تهیه نقشه بلوک های ساختمانی شهری در سامانه گوگل ارث انجین از طریق آموزش طبقه بندی کننده تعمیم پذیر

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 337

This Paper With 20 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_SEPEHR-30-119_001

تاریخ نمایه سازی: 24 آذر 1400

Abstract:

امروزه فناوری سنجش ازدور جایگاهی ویژه در کاربردهای مختلف مدیریت شهری پیدا کرده است. در این بین، نقشه ی ساختارهای شهری نظیر بلوک های ساختمانی، عموما در مدیریت بحران، طراحی شهری و مطالعات مربوط به توسعه ی شهری مورد استفاده قرار می گیرند. در این مطالعه تولید نقشه بلوک های ساختمانی با استفاده از تصاویر ماهواره ای سنتینل ۱ و ۲ دنبال شده است. روش پیشنهادی این مقاله متکی بر استفاده از طبقه بندی کننده آموزش یافته تعمیم پذیر می باشد. به نحوی که در ابتدا، طبقه بندی کننده مورد نظر با استفاده از نمونه های آموزشی به دست آمده از یک فرآیند پالایشی سختگیرانه نوین توسط محصولات سنجش ازدوری و مکانی مختلف، در سال ۲۰۱۵، آموزش می یابد. سپس این طبقه بندی کننده به منظور تولید نقشه بلوک های ساختمانی در مقاطع زمانی مشابه سه سال هدف (۲۰۱۸، ۲۰۱۹ و ۲۰۲۰) به کار گرفته می شود. به دلیل تنوع بافت و تراکم بلوک های ساختمانی در کلان شهر تهران، روش پیشنهاد شده در این منطقه مورد ارزیابی قرار گرفته است. همچنین با توجه به وسعت منطقه مطالعاتی، فراهم بودن تصاویر ماهواره ای رایگان بدون نیاز به اخذ و امکان اجرای عملیات  مختلف پردازشی به صورت برخط، از سامانه گوگل ارث انجین در پژوهش حاضر استفاده شده است. سه روش طبقه بندی جنگل تصادفی، کمترین فاصله با معیار فاصله ماهالانابیس و ماشین بردارپشتیبان در این فرآیند مورد بررسی قرار می گیرند. به منظور ارزیابی روش پیشنهادی، از نمونه های مرجع به دست آمده از تفسیر بصری تصاویر با قدرت تفکیک مکانی بالا (گوگل ارث) در هر سه سال هدف استفاده شده است. نتایج به دست آمده عملکرد بهتر روش جنگل تصادفی در هر سه سال هدف با دقت کلی بالای ۹۳ درصد را نسبت به دو روش دیگر نشان می دهند.

Keywords:

سنجش ازدور , بلوک های ساختمانی , طبقه بندی کننده تعمیم پذیر , گوگل ارث انجین , تصاویر ماهواره ای سنتینل

Authors

علیرضا طاهری دهکردی

دانشجوی کارشناسی ارشد فتوگرامتری، دانشگاه صنعتی خواجه نصیرالدین طوسی

سید محمد میلاد شهابی

دانشجوی دکتری تخصصی سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی

محمد جواد ولدان زوج

استاد گروه فتوگرامتری و سنجش ازدور، دانشگاه صنعتی خواجه نصیرالدین طوسی

محمود رضا صاحبی

دانشیار گروه فتوگرامتری و سنجش ازدور، دانشگاه صنعتی خواجه نصیرالدین طوسی

علیرضا صفدری نژاد

استادیار گروه ژئودزی و مهندسی نقشه برداری، دانشگاه تفرش

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Bartholome, Etienne, & Allan S. Belward. (۲۰۰۵). GLC۲۰۰۰: a new ...
  • Bontemps, Sophie, & et al. (n.d.). GLOBCOVER ۲۰۰۹-Products description and ...
  • Carrasco, Luis, & et al. (۲۰۱۹). Evaluating combinations of temporally ...
  • Chini, Marco, & et al. (۲۰۱۸). Towards a ۲۰ m ...
  • Corbane, C., Syrris, V., Sabo, F., Politis, P., Melchiorri, M., ...
  • Deepthi, R., S. Ravindranath, & K. G. Raj. (۲۰۱۸). EXTRACTION ...
  • Filipponi, & Federico. (۲۰۱۹). Sentinel-۱ GRD Preprocessing Workflow. Multidisciplinary Digital ...
  • Gamba, Paolo, & Martin Herold. (۲۰۰۹). Global mapping of human ...
  • Gaughan, Andrea E, & et al. (۲۰۱۳). High resolution population ...
  • Goldblatt, Ran, & et al. (۲۰۱۶). Detecting the boundaries of ...
  • Gorelick, Noel, & et al. (۲۰۱۷). Google Earth Engine: Planetary-scale ...
  • Grippa, T., Georganos, S., Zarougui, S., Bognounou, P., Diboulo, E., ...
  • Mapping urban land use at street block level using openstreetmap, ...
  • He, Chunyang, & et al. (۲۰۱۰). Improving the normalized difference ...
  • Hsu, Chih-Wei, Chih-Chung Chang, & Chih-Jen Lin. (۲۰۰۳). A practical ...
  • Kaynarca, Mustafa, & Nusret Demir. (۲۰۱۸). Detection of Urban Buildings ...
  • Li, Lu, & et al. (۲۰۱۹). Residual Unet for Urban ...
  • Liu, X., Hu, G., Chen, Y., Li, X., Xu, X., ...
  • Luo, N., Wan, T., Hao, H., & Lu, Q. (۲۰۱۹). ...
  • Mahalanobis, & Chandra, P. (۱۹۳۶). On the generalized distance in ...
  • Martone, Michele, & et al. (۲۰۱۸). The global forest/non-forest map ...
  • Otsu, & Nobuyuki. (۱۹۷۹). A threshold selection method from gray-level ...
  • Pal, & Mahesh. (۲۰۰۵). Random forest classifier for remote sensing ...
  • Pesaresi, Martino, & et al. (۲۰۱۶). Assessment of the added-value ...
  • Potere, David, & et al. (۲۰۰۹). Mapping urban areas on ...
  • Protopapadakis, E., Doulamis, A., Doulamis, N., & Maltezos, E. (۲۰۲۱). ...
  • Qiu, Chunping, & et al. (۲۰۲۰). A framework for large-scale ...
  • Richards, John A, & J. A. Richards. (۱۹۹۹). Remote sensing ...
  • Sarvestani, Mahdi Sabet, Ab Latif Ibrahim, & Pavlos Kanaroglou. (۲۰۱۱). ...
  • Schneider, & et al. (۲۰۱۰). Mapping global urban areas using ...
  • Tucker, & Compton J. (۱۹۷۸). Red and photographic infrared linear ...
  • Van Zyl, & Jakob J. (۲۰۰۱). The Shuttle Radar Topography ...
  • Xiao, Yinghui, & Qingming Zhan. (۲۰۰۹). A review of remote ...
  • Zakeri, H., Fumio Yamazaki, & Wen Liu. (۲۰۱۷). Texture analysis ...
  • Zha, Yong, Jay Gao, & Shaoxiang Ni. (۲۰۰۳). Use of ...
  • Zong, L., He, S., Lian, J., Bie, Q., Wang, X., ...
  • نمایش کامل مراجع