مدل سازی رابطه بین تولید ناخالص داخلی و منطقه ساخته شده با استفاده از سنجش از دور و داده های GIS: مطالعه موردی هفت شهر بزرگ در کانادا

خلاصه

مقامات شهری/منطقه ای مسئول طراحی و ساختار مورفولوژی شهری بر اساس فعالیت های کاربری مورد نظر هستند. یکی از دغدغه های کلیدی در مورد برنامه ریزی شهری، ایجاد اهداف توسعه ای خاص مانند تولید ناخالص داخلی واقعی (GDP) است. در کانادا، درآمد ناخالص ملی (GNI) عمدتاً به صنایع معدنی و تولیدی متکی است. به منظور تخمین تأثیر توسعه شهر، این مطالعه با هدف استفاده از تکنیک‌های سنجش از دور و سیستم اطلاعات جغرافیایی (GIS) برای ارزیابی رابطه بین منطقه ساخته‌شده و تولید ناخالص داخلی واقعی گزارش‌شده هفت شهر بزرگ در کانادا است. اهداف مطالعه عبارتند از: (1) برای بررسی استفاده از تحلیل رگرسیون بین منطقه ساخته شده به دست آمده از تصاویر Landsat و منطقه صنعتی استخراج شده از داده های سیستم اطلاعات جغرافیایی (GIS). و (2) برای مطالعه رابطه بین منطقه ساخته شده و داده های اجتماعی-اقتصادی (یعنیتولید ناخالص داخلی واقعی، کل جمعیت و کل اشتغال). داده های تجربی شامل 42 تصویر چند زمانی Landsat TM و 42 مجموعه داده برداری GIS کاربری زمین است که از سال 2005 تا 2010 در طول فصل تابستان (ژوئن، جولای و آگوست) برای هفت شهر بزرگ کانادا به دست آمده است. داده های اجتماعی-اقتصادی، شامل تولید ناخالص داخلی واقعی، کل جمعیت و کل اشتغال، از چشم انداز مسکن کلانشهر در همان دوره به دست آمده است. برای تعیین مناطق ساخته شده از هر دو شاخص ایجاد تفاوت عادی شده (NDBI) و شاخص تفاوت عادی شده گیاهی (NDVI) استفاده شد. آن ارزش های ساخته شده بالا در مناطق صنعتی برای تجزیه و تحلیل بیشتر به دست آمد. در نهایت، تحلیل رگرسیون بین تولید ناخالص داخلی واقعی، کل جمعیت و کل اشتغال با توجه به منطقه ساخته شده انجام شد.R ² = 0.82) بین درصد مساحت ساخته شده و منطقه صنعتی در شهر مربوطه. علاوه بر این، یک رابطه خطی قوی ( R2 = 0.8) بین منطقه ساخته شده و داده های اجتماعی-اقتصادی پیدا شد ^.بنابراین، این مطالعه استفاده از سنجش از دور و داده‌های GIS را برای مدل‌سازی داده‌های اجتماعی-اقتصادی ( یعنی تولید ناخالص داخلی واقعی، کل جمعیت و کل اشتغال) توجیه می‌کند. یافته های تحقیق می تواند به مقامات فدرال/شهرداری کمک کند و به عنوان یک شاخص عمومی برای هدف قرار دادن تولید ناخالص داخلی واقعی خاص با توجه به مناطق صنعتی عمل کند.

کلید واژه ها:

سنجش از دور ؛ تصاویر چند زمانی ؛ تصاویر لندست ; منطقه ساخته شده ؛ NDBI _ NDVI ; کاربری زمین ؛ GIS ; منطقه صنعتی ؛ تولید ناخالص داخلی واقعی

چکیده گرافیکی

1. معرفی

سنسورهای ماهواره ای از راه دور تصاویری از سطح زمین را با ثبت انرژی بازتاب شده از اجسام روی زمین به دست می آورند. بنابراین، داده‌های سنجش از دور می‌توانند برای بازیابی اطلاعات معنایی سطح زمین به جای اندازه‌گیری‌های هندسی استفاده شوند. تکنیک‌های طبقه‌بندی تصاویر سنجش از دور برای کمک به شناسایی کاربری زمین/مناطق پوشش زمین استفاده شده است [ 1 ، 2 ]. ویژگی های کاربری/پوشش زمین بدون محدودیت عبارتند از: مسکونی، تجاری و صنعتی، آب، پوشش گیاهی و تالاب [ 3 ]. کاربردهای سنجش از دور، به ویژه در مطالعات اقتصادی-اجتماعی، با هدف ترسیم وسعت فضایی [ 4 ]، جمعیت شهری [ 5 ]، تراکم جمعیت درون شهری [ 6] است.، 7 ] و فعالیت های اقتصادی [ 8 ]. این داده‌ها می‌تواند اطلاعات ارزشمندی را در اختیار مقامات شهری و محققان برای کمک به برنامه‌ریزی شهری و مدیریت شهری قرار دهد. تولید ناخالص داخلی واقعی معمولاً به عنوان شاخصی از تولید سالانه بر روی کالاها و خدمات نهایی یک کشور/شهر عمل می کند. در کانادا، درآمد ناخالص ملی (GNI) عمدتاً به صنایع معدنی و تولیدی و خدمات بستگی دارد [ 9 ]. کانادا یکی از کشورهای برتر معدنی و همچنین یکی از بزرگترین تولیدکنندگان مواد معدنی و فلزات است. صنعت معدن 21 درصد از ارزش کل صادرات کالاهای کانادا را در سال 2010 به خود اختصاص داده است، که در آن 28.6 درصد از بخش صنعتی به کل تولید ناخالص داخلی واقعی کانادا کمک می کند [10] .]. با توجه به توسعه کامل تکنیک‌های سنجش از دور، مطالعات متعددی با استفاده از داده‌های سنجش از دور برای مدل‌سازی تولید ناخالص داخلی واقعی در مقیاس ملی وجود دارد.

ساتون و همکاران [ 11] یک مطالعه موردی را برای تعیین روابط بین تغییرات مشاهده شده در تصاویر ماهواره ای شبانه به دست آمده از سیستم عملیاتی خطوط اسکن برنامه هواشناسی هواشناسی دفاعی (DMSP-OLS) و تغییرات در کل جمعیت و تولید ناخالص داخلی واقعی در چهار کشور (هند، چین، ترکیه و ایالات متحده). برای مدلسازی این رابطه از دو رویکرد در کار تحقیقاتی آنها استفاده شد. اول، از 1992 تا 1993 و 2000 DMSP OLS تصاویر شبانه برای اندازه گیری فعالیت اقتصادی در هر کشور بر اساس مناطق نور گسترده استفاده شد. دوم، مناطق نور گسترده برای مطالعه رابطه با کل جمعیت برای محاسبه تولید ناخالص داخلی واقعی، که در آن چراغ‌های سطح ایالت برای مدل‌سازی رابطه با مقادیر تولید ناخالص داخلی واقعی سطح ایالت بر اساس مدل رگرسیون خطی استفاده شد. با این حال، ساتنو همکاران [ 11 ] نشان داد که روش پیشنهادی برای اندازه گیری تولید ناخالص داخلی واقعی برای کشورهای توسعه یافته ترجیح داده نمی شود. این عمدتاً به این دلیل است که تصویر شبانه به نحوی تراکم جمعیت را نشان می دهد، جایی که تولید ناخالص داخلی کشورهای توسعه یافته ممکن است رابطه خطی بسیار قوی با تراکم جمعیت نداشته باشد. نتایج یک رابطه خطی مثبت قوی تا متوسط (رگرسیون) را در این مطالعه موردی یافت ( R2 = ^0.96 برای چین، 0.84 برای هند، 0.95 برای ترکیه و 0.72 برای ایالات متحده) و فرصت خوبی را برای استفاده از تکنیک سنجش از دور نشان داد. به عنوان ابزاری برای ترسیم فعالیت های اقتصادی در سطوح ملی و فراملی.

Ma و Xu (2010) یک مطالعه تحقیقاتی را در شهر گوانگژو، چین انجام دادند [ 12]. هدف اصلی مطالعه موردی این بود: (1) شناسایی گسترش شهری منطقه ساخته شده شهر گوانگژو در یک دوره 23 ساله از 1979 تا 2002. (2) برای مدل سازی گسترش شهری آن؛ (3) برای ارتباط منطقه ساخته شده از شهر گوانگژو با تولید ناخالص داخلی واقعی، کل جمعیت، درآمد ساکنان شهری و ترافیک شهری شهر. تکنیک طبقه بندی تصویر نظارت شده (الگوریتم حداکثر احتمال) برای طبقه بندی داده های تصویر و استخراج مناطق ساخته شده استفاده شد. گسترش شهری با تحلیل تغییر پویای کاربری زمین مورد ارزیابی قرار گرفت. نتایج نشان داد که شهر گوانگژو از سال 1979 تا 2002 حدود 4.5 برابر گسترش یافته است. این نشان می دهد که شهر گوانگژو حدود 14.2 کیلومتر مربع گسترش یافته است ^.به طور متوسط هر سال یک معادله سه جمله ای بهینه برای تعیین همبستگی بین مناطق ساخته شده و پارامترهای اجتماعی-اقتصادی استفاده شد. ضریب همبستگی بین منطقه شهری ساخته شده و کل جمعیت در داخل شهر حدود 97/0 به دست آمد. مقدار ضریب همبستگی 0.98 بین تولید ناخالص داخلی سرانه و سرانه منطقه سکونت برای ساکنان شهری در شهر تعیین شد [ 12 ].

قوش و همکاران [ 13] ابزار جدیدی به نام شاخص توسعه فناوری اطلاعات و ارتباطات (IDI) برای ارزیابی تولید ناخالص داخلی سرانه کشورهای مختلف جهان توسعه داد. هدف اصلی این مطالعه استفاده از IDI برای سنجش توسعه کشورها به عنوان جوامع اطلاعاتی است. IDI با استفاده از 11 شاخص از فناوری اطلاعات و ارتباطات (ICT) استفاده، دسترسی و مهارت ایجاد شد. شاخص ICT شامل سه شاخص استفاده (کاربران اینترنت، پهنای باند ثابت و پهنای باند سیار) بود. پنج شاخص دسترسی وجود دارد که در شاخص دسترسی (تلفن ثابت، تلفن همراه، پهنای باند اینترنت بین‌المللی، خانوارهای دارای رایانه و خانوارهای دارای اینترنت) قرار دارند. شاخص مهارت یک ورودی بسیار مهم برای IDI است، زیرا نشان دهنده آموزش در داخل کشور است. سه شاخص (سواد بزرگسالان، ثبت نام ناخالص متوسطه و سوم) برای نشان دادن شاخص مهارت در ICT پیشنهاد شد. تصاویر شبانه سال 2006 با یک شبکه جمعیتی LandScan در سال 2006 ترکیب شد تا فعالیت های انسانی در کشورهای مختلف اندازه گیری شود. شبکه جمعیتی LandScan روشی است که می توان از آن برای تعیین کل جمعیت و درصد کل فعالیت اقتصادی کشورها استفاده کرد. گزارش شاخص‌های توسعه جهانی در سال 2008 رکورد تولید ناخالص داخلی سرانه را برای کشورهای مختلف جهان ارائه کرد، جایی که اتحادیه بین‌المللی مخابرات (ITU) IDI را برای 159 کشور محاسبه کرد. ابتدا، نقشه فعالیت انسانی، که از تصاویر شبانه DMSP-OLS و LandScan مشتق شده بود، برای ارزیابی تولید ناخالص داخلی سرانه استفاده شد. دوم، نقشه تولید ناخالص داخلی سرانه، که از تصاویر شبانه DMSP-OLS و LandScan مشتق شده است. با رکوردهای تولید ناخالص داخلی سرانه به دست آمده از گزارش شاخص های توسعه جهانی در سال 2008 همبستگی داشتند. نتایج نشان داد که این رابطه به 0.9 رسیدR ² بر حسب ضریب رگرسیون. در نهایت، از رگرسیون چند جمله ای مرتبه دوم برای ارزیابی رابطه بین تولید ناخالص داخلی سرانه برآورد شده و مقادیر IDI استفاده شد و نتایج حدود ضریب رگرسیون 0.89 را نشان داد. نویسندگان نشان دادند که تصاویر نور سنجش از دور جمع‌آوری‌شده در شب و شبکه جمعیت LandScan را می‌توان برای نمایش نقشه‌های IDI و مقادیر GPD سرانه در وضوح‌های بهتر استفاده کرد [13 ] .

یو و همکاران [ 14] رویکرد دیگری را در استان ژجیانگ واقع در جنوب شرقی چین برای برآورد تولید ناخالص داخلی واقعی پیشنهاد کرد. اهداف اصلی این مطالعه عبارتند از: (1) پیشنهاد یک رویکرد کم هزینه و دقیق برای برآورد تولید ناخالص داخلی واقعی با استفاده از منبع تنوع داده های سنجش از دور. و (2) ارائه یک پایگاه داده مهم برای دولت برای استراتژی های توسعه آینده. تولید ناخالص داخلی واقعی با ترکیب تصاویر شبانه برنامه عملیاتی ماهواره هواشناسی دفاعی (DMSP/OLS)، شاخص‌های پوشش گیاهی جهانی MODIS (MODIS EVI)، با وضوح 250 متر و داده‌های پوشش زمین برای سال 2009 برآورد شد. شاخص سکونت انسانی (HSI) با ادغام تصاویر شبانه (DMSP/OLS) با داده‌های MODIS EVI به منظور تخمین تولید ناخالص داخلی واقعی صنایع ثانویه و سوم استخراج شد. داده های پوشش زمین برای ارائه بهره وری کشاورزی از جمله کشاورزی، جنگلداری، دامپروری و شیلات استفاده شد. سپس از داده های پوشش زمین برای تخمین تولید ناخالص داخلی واقعی صنایع اولیه با استفاده از مکانیزم آستانه استفاده شد. مقادیر روشنایی تصاویر شبانه (DMSP/OLS) با تولید ناخالص داخلی واقعی صنایع ثانویه و سوم در استان ژجیانگ همبستگی داشت و نتایج ضریب همبستگی 0.97 را به دست آورد. مشخص شد که صنایع اولیه، که عمدتاً شامل کشاورزی، جنگل‌داری، دامپروری و ماهیگیری هستند، با استفاده از تصاویر شبانه DMSP/OLS به سختی قابل تشخیص هستند. این عمدتا به دلیل صنایع اولیه است که تنها 5٪ از کل تولید ناخالص داخلی واقعی و وضوح تصویر درشت را نشان می دهند. سپس از داده های پوشش زمین برای تخمین تولید ناخالص داخلی واقعی صنایع اولیه با استفاده از مکانیزم آستانه استفاده شد. مقادیر روشنایی تصاویر شبانه (DMSP/OLS) با تولید ناخالص داخلی واقعی صنایع ثانویه و سوم در استان ژجیانگ همبستگی داشت و نتایج ضریب همبستگی 0.97 را به دست آورد. مشخص شد که صنایع اولیه، که عمدتاً شامل کشاورزی، جنگل‌داری، دامپروری و ماهیگیری هستند، با استفاده از تصاویر شبانه DMSP/OLS به سختی قابل تشخیص هستند. این عمدتا به دلیل صنایع اولیه است که تنها 5٪ از کل تولید ناخالص داخلی واقعی و وضوح تصویر درشت را نشان می دهند. سپس از داده های پوشش زمین برای تخمین تولید ناخالص داخلی واقعی صنایع اولیه با استفاده از مکانیزم آستانه استفاده شد. مقادیر روشنایی تصاویر شبانه (DMSP/OLS) با تولید ناخالص داخلی واقعی صنایع ثانویه و سوم در استان ژجیانگ همبستگی داشت و نتایج ضریب همبستگی 0.97 را به دست آورد. مشخص شد که صنایع اولیه، که عمدتاً شامل کشاورزی، جنگلداری، دامپروری و ماهیگیری است، با استفاده از تصاویر شبانه DMSP/OLS به سختی قابل تشخیص هستند. این عمدتا به دلیل صنایع اولیه است که تنها 5٪ از کل تولید ناخالص داخلی واقعی و وضوح تصویر درشت را نشان می دهند. مقادیر روشنایی تصاویر شبانه (DMSP/OLS) با تولید ناخالص داخلی واقعی صنایع ثانویه و سوم در استان ژجیانگ همبستگی داشت و نتایج ضریب همبستگی 0.97 را به دست آورد. مشخص شد که صنایع اولیه، که عمدتاً شامل کشاورزی، جنگلداری، دامپروری و ماهیگیری است، با استفاده از تصاویر شبانه DMSP/OLS به سختی قابل تشخیص هستند. این عمدتا به دلیل صنایع اولیه است که تنها 5٪ از کل تولید ناخالص داخلی واقعی و وضوح تصویر درشت را نشان می دهند. مقادیر روشنایی تصاویر شبانه (DMSP/OLS) با تولید ناخالص داخلی واقعی صنایع ثانویه و سوم در استان ژجیانگ همبستگی داشت و نتایج ضریب همبستگی 0.97 را به دست آورد. مشخص شد که صنایع اولیه، که عمدتاً شامل کشاورزی، جنگلداری، دامپروری و ماهیگیری است، با استفاده از تصاویر شبانه DMSP/OLS به سختی قابل تشخیص هستند. این عمدتا به دلیل صنایع اولیه است که تنها 5٪ از کل تولید ناخالص داخلی واقعی و وضوح تصویر درشت را نشان می دهند.

علیرغم تلاش های موفقیت آمیز فوق، اکثر مطالعات از تصاویر ماهواره ای جمع آوری شده در شب استفاده کردند که همیشه در دسترس نیستند، زیرا تصاویر شبانه فقط برای مرکز ملی داده های ژئوفیزیکی (NGDC) اداره ملی اقیانوسی و جوی (NOAA) قابل دسترسی هستند. ) اعضا. تصاویر شبانه با توجه به تصاویر Landsat دارای وضوح مکانی پایین (1 کیلومتر ^مربع ) هستند و تصاویر شبانه (DMSP/OLS) ممکن است بهترین گزینه برای تخمین کل جمعیت و مناطق شهری نباشد [15 ]]. علاوه بر این، مطالعات فوق یا در مقیاس ملی یا یک شهر خاص متمرکز شده است. در این کار تحقیقاتی، هدف نویسندگان این است که از تکنیک‌های سنجش از دور و GIS برای ارزیابی رابطه بین منطقه ساخته‌شده و تولید ناخالص داخلی واقعی گزارش‌شده در هفت شهر بزرگ کانادا استفاده کنند. به جای استفاده از تصاویر نور شبانه، ما از تصاویر ماهواره‌ای Landsat TM چند زمانی استفاده کردیم که برای عموم رایگان است و زمان بازبینی کوتاهی دارند [ 16 ]. از آنجایی که تولید ناخالص داخلی واقعی کانادا عمدتاً از معادن و خدمات تولیدی تشکیل شده است، بنابراین ما بر زمین های ساخته شده با کاربری صنعتی تأکید می کنیم و شاخص ساخت و ساز حاصل از سنجش از دور را با توجه به تولید ناخالص داخلی واقعی مربوطه مقایسه می کنیم. هفت شهر بزرگ از 2005 تا 2010.

2. مجموعه داده ها و روش ها

2.1. مجموعه داده ها

هفت شهر بزرگ در کانادا، یعنی تورنتو، اتاوا، مونترال، کبک سیتی، ادمونتون، کلگری و ونکوور، در این مطالعه به دلیل در دسترس بودن داده ها و تفاوت تولید ناخالص داخلی واقعی آنها انتخاب شدند. مجموعه داده های مورد استفاده در این مطالعه شامل سه دسته داده بود: (1) تصاویر ماهواره ای Landsat TM. (2) داده های GIS کاربری زمین. و (3) داده های اجتماعی-اقتصادی، از جمله تولید ناخالص داخلی واقعی، کل جمعیت و کل اشتغال. از آنجایی که داده های GIS کاربری اراضی پس از سال 2010 در دسترس نیست، بنابراین تمامی داده ها از سال 2005 تا 2010 جمع آوری شده است.

در مجموع 42 تصویر Landsat TM از USGS Earth Explorer [ 17 ] دانلود شد. وضوح فضایی تصاویر Landsat برای باندهای چند طیفی 30 متر و برای باند حرارتی 60 متر است. همه این تصاویر به PCI Geomatics V10.1 که یک نرم افزار پردازش تصویر است، وارد شدند، برش داده شدند و سپس به سیستم مختصات UTM نمایش داده شدند. تصحیح اتمسفر با در نظر گرفتن داده های پارامترهای حسگر (نوع حسگر، تاریخ اکتساب، ارتفاع خورشید، اوج خورشید و اندازه پیکسل) و شرایط آب و هوایی (دمای هوا و دید) انجام شد. این تصاویر تصحیح شده متعاقباً برای محاسبه شاخص گیاهی تفاوت نرمال شده (NDVI) و شاخص ساختمان تفاوت عادی شده (NDBI)، همانطور که در بخش 2.2 توضیح داده شد، استفاده شدند.. ما عمداً آن داده‌های به‌دست‌آمده از نوامبر تا مارس را به دلیل ظهور ابرها و پوشش برف نادیده گرفتیم که می‌تواند بر نتایج تجربی تأثیر بگذارد.

در مجموع 42 داده لایه کاربری GIS از GeoPortal Scholars [ 18 ] از سال 2005 تا 2010 به دست آمد. این لایه های کاربری زمین برای تجزیه و تحلیل بیشتر به محیط ArcGIS وارد شدند. مشابه داده های سنجش از دور، همه داده ها به سیستم مختصات UTM مربوطه پیش بینی شدند. داده های اجتماعی-اقتصادی توسط چشم انداز مسکن شهری [ 9 ] برای بیش از 25 سال ارائه شده است. چشم انداز مسکن متروپولیتن، پارامترهای اجتماعی-اقتصادی، مانند تولید ناخالص داخلی واقعی، کل اشتغال و کل جمعیت را برای شهرهای بزرگ کانادا اندازه گیری و ثبت می کند. جدول 1 خلاصه ای از منابع داده های مورد استفاده در این مطالعه است.

2.2. روش شناسی

شکل 1 گردش کار کلی این کار تحقیقاتی را نشان می دهد که می توان آن را در مراحل زیر خلاصه کرد. برای تسریع در پردازش داده ها، همه تصاویر در منطقه مورد مطالعه در هر شهر بریده شدند. تمام زیر مجموعه های تصویر در سیستم مختصات UTM پیش بینی شدند. سپس تصحیحات جوی بر روی تمامی تصاویر لندست چند زمانی انجام شد.

مدل تصحیح جوی (ATCOR2) توسعه یافته توسط ریشتر [ 19 ] برای حذف اثراتی که ویژگی های طیفی ویژگی های زمین را تغییر می دهد [ 20 ] استفاده شد. برای پیاده سازی مدل ATCOR2، اطلاعات آب و هوا (به عنوان مثال، دمای هوا، دید) از آرشیو داده های آب و هوا و آب و هوای ملی کانادا به دست آمد. پارامترهای کالیبراسیون برای سنسور Landsat TM (بایاس و سود) نیز برای تصحیح جو استفاده شد. این پارامترهای کالیبراسیون در فرآیند تصحیح اتمسفر بسیار حیاتی هستند زیرا مقادیر بایاس و افزایش را برای تبدیل عدد دیجیتال تصویر به درخشندگی و متعاقبا تبدیل تابش به بازتاب بالای جو ارائه می‌کنند [21] .]. پس از انجام تصحیح اتمسفر، پارامترهای بیوفیزیکی از تصاویر Landsat استخراج شد. باندهای 3، 4 و 5 تصویر چند طیفی لندست برای تعیین پارامترهای بیوفیزیکی، NDVI و NDBI، منطقه مورد مطالعه به منظور استخراج مناطق ساخته شده روی تصاویر استفاده شد.

با توجه به نحوه استخراج منطقه ساخته شده، ژا و همکاران. [ 22] روشی را برای نقشه برداری از زمین شهری (یا سطح غیرقابل نفوذ) در شهر نانجینگ، چین، با استفاده از تصویر Landsat TM به دلیل وضوح زمانی و طیفی بالای آن نسبت به سایر حسگرها، پیشنهاد کرد. از تصاویر Landsat TM بدون ابر برای استخراج NDBI استفاده شد که نشان دهنده مناطق ساخته شده در منطقه مورد مطالعه است. از آنجایی که مشخص شد برخی از مناطق پوشش گیاهی به دلیل محیط های اطراف پوشش گیاهی به دسته ساخته شده اختصاص داده شده اند، به همین دلیل، NDVI برای نشان دادن پوشش گیاهی در شهر نانجینگ محاسبه شد. پس از آن، مناطق ساخته شده تنظیم شده با استفاده از دستکاری حسابی بین NDBI و NDVI به دست آمد و تنها آن مقادیر مثبت به عنوان مناطق ساخته شده طبقه بندی شدند. سرانجام، یک فیلتر میانه با اندازه هسته 5 پیکسل در 5 پیکسل برای بهبود ظاهر تصویر ساخته شده نهایی استفاده شد. تصویر ساخته شده فیلتر شده به داده های برداری تبدیل شد تا نتایج را با استفاده از تصویر ترکیبی رنگ اصلی تأیید کند. مشخص شد که روش پیشنهادی دارای دقت 92.6 درصد است که می‌تواند منجر به استفاده از آن برای نقشه‌برداری مناطق شهری بهتر از استفاده از NDBI شود.22 ، 23 ، 24 ]. بنابراین در این مطالعه از روش پیشنهادی ژا و همکاران پیروی کردیم. [ 22 ] برای استخراج منطقه ساخته شده. ابتدا، مقادیر NDBI (از 1- تا 1) با استفاده از رابطه ( 1 ) محاسبه می‌شوند:

NDBI = م من R - N من آر م من D + N من آر

(1)

جایی که $M I R$ باند 5 مادون قرمز وسط تصویر Landsat TM است و $N I R$ نوار مادون قرمز نزدیک 4 تصویر Landsat TM است. مقادیر NDVI (از 1- تا 1) به شاخصی اشاره دارد که قادر به نظارت بر فعالیت پوشش گیاهی و تغییرات سالانه آن است، که می توان با استفاده از معادله زیر محاسبه کرد [22 ] :

NDVI = ن من R - R e d ن من R + R e d

(2)

جایی که $N I R$ باند مادون قرمز نزدیک 4 در تصویر لندست است و $R e d$ نوار قرمز 3 در تصویر Landsat است. در نهایت، مناطق ساخته شده با کم کردن لایه NDBI از لایه NDVI با استفاده از معادله زیر از Zha و همکاران تعریف می شوند. [ 22 ]:

ساخته شده مساحت = N D B I - ن D V من

(3)

همان مفهومی که در ژا و همکاران. [ 22 ] در نظر گرفته می شود، جایی که مقادیر مثبت به دست آمده از معادله (3) نشان دهنده مناطق ساخته شده است، یا در غیر این صورت، آنها به مناطق غیر ساخته شده اشاره می کنند. پس از آن، تنها از آن پیکسل های ساخته شده با مقادیر مثبت بالا استفاده شد. مقادیر پیکسل ساخته شده مثبت بالاتر بر اساس هیستوگرام تصویر ساخته شده شناسایی شد. میانگین هیستوگرام تصویر ساخته شده به عنوان یک آستانه برای شناسایی آن مقادیر بالا استفاده شد [ 25 ]. سپس این مقادیر پیکسل ساخته شده مثبت انتخاب شده برای تجزیه و تحلیل بیشتر در ArcGIS به لایه های شکل فایل چند ضلعی تبدیل شدند. شکل 2 زیر یک پیکتوگرام برای نشان دادن نحوه استخراج منطقه ساخته شده را نشان می دهد.

از داده‌های GIS کاربری زمین برای استخراج مناطق صنعتی، تجاری و مسکونی استفاده شد و از آن‌ها برای همبستگی منطقه ساخته شده از Landsat استفاده شد. تمام داده های GIS در منطقه مورد مطالعه در هر شهر برای بهبود عملکرد پردازش داده ها برش داده شد. پیکسل های ساخته شده با نقشه های کاربری زمین برای محاسبه درصد پیکسل های ساخته شده روی هر یک از مناطق کاربری زمین (صنعتی، تجاری و مسکونی) همپوشانی داشتند. شکل 3نمونه ای از شهر مونترال را برای تصویر ساخته شده استخراج شده از تصویر Landsat در سمت چپ شکل و نقشه کاربری زمین استخراج شده از داده های GIS در سمت راست شکل نشان می دهد. رنگ قرمز در تصویر ساخته شده نشان دهنده مقادیر بالاتر ساخته شده است که منعکس کننده ساختمان ها یا سطوح غیرقابل نفوذ در شهر است. رنگ آبی نشان‌دهنده مقدار کمی است که بخشی از پوشش گیاهی یا هر منطقه سبز داخل تصویر را نیز پوشش می‌دهد. شکل 4 پیکسل های ساخته شده را نشان می دهد که استخراج شده و با نقشه کاربری زمین برای شهر مونترال همپوشانی دارند.

در نهایت، داده های اجتماعی-اقتصادی به دست آمده از چشم انداز مسکن شهری [ 9 ]، شامل تولید ناخالص داخلی واقعی، کل اشتغال و کل جمعیت برای هفت شهر، ترسیم و در پلت فرم GIS مورد تجزیه و تحلیل قرار گرفت. در نهایت، مناطق ساخته شده استخراج شده از تصاویر Landsat با سه پارامتر اجتماعی-اقتصادی به منظور آشکار کردن روابط آنها همبستگی داشتند. برای نشان دادن رابطه بین هر دو پارامتر از تحلیل رگرسیون خطی استفاده شد و در این مطالعه از R ² یعنی ضریب تعیین به عنوان شاخصی برای آشکار کردن رابطه بین هر یک از این دو پارامتر استفاده شد . یک فاصله اطمینان 95٪ در سراسر تجزیه و تحلیل رگرسیون خطی استفاده شد.

3. نتایج و بحث

3.1. مناطق ساخته شده

در این بخش، ابتدا تحلیلی برای آشکار کردن رابطه بین مناطق ساخته شده از لندست و مناطق زیر پوشش زمین انجام شد. شکل 5درصد مناطق ساخته شده به دست آمده از تصاویر Landsat با نقشه های کاربری اراضی از داده های GIS را نشان می دهد. تعداد کل پیکسل ها در منطقه ساخته شده از هر کاربری (صنعتی، مسکونی و تجاری) محاسبه شد، جایی که درصد مناطق ساخته شده برای هر کاربری در نقشه محاسبه شد. بیشتر مناطق ساخته شده برگرفته از تصاویر لندست در نواحی صنعتی و مسکونی قرار دارند. با این حال، مناطق ساخته شده عمدتاً در مناطق صنعتی 51٪ – 70٪ در سال 2005، 52٪ – 70٪ در سال 2006، 50٪ -67٪ در سال 2007، 45٪ -73٪ در سال 2008، 51٪ – اشغال شده اند. 75% در سال 2009 و 51% تا 80% در سال 2010. این عمدتاً به دلیل بازتاب بیشتر مناطق صنعتی است که معمولاً با سازه‌های بتنی و آسفالتی همگن در مقایسه با مناطق مسکونی و تجاری روکش شده‌اند. مناطق صنعتی عمدتاً توسط وسعت زیادی از سازه های بتنی بدون هیچ گونه پوشش گیاهی متمایز در محل پوشیده شده اند، جایی که مناطق مسکونی شامل ساختمان ها و خانه های مسکونی است. بسیاری از این ساختمان‌ها و خانه‌های مسکونی دارای پوشش گیاهی هستند که ممکن است بر مقادیر بازتاب طیفی متناظر آنها که در تصاویر Landsat یافت می‌شود، تأثیر بگذارد.

در سال 2005، مناطق ساخته شده به دست آمده از تصاویر Landsat به طور مداوم در مناطق صنعتی در هفت شهر قرار دارند. درصد مناطق ساخته شده در شهرهای بزرگ، مانند شهر تورنتو، مونترال و ونکوور، دارای درصد بیشتری از مناطق ساخته شده در مقایسه با شهرهای کوچک، مانند شهر کبک، بین 10 تا 20 درصد است. . با این حال، درصد مناطق ساخته شده در شهرهای بزرگ، مانند تورنتو، مونترال و ونکوور، به طور قابل توجهی بیشتر از درصد مناطق ساخته شده در شهرهای کوچک، مانند شهر کبک، بین 30 تا 36 درصد است. در سال 2010. چنین یافته هایی را می توان به این دلیل توضیح داد که مناطق صنعتی در شهرهای بزرگ بین 70 تا 100 کیلومتر مربع زمین بیشتری را نسبت به مناطق صنعتی در شهرهای کوچک اشغال می کنند ^.. بیشترین درصد از مناطق ساخته شده در مناطق صنعتی در سال 2010 در شهر تورنتو (81٪) یافت می شود. کمترین درصد از مناطق ساخته شده در مناطق صنعتی در شهر کبک (50٪) قرار دارد. این می تواند به دلیل تنوع صنایع تولیدی و خدماتی در تورنتو باشد، که در مقایسه با شهر کبک اهمیت بیشتری دارند.

شکل 5 تغییرات چشمگیری را در درصد مناطق ساخته شده نشان می دهد که در داخل مناطق مسکونی و تجاری در شهرها قرار دارند. درصد مناطق ساخته شده در مناطق مسکونی و تجاری در شهر کبک و اتاوا از 4.5٪ به 12٪ در طول سال 2005 تا 2010 تغییر کرده است، که می تواند به دلیل گسترش شهری در این دو شهر توضیح داده شود. با این حال، مناطق صنعتی در شهرهای دیگر، مانند تورنتو، مونترال، ونکوور و شهر کلگری، از سال 2005 تا 2010 بین 7٪ تا 10٪ افزایش یافته است. این را می توان با گسترش شهری در بخش صنعت توضیح داد. بیشتر از بخش مسکونی و تجاری در این چهار شهر است.

بیشترین درصد از مناطق ساخته شده در مناطق صنعتی در سال 2005 در شهر تورنتو (70٪) واقع شده است. کمترین درصد از مناطق ساخته شده در مناطق صنعتی در شهر اتاوا (51٪) واقع شده است. این عمدتا به دلیل گسترش شهری است، جایی که کل جمعیت شهر تورنتو حدود پنج میلیون نفر است. با این حال، مجموع جمعیت کل شهر کبک و شهر اتاوا حدود دو میلیون نفر در سال 2005 است [ 9]]. از سال 1384 تا 1389 مشاهده شد که مناطق ساخته شده که در محدوده نواحی صنعتی واقع شده اند به طور قابل توجهی بیشتر از مناطق ساخته شده در محدوده مناطق مسکونی و تجاری است. به همین دلیل، تجزیه و تحلیل بیشتر برای تعیین رگرسیون خطی بین درصد مناطق ساخته شده و مناطق صنعتی از سال 2005 تا 2010 انجام شد. یک رابطه خطی مثبت قوی برای همه مناطق ساخته شده و صنعتی مشاهده شد. مناطق، که در آن R2 = 0.82 برای درصد مناطق ساخته شده در مناطق صنعتی از سال 2005 تا 2010 شناسایی شده است، همانطور که در شکل 6 نشان داده شده ^است .. با این یافته‌ها، می‌توان نتیجه گرفت که مناطق ساخته‌شده لندست عمدتاً مناطق صنعتی را بدون توجه به شهرهای مورد تجزیه و تحلیل نشان می‌دهند. بنابراین، این راه را برای تجزیه و تحلیل بعدی، در بخش 3.2 زیر هموار می کند، که هدف آن مدل سازی رابطه بین مناطق ساخته شده از Landsat با توجه به تولید ناخالص داخلی واقعی، کل جمعیت و کل اشتغال است.

3.2. تجزیه و تحلیل رگرسیون بین پارامترهای اجتماعی-اقتصادی و مناطق ساخته شده

یک تحلیل اولیه برای تعیین رگرسیون خطی بین تولید ناخالص داخلی واقعی، اشتغال کل و کل جمعیت از پارامترهای اجتماعی-اقتصادی با توجه به درصد مناطق ساخته شده از تصاویر سنجش از دور در مناطق صنعتی از سال 2005 انجام شد. تا سال 2010. چنین تحلیل‌هایی در ادبیات موجود، که تصاویر Landsat را برای کاربری صنعتی زمین و پارامترهای اجتماعی-اقتصادی اتخاذ کرده‌اند، گم شده‌اند.

شکل 7 رابطه بین درصد مناطق ساخته شده در مناطق صنعتی و تولید ناخالص داخلی واقعی، کل اشتغال و کل جمعیت را به ترتیب از سال 2005 تا 2010 نشان می دهد. تجزیه و تحلیل اولیه نشان داد که یک رابطه خطی مثبت متوسط برای هر دو پارامتر اجتماعی-اقتصادی و درصد مناطق ساخته شده در مناطق صنعتی از سال 2005 تا 2010 وجود دارد ^. افزایش مناطق در مناطق صنعتی و تولید ناخالص داخلی واقعی. از سوی دیگر، یک R ²0.5 برای درصد مناطق ساخته شده در نواحی صنعتی و کل جمعیت مشاهده شد. ^{علاوه بر} این، رگرسیون خطی بین درصد مناطق ساخته شده در مناطق صنعتی و R2 از کل اشتغال 0.5 بود.

از آنجایی که در شکل 7 تعداد کمی از نقاط پرت مشاهده شد که عمدتاً توسط شهر کلگری و ادمونتون ارائه شده است، در صورت حذف داده های این دو شهر از تجزیه و تحلیل، رگرسیون خطی بین پارامترهای اجتماعی-اقتصادی و درصد ساخته شده است. مناطق بالا در هر شهر به طور قابل توجهی بهبود یافته است. R ² بین درصد مناطق ساخته شده در مناطق صنعتی و تولید ناخالص داخلی واقعی از 0.6 به 0.8 جهش کرد . رگرسیون خطی بین درصد مناطق ساخته شده در نواحی صنعتی و کل جمعیت از 0.5 به 0.83 افزایش یافت. رگرسیون بین درصد مناطق ساخته شده در مناطق صنعتی و کل اشتغال از 0.5 به 0.82 بهبود یافته است، همانطور که در شکل 8 نشان داده شده است.. دلیل کسر کردن این دو شهر برای تجزیه و تحلیل عمدتاً به این دلیل است که شهر ادمونتون و شهر کلگری در استان آلبرتا واقع شده اند که عمدتاً به صنایع نفت و گاز وابسته است (مرکز اطلاعات انرژی کانادا، 2012). بیشتر تولیدکنندگان نفت و گاز در خارج از شهرها قرار دارند. به همین دلیل، مناطق صنعتی درون شهرها ممکن است به طور دقیق تولید ناخالص داخلی واقعی شهرها را نشان ندهند. در نتیجه، شهرهای کلگری و ادمونتون به دلیل رگرسیون کم بین مناطق صنعتی و پارامترهای اجتماعی-اقتصادی از داده ها حذف شدند.

علی‌رغم این نتایج، تمامی خطوط رگرسیون برازش نشان می‌دهند که درصد مناطق ساخته‌شده در نواحی صنعتی با تمامی پارامترهای اجتماعی-اقتصادی مورد استفاده در این مطالعه رابطه مستقیم دارد. تجزیه و تحلیل بیشتر برای تعیین رگرسیون خطی بین منطقه صنعتی از داده های GIS و تولید ناخالص داخلی واقعی از سال 2005 تا 2010 انجام شد. این عمدتاً برای بررسی این است که کدام شهر رگرسیون کلی را متورم می کند. همانطور که در شکل 9 زیر اشاره شد ، نتایج در هر یک از شهرها متفاوت است. یک رابطه خطی مثبت قوی برای مناطق صنعتی و تولید ناخالص داخلی واقعی در شهر اتاوا و شهر ونکوور مشاهده شد که منجر به R 2 ^از 0.9 و 0.8 از سال 2005 تا 2010 شد، همانطور که در نشان داده شده است.شکل 9 الف، ب. یک رابطه خطی مثبت متوسط ( R2 = ^0.7 و 0.6) برای شهرهای تورنتو، مونترال، ادمونتون و شهر کبک، همانطور که در شکل 9 c تا f نشان داده شده است، یافت شد. ^{همانطور که در} شکل 9 نشان داده شده است ، شهر کلگری یک رابطه خطی ضعیف ( R2 = 0.4) بین نواحی صنعتی داخل شهرها و تولید ناخالص داخلی مربوطه از سال 2005 تا 2010 دارد.g. بر اساس مشاهدات قبلی، شهر ادمونتون و کلگری تأثیر منفی بر رگرسیون کلی دارند، زیرا این دو شهر عمدتاً به صنایع نفت و گاز وابسته هستند (مرکز اطلاعات انرژی کانادا، 2012)، که در آن بیشتر نفت و گاز وجود دارد. همانطور که قبلا ذکر شد، تولید کنندگان خارج از شهرها قرار دارند. ^{بنابراین} ، یک رابطه خطی مثبت متوسط ( R2 = 0.66)، زمانی که ادمونتون و کلگری در مجموعه داده درگیر بودند، تعیین شد، همانطور که در شکل 9 h نشان داده شده است. با این حال، در صورت حذف دو شهر فوق، یک رابطه خطی مثبت قوی برای هر دو منطقه صنعتی و تولید ناخالص داخلی واقعی مشاهده شد که منجر به R 2 ^از 0.81 برای تولید ناخالص داخلی واقعی از 2005 تا 2010 شد، همانطور که در نشان داده شده است.شکل 10 .

علیرغم آشکار شدن این رگرسیون های متوسط/قوی، چنین روشی ممکن است در سطح شهر منفرد تکرار نشود، زیرا پارامترهای مشتق شده از سنجش از دور قادر به توضیح مقادیر زیاد واریانس در تولید ناخالص داخلی نیستند. مطالعات توسعه اقتصادی فعلی قبلاً به عوامل خاصی که بر تولید ناخالص داخلی تأثیر می‌گذارند، از جمله مصرف انرژی، سرمایه‌گذاری مستقیم خارجی و انتشار _CO2 اشاره کرده‌اند [ 26 ]. به‌علاوه، اندازه‌گیری برخی از پارامترهایی که به تولید ناخالص داخلی کمک می‌کنند، مانند خرده‌فروشی، بخش خدمات و محموله‌های تولیدکنندگان، دشوار است [ 27] .]. بنابراین، استفاده از تکنیک سنجش از دور برای مدل‌سازی تولید ناخالص داخلی تنها به میزان معینی (در یک بعد فضایی خاص) کمک می‌کند، در حالی که سایر عوامل اجتماعی-اقتصادی و محیطی باید در نظر گرفته شوند تا یک شاخص جهانی‌تر برای پیش‌بینی اقتصادی به دست آید. توسعه در سطح کشور بنابراین، همه این عوامل پنهان ممکن است بر ضریب رگرسیون ( ^R2 ) در هر شهر تأثیر بگذارد.

3.3. بحث

به طور خلاصه، این مطالعه با هدف بررسی توانایی استفاده از تکنیک سنجش از دور برای مدل‌سازی و پیش‌بینی تولید ناخالص داخلی واقعی آن دسته از شهرهایی است که عمدتاً به درآمدهای صنعتی و تولیدی وابسته هستند. برای دستیابی به این هدف، ابتدا باید ثابت کنیم که رابطه ای بین شاخص های مشتق شده از سنجش از دور ( به عنوان مثال ، مناطق ساخته شده) با توجه به مناطق صنعتی وجود دارد که در بخش 3.1 گزارش شده است . با چنین رگرسیون خطی بالایی ( R2 = 0.82) بین مناطق ساخته شده مبتنی بر سنجش از دور و همچنین مناطق صنعتی، می توان فرض کرد که مناطق ساخته شده دارای مولفه بالایی از فعالیت های صنعتی و تولیدی هستند ^.بنابراین، در بخش 3.2ما رابطه بین مناطق ساخته شده لندست را با توجه به تولید ناخالص داخلی واقعی، کل جمعیت و کل اشتغال بررسی می کنیم. یک رگرسیون خطی بالا مشاهده شد ⁽R2= 0.8) برای سه پارامتر اجتماعی-اقتصادی. بنابراین، رویکرد ارائه شده می تواند توسط هر مقام فدرال در کشورهای توسعه یافته تکرار شود، جایی که درآمد عمده آنها به فعالیت های صنعتی و تولیدی وابسته است. با این حال، محدودیت‌های مختلفی در رابطه با مطالعه پژوهشی وجود دارد. (1) داده های GIS به روز بیشتری برای تجمیع یافته ها برای شهرها و کشورهای مختلف مورد نیاز است. (2) اجسام آب و خاک لخت همگی دارای مقادیر شاخص انباشتگی بالایی هستند که ممکن است باعث سردرگمی با سطوح غیرقابل نفوذ شود. اگر این روش در جای دیگری اعمال می شد و هیچ داده GIS وجود نداشت، احتمالاً مشکلاتی ایجاد می کرد، زیرا آب یا خاک خالی می تواند به عنوان مناطق ساخته شده طبقه بندی شود و رابطه با تولید ناخالص داخلی تحت تأثیر قرار می گیرد. (3) سایر تحلیل‌های رگرسیون (مانند رگرسیون غیرخطی) بسته به ماهیت منطقه مورد مطالعه و پارامترهای اجتماعی-اقتصادی مورد مطالعه قابل بررسی هستند. نویسندگان استفاده از رگرسیون غیرخطی را برای اجرای رابطه بین GIS و داده‌های سنجش از دور، با توجه به داده‌های اجتماعی-اقتصادی، از جمله تولید ناخالص داخلی واقعی، جمعیت کل و کل اشتغال، بررسی کرده‌اند. با این حال، بدون توجه به بهبود در همه این شهرها، هیچ روند ثابتی وجود نداردR ² که بنابراین استفاده نامناسب از یک مدل غیر خطی را در این مطالعه موردی خاص نشان می دهد. چنین استدلالی به نوعی در ادبیات موجود از [ 11 ] تا [ 14] پشتیبانی می شود]، که در آن همه این مطالعات استفاده از رویکرد رگرسیون خطی را برای تجزیه و تحلیل داده ها مورد بررسی قرار دادند، که یا در مقیاس ملی یا در یک شهر خاص متمرکز بود و اکثر نتایج نشان دهنده رگرسیون خطی متوسط تا قوی بین سنجش از دور است. اطلاعات به دست آمده با توجه به داده های اجتماعی-اقتصادی. اگرچه ممکن است پارامترهای مورد تجزیه و تحلیل یکسان نباشند، استفاده از رگرسیون خطی به نحوی زمینه های خود را مطابق با این ادبیات موجود دارد. به طور خلاصه، تکنیک سنجش از دور می‌تواند اطلاعات مفیدی برای مدل‌سازی برخی از پارامترهای اجتماعی-اقتصادی ارائه دهد. با این حال، سایر پارامترهای اجتماعی-اقتصادی و مدل های تجربی باید در نظر گرفته شوند تا شاخص جهانی تر برای پیش بینی تولید ناخالص داخلی ایجاد شود. در نتیجه،₂ انتشار [ 26 ]، و همچنین توسعه یک تکنیک جدید برای بازیابی منطقه ساخته شده برای آن مناطق واقع در یک محیط خشک و منطقه سرد یا شهر طراحی شده خاص، مانند یک شهر سبز.

4. نتیجه گیری

این مطالعه با هدف بررسی رابطه بین منطقه ساخته شده و همچنین سه پارامتر اجتماعی-اقتصادی (تولید ناخالص داخلی واقعی، کل جمعیت و کل اشتغال) به منظور تسهیل هر گونه توسعه شهری جدید و برنامه ریزی منطقه ای، با مطالعه موردی هفت شهر بزرگ کانادا از آنجایی که همه شهرها یک مجموعه داده کاربری جامع GIS برای یافتن مناطق ساخته شده ندارند، بنابراین ما پیشنهاد کردیم که از داده های سنجش از دور برای تخمین مناطق ساخته شده برای دستیابی به چنین هدفی استفاده کنیم. در این مطالعه، ما 42 تصویر Landsat و 42 نقشه کاربری زمین را به منظور بررسی رگرسیون بین درصد مناطق ساخته شده استخراج شده از تصویر ماهواره ای و تولید ناخالص داخلی واقعی گزارش شده در هفت شهر بزرگ کانادا، تجزیه و تحلیل کردیم. تصاویر Landsat TM ابتدا از نظر جوی تصحیح شدند. و مقادیر ساخته شده با استفاده از NDBI و NDVI محاسبه شد. آن مقادیر بالا ساخته شده در مناطق صنعتی از تصاویر Landsat برای تجزیه و تحلیل بعدی استخراج شد. ارزش های ساخته شده در مناطق صنعتی با مناطق صنعتی در هفت شهر با یک رابطه خطی مثبت قوی همبستگی داشت (R2 = 0.82) از سال 2005 تا 2010 یافت شد. تجزیه و تحلیل بیشتر برای بررسی رگرسیون بین تولید ناخالص داخلی واقعی، جمعیت و کل اشتغال با توجه به مناطق ساخته شده انجام شد ^.مشخص شد که درصد مناطق ساخته شده که در نواحی صنعتی واقع شده‌اند، در صورت در نظر گرفتن همه استنادها در مجموعه داده‌ها، رابطه خطی مثبت متوسطی ( ^{6/0 و 5/0=R2} ) با پارامترهای اجتماعی-اقتصادی دارد. با این حال، بهبود رگرسیون ضریب ⁽ R2= 0.8، 0.82 و 0.83) زمانی مشاهده شد که شهر ادمونتون و کلگری از تجزیه و تحلیل حذف شدند، زیرا این شهرها درآمد ناخالص نسبتا بالایی از صنعت معدن نفت دارند که به قطعه زمین بزرگی برای تولید نیاز ندارد. با رگرسیون یافت شده، نتایج را می توان به عنوان یک نشانه عمومی برای مقامات فدرال/شهرداری، که هدف یا هدف قرار دادن یک تولید ناخالص داخلی واقعی خاص با توجه به مناطق صنعتی برنامه ریزی شده برای مدیریت شهر هستند، استفاده کرد. کار آینده را می توان بر روی توسعه یک روش جدید برای استخراج دقیق منطقه ساخته شده برای محیط/کشور منطقه خشک یا سرد متمرکز کرد، زیرا رویکرد NDBI-NDVI ممکن است در آن منطقه برای استخراج منطقه ساخته شده قابل اجرا نباشد. علاوه بر این، رابطه بین تولید ناخالص داخلی واقعی،

منابع

Cihlar، J. نقشه برداری پوشش زمین از مناطق بزرگ از ماهواره ها: وضعیت و اولویت های تحقیق. بین المللی J. Remote Sens. 2000 , 21 , 1093-1114. [ Google Scholar ] [ CrossRef ]
Yan، WY; شاکر، ا. الاشماوی، N. طبقه بندی پوشش زمین شهری با استفاده از داده های هوابرد LiDAR: یک بررسی. سنسور از راه دور محیط. 2015 ، 158 ، 295-310. [ Google Scholar ] [ CrossRef ]
سلچوک، ر. Nişnci، R. بایرام، U. یالچین، الف. نظارت بر تغییرات کاربری زمین با استفاده از GIS و تکنیک‌های سنجش از دور: مطالعه موردی ترابزون. در مجموعه مقالات دومین کنفرانس منطقه ای FIG، مراکش، مراکش، 2 تا 5 دسامبر 2003. صص 1-11.
هوانگ، دبلیو. زنگ، ی. لی، اس. تجزیه و تحلیل گسترش شهری و ویژگی های حرارتی مرتبط با آن با استفاده از تصاویر Landsat. Geocarto Int. 2015 ، 30 ، 93-103. [ Google Scholar ] [ CrossRef ]
ساتن، پی. رابرتز، دی. الویدج، سی. باگ، ک. سرشماری از بهشت: برآوردی از جمعیت جهانی انسان با استفاده از تصاویر ماهواره ای شبانه. بین المللی J. Remote Sens. 2001 , 22 , 3061-3076. [ Google Scholar ] [ CrossRef ]
ساتن، پی. رابرتز، دی. الویدج، سی. Meij, H. مقایسه تصاویر ماهواره ای شبانه و تراکم جمعیت برای قاره ایالات متحده. فتوگرام مهندس Remote Sens. 1997 , 63 , 1303-1313. [ Google Scholar ]
ساتون، رایانه شخصی؛ الویدج، سی. Obremski, T. ساخت و ارزیابی مدل‌ها برای تخمین تراکم جمعیت محیط. فتوگرام. مهندس Remote Sens. 2003 , 69 , 545-553. [ Google Scholar ] [ CrossRef ]
ساتون، رایانه شخصی؛ Costanza، R. برآوردهای جهانی ارزش های بازاری و غیربازاری که از تصاویر ماهواره ای شبانه، پوشش زمین، و ارزش گذاری خدمات اکوسیستم به دست آمده است. Ecol. اقتصاد 2002 ، 41 ، 509-527. [ Google Scholar ] [ CrossRef ]
چشم انداز مسکن شهری تجزیه و تحلیل عمیق مسکن برای کانادا، استان ها و نه منطقه شهری. در دسترس آنلاین: http://www.genworth.ca/en/pdfs/Metropolitan_Housing_Outlook_Autumn13_EN.pdf (در 19 ژوئن 2014 قابل دسترسی است).
انجمن معدن کانادا Facts and Figures 2011. در دسترس آنلاین: http://www.miningnorth.com/wp-content/uploads/2012/04/MAC-FactsFigures-2011-English-small.pdf (در 28 ژوئن 2014 قابل دسترسی است).
ساتون، رایانه شخصی؛ الویج، سی دی; Ghosh, T. برآورد تولید ناخالص داخلی در مقیاس های زیر ملی با استفاده از تصاویر ماهواره ای شبانه. بین المللی جی. اکول. اقتصاد آمار 2007 ، 8 ، 5-21. [ Google Scholar ]
ممکن است.؛ Xu، R. نظارت سنجش از دور و تجزیه و تحلیل نیروی محرکه گسترش شهری در شهر گوانگژو، چین. Habitat Int. 2010 ، 34 ، 228-235. [ Google Scholar ] [ CrossRef ]
قوش، ت. الویدج، سی دی برآورد شاخص توسعه اطلاعات و فناوری (IDI) با استفاده از تصاویر ماهواره ای شبانه. Proc. آسیا-پک. Adv. شبکه 2010 ، 30 ، 143-171. [ Google Scholar ] [ CrossRef ]
یو، دبلیو. گائو، جی. یانگ، X. برآورد تولید ناخالص داخلی با استفاده از داده های سنجش از راه دور چند حسگر: مطالعه موردی در استان ژجیانگ، شرق چین. Remote Sens. 2014 , 6 , 7260–7275. [ Google Scholar ] [ CrossRef ]
لیو، کیو. ساتون، رایانه شخصی؛ Elvidge، CD روابط بین تصاویر شبانه و تراکم جمعیت برای هنگ کنگ. Proc. آسیا-پک. Adv. شبکه 2011 ، 31 ، 79-90. [ Google Scholar ] [ CrossRef ]
Yan، WY; ماهندراجاه، پ. شاکر، ا. فیصل، ک. لونگ، آر. آل احمد، م. تجزیه و تحلیل تصاویر ماهواره ای لندست چند زمانی برای پایش دمای سطح زمین سایت های دفع زباله های جامد شهری. محیط زیست نظارت کنید. ارزیابی کنید. 2014 ، 186 ، 8161-8173. [ Google Scholar ] [ CrossRef ] [ PubMed ]
سازمان زمین شناسی ایالات متحده در دسترس آنلاین: http://earthexplorer.usgs.gov/ (در 25 آوریل 2014 قابل دسترسی است).
GeoPortal Scholars. در دسترس آنلاین: http://geo2.scholarsportal.info (در 19 آوریل 2014 قابل دسترسی است).
Richter, R. تصحیح تصاویر ماهواره ای بر روی زمین های کوهستانی. Appl. انتخاب کنید 1998 ، 37 ، 4004-4015. [ Google Scholar ] [ CrossRef ] [ PubMed ]
پائولینی، ال. گریگز، اف. سوبرینو، جی. Jiménez Muñoz، JC; Karszenbaum، H. اثرات تصحیح رادیومتری در مطالعات تشخیص تغییر چند تاریخ/چند سنسور Landsat. بین المللی J. Remote Sens. 2006 ، 27 ، 685-704. [ Google Scholar ] [ CrossRef ]
چاندر، جی. مارکهام، BL; Helder، DL خلاصه ای از ضرایب کالیبراسیون رادیومتری فعلی برای سنسورهای Landsat MSS، TM، ETM+ و EO-1 ALI. سنسور از راه دور محیط. 2009 ، 113 ، 893-903. [ Google Scholar ] [ CrossRef ]
ژا، ی. گائو، جی. Ni، S. استفاده از شاخص ایجاد تفاوت نرمال شده در نقشه برداری خودکار مناطق شهری از تصاویر TM. بین المللی J. Remote Sens. 2003 , 24 , 583-594. [ Google Scholar ] [ CrossRef ]
بهاتی، اس اس. Tripathi، NK استخراج منطقه ساخته شده با استفاده از تصاویر Landsat 8 OLI. GISci. Remote Sens. 2014 ، 51 ، 445-467. [ Google Scholar ] [ CrossRef ]
او، سی. کشتی.؛ زی، دی. ژائو، ی. بهبود شاخص ایجاد تفاوت نرمال شده برای نقشه‌برداری مناطق ساخته‌شده شهری با استفاده از رویکرد تقسیم‌بندی نیمه خودکار. سنسور از راه دور Lett. 2010 ، 1 ، 213-221. [ Google Scholar ] [ CrossRef ]
فاسیال، ک. Shaker, A. استفاده از تکنیک سنجش از دور برای پیش بینی تولید ناخالص داخلی (GDP): تجزیه و تحلیل شاخص ساخته شده و تولید ناخالص داخلی در 9 شهر بزرگ در کانادا. بین المللی قوس. فتوگرام. حسگر از راه دور اسپات. Inf. علمی 2014 ، XL-7 ، 85–92. [ Google Scholar ] [ CrossRef ]
پائو، اچ تی. Tsai، CM علیت گرانجر چند متغیره بین انتشار CO ₂ ، مصرف انرژی، FDI (سرمایه گذاری مستقیم خارجی) و تولید ناخالص داخلی (تولید ناخالص داخلی): شواهد از پانل کشورهای BRIC (برزیل، فدراسیون روسیه، هند و چین). انرژی 2011 ، 36 ، 685-693. [ Google Scholar ] [ CrossRef ]
لندفلد، اس جی; سسکین، EP; Fraumeni، BM گرفتن نبض اقتصاد: اندازه گیری تولید ناخالص داخلی. جی. اکون. چشم انداز 2008 ، 22 ، 193-193. [ Google Scholar ] [ CrossRef ]

شکل 1. گردش کار کلی.

شکل 2. یک پیکتوگرام برای نشان دادن نحوه استخراج منطقه ساخته شده.

شکل 3. Landsat تصویر ساخته شده ( سمت چپ ) و نقشه کاربری زمین ( راست ) برای شهر مونترال به دست آمده است.

شکل 4. تصویری از پیکسل های ساخته شده روی نقشه کاربری زمین.

شکل 5. درصد مناطق ساخته شده در داخل کاربری. ( الف ) 2005; ( ب ) 2006; ( ج ) 2007; ( د ) 2008; ( ه ) 2009; ( f ) 2010.

شکل 6. رابطه بین درصد مناطق ساخته شده و نواحی صنعتی از سال 2005 تا 2010.

شکل 7. رابطه بین درصد مناطق ساخته شده و پارامترهای اجتماعی-اقتصادی از سال 2005 تا 2010. ( الف ) درصد مناطق ساخته شده در مقابل تولید ناخالص داخلی. ( ب ) درصد مناطق ساخته شده در مقابل کل اشتغال. ( ج ) درصد مناطق ساخته شده در مقابل جمعیت.

شکل 8. رابطه بین درصد مناطق ساخته شده و پارامترهای اجتماعی-اقتصادی بدون ادمونتون و کلگری از سال 2005 تا 2010. ( الف ) درصد مناطق ساخته شده در مقابل . تولید ناخالص ملی؛ ( ب ) درصد مناطق ساخته شده در مقابل . کل اشتغال؛ ( ج ) درصد مناطق ساخته شده در مقابل جمعیت.

شکل 9. رابطه بین تولید ناخالص داخلی واقعی و مناطق صنعتی از سال 2005 تا 2010. ( الف ) شهر اتاوا. ( ب ) شهر ونکوور؛ ( ج ) شهر تورنتو؛ ( د ) شهر مونترال؛ ( ه ) شهر ادمونتون؛ ( f ) شهر کبک؛ ( ز ) شهر کلگری؛ ( ح ) همه شهرها.

شکل 10. تولید ناخالص داخلی واقعی در مقابل . مناطق صنعتی بدون ادمونتون و کلگری.

جدول 1. منابع داده مورد استفاده در این مطالعه.

© 2016 توسط نویسندگان؛ دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons by Attribution (CC-BY) (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب