چکیده:
هدف اصلی این پژوهش آشکارسازی تغییرات ده ساله پوشش سبز کلانشهر تهران از سال 1389 تا 1398 با استفاده از سری زمانی تصاویر ماهوارههای لندست 5، 7 و 8 میباشد. آشکارسازی تغییرات در دو مقیاس زمانی سالانه و ده ساله انجام و تحلیل نتایج، هم در سطح کلانشهر تهران و هم به تفکیک مناطق 22گانه آن صورت پذیرفت. آشکارسازی تغییرات با رویکرد پس از طبقهبندی انجام شد. نوآوری این تحقیق شامل تلاشها برای اخذ بهترین نتیجه در مرحله طبقهبندی تصاویر است که در این راستا علاوه بر باندهای اپتیکی و حرارتی، از ویژگیهای مختلفی شامل شاخصهای مختلف گیاهی، آب و مناطق ساخته شده، مولفههای بافت تصویر و مولفههای اصلی استفاده شد. سه روش طبقهبندی بیشترین شباهت، شبکه عصبی مصنوعی و ماشین بردار پشتیبان پیادهسازی شدند. مقایسه نتایج نشان داد که روش ماشین بردار پشتیبان با میانگین دقت کل 06/ 91 درصد نتایج بهتری داشته است. آشکارسازی تغییرات حاکی از کاهش 58/ 10 درصدی پوششسبز در دوره مورد بررسی است. بیشترین کاهش پوشش سبز به میزان 46/7 کیلومتر مربع در دوره 91-1390 اتفاق افتاده و بیشترین افزایش در دوره 95-1394 به اندازه 61/ 7 کیلومتر مربع بوده است. مناطق یک و 22 بترتیب با 2/ 5 و 37/ 2 کیلومترمربع بیشترین میزان کاهش و مناطق 2 و 19 نیز بهترتیب با 5/ 0 و 47/ 0 کیلومتر مربع بیشترین افزایش در پوشش سبز شهری را در بین مناطق داشتهاند.
The main aim of this paper is to detect the ten-year changes in urban green spaces of Tehran metropolis, from 2010 to 2019, using the time series of Landsat 5, 7 and 8 images. The change detection was done in both annual and ten-year scale and the results are analyzed in two spatial scales; City level and municipal district-level. Detection of changes was done by a post-classification approach. The innovation of the study is efforts to reach the best results in the image classification step, for which in addition to optical and thermal bands various features including some vegetation indices, water and built-up index, image texture components, and principal components were used. Three classification methods including maximum likelihood, artificial neural network and support vector machine were implemented. The results indicated that the support vector machine has had the best result with 91.06% mean overall accuracy. The change detection showed a 10.58% decrease in the Tehran green spaces in the period under review. The greatest decrease, about 7.46 Km2, occurred in the period 1390-91 and the largest increase was 7.61 Km2 in the period 1394-95. Among the 22 municipal districts, regions 1 and 22 with 5.2 and 2.37 Km2, respectively, have had the highest decrease in urban green space, and regions 2 and 19 with 0.5 and 0.47 Km2, respectively, have had the highest increase.
خلاصه ماشینی:
Received: 2020/10/08 Accepted: 2020/12/29 چکیده Abstract هدف اصلی این پژوهش آشکارسازی تغییرات ده ساله پوشش سبز کلانشهر The main aim of this paper is to detect the ten-year تهران از سال ١٣٨٩ تا ١٣٩٨ با استفاده از سری زمانی تصاویر ماهواره های urban green spaces of Tehran metropolis, لندست ٥، ٧ و ٨ میباشد.
The innovation of is efforts to reach the best results in the image classification طبقه بندی تصاویر است که در این راستا علاوه بر باندهای اپتیکی و حرارتی، از step, for which in addition to optical and thermal ویژگیهای مختلفی شامل شاخص های مختلف گیاهی، آب و مناطق ساخته various features including some vegetation indices, and built-up index, image texture components, and principal شده ، مولفه های بافت تصویر و مولفه های اصلی استفاده شد.
(رجوع شود به تصویر صفحه) در رابطه فوق x ارزش پیکسل ، t١ تاریخ اول ، t٢ تاریخ دوم و C عدد ثابت است ما در این تحقیق از رویکرد پس از طبقه بندی با هدف آشکارسازی تغییرات پوشش سبز شهری شهر تهران استفاده کرده ایم .
Indian Remote Sensing Satellites شهابی و همکاران (٢٠١٢) در تحقیقی با عنوان «کاربرد تصاویر ماهواره ای و سیستم اطلاعات جغرافیایی در ارزیابی توزیع فضای سبز در محیط شهری (مطالعه موردی: شهر بوکان )» سه روش مختلف آشکارسازی تغییرات شامل مقایسه شاخص اختلافات نرمال شده گیاهی، آنالیز مولفه های اصلی و پس از طبقه بندی را برای بررسی تغییرات پوشش سبز شهر بوکان به کار گرفتند.