بررسي پويايي و گسترش مناطق شهري با استفاده از نمونه‌هاي آموزشي خودكار حاصل از تلفيق تصاوير نور شب و قدرت تفكيك متوسط

گسترش شهرها يك فرآيند پوياست و به‌روزرساني نقشه‌هاي شهري به‌منظور ارائه خدمات بسيار مهم است. داده هاي سنجش‌ازدوري منبع قدرتمندي براي استخراج مناطق ساخته‌شده مي باشند؛ يكي از داده‌هايي كه مي‌تواند پويايي مناطق شهري را تشخيص دهد داده‌هاي نور شب است. ازآنجايي‌كه مناطق شهري در هنگام شب توسط نورهاي مصنوعي موجود در منازل و خيابان‌ها روشن مي‌شوند، درنتيجه به خوبي از پس زمينه متمايز خواهند شد. ازاين روي مطالعه حاضر در تلاش است رشد و گسترش مناطق شهري را با استفاده از نمونه‌هاي آموزشي با كيفيت و اتوماتيك از روي تركيبي از تصاوير نور شب و اپتيك، در يك بازه 24 ساله با دقت بالايي شناسايي و استخراج كند. دراين راستا براي توليد نمونه‌هاي آموزشي با كيفيت، شاخص نور شب تحت عنوان [1]VTNUI توسعه داده شده است كه با تركيب ويژگي‌هاي مختلف بدست آمده از تصاوير لندست و نور شب در محدوده‌هاي شهري و در نظر گرفتن روابط بين مناطق، پديده اشباع[2] و شكوفايي[3] تصاوير نور شب در محدوده شهري را كاهش داد. سپس با بررسي حد آستانه‌هاي خودكار بر روي شاخص توسعه داده شده نمونه‌هاي آموزشي با كيفيت توليد شد تا طبقه‌بندي دقيق‌تري از مناطق شهري ارائه شود. ازاين‌روي ابتدا از نمونه‌هاي آموزشي اوليه به دست آمده با استفاده از حد آستانه خودكار بر روي تصاوير نور شب طبقه‌بندي اوليه صورت پذيرفت سپس نمونه‌ها با اعمال حد آستانه خودكار بر روي شاخص معرفي شده پالايش شدند و طبقه‌بندي نهايي صورت گرفت. درنهايت بر اساس تحليل سري زماني، روند رشد منطقه بررسي شده است. به منظور بررسي اثربخشي روش پيشنهادي، دو منطقه داراي اقليم متفاوت انتخاب شد و بررسي هاي مختلف بصري و كمي براي ارزيابي صورت پذيرفت. نتايج طبقه‌بندي نهايي براي بابل و كرمان به ترتيب با ميانگين ضريب كاپا 93.0 و 74.0 و ميانگين دقت كلي 76.97 و 63.87 براي تمام سال‌هاي مورد بررسي به دست آمده است.