مقایسه کارآیی الگوریتم زون اقلیم محلی در تفکیک مناطق ساخت وسازشده در قیاس با نمایه های ساخت وسازشده (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
بررسی روند رشد شهرها و پیش بینی تغییرات آنها در آینده، برای برنامه ریزی های فضایی، ضرورت دارد. به این منظور، به نقشه سازی پهنه های ساخت وسازشده نیاز است. در بسیاری مناطق، به ویژه در اقلیم خشک، تفکیک مناطق ساخت وسازشده از محیط اطراف به سادگی و با روش های معمول طبقه بندی تصاویر ماهواره ای و یا نمایه های متداول، با دقت مورد قبول، امکان پذیر نیست؛ ازاین رو بسیاری از پژوهشگران نمایه های طیفی گوناگونی را به منظور استخراج مناطق ساخت وسازشده، توسعه داده اند. استفاده از تغییرات دمای سطح زمین برای نشان دادن مناطق ساخت وسازشده، به کمک الگوریتم زون های اقلیمی محلی (LCZ) کمتر مورد توجه بوده است و روش نسبتاً جدیدی محسوب می شود؛ بنابراین در این مقاله، تفکیک مناطق ساخت وسازشده از سایر انواع پوشش اراضی پیرامونی آن، با استفاده از الگوریتم LCZ انجام شد. با توجه به محدودیت نداشتن تعداد باند در این روش، از چهار سری تصاویر ماهواره ای لندست متعلق به سال 2020 استفاده شد و صحت آن با جدیدترین نمایه های ساخت وسازشده (DBI، BLFEI، BAEI و BAEM) که به صورت خودکار طبقه بندی شده اند، مورد مقایسه قرار گرفت. نتایج این مطالعه نشان داد که صحت طبقه بندی ناشی از الگوریتم LCZ ٪96 است؛ درصورتی که نمایه های BLFEI و BAEM قادر به تفکیک کامل مناطق ساخت وسازشده از سایر انواع پوشش اراضی نیست و صحت کلی نمایه BAEI نیز 37% به دست آمد. بنابراین کارآیی روش LCZ بیشتر از نمایه های ساخت وسازشده است و درمورد مناطق خشک و نیمه خشک، توصیه می شود.Comparison of the Efficiency of Local Climatic Zone Algorithm in Separating Built-Up Area Compared to Built-Up Indices
Trend analysis of growth of cities and predicting their changes in the future are essential for spatial planning. For this purpose, it is necessary to map build-up areas. In many areas, especially in arid climate, it is not possible to separate the build-up areas from the surrounding land cover simply. That's mean the usual methods of classifying satellite images or conventional indices can’t separate mentioned classes with acceptable accuracy. Hence, many researchers have developed different spectral indices to extract the build-up areas. The use of surface temperature changes to represent build-up areas using the Local Climate Zones (LCZ) algorithm is less considered and is a relatively new method. Therefore, in this paper, the separation of build-up areas from the other surrounding land cover was considered using LCZ algorithm. There is no limit to the number of bands in this method, thus four series of Landsat satellite images in the year 2020 were used and the LCZ algorithm’s accuracy was compared with the latest automatic classified build-up indices including DBI, BLFEI, BAEI and BAEM. The results of this study showed that the classification accuracy of the LCZ algorithm was 96%, while the BLFEI and BAEM indices were not able to completely separate the build-up areas from other types of land cover. The total accuracy of the BAEI index was 0.37. Therefore, the use of LCZ method has a high efficiency compared to build-up indices, and it is recommended in arid and semi-arid zones.
تبلیغات
