آشکارسازی سطوح نفوذناپذیر شهری با استفاده از ویژگی های بافتی تصویر راداری

رشد جمعیت شهری و توسعه فیزیکی مداوم شهرها باعث تغییر پوشش طبیعی زمین می شود و آن را به پوشش مصنوعی و سطوح نفوذناپذیر تبدیل می کند. افزایش چشمگیر این سطوح به پیامدهای منفی در بسیاری از حوزه ها می انجامد؛ ازجمله افزایش رواناب سطحی و خطر سیل، کاهش میزان تغذیه آب های زیرزمینی و تشدید اثر جزیره گرمایی. به این دلایل برآورد دقیق و پایش روند تغییرات این محدوده ها ضروری است. در این زمینه داده های سنجش از دور، یک راه حل مقرون به صرفه برای تهیه سطوح نفوذناپذیر و نظارت بر آنهاست.

هدف پژوهش حاضر، شناسایی سطوح نفوذناپذیر شهری با استفاده از تصاویر راداری است.

در پژوهش پیش رو ویژگی های بافتی ماتریس هم رخداد سطوح خاکستری (GLCM) با استفاده از روش های طبقه بندی حداکثر احتمال، شبکه عصبی مصنوعی و ماشین بردار پشتیبان روی تصویر راداری Sentinel-1 برای تعیین سطوح نفوذناپذیر شهر بندرعباس ارزیابی می شود.

به منظور بررسی صحت پردازش های انجام شده با روش های به کاررفته، از روش های برآورد دقت کل و ضریب کاپا استفاده شد. صحت کلی 0/97، 14/98 و 40/98درصد و ضریب کاپا 95/0، 97/0 و 97/0 به ترتیب برای طبقه بندی بیشترین شباهت، شبکه عصبی مصنوعی و ماشین بردار پشتیبان به دست آمد که نشان دهنده مناسب بودن روش های استفاده شده برای آشکارسازی سطوح نفوذناپذیر شهری است.

برای استخراج اطلاعات سطوح شهری بیشتر از الگوریتم های طبقه بندی متداول ویژگی های طیفی بهره برده می شود. این مسئله باعث می شود حجم زیادی از اطلاعات فضایی مفید مانند بافت در طبقه بندی تصاویر نادیده گرفته شود. با توجه به اینکه تصاویر SAR به مشخصات هندسی سطوح شهری حساس اند، می توان با استفاده از ویژگی های بافتی تصاویر راداری، سطوح نفوذناپذیر شهری را با دقت مناسبی آشکارسازی کرد که تاکنون کمتر به آن توجه شده است.