پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی

  • Code: # 31320

  • تعداد صفحات: 80
  • فرمت فایل: word
  • سال: 1389
  • مقطع: کارشناسی ارشد
  • دسته بندی: مهندسی نقشه کشی
قیمت: ۳۶,۰۰۰ تومان
۶۶,۰۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست
  • خلاصه پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی

    پایان نامه‌ی کارشناسی ارشد رشته‌ی مهندسی نقشه برداری

     گرایش  سنجش از دور

    چکیده

    به ‌روزآوری پایگاه‌ های داده زمینی در محیط شهری کاری سخت و پر هزینه می‌باشد. تکنیک‌های سنجش از دور ماهواره‌ای به طور وسیعی در استخراج و کنترل تغییر پوشش زمین در مقیاس‌های مختلف مورد استفاده قرار گرفته‌اند که منجر به  ایجاد نتایج مفیدی شده‌اند. انجام این کار به کمک روشهای استخراج اتوماتیک تغییر آسان‌تر می شود. از طرف دیگر برای استخراج تغییر به شکل اتوماتیک دو استراتژی وجود دارد: مقایسه تصویر با نقشه و مقایسه تصویر با تصویر. روشهای استخراج تغییر اکثرا بر اساس مقایسه تصویر با تصویر هستند. در مقایسه تصویر با نقشه از نقشه موجود جهت پیدا کردن نواحی تغییر کرده در تصویری که اخیرا به دست آمده, استفاده می‌شود. جهت استخراج تغییرات می‌توان از دو شیوه پیکسل مبنا و شی مبنا استفاده کرد. تکنیک‌های پیکسل مبنا, روشهای سنتی آنالیز تصویر هستند و روند کار آنها به این صورت است که تفاوت‌های عوارض گوناگون را جستجو می‌کنند. اطلاعات تماتیک مورد نظر از این تفاوت‌ها, استخراج می‌شود. در بسیاری از کاربردها، نیاز به استخراج عوارضی است که از پیکسل‌های چندگانه تشکیل شده‌اند از جمله این عوارض جاده‌ها, ساختمان‌ها و غیره هستند. برای استخراج این عوارض نیاز به طبقه‌بندی گروهی پیکسل‌های نزدیک به یکدیگر است. در واقع در اینجا به جای استخراج پیکسل نیاز به استخراج شی وجود دارد. شی‌ها می‌توانند صدها ویژگی داشته باشند, مثل شکل, اندازه, پاسخ طیفی و غیره که این ویژگی‌ها می‌توانند برای آنالیز تصویر استفاده شوند. شی‌ها تعدادی ویژگی دارند که فقط در روشهای شی مبنا از آنها می‌توان استفاده کرد. برای استخراج عوارض نامشخص باید از اطلاعات اضافی مثل شکل و اندازه سایه‌ها استفاده کرد که دراشیاء, این موارد را می‌توان پیدا کرد. در این پژوهش یک روش جدید بر اساس شیوه‌ های شی مبنا, جهت استخراج اتوماتیک تغییرات ساختمان‌ها در محیط‌های شهری از تصاویری با قدرت تفکیک بالا و استفاده از پایگاه داده زمینی موجود ارائه می‌شود. روش مورد نظر از چند مرحله تشکیل شده است. در ابتدا پایگاه داده زمینی موجود از ساختمان‌ها و دیگر شی‌های شهری  مدل می‌شوند. سپس تصویر قطعه‌بندی می‌شود. در ادامه تصویر قطعه‌بندی شده با استفاده از پایگاه داده موجود مورد آنالیز قرار می‌گیرد تا به این ترتیب موقعیت قطعاتی که احتمالا تغییر ساختمان در آن رخ داده است شناسایی شود. در نهایت قوانین استخراج تغییر بر روی قطعات معین شده آزمایش می‌شوند و به این صورت قطعاتی که ساختمان‌های تغییر کرده را ارائه می‌دهند, مشخص گردند. در قسمت دوم این مطالعه, به جای قطعه‌بندی تصویر از روشهای مختلف دسته بندی استفاده شده است. از طرف دیگر در اجرای الگوریتم باید از ویژگی‌هایی استفاده شود که متناسب با منطقه بوده و منجر به نتایج قابل قبول شود. در این مطالعه از ویژگی‌های مختلف هندسی, بافتی و طیفی استفاده شد. الگوریتم مورد نظر در سه منطقه مورد آزمایش قرار گرفت. منطقه اول شامل 15 شی بود و تغییرات زیادی در این منطقه رخ نداده بود. منطقه دوم شامل 7 شی بود و عاری از تغییر بود. و در نهایت در منطقه سوم, 36 شی وجود داشت که نسبت به دو منطقه قبلی تغییرات بیشتری داشت. نتیجه روش پیشنهادی در هر سه منطقه قابل قبول بود و اکثر تغییراتی که در این مناطق به وقع پیوسته بودند, توسط این روش استخراج شدند. الگوریتم پیشنهادی تعدادی نقاط ضعف نیز دارد. این روش در استخراج حد فاصل دقیق بین ساختمان‌ها محدودیتهایی دارد. از طرف دیگر تعدادی از ساختمان‌های قدیمی توسط این روش به عنوان ساختمان جدید شناسایی شدند. از نکات دیگری که باید به آن اشاره کرد, بافت منطقه مورد مطالعه می‌باشد. داده‌هایی که در اینجا مورد استفاده قرار می‌گیرند, مربوط به حاشیه جنوبی شهر اصفهان هستند. ساختمان‌ها به شکل بلوک‌های کاملا پیوسته در این منطقه به چشم می‌خورند. از طرف دیگر نوع تصویر ماهواره‌ای که برای اجرای عملیات از آن استفاده می‌شود, نیز مهم است. قدرت تفکیک مکانی تصویر در استخراج تغییرات نقش مهمی دارد. در این تحقیق از یک تصویر Quickbird که در سال 2008 به دست آمده و همچنین نقشه 2000/1 سال 1375 شهر استفاده شده است.

    کلید واژه: استخراج تغییرات شهری, سنجش از دور, کلاس‌بندی و قطعه‌بندی تصویر, سیستم‌های اطلاعات جغرافیایی, قانون مبنا.

    فصل اول

    مقدمه

     

    1-1- مسأله پژوهش

    شهرسازی یک فرآیند اجتناب ناپذیر است که در نتیجه رشد سریع جمعیت و توسعه اقتصادی، اجتماعی به وجود می‌آید. حضور انسانها در مناطق شهری پر جمعیت به خصوص در کشورهای در حال توسعه باعث می‌شود که این مناطق دائما در حال تغییر باشند. از طرف دیگر حوادث طبیعی احتمالی مثل سیل و زلزله نیز باعث تغییر چهره مناطق شهری می‌شوند [16].

    برای غلبه بر مشکلات ناشی از این تغییر و برنامه‌ ریزی درست شهری، نیاز است که از این مناطق نقشه‌های به‌روز در دسترس باشد. به این ترتیب مسأله اصلی در برنامه‌ریزی شهری، نیاز مبرم به نقشه‌های به‌روز است. با توجه به تغییرات سریع و گسترده در مناطق شهری، توجه به تغییر پوشش‌ها و کاربری‌های زمین ضرورت دارد. همچنین با توجه به چگونگی گسترش شهر، پیش‌بینی تغییرات آینده و اتخاذ تصمیمات اساسی و برنامه‌ریزی شهری بر مبنای این تغییرات ضرورت دارد[1].

    در دهه‌های گذشته بررسی تغییرات پوشش و کاربری زمین بخش مهمی از مطالعات جهانی بوده است. این تغییرات نقش اساسی در تغییر محیط، آب و هوا، اکوسیستم و فعالیت‌های انسانی داشته است[3].

    این تغییرات فاکتور اصلی در تغییر جهان به علت فرآیند‌های اکوسیستم, چرخه‌های شیمیایی و از همه مهمتر فعالیتهای انسانی هستند. به همین علت تغییر پوشش و کاربری زمین بعنوان یک پروژه مهم در برنامه‌های سازمان‌های بین المللی مورد بحث قرار گرفته است. در سالیان گذشته توجه بیشتر, بر روی تغییر پوشش و کاربری زمین شهری بوده است. این امر به این علت است که اکوسیستم‌ها در نواحی شهری با وجود فعالیتهای بشری بیشتر تحت تاثیر قرار می‌گیرند[21] .

    مسأله به‌روز کردن نقشه منطقه شهری در کل دنیا یک امر ضروری و واجب است که برای برنامه‌ریزی شهری از اهمیت بالایی برخوردار است[30]. استخراج تغییرات از اهمیت بالایی در کاربردهای سنتی مثل کارتوگرافی و کاربردهای جدید مثل برنامه‌ریزی شهری و گرافیک کامپیوتری برخوردار است. به علت محدودیت منابع طبیعی فرآیندهای به‌روزآوری و تولید پایگاه داده زمینی باید به سرعت اجرا شوند[9].

    جهت شناسایی روند فعالیتهای انسان مانند توسعه صنعتی و تبدیل زمین‌های بایر به زمین‌های قابل کشت, اطلاع از تغییرات پوشش و کاربری زمین در طی دوره‌های زمانی مختلف اهمیت زیادی دارد. از طرف دیگر آگاهی از این تغییرات باعث می‌شود که برنامه مدونی برای رسیدن به یک رشد اقتصادی قوی در اختیار باشد و به این ترتیب رفاه اجتماعی در طی سالهای آینده افزایش یابد[2].

    پیشرفت‌های اخیر در تکنولوژی سنجش از دور و افزایش دسترسی به تصاویر ماهواره‌ای با قدرت تفکیک بالا باعث شده است که پتانسیل زیادی در تعیین و نمایش بخش وسیعی از مشکلات محیطی در نواحی شهری به وجود آید و به این ترتیب برنامه مدون ذکر شده در فوق با سرعت و دقت بیشتری اجرا گردد[6].

    روش سنجش از دور ماهواره‌ای به طور وسیعی در استخراج و کنترل تغییر پوشش زمین در مقیاس‌های مختلف مورد استفاده قرار گرفته که منجر به دستیابی به نتایج مفیدی شده‌ است. این امر به این دلیل است که سنجش از دور مجموعه داده‌های مکانی تهیه می‌کند که مناطق وسیعی با جزییات مکانی و بازه زمانی مناسب را پوشش می‌دهد[8].

    اگرچه در سنجش از دور استخراج اطلاعات هندسی از تصاویر در دهه اخیر سرعت گرفته است, اما حوزه فتوگرامتری چندین دهه است که برای جمع آوری اطلاعات در این زمینه استفاده می‌شود. در موارد زیادی هدف فتوگرامتری, به روزآوری نقشه از تصاویر هوایی با مقیاس بزرگ بوده است[26]. در دهه گذشته این هدف تغییر کرده است. به این شکل که فتوگرامتری هم اکنون برای به روزآوری یک پایگاه داده GeoSpatial (مکانی یا مکانمند) بر مبنای تصاویر هوایی اسکن شده یا تصاویر هوایی که به طور مستقیم از سنجنده‌های رقومی بدست آمده‌اند, استفاده می‌شود و طبیعت داده‌های جمع آوری شده ‌با داده‌های کارتوگرافیکی قدیمی متفاوت است[8].

    آنالیز تصویر حاصل از داده‌های سنجش از دوری, علمی است فرای استخراج اطلاعات از پیکسل‌های درون یک Scene یا تصویر[29]. در دهه‌های گذشته سنجنده‌های چند طیفی برای سنجش از دور طراحی شده‌اند که می‌توانند از انرژی منعکس شده از اشیاء گوناگون روی زمین در طول موج‌های مرئی و مادون قرمز نزدیک طیف الکترو‌مغناطیس استفاده کنند. بعضی از سنجنده‌ها در طیف حرارتی داده تهیه می‌کنند. در حالیکه اغلب سنجنده‌های تجاری امروزی, داده‌ها را در نواحی مرئی و مادون قرمز نزدیک ذخیره می‌کنند[5].

    به‌روز کردن نقشه‌های شهری کاری دشوار و پرهزینه است. این فرآیند دشوار می‌تواند با مقایسه یک تصویر ماهواره‌ای از وضعیت فعلی و نقشه موجود از منطقه و یا مقایسه دو تصویر در دو زمان مختلف به شکل ساده‌تری انجام گیرد[28].  فرآیند به‌روزآوری نقشه به سه مرحله تقسیم می‌شود که عبارتند از[2]

    شناسایی تغییرات

    استخراج تغییرات

    ذخیره تغییرات

    در اولین گام بایستی نوع تغییرات برای به‌روزآوری نقشه مشخص شود. به عنوان مثال تغییر از یک ناحیه بایر به ناحیه ساختمانی یا تغییر از یک ناحیه بایر به فضای سبز [17] .

    تشخیص تغییرات عوارض ساخته دست انسان مثل ساختمان‌ها با استفاده از تصاویر ماهواره‌ای یکی از کاربردهای مهم سنجش از دور است. با توجه به اینکه شناسایی تغییرات توسط چشم بشر کاری زمانبر و با دقت پایین می‌باشد، توسعه روشهای استخراج تغییر به صورت اتوماتیک امری اجتناب ناپذیر می‌شود. این روشها در سه سطح انجام می‌شوند: استخراج تغییرات کلی، استخراج تغییرات جزیی و آنالیزهای تغییر[9].

     میزان‌ صحت و‌ دقت تغییرات استخراج شده نیز باید معین شود.‌ جهت شناسایی جزییات تغییرات نیاز به روشهای دقیق (در سطح جزییات) می‌باشد. چنین تغییراتی می‌توانند از طریق بالا رفتن قدرت تفکیک  ماهواره استخراج شوند. این امر باعث می‌شود که فرآیند به‌روزآوری نقشه در سطح جزییات امکان پذیر گردد [19].

    چندین روش اتوماتیک جهت استخراج اتوماتیک تغییرات بر اساس تصاویر ماهواره‌ ایی پیشنهاد شده است. این روشها بین روشهای نیمه اتوماتیک و تمام اتوماتیک, روشهای پیکسل مبنا و Object(شی) مبنا و همچنین روشهای مبتنی بر ویژگی‌های طیفی و مبتنی بر هوش مصنوعی تغییر می‌کنند. از طرف دیگر برای استخراج تغییر به شکل اتوماتیک دو استراتژی وجود دارد: مقایسه تصویر با نقشه و مقایسه تصویر با تصویر. روشهای استخراج تغییر اکثرا بر اساس مقایسه تصویر با تصویر هستند. به این صورت که پیکسل به پیکسل دو تصویر که در دو تاریخ مختلف به دست آمده‌اند, با هم مقایسه می‌شوند و به این ترتیب یک تصویر که تغییرات به وجود آمده در فاصله زمانی معین شده را نشان می‌دهد, به دست می‌آید[6]. ولی در مقایسه تصویر با نقشه از  نقشه موجود جهت پیدا کردن نواحی تغییر کرده در تصویری که اخیرا به دست آمده, استفاده می‌شود. به دلیل اینکه نقشه یک ارائه انتزاعی و کلاس‌بندی شده از حقیقت است, مسئله مقایسه تصویر با نقشه با مقایسه تصویر با تصویر متفاوت است[2].

    اخیرا سنجش از دور در ترکیب با سیستم‌ های اطلاعات جغرافیایی و سیستم‌های تعیین موقعیت ماهواره‌ایی, جهت استخراج تغییر پوشش زمین استفاده شده است. نتیجه این امر می‌تواند به عنوان یک منبع داده در آنالیز و طراحی رشد شهری و همین طور استخراج تغییر پوشش و کاربری زمین مورد استفاده قرار گیرد[7].

    1-2-تاریخچه و تحلیل سوابق کار

    در مطالعات پیشین از دو استراتژی جهت استخراج تغییرات استفاده شده است. این استراتژی‌ها عبارتند از:مقایسه تصویر با تصویر و مقایسه تصویر با نقشه[8],[2].

    استراتژی اول یعنی مقایسه تصویر با تصویر یک شیوه سنتی استخراج تغییرات است. اساس این استراتژی مقایسه پیکسل به پیکسل دو تصویر می‌باشد. برای انجام این مقایسه از سه روش مختلف می‌توان استفاده کرد. این روشها عبارتند از: 1-استفاده از اپراتورهای ریاضی 2-انتقال تصویر 3-طبقه‌بندی تصاویر.

    روش سوم در بسیاری از تحقیقات و مطالعات پیشین به کار رفته است. یکی از تحقیقات اخیر در این زمینه در کشور ژاپن و برای شهر Sukuba انجام شده است[6]. در این تحقیق بین نتایج حاصل از چهار روش کلاس‌بندی  که در بخش قبلی به آنها اشاره شد, مقایسه‌ای صورت گرفته است. در نهایت روش چهارم نسبت به سه روش دیگر نتایج بهتری ارائه داده است. این تحقیق تنها از استراتژی مقایسه تصویر با تصویر استفاده کرده است و در زمینه مقایسه تصویر با نقشه کاری صورت نداده است.

  • فهرست پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی

    فهرست:

    فصل اول: مقدمه

    1-1-مسأله پژوهش... 1

    1-2-تاریخچه و تحلیل سوابق کار 4

    1-3- اهداف تحقیق.. 10

    1-4-ساختار پایان‌نامه. 11

    فصل دوم: داده‌ها

    2-1- معرفی داده‌ها 12

    2-2-پیش پردازش داده‌ها 20

    فصل سوم: روش کار

    3-1-مدلسازی.. 24

    3-1-1-تعریف کلاسهای شی و ویژگی‌های آنها 24

    3-1-2-انتقال بین کلاسها 25

    3-1-3-تبدیل اطلاعات به قوانین.. 25

    3-2-روش‌های قطعه‌بندی.. 27

    3-2-1-روش K-means. 28

    3-2-2-روش رشد ناحیه. 28

    3-3-آموزش... 29

    3-3-1-آموزش ویژگی‌های طیفی ‌ساختمان‌ها‌ 29

    3-3-2-آموزش ویژگی‌های هندسی‌ ساختمان‌ها‌ 29

    3-3-3-آموزش ویژگی‌های بافتی ‌ساختمان‌ها‌ 29

    3-4-استخراج تغییر ساختمان‌ها‌ 30

    3-5-طبقه‌بندی نظارت نشده 33                                                                                                                         

    3-6-طبقه‌بندی نظارت شده 37

    أ

    3-7-طبقه‌بندی نظارت شده قانون مبنا 38

     

    3-8- طبقه‌بندی ترکیبی بر مبنای پس پردازش GIS. 39

    فصل چهارم: نتایج

    4-1-نتایج الگوریتم‌های قطعه‌بندی.. 40

    4-2-نتایج روش دسته‌بندی نظارت شده 42

    4-3-نتایج روش دسته‌بندی نظارت نشده 48

    4-4-نتایج روش دسته‌بندی قانون مبنا نظارت شده 53

    4-5-نتایج روش دسته‌بندی ترکیبی بر مبنای پس پردازش GIS. 57

    فصل پنجم: نتیجه گیری

     منابع و مآخذ..................................................................................................................................................... 6

     

    منبع:

    منابع شامل کتاب و مقالات هستند که منابع مقاله‌ای دو دسته هستند شامل:

    الف-منابع انگلیسی‌‌که عبارتند از:

    [1] D.A.Holland and Boyd,‌‌‌‌‌‌‌‘‘Updating topographic mapping using imagery from high resolution satellite sensors” ISPRS Journal of Photogrametry and Remote Sensing,Vol. 60, No. 3, pp. 212-223, 2006.

    [2]M.Bouziani and K.Goïta and D.C.He,‘‘Automatic change detection of buildings in urban environment from very high spatial resolution images using existing geodatabase and prior knowledge” ISPRS Journal of  Photogrammetry and Remote Sensing, Vol. 58, No. 3-4, pp. 1-11, 2009.

    [3]V.Walter, ‘‘Object-based classification of remote sensing data for change detection” ISPRS Journal of  Photogrammetry and Remote Sensing, Vol. 58, No. 3-4, pp. 225-238, 2004.

    [4]J.F.Mas,‘‘A comparison of change detection techniques” International Journal of  Remote Sensing, Vol. 20, No. 1, pp. 139-152, 1999.

    [5]D.Lu and P.Mausel and E.Brondizio and E.Moran,‌‌‘‘Change detection techniques” International Journal of  Remote Sensing, Vol. 25, No. 12, pp. 2365-2407, 2003.

    [6]R.B.Thapa and Y.Murayama, ‘‘Urban mapping, accuracy, & image classification: A comparison of multiple approaches in Tsukuba City, Japan” ISPRS Journal of Photogrammetry and Remote Sensing,  Vol. 58, No. 3-4, pp. 162-182, 2009.

    [7]M.Song and D.Civco, ‘‘Road extraction using SVM and image segmentation” Photogrammetric Engineering & Remote Sensing, Vol. 70, No. 12, pp. 1365-1371, 2004.

    [8]K.Navulur,‘‘multispectral image analysis using the object-oriented paradigm”, London, Taylor & Francis, 2006.

    [9]F. Armenakis and C. Leduc and F.Cyra and I. Savopola and F.Cavayas,  ‘‘A comparative analysis of scanned maps and imagery for mapping applications”. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 29, No. 6, pp. 755-769, 2002.

    [10]R.Shalaby and A.Tateishi, ‘‘Remote sensing and GIS for mapping and monitoring land cover and land-use changes in the Northwestern coastal zone of Egypt”. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 58, No. 3-4, pp. 140-151, 2007.

    67

    [11]EK.Edgar, ‘‘Monitoring Land Use And Land Cover Changes In Belize”. A thesis presented to the faculty of the College of Arts and Sciences of Ohio University, 2004.

    [12]X.Jieying and Y.Shen and J.Ge and R.Tateishi and C.Tang and Y.Liang and Z.Huang, ‘‘evaluating urban expansion and land use change in Shijiazhuang, China, by  using GIS and remote sensing”. Landscape And Urban Planning , Vol. 75, No. 3-4, pp. 69-80, 2006.

    [13]A.D.Pape, ‘‘Multiple spatial resolution image change detection for enviromental management application”. A thesis submitted to the College of Graduate Studies and Research at the University of Saskatchewan in partial fulfillment of the requirements for the degree Master of Science in Geography,  2006.

    [14]T.Blaschke, ‘‘Object based image analysis for remote sensing”. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 65, No. 3-4, pp. 2-16, 2010.

    [15]M.Chord and M.Jordan and J.P.Cocqueres, ‘‘Building detection and reconstruction from mid- and high resolution aerial imagery ”. Computer Vision And Image Understanding, Vol. 72, No. 2, pp. 122-142, 1998.

    [16]J.A.Richards and X.Jia, ‘‘Remote sensing digital image analysis ”. Conberra, 2005.

    [17]M.V.K.Sivakumar and P.S.Roy and K.Harmsen and S.K.Saha, ‘‘Satelite remote sensing and GIS application in agricultural meteorology ”.  Dehra Dun, 2003.

    [18]S.Theodoridis and K.Koutroumbas, ‘‘Pattern Recognition”. London  , Taylor & Francis, 2003.

    [19]C.Zhang, ‘‘Towards an operational system for automated updating of road databases by integration of  imagery and geodata”. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 58, No. 3-4, pp. 166-186, 2004.

    [20]M.Bouziani and K.Goïta and D.C.He,‘‘Change detection of buildings in urban environment from high spatial resolution satellite images using existing cartographic data and prior knowledge”,International Geoscience And Remote Sensing Symposium Vol. 58, pp. 2581-2584, 2007.

    [21]J.Rogan and D.M.Chen,‘‘Remote sensing technology for mapping and monitoring land-cover and land-use change”,Progress In Planning Vol. 61, pp. 301-325, 2004.

    68

    [22]Y.Q.Wang,‘‘Remote sensing and modeling in regional land cover change study”,Symposium On Geospatial Theory, Processing And Application pp. 123-127, 2002.

    [23]P.Gamba and F.D.Acqua and B.V.Dasarathy,‘‘Urban remote sensing using multiple data sets: Past, present, and future”,International Geoscience And Remote Sensing Symposium Vol. 6, pp. 319-326, 2005.

    [24]Z.Islam,‘‘Fractals and fuzzy  sets for  modeling the heterogeneity  and spatial complexity of urban landscapes using multiscale remote sensing data”, A thesis is presented as part of the requirements for the award of the degree of Doctor of Philosophy of the Curtin University of  Technologt , 2004.

    [25]A.Devilles,‘‘Four fuzzy supervised classification methods for discriminating classes of non-convex shape”, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 141, pp. 219-240, 2004.

    [26]M.Herold and M.E.Gardner and D.A.Roberts,‘‘Spectral resolution requirements for mapping urban areas”, IEEE Transactions on Geoscience and Remote Sensing, Vol. 41, No. 2,  pp. 1907-1919, 2003.

    [27]H.S.Sudhira and T.V.Ramachandra,‘‘Characterising urban sprawl from remote sensing data and using landscape metrics”, Computers in Urban Planning and Urban Management, Vol. 198, No. 10,  pp. 1-12, 2005.

    [28]H.S.Sudhira and T.V.Ramachandra,‘‘Digital change detection methods in ecosystem monitoring”, International Journal Remote Sensing, Vol. 25, No. 9, pp. 1565-1589, 2004.

    ب-منابع فارسی که عبارتند از:

    29-پور احمد، احمد و یدقار، علی و حبیبی، کیومرث، بررسی روند و الگوی توسعه شهری سنندج با استفاده از GIS و RS، نشریه هنرهای زیبا، شماره 16، زمستان 1382، صفحات 31-15

    30-عباسپور، مجید و قراگوزلو، علیرضا، ارائه مدل‌های توسعه شهری با کاربرد سامانه‌های GIS و RS مدل‌های زیست محیطی، پایگاه ملی داده‌های علوم زمین کشور، 1381، صفحات 60-54

  • ثبت سفارش
    عنوان محصول
    قیمت