زهره صالحی نژاد

ساخت وساز غیرمجاز از چالش های اساسی در توسعه شهری به شمار می رود. بیشتر ساخت وسازهای غیرمجاز در شهرهای بزرگ ایران، مربوط به تخلفات ارتفاعی و احداثی، پروانه ساخت و مربوط به کاربری های تجاری است. روش های رایج جهت کنترل ساخت وساز زمان بر و پرهزینه است. ازاین رو هدف اصلی این پژوهش ارائه چارچوبی جهت برآورد سریع و کم هزینه، در نظارت و آشکارسازی ساختمان های غیرمجاز و تخلفات ارتفاعی منطقه امام شهر یزد به دلیل تراکم جمعیت، ساخت وساز و پتانسیل بالای مهاجر پذیری، با استفاده از تلفیق تصاویر ماهواره راداری سنتینل 1 و اپتیک سنتیل 2 در بازه زمانی 2015 تا 2020 است. بدین منظور پس از تصحیحات هندسی و رادیومتریک تصاویر با استفاده از نرم افزارهای SNAP و ENVI ،برای جداسازی و تفکیک ساختمان ها بر اساس ارتفاع، نخست با استفاده از ویژگی های بافتی شامل میانگین ، واریانس و نبود تشابه در پلاریزیشن VV،VH باهم در یک دسته قرارگرفته و با استفاده از روش طبقه بندی شبکه عصبی مصنوعی، سطوح نفوذناپذیر شهری و ارتفاع ساختمان ها و استفاده از تصاویر اپتیکی برای شناسایی سایه ساختمان ها استخراج گردید. نتایج پردازش ها، میانگین ضریب کاپا و دقت کلی تصاویرسنتینل -1با پلاریزیشن VV برابر 16/77و 5/79 درصدو در پلاریزیشن VH برابر 16/79 و 66/80 درصد و برای نقشه طبقه بندی شبکه عصبی تصاویر سنتینل -2، 73و66/75درصد ؛ هم چنین تعداد و مساحت ساخت وسازهای غیرمجاز نشان داد که درسال 1394محدوده مورد مطالعه بیشترین میزان ساخت و ساز غیرمجازنسبت به سایر سال های مطالعاتی به سبب ضعف در بازدید میدانی پلیس ساختمان ، خلا قانونی برخورد با متخلفین و نحوه رسیدگی یا عوامل تخلف(شهرداری،شهروند) اشاره دارد.

تخلفات ساختمانی، به سبب سطح فراگیر و آثار بلندمدت و پایدارشان در نیم رخ شهرها، از مهم ترین چالش های شهرنشینی نوین محسوب می شوند. روش های رایج و معمول که امروزه در کنترل ساخت وسازها استفاده می شود، بسیار زمان بر و پرهزینه است. هدف اصلی این پژوهش ارائه چارچوبی نوین به منظور برآورد سریع و کم هزینه، در آشکارسازی و نظارت بر ساخت وسازها و شناسایی ساختمان های غیرمجاز شهری، با استفاده از تصاویر ماهواره سنتینل 1 در دوره زمانی 2017 تا 2022 و سیستم های اطلاعات مکانی است. بدین منظور در مرحله اول، براساس تحلیل و پردازش در نرم افزار SNAP، ضریب پراکنش سیگمانات تصاویر استخراج و به دو طبقه ساختمان و غیرساختمان تفکیک شده و حد آستانه بیشتر از 01/0به دست آمده است. سپس، با استفاده از الگوریتم پیکسل مبنا، تصویر باینری ساختمان و غیرساختمان به صورت صفر و یک تهیه و براساس اختلاف دو تصویر، منطقه ای که ساخت وساز در آن انجام شده است مشخص شد. پس از آشکارسازی مناطق ساختمانی تغییریافته، با استفاده از الگوریتم های طبقه بندی حداکثر احتمال و جنگل تصادفی، این مناطق در سه کلاس (ساختمان، در حال ساخت و سایر اراضی) قرار گرفتند و با نقشه برداشت میدانی و پارسل های بدون پروانه ارزیابی شدند. نتایج نشان داد تعداد ساختمان های بدون پروانه با استفاده از الگوریتم حداکثر احتمال، جنگل تصادفی و برداشت میدانی، به ترتیب، 130 و 135 و 48 است؛ همچنین دقت اجرای روش حداکثر احتمال به بیشترین میزان 89/0% و ضریب کاپای 83/0% نسبت به روش جنگل تصادفی، با دقت کلی 86/0 و ضریب کاپای 81/0% بوده است.