر ضریب K ، مقادیری که باید در نظر گرفته شوند عبارتند از دقت تولیدکننده که در امتداد ستون‌های ماتریس و دقت کاربر در امتداد ردیف‌های ماتریس محاسبه می‌شود.
دقت کلی با نسبت بین مجموع مقادیر روی مورب اصلی و مجموع مقادیر کل تعیین کننده ماتریس تعریف می شود و به صورت زیر بیان می شود:

پج=∑ک=1�پکک

جایی که �تعداد طبقات پوشش زمین است، در حالی که پککپارامترهای محاسبه شده

دقت کاربر، احتمال تعلق یک پیکسل به یک کلاس معین را مشخص می کند، زیرا الگوریتم طبقه بندی پیکسل ها را در کلاس معین برچسب گذاری کرده است و به صورت زیر بیان می شود:

پ�من=پمنمن/پمن+

جایی که پمنمناحتمال یک سلول را تعریف می کند و پمن+مجموع عناصر حاشیه ای در ردیف ها است.

دقت سازنده این احتمال را تعریف می کند که الگوریتم طبقه بندی پیکسل معینی از تصویر را در یک کلاس مشخص برچسب گذاری کرده است، زیرا حقیقت زمینی آن را به عنوان متعلق به آن کلاس تشخیص می دهد و با این صورت بیان می شود:

پآ�=پ��/پ+�

جایی که پ��احتمال یک سلول را تعریف می کند و پ+�مجموع عناصر حاشیه ای در ستون ها است.

را کضریب [ 41 ] نسبت بین احتمال توافق مورد انتظار و عدم توافق را اندازه گیری می کند. این اندازه از همه عناصر ماتریس و نه تنها عناصر موجود در قطر استفاده می کند و به صورت زیر بیان می شود:

ک=پج–∑ک=1�پک+پ+ک1–∑ک=1�پک+پ+ک

2.5. داده ها

فن‌آوری‌های سنجش از دور پیاده‌سازی شده در محیط GIS امکان توسعه یک تحلیل دقیق از تغییرات پوشش زمین در طول زمان را فراهم می‌کند. مرحله طبقه بندی با i.smap GRASS GIS مورد استفاده در نرم افزار QGIS انجام شد. به طور خاص، QGIS 2.12.3 Lyon استفاده شد.
در مرحله اول، طبقه بندی پوشش زمین منطقه مورد مطالعه، از تصاویر ماهواره ای Landsat 4-5 TM (Thematic Mapper) استفاده شده است. به منظور تداوم بیشتر برای هر چهار تاریخ، دوره های تابستانی در نظر گرفته شد:

  • تصویر ماهواره‌ای Landsat 4-5، سنسور TM، در آگوست 1985 به دست آمد.
  • تصویر ماهواره‌ای Landsat 4-5، سنسور TM، در جولای 1993 به دست آمد.
  • تصویر ماهواره‌ای Landsat 4-5، سنسور TM، در ژوئن 2002 به دست آمد.
  • تصویر ماهواره ای Landsat 4-5، سنسور TM، در سپتامبر 2010 به دست آمد.
تصاویر دانلود شده دارای پسوند فایل .tif برای هر باند Landsat و پسوند فایل MTL.txt حاوی اطلاعات فراداده بودند. علاوه بر این، تصاویر قبلاً در WGS84 ارجاع داده شده بودند. این تصاویر از هفت نوار با وضوح فضایی 30 متر × 30 متر (به جز باند 6، با وضوح فضایی 120 متر × 120 متر)، با نوار 185 کیلومتر، وضوح رادیومتری 8 بیت و وضوح زمانی 16 روز بین هر چرخه تکراری.
تفکیک طیفی باندها و مراکز طول موج متناظر آن ها با توجه به ویژگی های نگاشت موضوعی (TM) در جدول زیر نشان داده شده است ( جدول 2 ).
در طول مرحله تعریف ROI، عکس‌های ارتوعکس دیجیتال رنگی و سیاه و سفید در تاریخ‌های مربوطه به عنوان پشتیبان برای شناسایی نواحی، با چند ضلعی‌های ردپای مرتبط با اطلاعات تاریخ عکس هوایی استفاده شده‌اند. این تصاویر توسط ژئوپورتال ملی ایتالیا با وضوح 1:10000 بدست آمده است.

3. نتایج

3.1. طبقه بندی نظارت شده با الگوریتم SMAP

طبقه بندی نظارت شده پس از تصحیح اتمسفر DOS1 انجام شد، که تغییرات مقدار در باندها را فراهم می کند، زیرا اعوجاج های ناشی از حضور جو را حذف می کند. پس از آن، مراکز طول موج با توجه به ویژگی های نقشه برداری موضوعی (TM) برای هر باند تعیین شد.
هدف تجسم ترکیب باندهای لازم برای تشخیص اجزای سرزمینی (رنگ طبیعی RGB 3-2-1، سنتز رنگ کاذب IR 4-3-2، تصویر رنگی کاذب 5-4-3) به استثنای باند مادون قرمز حرارتی بود. 6.
استفاده از طبقه‌بندی نظارت شده امکان تفسیر بهتر تصاویر و طبقه‌بندی دقیق‌تر قلمرو به طبقات را فراهم می‌کرد. هشت طبقه پوشش زمین برای هر تاریخ شناسایی شده است که به شرح زیر تعریف شده است:

  • اب؛
  • چوب؛
  • پوشش گیاهی کم؛
  • مناطق شهری و زمین های مصنوعی؛
  • خاک کشت شده؛
  • خاک شخم زده؛
  • مراتع دائمی؛
  • خاک برهنه
منطقه جغرافیایی مورد بررسی به ویژه بزرگ است. بنابراین، لازم بود تعداد زیادی ROI با توزیع همگن بر روی کل تصویر تعریف شود تا پاسخ بهتری از نظر طبقه بندی به دست آید.
بر روی تصاویر، ROI 588 برای سال 1985، 572 برای سال 1993، 585 برای سال 2002 و 559 برای سال 2010 به ترتیب شناسایی شده است.
نقشه های تولید شده با استفاده از الگوریتم SMAP ( شکل 3 ) امکان نمایش خوبی از هشت کلاس فوق را فراهم می کند.
با مقایسه طبقه بندی ها برای چهار تاریخ ( شکل 4 )، می توان تغییرات در توسعه مناطق شهری و کاربری اراضی را در یک دوره 25 ساله ارزیابی کرد. علیرغم برخی مشکلات مربوط به شباهت بین امضاهای طیفی غالب در مناطق شهری و خاک لخت، تمایز بین مناطق مختلف به راحتی از روی تصاویر قابل خواندن است.
مشکل شباهت امضای طیفی، که عمدتاً بین نواحی شهری و خاک‌های خالی قابل شناسایی است، به جای بین مناطق شهری و سایر پوشش‌های زمین، به طور نامشخصی در تصاویر چهار تاریخ وجود دارد (شکل 5 ) .

3.2. تأیید صحت

از تأیید صحت و مشاهده ماتریس‌های خطای هر طبقه‌بندی، می‌توان صحت کلی هر طبقه‌بندی و همچنین دقت تولیدکننده، دقت کاربر و ضریب K را برجسته کرد (جدول 3 بررسی‌های انجام‌شده برای هر چهار طبقه‌بندی را خلاصه می‌کند . تاریخ).
در مقایسه با چنین مقادیری و نسبت اشیاء به‌درستی طبقه‌بندی‌شده بر مقدار کل، در بین همه طبقه‌بندی‌ها، میانگین درصد اشیاء اشتباه محاسبه‌شده حدود 9 درصد بود. یک اوج منفرد در طبقه بندی برای سال 1993 شناسایی شد که در آن حدود 13٪ از اقلام به درستی طبقه بندی نشده بودند. به طور کلی، درصدهایی که دقت طبقه‌بندی کل را توصیف می‌کنند هرگز به زیر 80 درصد نمی‌رسند، بنابراین، امکان اثبات قابل اعتماد بودن اظهارات، با در نظر گرفتن خطاهای ناشی از حضور اشیاء با علائم طیفی بسیار مشابه (خاک شهری و لخت، خاک‌های شهری و شخم‌زده) و از حداقل را ممکن می‌سازد. درصد اشیاء تنزل داده شده در کلاس‌هایی متفاوت از کلاس‌هایی که در آن قرار گرفته‌اند.

3.3. تشخیص تغییر

ارزیابی تغییرات رخ داده در منطقه بین سال‌های 1985 و 2010، در مقایسه با پوشش زمین شناسایی‌شده، نشان می‌دهد که چگونه در 25 سال، مناطق شهری به جای خاک لخت، به قیمت زمین کشاورزی افزایش یافته است. این داده قبلاً با مشاهده سطوح (km2) و تغییرات پوشش خاک بر حسب درصدهای اندازه‌گیری شده برای تاریخ در نظر گرفته شده قابل مشاهده بود ( جدول 4 ): این تغییرات در یک نمودار بسیار محسوس بود ( شکل 6 ).
با توجه به اینکه این مطالعه به توسعه مناطق شهری توجه ویژه ای دارد، جالب است بدانیم که طبقه شهری برای چهار تاریخ در نظر گرفته شده از 20.62 کیلومتر مربع در سال 1985 به 37.41 کیلومتر مربع در سال 2010 افزایش ثابتی داشته است .
چنین افزایشی به هزینه مناطق اشغال شده توسط علفزارهای دائمی و در درصدهای پایین تر توسط خاک لخت، همانطور که توسط ماتریس های انتقال اندازه گیری شد، که در آن مهاجرت اشیا از یک طبقه به طبقه دیگر در مقایسه با دو تاریخ وجود داشت، رخ داد.
با در نظر گرفتن سایر طبقات، داده های مربوط به آب جالب توجه است، زیرا درصد آنها از 0.22% در سال 1985 به 0.12% در سال 1993 کاهش می یابد و مجدداً در سال 2002 و 2010 به ترتیب به 0.17% و 0.26% افزایش می یابد.
برچسب اختصاص داده شده به کلاس آب شامل آب های دائمی، مانند دو دریاچه کاملاً قابل مشاهده، کرکس و سراکوروو، و بدنه های آبی غیر دائمی، مانند سدهای کوچک و مخازن مصنوعی کوچک است که درصد سطح مرطوب در معرض تغییر است. زمان، زیرا به میزان بارندگی که بر منطقه تأثیر می گذارد نیز بستگی دارد.
در این سطوح، افزایش سطح پوشش گیاهی با کاهش سطح آب مطابقت دارد. به عبارت دیگر، این تغییرات از نظر تغییرات پوشش زمین همبستگی دارند و خطاهای نمونه‌گیری را نشان نمی‌دهند، همانطور که توسط سطوح قابلیت اطمینان در هر دو کلاس پشتیبانی می‌شود. مهاجرت اجسام متعلق به طبقه کم پوشش گیاهی به خاک کشت شده و بالعکس، افزایش قابل توجه خاکهای زیر کشت را در سال 2002 با مساحت 533.07 کیلومتر مربع نشان می دهد .. این را می توان به دو روش مختلف توضیح داد: از یک طرف، این امکان واقعی را توصیف می کند که خاک های کم پوشش گیاهی به خاک های مولد تبدیل شوند. از سوی دیگر، این احتمال را در نظر می گیرد که این تغییرات ممکن است در نتیجه طبقه بندی اشتباه به دلیل امضاهای طیفی بسیار مشابه باشد. با مشاهده مقایسه بین وسعت هر دو طبقه در سال های 1985 و 2010 و ماتریس انتقال آنها ( جدول 5 )، می توان تأیید کرد که تقریباً 17 کیلومتر مربع از مساحت زمین شهرنشین شده است و افزایش 1 درصدی در کشاورزی و کشاورزی وجود دارد. خاک های علفزار دائمی ( شکل 7 ).
داده‌های مربوط به توسعه مناطق شهری در طول دوره در نظر گرفته شده نشان‌دهنده یک تخمین واقعی است، اما با وجود زیرساخت‌های جاده‌ای که به طور کامل در تبدیل شهری قلمرو گنجانده شده‌اند، اما به عنوان زمین در دسترس درک می‌شوند، محدود شده است. در نتیجه بخش قابل توجهی در رابطه با راه های فرعی روستایی، شهری و محلی باید به این درصد اضافه شود که ظاهراً ناچیز است که افزایش 1 درصدی در محدوده در دسترس محیط شهری را بین سال های 1364 تا 1389 در نظر می گیرد.
طبقه بندی اجازه برجسته کردن این عناصر را در ارزیابی ها نمی داد، زیرا مقیاس بزرگ نمایش تصاویر اجازه شناسایی آنها را نمی داد و منطقه مورد مطالعه از شهرهای کوچک با جاده های بسیار باریک تشکیل شده بود. هنگام مقایسه افزایش مناطق شهری بین سال‌های 1985 و 2010 ( شکل 8 ) با داده‌های ارائه‌شده توسط مؤسسه ملی آمار ایتالیا، مربوط به سرشماری‌های جمعیت ساکن در 19 شهرداری منطقه کوهستانی کرکس آلتو، یک اختلاف مورد انتظار رخ داد. برادانو. اگرچه جمعیت از 102110 نفر در سال 1985 به 96679 نفر در سال 2010 کاهش یافت، مناطق شهری با توجه به مقدار تعریف شده قبلی افزایش یافت ( شکل 9 ).

4. بحث

طبقه بندی تصاویر Landsat وابستگی متقابل بین رشد مناطق شهری و وجود زیرساخت های تحرک را نشان می دهد ( شکل 10 ).
ترک فعالیت های کشاورزی، ازدحام وسایل نقلیه در مناطق شهری متراکم تر و تغییرات اقتصادی-اجتماعی منجر به ساخت مسکن در خارج از مراکز شهرها می شود. با این حال، مشکلات دسترسی به دلیل گسترش شهرها، مقامات محلی را ترغیب می کند تا در زیرساخت ها و تکمیل شهرک های تازه توسعه یافته سرمایه گذاری کنند. این مستلزم مشکلات جدید ازدحام و گسترش جدید در خاک های خارج از مراکز شهر است. بنابراین، این پدیده به تکرار خود ادامه می دهد. این گسترش چرخه ای مناطق شهری، که لزوماً ناشی از تقاضای مسکن نیست، یکی از دلایل اصلی ناپایداری الگوهای فعلی کاربری زمین و به ویژه فعالیت های ساختمانی است.
مورد Vulture-Alto Bradano همچنین موضوعی را برجسته می کند که اغلب در سناریوهای ایتالیایی تکرار می شود. ابزارهای برنامه ریزی شهری، منسوخ یا منسوخ شده، در واقع، معمولاً باعث رشد مناطق شهری می شوند. در منطقه باسیلیکاتا، قانون برنامه ریزی شهری 1999/23 نیاز به تجدید کلیه ابزارهای برنامه ریزی شهری منطقه داشت. با این حال، در Vulture-Alto Bradano، تنها دو شهرداری تا به امروز برای ارتقای برنامه‌های خود گام برداشته‌اند ( شکل 11 )، در حالی که در شهرداری‌های باقی‌مانده، توسعه شهری همچنان مطابق با ابزارهای اتخاذ شده در دهه 1980 صورت می‌گیرد و بنابراین، دیگر برای پاسخگویی به نیازهای اجتماعی و شهروندی تغییر یافته مفید نیست.
به طور مشابه، حفاظت از مناظر کشاورزی و طبیعی در منطقه باسیلیکاتا به طرح های منظر سپرده شده است. با این حال، اینها کل منطقه را مطالعه نمی کنند، بلکه فقط برخی از بخش های آن را مطالعه می کنند ( شکل 12 ). به طور خاص، تنها منطقه دریاچه های آتشفشانی کوه کرکس و مونتیچیو دارای قوانین حفاظتی خاصی در داخل منطقه مورد مطالعه است.
فقدان ابزار برنامه‌ریزی قادر به محافظت کافی از سیستم‌های طبیعی و محیطی و حفظ چشم‌انداز، قلمرو را در معرض دگرگونی‌های غیرقابل تنظیم و اغلب ناپایدار و انتقال بین طبقات کاربری زمین، بدون چشم‌انداز ارگانیک قرار می‌دهد. بنابراین نظارت تنها بر تغییرات کاربری زمین نمی تواند از توسعه الگوهای کاربری پایدارتر منطقه اطمینان حاصل کند. بنابراین لازم است دولت ابزارهای برنامه ریزی شهری و منطقه ای به روز و منسجم را ایجاد کند [ 42 ].

5. نتیجه گیری ها

این مقاله اهمیت نظارت بر تغییر کاربری اراضی را به عنوان ابزاری برای تعریف سیاست‌های دولت پایدار برای قلمرو مورد بحث قرار داده است. به طور خاص، روشی برای توسعه نظارت بر تغییرات کاربری زمین از طریق نرم افزار منبع باز و داده های باز ارائه شد. بنابراین، مشخصه روش این است که بسیار قابل دسترس و قابل تکرار توسط مراکز تحقیقاتی و ادارات دولتی با هزینه کم است. این جنبه با توجه به محدودیت منابع اقتصادی سازمان ها و مقامات محلی بسیار حائز اهمیت است.
تغییرات کاربری و پوشش زمین و همچنین پدیده تصرف زمین از طریق یک روش پایش مبتنی بر تکنیک‌های سنجش از دور برای انجام ارزیابی‌های چند زمانی برای ارائه پشتیبانی مهم برای انتخاب‌های برنامه‌ریزی [43، 44 ، 45 ] تحلیل شده‌اند . استفاده از تصاویر ماهواره‌ای (Landsat TM 4-5) و تکنیک‌های سنجش از دور در یک محیط GIS امکان تعریف پارامترهای مختلف را از طریق طبقه‌بندی نظارت شده به منظور تمایز مناطق شهری از سایر طبقات فراهم می‌کند.
این روش به برخی مراحل پیشگیرانه نیاز دارد تا به وضوح عناصر سازنده تصویر را متمایز کند: تصحیح جوی (در مورد خاص DOS1)، محیط منطقه مورد نظر و تعریف مراکز طول موج مربوط به سنسور مورد استفاده در سنجش از دور (در این مورد خاص، Thematic Mapper). پس از این مراحل پیشگیرانه، امکان فهرست بندی طبقات پوشش زمین، تعریف ROI و پیاده سازی طبقه بندی با استفاده از الگوریتم ها وجود دارد (در این مورد از SMAP استفاده شد).
قابلیت اطمینان روش در منطقه کرکس آلتو-برادانو (منطقه باسیلیکاتا، جنوب ایتالیا)، یک منطقه کوهستانی واقع در شمال شرقی منطقه، شامل 19 شهرداری با مفاهیم تاریخی، طبیعی و منظره قوی مورد ارزیابی قرار گرفت.
امکان اجرای یک ارزیابی تاریخی برای چهار تاریخ، با استفاده از تصاویر ماهواره‌ای لندست، این امکان را فراهم کرد که تخمین بزنیم که افزایش مناطق شهری از سال 1985 تا 2010 تقریباً 17 کیلومتر مربع بوده است . در مقایسه با روند کلی، این نتیجه کمتر از میانگین است. با این حال، منطقه کوهستانی Vulture Alto-Bradano از یک روند رایج در جنوب ایتالیا پیروی می کند. در واقع، در اینجا، بیش از هر جای دیگری می توان مشاهده کرد که رها شدن زمین های کشاورزی و مراکز کوچک شهری و در عین حال با افزایش پدیده گسترش شهری همراه است [ 46 ].
روش اتخاذ شده در این مقاله راه ممکن برای بررسی تصرف زمین، با استفاده از داده ها و نرم افزار رایگان را برجسته می کند. مزیت بزرگ این است که چنین روش شناسی می تواند پشتیبانی مهمی برای انتخاب های برنامه ریزی در همه مقیاس ها ایجاد کند. با این حال، پیشرفت‌های آینده باید رویه‌هایی را برای غلبه بر برخی مشکلات مشهود در مرحله طبقه‌بندی نظارت شده، مانند مشکلات الگوریتم‌های طبقه‌بندی برای تمایز بین سطوح مصنوعی و خاک‌های لخت، به دلیل شباهت زیاد بین علائم طیفی این عناصر، ارزیابی کنند. با وجود این مشکلات، رویکرد پیشنهادی در هر صورت بسیار قابل تکرار است، به ویژه به دلیل هزینه های پایین آن، زیرا به طور کامل با استفاده از نرم افزار منبع باز و از طریق داده های باز توسعه یافته است.

منابع

  1. Saragosa, C. L’Insediamento Umano: Ecologia e Sostenibilità ; ویرایشگر Donzelli: رم، ایتالیا، 2005. [ Google Scholar ]
  2. مارتلوزو، اف. Mermet، S. خانوارهای آسیب پذیر انرژی: مشاهده مصرف انرژی در مقابل برآورد تقاضای انرژی بالقوه. سمست. Studi Ric. Geogr. 2014 ، 26 ، 23-34. [ Google Scholar ]
  3. آژانس محیط زیست اروپا، برنامه محیط زیست سازمان ملل متحد. پایین به زمین: تخریب خاک و توسعه پایدار در اروپا. چالشی برای قرن بیست و یکم شماره 16 سری مسائل زیست محیطی; EEA: کپنهاگ، دانمارک، 2000. [ Google Scholar ]
  4. ESPON، EU-LUPA. الگوهای کاربری اراضی اروپا، تحقیقات کاربردی 2013/1/8، خلاصه اجرایی; (پیش نویس نهایی). در دسترس آنلاین: https://www.espon.eu/export/sites/default/Documents/Projects/AppliedResearch/EU-LUPA/DFR/DFR_Scientific_Report_EU-LUPA.pdf (در 1 ژانویه 2015 قابل دسترسی است).
  5. یوینگ، آر. اشمید، تی. کیلینگزورث، آر. زلات، ا. Raudenbush, S. رابطه بین پراکندگی شهری و فعالیت بدنی، چاقی و عوارض. در اکولوژی شهری: دیدگاهی بین المللی در مورد تعامل بین انسان و طبیعت . Marzluff, JM, Schulenberger, E., Endlicher, W., Alberti, M., Bradley, G., Ryan, C., Simon, U., ZumBrunnen, C., Eds. Springer: New York, NY, USA, 2003; صص 567-582. [ Google Scholar ]
  6. یوینگ، RH; بارتولومی، ک. وینکلمن، اس. والترز، جی. Chen, D. Growing Cooler: Evidence on Urban Development and Climate Change ; موسسه زمین شهری: واشنگتن، دی سی، ایالات متحده آمریکا، 2007. [ Google Scholar ]
  7. مارتلوزو، اف. رامانکوتی، ن. هال، RJ; قیمت، DT; پردی، بی. فریدل، ام. شهرنشینی و از دست دادن زمین های کشاورزی برتر: مطالعه موردی در کریدور کلگری-ادمونتون آلبرتا. Reg. محیط زیست چانگ. 2014 ، 15 ، 881-893. [ Google Scholar ] [ CrossRef ]
  8. منافو، م. Tombolini، I. Il Consumo di Suolo در ایتالیا ; ISPRA، Raporti 218/2015; ISPRA: رم، ایتالیا، 2015. [ Google Scholar ]
  9. یوینگ، RH; پندال، آر. چن، DDT اندازه گیری پراکندگی و تاثیر آن . رشد هوشمند آمریکا: واشنگتن، دی سی، ایالات متحده آمریکا، 2002. [ Google Scholar ]
  10. فرنکل، ا. اشکنازی، م. اندازه گیری گسترش شهری: چگونه می توانیم با آن مقابله کنیم؟ محیط زیست طرح. B طرح. دس 2008 ، 35 ، 56-79. [ Google Scholar ] [ CrossRef ]
  11. Torrens, PM یک جعبه ابزار برای اندازه گیری پراکندگی. Appl. تف کردن مقعدی سیاست 2008 ، 1 ، 5-36. [ Google Scholar ] [ CrossRef ]
  12. اوینگ، ویژگی‌های RH، علل و اثرات پراکندگی: مروری بر ادبیات. محیط زیست مطالعه شهری. 1994 ، 21 ، 1-15. [ Google Scholar ]
  13. فولی، جی. دفریس، آر. آسنر، GP; بارفورد، سی. بونان، جی. نجار، SR; چاپین، FS; Coe, MT; روزانه، GC; گیبس، هنگ کنگ؛ و همکاران پیامدهای جهانی استفاده از زمین Science 2005 ، 309 ، 570-574. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  14. مودیکا، جی. لائودری، ل. بارکا، اف. Fichera، CR یک مدل مبتنی بر GIS-MCDA برای ارزیابی مناسب بودن انواع انگور سنتی: مطالعه موردی انگور ‘Mantonico’ (کالابریا، ایتالیا). بین المللی جی. آگریک. محیط زیست Inf. سیستم 2014 ، 5 ، 1-16. [ Google Scholar ] [ CrossRef ]
  15. مودیکا، جی. ویزاری، م. پولینو، ام. Fichera، CR; زوکالی، پ. دی فازیو، S. تجزیه و تحلیل فضایی-زمانی ساختار شیب شهری-روستایی: کاربرد در منظره کوهستانی مدیترانه (سرا سان برونو، ایتالیا). سیستم زمین دینام. 2012 ، 3 ، 263-279. [ Google Scholar ] [ CrossRef ]
  16. سرتا، م. پولی، جی. نقشه ارزش های پیچیده مناظر حاشیه ای شهری: آزمایشی در ناپل (ایتالیا). بین المللی جی. آگریک. محیط زیست Inf. سیستم 2013 ، 4 ، 41-62. [ Google Scholar ] [ CrossRef ]
  17. بروکنر، JK گسترش شهری: تشخیص و درمان. بین المللی Reg. علمی Rev. 2002 , 23 , 160-171. [ Google Scholar ] [ CrossRef ]
  18. Peiser، RB Density و گسترش شهری. اقتصاد زمین 1989 ، 65 ، 193-204. [ Google Scholar ] [ CrossRef ]
  19. Martellozzo، F. پیش بینی انتقال همبستگی بالا از مناظر کشاورزی به مناطق شهری: مطالعه موردی دیاکرونیک در شمال شرقی ایتالیا. بین المللی جی. آگریک. محیط زیست Inf. سیستم 2012 ، 3 ، 22-34. [ Google Scholar ] [ CrossRef ]
  20. مارتلوزو، اف. کلارک، کی سی. اندازه گیری پراکندگی شهری، ادغام و پراکندگی: مطالعه موردی پوردنونه، ایتالیا.محیط زیست طرح. B طرح. دس 2011 ، 38 ، 1085-1104. [ Google Scholar ] [ CrossRef ]
  21. مارتلوزو، اف. کلارک، KC پراکندگی شهری و کمی سازی پراکندگی فضایی. در تحلیل اطلاعات جغرافیایی برای توسعه پایدار و برنامه ریزی اقتصادی ; Borruso, G., Bertazzon, S., Favretto, A., Murgante, B., Torre, CM, Eds. IGI Global: Hershey، PA، USA، 2013; صص 129-142. [ Google Scholar ]
  22. آژانس محیط زیست اروپا گزارش شاخص محیطی 2013—منابع طبیعی و رفاه انسانی در اقتصاد سبز . آژانس محیط زیست اروپا: کپنهاگ، دانمارک، 2013. [ Google Scholar ]
  23. سازمان ملل. تغییر جهان ما: دستور کار 2030 برای توسعه پایدار. UNA/RES/70/1. 21 اکتبر 2015. [ Google Scholar ]
  24. Camagni، R. Liberalismo contro pianificazione؟ Un’ idiosincrasia non autorizzata della teoria Economica. قوس. منطقه Studi Urbani 2007 ، 90 ، 113-131. [ Google Scholar ]
  25. بونورا، P. Consumo di suolo e collasso delle politiche territoriali. چهار تریت 2012 ، 2 ، 1-28. [ Google Scholar ]
  26. Destro، N. Perché i geografi non si occupano di abusivismo edilizio? Il difficile rapporto tra geografia e costruire nonlege in Italy. چهار Dottorato Dip. Geogr. Degli Studi Padova 2011 ، 5 ، 39-47. [ Google Scholar ]
  27. تارانتینو، ای. نوولی، ا. آکیلینو، ام. فیگوریتو، بی. Fratino، U. مقایسه رویکردهای MLC و JavaNNS در طبقه‌بندی تصاویر ماهواره‌ای LANDSAT چند زمانی بر روی یک منطقه رودخانه زودگذر. بین المللی جی. آگریک. محیط زیست Inf. سیستم 2015 ، 6 ، 83-102. [ Google Scholar ] [ CrossRef ]
  28. Fichera، CR; مودیکا، جی. Pollino، M. طبقه بندی پوشش زمین و تجزیه و تحلیل تشخیص تغییر با استفاده از تصاویر سنجش از دور چند زمانی و معیارهای چشم انداز. یورو J. Remote Sens. 2010 ، 45 ، 1-18. [ Google Scholar ] [ CrossRef ]
  29. چاوز، تصحیحات جوی مبتنی بر تصویر PS-بازبینی و بهبود یافت. فتوگرام مهندس سنسور از راه دور 1996 , 62 , 1025-1036. [ Google Scholar ]
  30. سوبرینو، جی. Jiménez-Muñoz، JC; Paolini، L. بازیابی دمای سطح زمین از LANDSAT TM 5. Remote Sens. Environ. 2004 ، 90 ، 434-440. [ Google Scholar ] [ CrossRef ]
  31. کونگدو، ال. منافو، م. مقاله کار: توسعه روشی برای طبقه بندی پوشش زمین در دارالسلام با استفاده از تصاویر لندست . گزارش فنی؛ دانشگاه ساپینزا: رم، ایتالیا، 2012. [ Google Scholar ]
  32. چاندر، جی. مارکهام، بی. رویه‌های کالیبراسیون پرتوسنجی Landsat-5 TM و محدوده دینامیکی پس کالیبراسیون اصلاح شده. IEEE Trans. Goesci. Remote Sens. 2003 ، 41 , 2674–2677. [ Google Scholar ] [ CrossRef ]
  33. فین، نماینده مجلس؛ Yamamoto, KH A Straight Fprward Guide for Processing Radiance and Reflectance برای EO-1 ALI, Landsat 5TM, Landsat7 ETM+ و ASTER. گزارش منتشر نشده؛ USGS/مرکز تعالی علوم اطلاعات مکانی. در دسترس آنلاین: http://cegis.usgs.gov/soil_moisture/pdf/A%20Straight%20Forward%20guide%20for%20Processing%20Radiance%20and%20Reflectance_V_24Jul12.pdf (در تاریخ 1 ژانویه 2015 قابل دسترسی است).
  34. درمنیس، ع. Biagi, L. Telerilevamento: Informazione Territoriale Mediante Immagini da Satellite ; Ambrosiana: میلان، ایتالیا، 2006. [ Google Scholar ]
  35. ریچاردز، جی. جیا، X. روش های طبقه بندی تصویر. در تحلیل تصویر دیجیتال سنجش از دور: مقدمه ; Springer-Verlag: برلین، آلمان؛ هایدلبرگ، آلمان، 2006; صص 295-332. [ Google Scholar ]
  36. Tobler, WR یک فیلم کامپیوتری شبیه سازی رشد شهری در منطقه دیترویت. اقتصاد Geogr. 1970 ، 46 ، 234-240. [ Google Scholar ] [ CrossRef ]
  37. بومن، سی. شاپیرو، ام. مدل میدان تصادفی چند مقیاسی برای تقسیم‌بندی تصویر بیزی. IEEE Trans. فرآیند تصویر 1994 ، 3 ، 162-177. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  38. بومن، سی. Shapiro، M. تقسیم بندی تصویر چندطیفی با استفاده از مدل تصویر چند مقیاسی. در مجموعه مقالات کنفرانس بین المللی IEEE در مورد آکوستیک، پردازش گفتار و سیگنال، سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، 23 تا 26 مارس 1992. صص 565-568.
  39. مک کاولی، جی دی. Engel، BA مقایسه تقسیم بندی صحنه: SMAP، ECHO و حداکثر احتمال. IEEE Trans. Geosci. Remote Sens. 1995 , 33 , 1313-1316. [ Google Scholar ] [ CrossRef ]
  40. کنگالتون، آر. گرین، ک. ارزیابی دقت داده‌های سنجش از راه دور: اصول و روش‌ها . CRC Press: Boca Raton، FL، USA، 2009. [ Google Scholar ]
  41. ون ویلت، جی. برگت، آ.ک. Hagen-zanker، A. بازبینی کاپا برای توضیح تغییر در ارزیابی دقت مدل‌های تغییر کاربری زمین. Ecol. مدل. 2011 ، 222 ، 1367–1375. [ Google Scholar ] [ CrossRef ]
  42. آماتو، اف. میمون، کارشناسی; مارتلوزو، اف. نوله، جی. مورگانته، ب. اثرات سیاست های شهری بر توسعه مناطق شهری. پایداری 2016 ، 8 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  43. Appiah, DO; شرودر، دی. Forkuo، EK; Bugri، JT استفاده از تکنیک های اطلاعات جغرافیایی در استفاده از زمین و تجزیه و تحلیل تغییر پوشش زمین در یک منطقه حومه شهری غنا. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 1265-1289. [ Google Scholar ] [ CrossRef ]
  44. احمد، بی. حسن، ر. Maniruzzaman، KM تجزیه و تحلیل تغییرات مورفولوژیکی شهری شهر داکا، بنگلادش، با استفاده از نحو فضا. ISPRS Int. J. Geo-Inf. 2014 ، 3 ، 1412-1444. [ Google Scholar ] [ CrossRef ]
  45. نوولی، ا. تارانتینو، E. ترکیب شاخص‌های طیفی موردی بر اساس داده‌های حسگر LANDSAT-8 OLI/TIRS برای تشخیص تاکستان پوشش پلاستیکی. سنسور از راه دور Lett. 2015 ، 6 ، 933-941. [ Google Scholar ] [ CrossRef ]
  46. آماتو، اف. پونتراندولفی، پ. مورگانته، ب. حمایت از فعالیت‌های برنامه‌ریزی با ارزیابی و پیش‌بینی پراکندگی شهری با استفاده از تحلیل مکانی-زمانی. Ecol. آگاه کردن. 2015 ، 30 ، 365-378. [ Google Scholar ] [ CrossRef ]
Ijgi 05 00109 g001 1024
شکل 1. مکان منطقه مطالعه: ایتالیا، منطقه باسیلیکاتا و منطقه کرکس آلتو-برادانو.
Ijgi 05 00109 g002 1024
شکل 2. نمودار جریان روش پیشنهادی. DOS، تفریق شیء تاریک.
Ijgi 05 00109 g003 1024
شکل 3. طبقه بندی کرکس آلتو برادانو در سال 1985 با استفاده از الگوریتم SMAP.
Ijgi 05 00109 g004 1024
شکل 4. (الف-د) طبقه بندی منطقه کرکس آلتو-برادانو برای چهار تاریخ.
Ijgi 05 00109 g005 1024
شکل 5. روند نشانه های طیفی نمونه های هر طبقه خاک پوششی برای چهار تاریخ مورد بررسی.
Ijgi 05 00109 g006 1024
شکل 6. مقایسه مناطق برای هر طبقه به ترتیب در سال های 1985، 1993، 2002 و 2010.
Ijgi 05 00109 g007 1024
شکل 7. تغییرات هشت کلاس بین سال های 1985 و 2010.
Ijgi 05 00109 g008 1024
شکل 8. (الف-د) تکامل مناطق شهری به ترتیب در سال های 1985، 1993، 2002 و 2010.
Ijgi 05 00109 g009 1024
شکل 9. مقایسه افزایش جمعیت و افزایش مناطق شهری بین سال‌های 1985 و 2010. توضیح بیشتر در مورد داده های موسسه ملی آمار ایتالیا.
Ijgi 05 00109 g010 1024
شکل 10. زیرساخت های منطقه مورد مطالعه و مناطق شهری/ زمین های مصنوعی در سال 1389.
Ijgi 05 00109 g011 1024
شکل 11. مقررات منطقه بندی کاربری فعلی زمین.
Ijgi 05 00109 g012 1024
شکل 12. پلان منظر “Monticchio”.
جدول
جدول 1. تابش خورشیدی میانگین مقادیر ESO-اتمسفر برای Landsat 4-5.
جدول
جدول 2. وضوح طیفی و طول موج های مرکزی (TM).
جدول
جدول 3. دقت طبقه بندی داده های لندست (%) در سال های 1985، 1993، 2002 و 2010.
جدول
جدول 4. پوشش های خاک در سال های 1985، 1993، 2002 و 2010.
جدول
جدول 5. ماتریس انتقال اشیاء طبقه بندی شده در سال 1985 و 2010.

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370