چکیده
ما پتانسیل تصاویر چند طیفی GeoEye را برای ارزیابی تنوع زیستی در یک بافت شهری در بنگلور، هند ارزیابی کردیم. 21 شبکه 150 در 150 متری به طور تصادفی در مرکز شهر قرار گرفتند و همه گونه های درختی درون این شبکه ها در مزرعه نقشه برداری شدند. شش گونه رایج، که مجموعاً 43 درصد از کل درختان نمونه برداری شده را تشکیل می دهند، برای نقشه برداری با استفاده از رویکردهای مبتنی بر پیکسل و شیء انتخاب شدند. همه جفت گونه ها بر اساس مقادیر بازتاب طیفی در حداقل یک باند قابل تفکیک بودند و Peltophorum pterocarpum متمایزترین از گونه های دیگر بود. روشهای مبتنی بر شی به طور مداوم نسبت به روشهای مبتنی بر پیکسل برتری داشتند، که مخصوصاً برای گونههای درختی با اندازههای تاجپوش کوچک، مانند Cocos nucifera و دقت پایینی داشتند.رویستونا رژیا بین تعداد درختان تعیینشده بر روی زمین و طبقهبندی مبتنی بر شی همبستگی قوی و معنیداری وجود داشت. به طور کلی، رویکردهای مبتنی بر شی قادر به تمایز شش گونه رایج در یک محیط شهری چالش برانگیز، با ناهمگونی قابل توجهی از اندازه تاج درختان هستند.
کلید واژه ها:
اکولوژی شهری ; تنوع درختی ؛ نظارت بر محیط زیست ؛ تصویرسازی فرافضایی ; هند
1. مقدمه
سنجش از دور مدتهاست که به دلیل کاربرد آن در پیشبرد تحقیقات زیستمحیطی، بهویژه، به دلیل توانایی آن در تسهیل ارزیابی و نظارت بر تنوع زیستی [ 1 ، 2 ] منادی شده است. در دهههای گذشته، بسیاری از این تحقیقات بر ارزیابی غیرمستقیم تنوع زیستی از طریق نقشهبرداری از پارامترها، مانند گستره زیستگاه و الگوی چشمانداز، که این موضوع را با تنوع زیستی مرتبط میکند، متمرکز بود [ 3 ]. با این حال، در سالهای اخیر، افزایش قدرت تفکیک فضایی و طیفی حسگرهای از راه دور، انجام نقشهبرداری مستقیم از تنوع زیستی، از طریق نقشهبرداری تاجپوشها و مجموعههای گیاهان و درختان و در برخی موارد، از طریق شناسایی گونههای منفرد درختان را به طور فزایندهای امکانپذیر کرده است. [ 4 ، 5].
تصاویر با وضوح فضایی بسیار بالا، شناسایی دقیق خطوط فضایی اشیاء کوچک، مانند سایبان درختان را ممکن میسازد، اما چالشهایی هنوز از نظر استفاده واقعی وجود دارد. به عنوان مثال، در وضوح فضایی ارائه شده توسط حسگرهای فرافضایی فعلی، مانند IKONOS، GeoEye و QuickBird، تفاوتهای بین برگها، پوسته و سایه روشنشده با نور خورشید برجسته میشود و ترسیم تاج درختان را دشوار میکند [ 6 ]. در چنین شرایطی، طبقهبندی سنتی و مبتنی بر پیکسل تاجپوشهای درختی، به دلیل کنتراست بالا بین پیکسلهایی که بخشهای مختلف یک شی واحد را نشان میدهند، چالش برانگیز میشود [ 7 ]]. در عوض، الگوریتمهای طبقهبندی شیگرا بهعنوان بسیار مفید پیشنهاد شدهاند، که در آن واحدهای طبقهبندی پیکسلهای منفرد نیستند، بلکه بهعنوان بخشهایی در یک تصویر در نظر گرفته میشوند که ویژگیهای مشابهی دارند، مانند یک بافت فضایی یا الگوی خاص [ 8 ]. . سپس طبقهبندی بر روی این اشیاء انجام میشود و از اطلاعات مکانی مانند مکان، ناحیه، شکل، بافت یا الگوی جهت آنها استفاده میشود تا طبقهبندیهای آگاهانهتری تولید شود [ 7 ، 9 ].]. طبقهبندی شیگرا معمولاً با ترسیم و تولید بخشها در مقیاسهای چندگانه آغاز میشود، که سپس به واحد اساسی تجزیه و تحلیل تصویر تبدیل میشود، برخلاف رویکردهای هر پیکسل، که یک پیکسل را به عنوان واحد اصلی تجزیه و تحلیل در نظر میگیرند و اطلاعات مربوط به شکل را حذف میکنند. و بافت فضایی [ 7 ]. بیشتر رویکردهای طبقهبندی شی گرا رویکرد تقسیمبندی تصویر با وضوح چندگانه را به کار میگیرند، که اطلاعات تصویر را در لایههای شی چندگانه نشان میدهد که در مقیاسهای مختلف روی هم قرار گرفتهاند، و امکان تجزیه و تحلیل اشیاء را در مقیاس خاصی بر اساس اطلاعات طیفی یا بافتی فراهم میکند، در حالی که اشیاء دیگر ، شاید در مقیاس های دقیق تر، می تواند بر اساس دانش تخصصی یا میدانی از زمینه محلی تجزیه و تحلیل شود [ 6 ].
همچنان بحث بر سر بهترین رویکردها برای به دست آوردن اطلاعات در مورد تنوع زیستی از تصاویر فرافضایی [ 3 ] وجود دارد. مطالعاتی که وجود دارد محدود است و عمدتاً در محیط های جنگلی یا ساوانا انجام شده است (به عنوان مثال، [ 10 ، 11 ، 12 ، 13 ]). شهرها کمتر مورد بررسی قرار گرفتهاند، بهویژه از دیدگاه اکولوژیک (اگرچه مطالعات زیادی وجود داشته است که استفاده از تصاویر فضایی بسیار بالا را برای نقشهبرداری از ویژگیهای شهری، به عنوان مثال، [ 14 ، 15 ] بررسی میکند). با این حال، شهرها یکی دیگر از عرصه های غنی از تنوع زیستی را تشکیل می دهند که تاکنون عمدتاً کشف نشده بود [ 16 ]]، که با ورود به عصر آنتروپوسن، نیازمند کاوش بیشتر است. با توجه به اینکه بیش از 50 درصد از جمعیت جهان در حال حاضر در شهرها زندگی می کنند [ 17 ]، ارزیابی، نظارت و درک زمینه ای که تنوع زیستی شهری در آن گنجانده شده است بسیار مهم است.
شهرها همچنین چالش مهمی برای نظارت بر تنوع زیستی هستند. تنوع گونهای که در شهرها یافت میشود اغلب بیشتر از اکوسیستمهای روستایی یا بومی است، با مناطق شهری که اغلب تعداد زیادی از گونههای بیگانه را در خود جای دادهاند که ممکن است خودکفا باشند، اما اغلب با مداخله و ورودی مداوم انسان کاشته و نگهداری میشوند [ 18 ، 19 ] . بنابراین، رویکردهای مرسوم که بر اطلاعات اکولوژیکی متکی هستند، مانند کیفیت زیستگاه، تنوع زیست محیطی، موقعیت بیوفیزیکی یا بافت چشم انداز برای نقشه توزیع تنوع زیستی [ 1 ، 12 ]]، اجرای چالش برانگیز در محیطهای شهری است، جایی که گونههایی که ممکن است هرگز همزمان در طبیعت با کاشت عمدی در هم آمیخته شدهاند و گونههایی که معمولاً در عرضهای جغرافیایی، ارتفاعات، شیبها یا پوششهای اقلیمی خاص، خاکها یا زمینههای چشمانداز یافت نمیشوند، مواجه میشوند. به دلیل انتخاب انسان برای مکان کاشت و اتکای زیاد به افزودن نهاده هایی مانند آب و کود [ 19 ].
این مقاله بر ارزیابی پتانسیل تصاویر ماهوارهای با وضوح بسیار بالا برای نقشهبرداری و شناسایی گونههای درختی در محیطهای شهری ناهمگن، تنوع زیستی و چالش برانگیز، با استفاده از شهر بنگالور در جنوب هند که بهسرعت در حال رشد است، به عنوان مطالعه موردی تمرکز دارد. هدف ما توسعه و آزمایش روشهای شیگرا برای نقشهبرداری درختی و ارزیابی تنوع زیستی در بنگلور و مقایسه آنها با رویکردهای سنتی مبتنی بر پیکسل برای طبقهبندی، ارزیابی دقت نسبی هر دو رویکرد و شناسایی چالشها و پتانسیل برای تحقیقات بیشتر است.
2. منطقه مطالعه
بنگلور، پایتخت ایالت کارناتاکا در جنوب هند، در سال های اخیر به دلیل صنعت فناوری اطلاعات خود در سطح بین المللی مشهور شده است. علاوه بر این، این شهر دارای تاریخچه طولانی سکونت است و در هند به دلیل آب و هوای دلپذیر، فضاهای سبز و دریاچههایی که اغلب «باغشهر» هند نامیده میشوند، شناخته شده است [ 20 ]. این شهر در سالهای اخیر با افزایش جمعیت از 163091 نفر در سال 1901 به 8499399 نفر در سال 2011 گسترش یافته است [ 21 ] که تأثیر عمدهای بر تنوع زیستی داشته که منجر به قطع گسترده درختان و تجاوز به جنگلها و تالابهای شهری شده است ، 24 ].
بنگلور دارای تنوع غنی از گیاهان و درختان است که در دسته های کاربری متعدد زمین قرار دارند [ 22 ، 23 ، 24 ، 25 ]. این شهر در مقایسه با بسیاری از شهرهای دیگر از تنوع درختی نسبتاً بالایی برخوردار است [ 22 ]. بخش بزرگی از گونههایی که در اینجا یافت میشوند، عجیب و غریب هستند، و بسیاری از آنها برای بیش از یک قرن کاشته شدهاند، با هدف اطمینان از شکوفایی گونههای متوالی در تمام فصول [ 26 ، 27 ]. به خصوص در مرکز شهر، بیشتر لکههای سبز با مداخله انسان کاشته شدهاند که به ترجیحات اجتماعی که در مکان و زمان متفاوت است، به جای ویژگیهای اکولوژیکی پاسخ میدهند [ 25 ].]. برای مثال، خیابانهای عریضتر و پارکهای قدیمیتر معمولاً تحت تسلط گونههای درختی با تاجپوشهای بزرگ هستند، در حالی که خیابانهای باریک و پارکهای اخیر دارای نسبت بیشتری از گونههای کوتاهقد و با تاجپوشهای کوچک هستند که نگهداری آسانتری دارند، اما احتمال کمتری دارد طیف مشابهی از خدمات زیست محیطی و زیست محیطی [ 22 ، 23 ]. باغ های خانگی در بنگلور نیز از نظر تنوع گیاهی بسیار غنی هستند [ 24 ].
علیرغم پاکسازی و تکه تکه شدن گسترده پوشش گیاهی در بسیاری از نقاط بنگلور، هسته شهر همچنان از پوشش گیاهی قابل توجهی پشتیبانی می کند [ 28 ]. برخی از این در تعداد زیادی پارک، دریاچه ها، باغ های قدیمی خانه های وسیع و خیابان های پر درخت یافت می شود [ 23 ، 29 ]. علاوه بر این، با توجه به تاریخ استعماری شهر به عنوان یک نهاد نظامی سابق بریتانیا، بسیاری از پوشش درختی شهر نیز در مناطقی یافت میشود که توسط موسسات نظامی و دفاعی، صنایع بخش عمومی و مؤسسات آموزشی اداره میشوند [ 28 ]. هر یک از این مکان ها و انواع کاربری زمین از مجموعه درختان متمایز خود پشتیبانی می کنند که کمتر به ویژگی های اکولوژیکی و بیشتر به ترجیحات اجتماعی، فرهنگی و اقتصادی پاسخ می دهند.30 ]. بنابراین، برای مثال، مشاهده درختان نارگیل و سایر نخلها، با قطر تاج کوچک و ظاهر هوایی مشخص، معمول است که در خانههای مجاور جادههای بزرگ با درختان خیابانی پراکنده، مانند غلاف مسی ( Peltophorum pterocarpum ) یا درخت بارانی قرار دارند. ( سمانه سامان ). چنین ناهمگونی در توزیع گونهها، شهر را به مکانی چالش برانگیز برای نقشهبرداری تنوع زیستی با استفاده از سنجش از دور تبدیل میکند.
3. روش ها
در محدوده اداری Bruhat Bengaluru Mahanagara Palike (شهرداری بنگلور)، ما بر هسته مرکزی تمرکز کردیم که نشان دهنده بسیاری از بخش های قدیمی بنگلور است [ 28 ]. در یک دایره 2 کیلومتری در اطراف مرکز شهر (اداره پست عمومی)، شبکه ای با 521 سلول مربع به ابعاد 150 متر × 150 متر ساخته شد. یکی از اهداف تحقیقات آینده ما مقایسه توانایی تصاویر با وضوح بسیار بالا (مانند GeoEye) در برابر تصاویر فضایی بالا (مانند Landsat) برای نقشه برداری تنوع زیستی [ 6 ] بود.]. بنابراین، ما یک اندازه شبکه انتخاب کردیم که شامل 25 پیکسل Landsat (با اندازه پیکسل 30 متر) و 150 پیکسل GeoEye بود، اندازه شبکه ای که به اندازه کافی بزرگ بود تا ما را قادر سازد تا علاوه بر این، معیارهایی از تنوع بافت در شبکه ها برای ارتباط با تنوع زیستی ایجاد کنیم. ، در صورت نیاز [ 31 ]. در این منطقه نمونه برداری، 30 سلول شبکه به طور تصادفی قرار گرفتند، به طوری که حداقل 5٪ از منطقه نمونه را پوشش دهند ( شکل 1 ).
شکل 1. نقشه بنگلور، که یک دایره 2 کیلومتری را در مرکز نشان میدهد که در آن سلولهای شبکه برای نمونهبرداری روی هم قرار گرفته بودند، با مناطق محلی در داخل شهر نیز برای شناسایی مشخص شدهاند.
تصویر GeoEye چند طیفی با وضوح 1 متری که در 7 آگوست 2009 جمعآوری شده بود برای این منطقه به دست آمد. این تصویر پس از باران های موسمی به دست آمده است، زمانی که درختان برگریز و همچنین همیشه سبز با رشد متراکم برگ پوشیده شده اند، و این امر تبعیض مبتنی بر سنجش از دور را بر اساس تفاوت در ویژگی های طیفی برگ آسان تر می کند. بازدیدهای میدانی دقیقی از هر سلول شبکه انجام شد، که در آن همه درختان را پیدا کردیم، هویت گونه ها را شناسایی کردیم و توزیع فضایی تاج هر درخت را بر روی یک ترکیب رنگ نادرست از تصویر GeoEye با استفاده از GPS همراه با طرح های میدانی ترسیم شده روی کاغذ ترسیم کردیم. پرینت های تصویر این اطلاعات متعاقباً با استفاده از ArcGIS 9.2 روی تصویر دیجیتالی شد تا یک پایگاه داده فضایی از درختان واقع در سلولهای شبکه نمونهبرداری شده ایجاد شود. پس از آن برای طبقه بندی مبتنی بر پیکسل و شی گرا استفاده می شود. از 30 سلول، 21 سلول با جزئیات بررسی شدند، در حالی که ما نتوانستیم 9 سلول را بررسی کنیم، یا به دلیل کمبود درخت یا در مکان هایی قرار داشتند که ما نتوانستیم مجوز دسترسی به آنها را برای نمونه برداری دریافت کنیم.شکل 1 ).
تعداد زیادی از گونه های درختی به طور معمول در بنگلور پراکنده شده اند [ 22 , 23 , 24 , 26 , 27]، و آموزش طبقه بندی کننده بر روی همه گونه ها بر اساس میزان اطلاعات میدانی موجود امکان پذیر نیست. در نتیجه، ما بر روی رایجترین گونههایی تمرکز کردیم که اطلاعات زمینی کافی برای آموزش تصویر برای آنها در دسترس بود، که حداقل 5٪ از تعداد کل گونههای مستند شده در 21 شبکه نمونهبرداری را شامل میشود. مناطق مورد علاقه (AOI) بر اساس اطلاعات تاج درخت دیجیتالی شده از میدان ایجاد شده است، با توجه به حذف دستی تمام پیکسل های واقع در مناطق سایه درخت (مقادیر روشنایی کمتر از 120، با این برش مشخص شده بر اساس بازرسی بصری تصویر) برای جلوگیری از مشکلات مربوط به مقادیر متفاوت بازتاب تصویر در این مکان ها [ 6 ، 31 ].
قبل از انجام طبقه بندی در هر پیکسل، ما یک تحلیل هیستوگرام از توزیع مقادیر بازتاب در باندهای 1-4 برای هر یک از گونه های انتخاب شده انجام دادیم ( جدول 1 ). از آنجایی که هیستوگرامها برای همه گونهها بهشدت دارای انحراف بودند و در نتیجه، توزیع غیرعادی بود، طبقهبندیکنندههای نظارت شده حداکثر احتمال معمولی را نمیتوان در این مجموعه داده اعمال کرد [ 32 ]. در عوض، ما از یک قانون حداقل فاصله برای طبقه بندی نظارت شده استفاده کردیم، با استفاده از 50٪ از AOI های بررسی شده مربوط به هر گونه برای طبقه بندی ( شکل 2).). علاوه بر گونه های انتخابی مورد علاقه کانونی، AOI های اضافی برای ارائه اطلاعات آموزشی برای درختان متعلق به گونه های دیگر، و همچنین برای مناطق پوشیده از چمن، سایه و سایر سطوح بدون پوشش گیاهی، مانند مناطق ساخته شده، بدنه های آبی ایجاد شد. و زمین های باز (که متعاقباً در یک دسته واحد پس از طبقه بندی ادغام شدند). ارزیابی دقت گونههای درخت کانونی انتخابشده متعاقباً با استفاده از مجموعهای از پیکسلهای مستقل که برای آموزش استفاده نمیشوند، انجام شد. در مجموع 68 درخت برای ارزیابی دقت انتخاب شدند که از یک پیکسل در مرکز تاج برای ارزیابی دقت استفاده شد. مراقبت از اینکه پیکسل های مورد استفاده برای ارزیابی دقت تا حد امکان در شبکه های بررسی شده توزیع شده اند و اینکه تعداد نسبی نقاط در هر گونه درخت منعکس کننده فراوانی کلی توزیع آنها در مجموعه داده است. ERDAS Imagine 9.2 برای روش های طبقه بندی مبتنی بر پیکسل استفاده شد. ما همچنین یک آزمایش U Mann-Whitney [33 ] برای ارزیابی اهمیت آماری تفاوت در مقادیر پیکسل برای هر جفت گونه درخت کانونی انتخاب شده، با مقایسه در هر چهار باند بازتابی تصویر، و همچنین شاخص گیاهی تفاوت نرمال شده (NDVI) [ 32 ].
جدول 1. محدوده بازتاب نواری نشان داده شده برای هر گونه درخت.
شکل 2. نمودار جریان که روش شناسی طبقه بندی مبتنی بر پیکسل و مبتنی بر شی را خلاصه می کند.
نرم افزار، eCognition Developer 8.7، برای طبقه بندی شی گرا استفاده شد ( شکل 2)). به عنوان اولین گام، بخشبندی مبتنی بر مقیاس برای ایجاد بخشهای بزرگ با استفاده از تقسیمبندی چند وضوحی انجام شد. اشیاء با استفاده از یک فرآیند رشد منطقهای تجمعی در ECognition شکل میگیرند، که توسط آن اشیاء تک پیکسلی در ابتدا شکل میگیرند و سپس از طریق تمرین مکرر خوشهبندی جفتی به اشیاء متوالی بزرگتر ادغام میشوند. در هر مرحله، ناهمگونی درون شی بر اساس تغییرات رنگ و شکل محاسبه میشود، و رشد شی متوقف میشود زمانی که رشد بیشتر منجر به فراتر رفتن کوچکترین شی از آستانه ناهمگونی تعریفشده توسط کاربر شود که به آن پارامتر مقیاس نیز میگویند. طیف وسیعی از پارامترهای مقیاس در درون Ecognition با استفاده از ابزار تخمین پارامتر مقیاس آزمایش شدند و ما در نهایت بر اساس دانش میدانی خود از ضریب 25 استفاده کردیم.
مناطق سایه (روشنایی 52-118، باند 1 114-154، باند 2 133-179، باند 3 46-90، باند 4 37-220) با استفاده از یک برش روشنایی پوشانده شدند [ 32] کمتر از 120 است. سپس از تصویر برای پوشاندن مناطق بدون پوشش گیاهی استفاده شد (روشنایی 104-1,532، باند 1 139-1,369، باند 2 103-1,841، باند 3 58-1,411، باند 4 39-2047) NDVI و باند 1 به عنوان یک عامل جداکننده، با مقادیر NDVI کمتر از 0.5 و مقادیر بازتاب باند 1 کمتر از 139 به عنوان غیر گیاهی طبقه بندی می شوند. مناطق باقیمانده (پوشش گیاهی) بیشتر با چمن/بوته (روشنایی 129-280، باند 1 98-142، باند 2 142-357، باند 3 25-218 و باند 4 10-635) تقسیم شدند. 2 مقدار بازتاب کمتر از 186. برش باند برای کلاس های مختلف بر اساس بازرسی بصری تصاویر شناسایی شد و این را به کلاس های مورد علاقه مرتبط می کند. از آنجایی که توزیع باند برای همه کلاس ها بسیار منحرف بود، مقداری همپوشانی بین کلاس ها وجود دارد، اما از نظر درصد پیکسل ها نسبتاً ناچیز است.
دستهبندی درختی کانون بعدی طبقهبندی مبتنی بر گونهها بود، با استفاده از طبقهبندی نزدیکترین محله، اشیاء در طبقه درختی به هفت طبقه مختلف گونههای درختی (شش گونه غالب مورد علاقه و یک دسته اضافی شامل همه گونههای دیگر) طبقهبندی شدند. میانگین و مقدار انحراف استاندارد باندهای 1-4، NDVI، فشردگی، گرد بودن و سطح تاج پوشش با استفاده از مجموعهای از فایلهای شکل تاج به طور تصادفی انتخاب شده برای نیمی از درختانی که دادههای زمینی برای آنها در دسترس بود، نمونهبرداری شد و برای طبقهبندی نزدیکترین محله استفاده شد. فشردگی به عنوان مربع محیط جسم (در اینجا، یک تاج درخت)، تقسیم بر مساحت جسم و تقسیم بر ضریب 4π محاسبه می شود (ضریب اصلاحی که تضمین می کند یک دایره کامل کمترین مقدار فشردگی 1 را می گیرد. ). گرد بودن به صورت معکوس فشردگی محاسبه می شود. بخشهای درون شش گونه طبقهبندیشده ادغام شدند و دوباره با استفاده از تقسیمبندی با وضوح چندگانه بر اساس منطقه تاج پوشش مربوطه، تقسیم شدند. یک شکل فایل از لایه طبقه بندی شده از eCognition به ArcGIS برای مقایسه های نموداری بین تقسیم بندی مبتنی بر شی و داده های میدانی صادر شد. ارزیابی دقت برای طبقهبندی شیگرا با استفاده از همان مجموعه ۶۸ نقطه مستقل مورد استفاده برای ارزیابی دقت طبقهبندی مبتنی بر پیکسل انجام شد. یک شکل فایل از لایه طبقه بندی شده از eCognition به ArcGIS برای مقایسه های نموداری بین تقسیم بندی مبتنی بر شی و داده های میدانی صادر شد. ارزیابی دقت برای طبقهبندی شیگرا با استفاده از همان مجموعه ۶۸ نقطه مستقل مورد استفاده برای ارزیابی دقت طبقهبندی مبتنی بر پیکسل انجام شد. یک شکل فایل از لایه طبقه بندی شده از eCognition به ArcGIS برای مقایسه های نموداری بین تقسیم بندی مبتنی بر شی و داده های میدانی صادر شد. ارزیابی دقت برای طبقهبندی شیگرا با استفاده از همان مجموعه ۶۸ نقطه مستقل مورد استفاده برای ارزیابی دقت طبقهبندی مبتنی بر پیکسل انجام شد.
4. نتایج و بحث
طی بررسی های میدانی 21 سلول شبکه، 1727 درخت منفرد از 66 گونه ثبت شد. از این تعداد، شش گونه به عنوان رایج در نظر گرفته شد، که در بیش از 5٪ از درختان در شبکه های نمونه نشان داده شده است. این شش گونه عبارتند از Samanea saman (درخت باران)، Mangifera indica (درخت انبه)، Cocos nucifera (درخت نارگیل)، Polyalthia longifolia (درخت دکل)، Roystonea regia (نخل سلطنتی) و Peltophorum pterocarpum (غلاف مس) معمولاً در بنگلور مشاهده می شود [ 22 ، 23]، اما تنها دو مورد از آن – انبه و نارگیل – بومی این منطقه هستند. این شش گونه از نظر اندازه، سطح تاج پوشش و ظاهر کاملاً متفاوت هستند، درخت باران و غلاف مسی قادر به رشد به اندازه های غول پیکر است که می تواند چند صد متر مربع را پوشش دهد، درختان انبه با اندازه متوسط و درخت دکل، نارگیل و سلطنتی. نخل گونه های سایه بان نسبتا باریک است ( شکل 3 ).
جدول 1 محدوده مقادیر بازتاب نواری را برای هر گونه درخت نشان می دهد.
نتایج یک آزمون ناپارامتریک من ویتنی U ( جدول 2) نشان می دهد که همه جفت گونه ها به طور قابل توجهی بر اساس مقادیر بازتاب در حداقل یک باند قابل تفکیک هستند، که نشان دهنده دامنه استفاده از این تصویر برای تمایز بین این مجموعه از شش گونه رایج است. جفت گونهای که از نظر مقادیر طیفی کمترین تفکیک را دارد، انبه و نارگیل هستند که فقط در مقادیر بازتاب برای نوار 4 متفاوت هستند. در مقابل، غلاف مس از نظر طیفی کاملاً متفاوت از اکثر گونههای دیگر است و تفاوتهای قابل توجهی در بازتاب دارد. مقادیر برای هر چهار باند در مقایسه با انبه، نارگیل و نخل سلطنتی، اگرچه تا حدودی شبیه درخت باران است، اما تفاوت قابل توجهی در مقادیر بازتاب فقط برای باندهای 2 و 4 دارد. جالب است که مشاهده کنید که نارگیل و نخل سلطنتی، هر دو نوع نخل، همانطور که انتظار می رفت از نظر مقادیر طیفی چندان مشابه نیستند. در واقع،
شکل 3. عکس های پروفایل شش گونه درخت معمولی در بنگلور (عکس از نخل سلطنتی توسط دیویا گوپال؛ همه عکس های دیگر توسط هارینی ناژندرا). ( الف ) Samanea saman (درخت باران); ( ب ) Mangifera indica (انبه); ( ج ) Cocos nucifera (نارگیل). ( د ) Polyalthia longifolia (درخت دکل). ( ه ) Roystonea regia (نخل سلطنتی)؛ ( f ) Peltophorum pterocarpum (غلاف مس).
جدول 2. نتایج آزمون Mann-Whitney U برای ارزیابی اهمیت آماری تفاوت در مقادیر بازتاب نواری بین جفت گونههای درختی ( * نشاندهنده معنیداری در p <0.05). از آنجایی که این یک ماتریس متقارن از مقایسه های زوجی است، تنها یک قسمت از ماتریس نشان داده شده است.
دقت طبقهبندی برای طبقهبندی مبتنی بر پیکسل، به طور کلی، پایینتر از دقت طبقهبندی با استفاده از روشهای طبقهبندی مبتنی بر شی است، همانطور که در جدول 3 زیر مشاهده میشود. دقت تولید کننده، ارائه شده برای هر کلاس، نشان دهنده این احتمال است که یک پیکسل یا شی خاص متعلق به یک گونه خاص در زمین به درستی در نقشه طبقه بندی شده است، در حالی که دقت کاربر نشان دهنده احتمال طبقه بندی پیکسل یا شی به عنوان یک گونه خاص است. در نقشه واقعا متعلق به این گونه در این زمینه است. آمار کاپا منعکس کننده تفاوت بین دقت واقعی نقشه و آن چیزی است که به طور تصادفی انتظار می رود و تعداد دسته ها (گونه ها) مورد استفاده در طبقه بندی و توزیع نسبی آنها را تصحیح می کند [ 32 ].]. به طور خاص، نتایج ما نشان میدهد که برای گونههایی با سایبانهای کوچک، مانند نارگیل، نخل سلطنتی و درخت دکل، دقت تولیدکننده برای طبقهبندی مبتنی بر پیکسل بسیار پایین بود. این ممکن است به دلیل پوشش پیکسل بسیار کوچک و تکه تکهای باشد که برای همه گونهها ایجاد میشود، که منجر به خطا در مکان پیکسلهای مربوط به این گونه میشود، در حالی که طبقهبندی شیگرا میتواند این را جبران کند و منجر به بهبود دقت طبقهبندی در سراسر جهان شود. همه گونه ها ( جدول 3 ).
جدول 3. خلاصه نتایج ارزیابی دقت برای طبقه بندی های مبتنی بر پیکسل و مبتنی بر شی.
طبقه بندی به دست آمده از طریق رویکردهای مبتنی بر پیکسل و مبتنی بر شی نیز می تواند به صورت بصری مقایسه شود. شکل 4 زیر یک مقایسه فوری از دقت طبقهبندی برای رویکردهای مختلف طبقهبندی برای شبکهای غنی از درخت و گونهای که در یکی از قدیمیترین باغهای بنگلور، پارک کوبون نمونهبرداری شده است، ارائه میکند [ 29 ].]. این شبکه زمینه ای را نشان می دهد که برای نقشه برداری بسیار چالش برانگیز است، با درختانی در سنین مختلف، متعلق به گونه های مختلف، با اندازه های تاج پوشش بسیار متفاوت و با چندین سایبان روی هم قرار گرفته اند. همانطور که از این تصویر مشاهده میشود، طبقهبندی مبتنی بر پیکسل تصویری بسیار تکهتکه از پوشش درخت ارائه میکند، در حالی که طبقهبندی مبتنی بر شی نقشهای را ارائه میدهد که بسیار به واقعیت نزدیکتر است، اگرچه هنوز با وضعیت موجود در زمین یکسان نیست. طبقهبندی نظارتشده مبتنی بر پیکسل، جداسازی چمن از پوشش درخت را امکانپذیر نمیکند، همانطور که میتوان در نیمه بالایی ردیف عنوان مرکزی مشاهده کرد – به نظر میرسد رویکرد تقسیمبندی بر اساس مقادیر باند استفادهشده در طبقهبندی شیگرا مفیدتر است. همچنین می تواند در یک مرحله اولیه در الگوریتم مبتنی بر پیکسل پیاده سازی شود.
شکل 5 در بالا، طبقهبندیهای شبکهای را در محلهای مسکونی با درختان و خانهها با درختان کوچکتر که در الگوی نسبتاً سادهتری چیده شدهاند، مقایسه میکند. طبقه بندی مبتنی بر پیکسل همچنان به ارائه تصویری نسبتاً تکه تکه از پوشش درخت ادامه می دهد، اگرچه از شبکه نمایش داده شده در شکل 4 بهبود یافته است.، احتمالاً به دلیل شباهت نسبی در اندازه تاج درختان و درجه کمتر همپوشانی بین درختان در این شبکه است. طبقهبندی نظارتشده مبتنی بر پیکسل، جداسازی چمن از پوشش درخت را امکانپذیر نمیکند، همانطور که در نیمه بالایی ردیف عنوان مرکزی مشاهده میشود. در این شبکه، طبقه بندی درختان به نظر می رسد گسترش یافته است تا پوشش درختچه ها و بوته ها را در خانه ها شامل شود، که به طور مصنوعی اندازه بسیاری از سایبان های درختان را افزایش می دهد. این مثالها از موقعیتهای مختلف و انواع کاربری زمین، علاوه بر آمار تفکیکپذیری نوار و دقت طبقهبندی ارائهشده در جدول 1 ، جدول 2 ، نمایشی تصویری از این رویکردهای مختلف ارائه میدهند .
شکل 4. ( الف ) ترکیب رنگ کاذب یک سلول شبکه در پارک کوبون. ( ب ) گونه های درختی نقشه برداری شده از بررسی زمین. ( ج ) گونه های درختی با استفاده از رویکرد مبتنی بر شی نقشه برداری شده است. ( د ) گونه های درختی با استفاده از رویکرد مبتنی بر پیکسل نقشه برداری شده است.
شکل 5. ( الف ) ترکیب رنگ کاذب یک سلول شبکه در امتداد یک محله مسکونی. ( ب ) گونه های درختی نقشه برداری شده از بررسی زمین. ( ج ) گونه های درختی با استفاده از رویکرد مبتنی بر شی نقشه برداری شده است. ( د ) گونه های درختی با استفاده از رویکرد مبتنی بر پیکسل نقشه برداری شده است.
شکل 6 زیر همبستگی بین تعداد درختان ارزیابی شده در بررسی زمین و رویکردهای طبقه بندی مبتنی بر شی را نشان می دهد. به غیر از یک شبکه بیرونی، با تعداد بسیار زیادی درخت روی زمین (476 درخت، از جمله 362 نخل سلطنتی، که طبقه بندی مبتنی بر شی نمی تواند به درستی ترسیم کند)، همبستگی بین تعداد درختان بسیار بالا بود، با یک بسیار معنی دار ( p <0.001) پیرسون r از 0.89. تعداد نمونههای تخمین بیش از حد (13) و کمتخمین (هشت) از تعداد درختان تفاوت محسوسی نداشتند، که نشاندهنده عدم تعصب ثابت است. رویکرد مبتنی بر شی تعداد درختان را در دایره 2 کیلومتری اطراف مرکز شهر بنگلور 31430 درخت تخمین می زند .، 25 اصله درخت در هکتار. این تراکم در محدوده مشاهده شده توسط سایر تحقیقات میدانی در پارک ها و مناطق مسکونی در شهر [ 23 ، 24 ] ظاهر می شود، که نشان دهنده پتانسیل طبقه بندی مبتنی بر شی برای نظارت بر درختان در این بافت شهری با داده ضعیف است. به نظر می رسد رویکرد تقسیم بندی بر اساس مقادیر باند استفاده شده در طبقه بندی شی گرا مفیدتر باشد و همچنین می تواند در مرحله اولیه در الگوریتم مبتنی بر پیکسل پیاده سازی شود.
شکل 6. همبستگی بین تعداد درختان ارزیابی شده در بررسی زمینی 21 شبکه و تعداد درختان محاسبه شده از طبقه بندی مبتنی بر شی.
به طور خلاصه، شش گونه غالب درختی که در نمونه مطالعه ما با آن مواجه شدند، تفاوت های آماری معنی داری را در امضاهای طیفی در حداقل یک باند بازتاب تصویر نشان دادند، با نوار مادون قرمز (باند 4) به نظر می رسد که بیشترین پتانسیل را برای تمایز دارد ( جدول 2). ). با وجود این، به دلیل مسائل مربوط به ناهمگونی بالای پیکسل ها، اعمال طبقه بندی های مبتنی بر پیکسل دشوار بود، که منجر به امضای گونه های غیرعادی منحرف می شد. طبقه بندی گونه هایی با سایبان های کوچک، به عنوان مثال ، درختان نارگیل، نخل سلطنتی و دکل، با دقت بسیار پایین بسیار دشوار بود، اگرچه دو گونه بزرگ تاجدار – غلاف مس و درخت باران – با علائم طیفی متمایز ( جدول 1 ، جدول 2)امکان طبقه بندی با دقت طبقه بندی نسبتاً بالا وجود داشت ( جدول 3 ). طبقهبندی مبتنی بر شی در این رویکرد بهبود یافت و طبقهبندیهای دائمی برتر را تولید کرد، همانطور که سایر مطالعات قبلاً نشان دادهاند [ 15 ]، با تصویری رضایتبخش از الگوی فضایی کلی توزیع تاج گونهها ( جدول 3 ، شکل 4 ، شکل 5 ). طبقهبندی مبتنی بر شی همچنین میتوانست تعداد تاجپوشهای درختان را با دقت نسبتاً بالایی، بدون هیچ گونه سوگیری محسوس از نظر تراکم درختان بیش از حد یا کمتر از گزارش، در مقایسه با سایر روشهای توسعهیافته قبلی برای نقشهبرداری تاج درخت با استفاده از تصاویر فرافضایی گزارش کند. (به عنوان مثال، [ 12]).
5. نتیجه گیری ها
شهر بنگلور در جنوب هند که زمانی به دلیل پوشش سبزش شناخته می شد، در سال های اخیر شاهد قطع درختان در مقیاس بزرگ بوده است، به دلیل گسترش سریع [ 20 ، 28 ]. علیرغم اعتراضات گسترده در مورد قطع درختان، به دلیل فقدان شدید اطلاعات اولیه دقیق، مانند تعداد درختان قطع شده، مکان و هویت گونه آنها، ایجاد درک دقیق از مقیاس این موضوع دشوار بوده است [ 20 ، 22 ].]. با توجه به فقدان یک پایگاه داده دستی دقیق و به روز شده، نیاز به استفاده از سایر رویکردهای نیمه خودکار برای نقشه برداری درختی و نظارت وجود دارد. تحقیقی که در اینجا توضیح داده شد، کاربرد تصاویر ماهوارهای با وضوح فضایی بسیار بالا را برای چنین نظارتی در محیطهای شهری ارزیابی میکند، که یک زمینه چالش برانگیز برای نقشهبرداری را نشان میدهد. مناطق سبز شهری برای توانایی آنها در ارائه خدمات اکوسیستم پایدار، از جمله حمایت از تنوع زیستی و ترسیب کربن، حیاتی هستند، با این حال اهمیت آنها تا حد زیادی توسط برنامه ریزان و مدیران، به ویژه در شهرهای در حال توسعه نادیده گرفته می شود [ 34 ].
همانطور که پیش بینی می شد، ما در استفاده از تصاویر ماهواره ای با وضوح فضایی بسیار بالا برای نقشه برداری گونه های درختی و برآورد تراکم در بافت شهری تحت تأثیر انسان در بنگلور، هند، چالش های قابل توجهی پیدا کردیم. اختلاط گونههایی که معمولاً در زیستگاههای بومی با هم یافت نمیشوند، در نتیجه ناهمگونی اندازه درختان و همپوشانی سایبانها در بسیاری از مکانها، تعریف مجموعهای از قوانین را که میتوان برای طبقهبندی مبتنی بر پیکسل یا شی در مکانهای مختلف شهری به کار برد، چالش برانگیز است. .
به نظر میرسد طبقهبندی مبتنی بر شی پتانسیل بالایی برای نظارت بر تغییرات در توزیع گونههای درختی و قطع درختان در این شهر بسیار ضعیف، پویا و در حال توسعه سریع دارد، که برای نظارت و مدیریت نیاز فوری به اطلاعات بهتر در مورد توزیع درخت دارد. طبقهبندیکنندههای کلاسیک در هر پیکسل تنها به تفاوتهای طیفی بین گونههای درختی برای طبقهبندی تکیه میکنند، در حالی که رویکردهای مبتنی بر شی قادر به ایجاد اطلاعات طیفی هستند و علاوه بر این، از تفاوتها در مورفولوژی گونهها، مانند اندازه و شکل مختلف تاج پوشش گونههای مختلف استفاده میکنند. ، برای تولید طبقه بندی های بهبود یافته قابل توجهی [ 15 ]. برای این، مانند تمام مطالعات سنجش از دور [ 35]، حقیقت زمینی بسیار حیاتی است—اطلاعات حاصل از بررسی های میدانی در مورد اندازه و شکل تاج پوشش پایه ای ضروری برای طبقه بندی مبتنی بر شی در این مثال است.
نتایج گزارششده در اینجا برای شهرهای دیگر در سراسر جهان مرتبط خواهد بود، جایی که نقشهبرداری مشابه و ترسیم گونهها در نقاط سبز به منظور ارائه اطلاعات ضروری برای برنامهریزی آگاهانه برای پایداری مورد نیاز است [ 36 ]. چنین اطلاعاتی برای برنامه ریزی برنامه های کاشت درخت مورد نیاز است، به عنوان مثال، برای شناسایی شکاف در پوشش درخت که نیاز به مداخله دارد [ 37 ]، برای ارتباط اطلاعات مدیریت زمین با تنوع زیستی درخت [ 38 ]، برای ارزیابی تأثیر تراکم مسکن و تاریخچه توسعه بر روی عملکرد درخت [ 39 ] یا نقشه کشی تاج درختان شهری به طور دقیق و مقرون به صرفه، به عنوان مثال، همانطور که در شهرهایی که با حملات آفات به درختان سروکار دارند [ 40 ] مورد نیاز است.].
منابع
- Nagendra، H. استفاده از سنجش از دور برای ارزیابی تنوع زیستی. بین المللی J. Remote Sens. 2001 ، 22 ، 2377-2400. [ Google Scholar ] [ CrossRef ]
- ترنر، دبلیو. اسپکتور، اس. گاردینر، ن. فلادلند، ام. استرلینگ، ای جی. اشتاینینگر، ام. سنجش از دور برای علم و حفاظت از تنوع زیستی. Trends Ecol. تکامل. 2003 ، 18 ، 306-314. [ Google Scholar ] [ CrossRef ]
- ناژندرا، اچ. لوکاس، آر. هونرادو، جی پی؛ جونگمن، RHG؛ تارانتینو، سی. آدامو، م. Mairota، P. سنجش از دور برای نظارت بر حفاظت: ارزیابی مناطق حفاظت شده، گستره زیستگاه، وضعیت زیستگاه، تنوع گونه ها و تهدیدها. Ecol. اندیک. 2012 . [ Google Scholar ] [ CrossRef ]
- بوید، دی اس؛ Foody, GM مروری بر تحقیقات اخیر سنجش از دور و GIS در انفورماتیک اکولوژیکی. Ecol. به اطلاع رساندن. 2011 ، 6 ، 25-36. [ Google Scholar ] [ CrossRef ]
- گیرولا، اس. پروچس، اس. روچینی، دی. سنجش از دور ماهوارهای با وضوح بالا: مرزی جدید برای اکتشاف تنوع زیستی در جنگلهای هیمالیا هند. بین المللی J. Remote Sens. 2012 ، 34 ، 2006-2022. [ Google Scholar ] [ CrossRef ]
- ناژندرا، اچ. روچینی، دی. تصاویر ماهواره ای با وضوح بالا برای مطالعات تنوع زیستی استوایی: شیطان در جزئیات است. تنوع زیستی حفظ کنید. 2008 ، 17 ، 3431-3442. [ Google Scholar ] [ CrossRef ]
- وانگ، ک. فرانکلین، ES; گوا، ایکس. Cattet، M. سنجش از دور اکولوژی، تنوع زیستی و حفاظت: بررسی از دیدگاه متخصصان سنجش از دور. Sensors 2010 , 10 , 9647-9667. [ Google Scholar ] [ CrossRef ]
- بنز، UC؛ هافمن، پی. ویلهاک، جی. لینگنفلدر، آی. Heynen، M. چند وضوح، تجزیه و تحلیل فازی شی گرا داده های سنجش از دور برای اطلاعات آماده GIS. ISPRS J. Photogramm. 2004 ، 58 ، 239-258. [ Google Scholar ] [ CrossRef ]
- Blaschke, T. تجزیه و تحلیل تصویر مبتنی بر شی برای سنجش از راه دور. ISPRS J. Photogrammm. 2010 ، 62 ، 2-16. [ Google Scholar ] [ CrossRef ]
- گیبز، سی. ادیکاری، س. روستانت، ال. ساوتورث، جی. Qiu, Y. کاربرد طبقهبندی مبتنی بر شی و تصاویر ماهوارهای با وضوح بالا برای تجزیه و تحلیل اکوسیستم ساوانا. Remote Sens. 2010 , 2 , 2748–2772. [ Google Scholar ] [ CrossRef ]
- Laliberte، A. فردریکسون، ای. Rango، A. ترکیب درختان تصمیم با تجزیه و تحلیل تصویر شی گرا سلسله مراتبی برای نقشه برداری مراتع خشک. فتوگرام مهندس سنجش از دور 2007 ، 73 ، 197-207. [ Google Scholar ]
- گرینبرگ، جی. دوبروفسکی، اس. محدودیتهای Vanderbilt، VC در حداکثر تراکم درخت با استفاده از سنجش از دور فرا فضایی و تجزیه و تحلیل گرادیان محیطی. سنسور از راه دور محیط. 2009 ، 113 ، 94-101. [ Google Scholar ] [ CrossRef ]
- فالکوفسکی، ام جی. Wulder، MA; سفید، JC; Gillis، MD پشتیبانی از فهرستهای جنگلی با مساحت وسیع و مبتنی بر نمونه با تصاویر ماهوارهای با وضوح فضایی بسیار بالا. Prog. فیزیک جئوگ. 2009 ، 33 ، 403-423. [ Google Scholar ] [ CrossRef ]
- باسکاران، س. پاراماناندا، اس. Ramnarayan, M. روش های طبقه بندی بر پیکسل و شی گرا برای نقشه برداری ویژگی های شهری با استفاده از داده های ماهواره ای Ikonos. Appl. Geogr. 2010 ، 30 ، 650-665. [ Google Scholar ] [ CrossRef ]
- Myint، SW; گوبر، پ. برازل، ا. گروسمن کلارک، اس. Weng، Q. طبقهبندی بر پیکسل در مقابل شیء مبتنی بر استخراج پوشش زمین شهری با استفاده از تصاویر با وضوح فضایی بالا. سنسور از راه دور محیط. 2011 ، 115 ، 1145-1161. [ Google Scholar ]
- دی اولیویرا، پی. آنتونیو، جی. بالابان، او. عروسک، CNH؛ مورنو پناراندا، آر. گاسپاراتوس، آ. ایوسیفوا، دی. سووا، الف. شهرها و تنوع زیستی: دیدگاه ها و چالش های حاکمیتی برای اجرای کنوانسیون تنوع زیستی (CBD) در سطح شهر. Biol. حفظ کنید. 2011 ، 144 ، 1302-1313. [ Google Scholar ] [ CrossRef ]
- سازمان ملل متحد، چشم انداز شهرنشینی جهان: تجدید نظر 2011 ; بخش جمعیت، وزارت اقتصاد و امور اجتماعی، سازمان ملل متحد: نیویورک، نیویورک، ایالات متحده آمریکا، 2011.
- گریم، NB; فاتث، SH; گولوبیفسکی، NE; ردمن، CL; وو، جی. بای، ایکس. بریگز، JM تغییر جهانی و اکولوژی شهرها. Science 2008 , 319 , 756-760. [ Google Scholar ] [ CrossRef ]
- مککینی، ام. اثرات شهرنشینی بر غنای گونهای: مروری بر گیاهان و جانوران. اکوسیست شهری. 2008 ، 11 ، 161-176. [ Google Scholar ] [ CrossRef ]
- سودیرا، اچ. راماچاندرا، تی. Subrahmanya، M. مشخصات شهر بنگلور. شهرها 2007 ، 24 ، 379-390. [ Google Scholar ] [ CrossRef ]
- سرشماری هند، 2011. توزیع روستایی – شهری. مجموع جمعیت موقت، مقاله 2 . جلد 1، ص 1-19. در دسترس آنلاین: http://www.censusindia.gov.in/2011-prov-results/ paper2/data_files/india/paper2_1.pdf (در 21 مارس 2012 قابل دسترسی است).
- ناژندرا، اچ. درختان خیابان گوپال، دی در بنگلور: تراکم، تنوع، ترکیب و توزیع. شهری برای. سبزسازی شهری 2010 ، 9 ، 129-137. [ Google Scholar ] [ CrossRef ]
- ناژندرا، اچ. گوپال، دی. تنوع درختی، توزیع، تاریخچه و تغییر در پارک های شهری. اکوسیست شهری. 2011 ، 14 ، 211-223. [ Google Scholar ] [ CrossRef ]
- جاگانموهان، م. Vailshery، LS; گوپال، دی. ناژندرا، اچ. تنوع و توزیع گیاهان در باغها و آپارتمانهای خانگی شهری در بنگلور، هند. اکوسیست شهری. 2010 ، 15 ، 911-925. [ Google Scholar ]
- سودا، ص. Ravindranath، NH مطالعه جنگل شهری بنگلور. طرح شهری منظر. 2000 ، 47 ، 47-63. [ Google Scholar ] [ CrossRef ]
- Issar, TP Blossoms of Bangalore ; Mytec Process Pvt. Ltd: بنگلور، هند، 1994. [ Google Scholar ]
- نگینهال، SJ درختان طلایی، فضاهای سبز و جنگلداری شهری ; خود منتشر شده: بنگلور، هند، 2006. [ Google Scholar ]
- ناژندرا، اچ. ناگندران، س. پل، اس. پاریث، اس. خاکستری شدن، سبز شدن و تکه تکه شدن در شهر بنگلور هند که به سرعت در حال گسترش است. طرح شهری منظر. 2010 ، 105 ، 400-406. [ Google Scholar ]
- Nair, J. The Promise of the Metropolis: Bengalore’S Twentieth Century ; انتشارات دانشگاه آکسفورد: دهلی نو، هند، 2005. [ Google Scholar ]
- سودیرا، اچ اس. Nagendra، H. Graying و Greening در بنگلور: تأثیرات شهرنشینی بر اکوسیستم، خدمات اکوسیستم و تنوع زیستی. در شهرها و تنوع زیستی چشم انداز 1 بنیاد علمی: یک ارزیابی جهانی از پیوندهای بین شهرنشینی، تنوع زیستی و اکوسیستم . توماس، ای.، ویرایش. Springer: Doerdrecht، هلند، 2013; در مطبوعات. [ Google Scholar ]
- ناژندرا، اچ. روچینی، دی. گیت، ر. شارما، بی. Pareeth، S. ارزیابی تنوع گیاهی در یک جنگل خشک استوایی: مقایسه کاربرد تصاویر ماهواره ای Landsat و IKONOS. Remote Sens. 2010 , 2 , 478-496. [ Google Scholar ] [ CrossRef ]
- جنسن، JR سنجش از دور محیط زیست: چشم انداز منابع زمین . Prentice Hall: Upper Saddle River، نیوجرسی، ایالات متحده آمریکا، 2000. [ Google Scholar ]
- Sokal, RR; Rohlf, FJ Introduction to Biostatistics , 2nd ed; مطبوعات جزیره: واشنگتن، دی سی، ایالات متحده آمریکا، 1981. [ Google Scholar ]
- شافلر، آ. Swilling، M. ارزش گذاری زیرساخت های سبز در محیط شهری تحت فشار – مورد ژوهانسبورگ. Ecol. اقتصاد 2013 ، 86 ، 246-257. [ Google Scholar ] [ CrossRef ]
- مولر، جی. براندل، آر. ارزیابی تنوع زیستی با سنجش از دور در زمینهای کوهستانی: پتانسیل LiDAR برای پیشبینی مجموعههای سوسک جنگلی. J. Appl. Ecol. 2009 ، 46 ، 897-905. [ Google Scholar ] [ CrossRef ]
- مک گرات، بی. پیکت، STA فراشهر: چارچوبی مفهومی برای ادغام اکولوژی و طراحی شهری. چالش ها 2011 ، 2 ، 55-72. [ Google Scholar ] [ CrossRef ]
- وو، سی. شیائو، کیو. مک فرسون، EG روشی برای مکان یابی مکان های بالقوه درختکاری در مناطق شهری: مطالعه موردی لس آنجلس، ایالات متحده. شهری برای. سبزینگ شهری 2008 ، 7 ، 65-76. [ Google Scholar ] [ CrossRef ]
- Pincetl, S. اجرای کاشت درختان شهری: ابتکار میلیون درخت لس آنجلس. محیط زیست مدیریت کنید. 2010 ، 45 ، 227-238. [ Google Scholar ] [ CrossRef ]
- جیم، سی. چن، اس. تغییرات منظر درختی در رابطه با توسعه شهری در یک شهر چینی: مورد نانجینگ. پروفسور Geogr. 2003 ، 55 ، 70-82. [ Google Scholar ]
- BenDor، TK; متکالف، اس. Fontenot، LE; سانگونت، بی. هانون، ب. مدل سازی گسترش خاکستر زمرد. Ecol. مدل. 2006 ، 197 ، 221-236. [ Google Scholar ] [ CrossRef ]
© 2013 توسط نویسندگان; دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (http://creativecommons.org/licenses/by/3.0/) توزیع شده است.
بدون نظر