Daha çox

Şəhər genişlənməsi üçün Uzaqdan Algılama Göstəriciləri

Şəhər genişlənməsi üçün Uzaqdan Algılama Göstəriciləri


NDBI -dan başqa, şəhər genişlənməsi üçün bir neçə indeks adlandıra bilərsinizmi? Google -da bir az axtarış etdim, amma mənə kömək edəcək bir şey tapmadım. Bəlkə də,

Məni maraqlandıran da budur: yol/infrastruktur, parklar, dayanacaqlar, şəhər mühitində ticarət sahələrinin inkişafı.

Redaktə et:

Bir şəhərin bəzi ortofotlarını təhlil etməliyəm və bunun üçün analizlərimə bəzi indekslər tətbiq etməliyəm. Proqram təminatına gəlincə, mənim ixtiyarımda olacaq: ERDAS, ArcGIS, Open Source.


Güman edirəm ki, ortofotlarınız varsa Qırmızı, Yaşıl, Mavi və nIR qrupları ilə işləyirsiniz. Nəzarət olunan maksimum ehtimal təsnifatından (MLC) istifadə edərək torpaq örtüyü təsnifatını araşdırmağa başlayardım. Həm ArcGIS, həm də Erdas, MLC daxil olmaqla, görüntü təsnifatı üçün müxtəlif vasitələrə malikdir. Gerekirse, təsnifat zamanı daha çox məlumat əldə etməyə imkan verən indeksləri mahiyyətcə başqa bir "qrup" olaraq daxil edə bilərsiniz. İndeksi ArcGIS -də Kompozit Bantlar və ya Erdas -da Raster Stack alətindən istifadə edərək raster yığına əlavə edə bilərsiniz.

Yalnız 4 spektral diapazonunuz varsa (R, G, B, nIR), mövcud indekslərin müxtəlifliyi ilə kifayət qədər məhdudlaşırsınız. Bununla birlikdə, torpaq örtüyü təsnifatınız üçün əlavə məlumat olaraq NDVI -dən istifadə etməyi məsləhət görürəm. Bu indeks ümumiyyətlə bitki örtüyünü qiymətləndirmək üçün istifadə olunur, baxmayaraq ki, bitki örtüyünün olduğu yer haqqında məlumat vermək üçün də istifadə edilə bilər yoxşəhərlərdə və ya inkişaf etmiş ərazilərdə olduğu kimi.


Şəhər yaşıllıqları şəhər sakinlərinin fiziki fəaliyyəti, zehni rifahı və sağlamlığı üçün əhəmiyyətlidir. İranın orta ölçülü şəhərlərində son onilliklər ərzində şəhər yaşıllıqları nəzərə alınmamışdır. Bu işdə, məskunlaşmış ərazilərdə yaşıl sahələrin paylanmasını araşdırmaq üçün uzaqdan zondlama və coğrafi məlumat sistemindən istifadə edilmişdir. Buna görə, şəhər torpaqlarından istifadə effektini ölçmək üçün şəhər mənzərələri daxilində şəhər yaşıllıqlarının paylanmasını qiymətləndirmək üçün normallaşdırılmış fərq bitki indeksi (NDVI) və normallaşdırılmış fərq quruluş indeksi (NDBI) istifadə edilmişdir. Coğrafi məkan analizinin nəticələri yaşayış yerlərində yaşıllıqların olmadığını göstərdi. Qorveh şəhərinin ümumi ərazisinin 16.8% -i, şəhər əhalisinin 39.4% -nin bu bölgədə yaşadığı, işlək olmayan bir şəhər parçası hesab olunur. Bu araşdırma, şəhər yaşıllıqlarının planlaşdırma üçün əhəmiyyətini göstərmək üçün coğrafi analizlərlə yaşıl sahə indeksinin istifadəsini vurğuladı. Gələcək şəhər quruculuğu ssenariləri üçün bu yanaşma regional planlaşdırma yanaşmaları ilə əlaqələndirilərək istifadə edilə bilər.

Jennings V., Bamkole O. (2019), Sosial Birlik və Şəhər Yaşıl Məkanı arasındakı əlaqə: Sağlamlığın Təşviqi üçün bir prospekt. Beynəlxalq ekoloji araşdırma və ictimai sağlamlıq jurnalı, 16 (3), 452. https://doi.org/10.3390/ijerph16030452.

Dennis M. və James P. (2016), İstifadəçilərin şəhərin yaşıl birləşmələrində iştirakı: Giriş, könüllülük, biomüxtəliflik və rifah arasındakı əlaqələri araşdırmaq. Şəhər üçün. Şəhər Yaşıl 5: 22-31. doi: 10.1016/j.ufug.2015.11.009.

Dinnie E., Brown K.M., Morris S. (2013), "İcma, əməkdaşlıq və qarşıdurma: Şəhər yaşıllıq təcrübələrinin sosial rifah faydalarını müzakirə etmək" nəşrinin Landsc. Şəhər Planı.118: 103–111. doi: 10.1016/j.landurbplan.

MacKenzie A. və Gibbons, P. (2019) "Şəhər Yaşıl Məkanında Biomüxtəlifliyin Artırılması Ekoloji cəhətdən yetkin ağaclara tətbiq olunan IAD Çərçivəsinin Kəşfi." Şəhər elmi. 3, yox. 4: 103.

Braubach M., Egorov A., Mudu P., Wolf T., Ward Thompson C., Martuzzi M. (2017), Urban Green Space -in Ətraf Sağlamlığına, Bərabərliyə və Dözümlülüyə təsiri. In: Kabisch N., Korn H., Stadler J., Bonn A. (eds) Şəhərlərdə İqlim Dəyişikliyi Uyğunlaşması üçün Təbiətə əsaslanan həllər. Şəhər Davamlılığı Keçidlərinin Nəzəriyyəsi və Praktikası. Springer, Cham. https://doi.org/10.1007/978-3-319-56091-5_11.

Sandow E. və Lundholm E. (2020), Hansı ailələr metropolitenlərdən köçür? İsveçdəki şəhərlərarası köç və peşələr. Avropa Şəhər və Bölgə Araşdırmaları, 27 (3), 276-289. https://doi.org/10.1177/0969776419893017.

Dave S. (2010), İnkişaf etməkdə olan Ölkələrdə Yüksək Şəhər Yoğunluğu: Davamlı Bir Həll? Daxili Ətraf (1978-), 36 (1), 9-27. 30 Noyabr 2020, http://www.jstor.org/stable/23289981 saytından əldə edildi.

Chen W., Huang H., Dong J., Zhang, Y., Tian Y., Yang Z. (2018), Uzaqdan algılama və sosial algılama məlumatlarından istifadə edərək şəhər yaşıl sahəsinin sosial funksional xəritələşdirilməsi, ISPRS Photogrammetry and Remote Sensing Journal , Cild 146, Səhifələr 436-452, ISSN 0924-2716, https://doi.org/10.1016/j.isprsjprs.2018.10.010.

Reynolds H., Brandt L., Widhalm M., Fei S., Fischer B., Hardiman B., Moxley D., Sandweiss E., Speer J., Dukes J (2018), "İndiananın Şəhər Yaşıl Məkanlarının Qorunması: A İndiana İqlim Dəyişikliyi Təsirlərinin Qiymətləndirilməsi Hesabatı ". Şəhər Yaşıl Fəzaları Hesabatları. Kağız 1. http://dx.doi.org/10.5703/1288284316653.

Arghavani S., Malakooti H., Akbari A., Bidokhti, A.A. (2020), Tehran metropolunda şəhər istilik adası və istilik rahatlığı səviyyəsində şəhər yaşıl sahə ssenarilərinin ədədi qiymətləndirilməsi, Journal of Cleaner Production, Cilt 261, 2020, 121183, ISSN 0959-6526.

[12] Sikuzani YU, Malaisse F., Cabala Kaleba S., Kalumba Mwanke A., Mwana Yamba A., Nkuku Khonde C., Bogaert J., Munyemba Kankumbi, F. (2019), Yaşıl sahədə ağac müxtəlifliyi və quruluşu şəhər və şəhər ətrafı bölgələr: Konqo Demokratik Respublikasındakı Lubumbashi Şəhəri, Şəhər Meşəçiliyi və Şəhər Yaşıllaşdırması, Cild 41, Səhifələr 67-74, ISSN 1618-8667, https: //doi.org/10.1016/j .ufug.2019.03.008.

Wang A. və Chan E. (2019), Şəhərin yaşıl sahə təminatına təsir edən institusional faktorlar-yerli hökumət gəlir baxımından, Ətraf Mühit Planlaşdırma və İdarəetmə Dergisi, 62:13, 2313-2329, DOI: 10.1080/09640568.2018.1541231.

Xu G., Dong T., Brandful Cobbinah P., Jiao L., Sumari NS, Chai B., Liu Y. (2019), Qlobal dünyagörüşü olan Afrika şəhərlərində şəhər genişlənməsi və forma dəyişikliyi: Şəhər torpaq sıxlığının məkan -müasir təhlili , Təmiz İstehsalat jurnalı, Cild 224, Səhifələr 802-810, ISSN 0959-6526, https://doi.org/10.1016/j.jclepro.2019.03.276.

Naikoo MW, Rihan M., Ishtiaque M, Shahfahad (2020), Böyük bir şəhərin ətrafındakı torpaq istifadə torpaq örtüyünün (LULC) dəyişməsinin və genişlənməsinin təhlili: Torpaq məlumatları istifadə edərək Delhi NCR-nin zaman-zaman analizi. Şəhər İdarəçiliyi, Cild 9, Sayı 3, Səhifələr 347-359, ISSN 2226-5856, https://doi.org/10.1016/j.jum.2020.05.004.

Alqurashi A.F. və Kumar (2019), Səudiyyə Ərəbistanının sürətlə inkişaf edən şəhərlərində urbanizasiya və torpaq istifadəsi dəyişikliklərinin təsirinin qiymətləndirilməsi, Geocarto International, 34: 1, 78-97, DOI: 10.1080/10106049.2017.1367423.

Gu C. (2019), Urbanizasiya: Proseslər və hərəkətverici qüvvələr. Elmi. Çin Yer Bilimi. 62, 1351–1360. https://doi.org/10.1007/s11430-018-9359-y.

Gerten C, Fina S., Rusche K. (2019), Geniş Planet: Qlobal Urbanizasiya Trendlərinin Ölçülməsini Sadələşdirmək. Ön. Ətraf. Elmi. 7: 140. doi: 10.3389/fenvs.2019.00140.

Ramos-Santiago L. E., L. Villanueva-Cubero L. E. Santiago-Acevedo, Rodriguez-Melendez Y.N. (2014), San Juan şəhərətrafı şəhərətrafı məhəllələrində yaşıl sahə itkisi: yaşıl/boz sahə dinamikasını təhlil etmək üçün çoxşaxəli bir yanaşma. Ekologiya və Cəmiyyət 19 (2): 4.

Samiei A. və Sayafzadeh A. (2016), Yıpranmış toxumaların xüsusiyyətlərinin təhlili və müdaxilə nümunəsinin təmin edilməsi, Case Study: Eslamshahr şəhəri, Tehran. Cari Şəhər Araşdırmaları, 4, 267-279.

Zhu Z., Lang W., Tao X., Feng J., Liu K. (2019), Şəhər Qonşuluq Yaşıl İndeksinə əsaslanaraq Şəhər Yaşıl Məkanlarının Keyfiyyətini Kəşf Etmək - Guangzhou Şəhərinin Bir nümunəsi. Davamlılıq, 11, 5507.

Agaie, T. (2012), inkişafda orta şəhərlərin rolu, nümunə öyrənmə Qorveh, şəhər inkişafı və davamlı memarlıq konqresi, Tehran, İran [Fars dilində].

Zarei P. və Ramesht M.H. (2011), Qorveh City, Congress, Mashad, Iran'ın fiziki inkişafına Ətraf Mühitin Təsirlərinin Etkiləri [Fars dilində].

Siddique G., Roy A., Mandal M.H. və s. (2020), Asansol şəhərində, Qərbi Benqaldakı şəhər yaşıllıq sahəsinin dəyişən vəziyyətinə dair bir qiymətləndirmə. GeoJournal. https://doi.org/10.1007/s10708-020-10312-2.

Ettehadi Osgouei P., Kaya S., Sertel E., Alganci U. (2019), Sentinel-2A Görüntülərindən istifadə edərək Aralıq dənizi Şəhərlərində Çılpaq Torpaqlardan Yaşayış Sahələrini Ayırmaq. Uzaqdan Sens.1, 345.

Rondinelli D.A. (1983) Coğrafi baxış, Cild. 73, No. 4, s. 379-395 Nəşr edən: Taylor & amp Francis, Ltd. Sabit URL: https://www.jstor.org/stable/214328.

Frick S.A. və Rodríguez-Pose A. (2016), Orta şəhər ölçüsü və iqtisadi artım, Cambridge Region Regionlar, İqtisadiyyat və Cəmiyyət, Cild 9, Sayı 2, Səhifələr 301-318.

El Garouani A, Mulla DJ, El Garouan Si, Knight J. (2017), Uzaqdan algılama məlumatlarından şəhər artımının və yayılmasının təhlili: Fez Case, Morocco, International Journal of Sustainable Builded Environment, Cild 6, Sayı 1, Səhifələr 160 -169, ISSN 2212-6090, https://doi.org/10.1016/j.ijsbe.2017.02.003.

Yagi H., Garrod G. (2018), Daralan şəhərətrafı ərazilərdə kənd təsərrüfatının gələcəyi: Daşınmaz əmlak gəlirlərinin və mənzil xərclərinin təsiri, Torpaq İstifadə Siyasəti, Cild 76, Səhifələr 812-822, ISSN 0264-8377, https:/ /doi.org/10.1016/j.landusepol.2018.03.013.

Li H., Chen W., He, W. (2015), Şəhər Sahələrində Yaşıl Məkan Ekoloji Şəbəkəsinin Planlaşdırılması: Nanchang, Çin nümunəsi. Beynəlxalq Ətraf Mühit Araşdırmaları və Xalq Sağlamlığı jurnalı, 12 (10), 12889–12904. https://doi.org/10.3390/ijerph121012889.

Chunyang H., Peijun S., Dingyong X., Yuanyuan Z. (2010), Yarımavtomatik seqmentləşdirmə yanaşması, Uzaqdan Algılama Məktubları, 1: 4, 213- 221, DOI: 10.1080/01431161.2010.481681.


Şəhərin genişlənməsi nəticəsində yaşıl ərazinin səth-temperatur dəyişikliyini qiymətləndirmək üçün uzaqdan zondlama və coğrafi informasiya sistemlərindən istifadə

Bu işdə şəhərin yaşıl məkan dəyişikliyinin şəhər səthinin parlaq istiliyinə (SRT) təsirini müəyyən etmək üçün uzaqdan zondlama (RS) və coğrafi informasiya sistemlərinin (CİS) birləşmiş yanaşması istifadə edilmişdir. Yaşıl sahə qeyri-yaşıl sahəyə çevrildikcə şəhər SRT artır. Həm də yaxşı qorunan yaşıllıq və yeni bağlanan yaşıl sahələr SRT -nin azalmasına kömək edir. Seul Metropoliten sahəsi sürətlə genişlənir. Mövcud şəhər SRT tədqiqatları, əsasən Seul City üçün aparılmışdır. Koreyada ən sürətlə genişlənən sahə indi Seul şəhərətrafı ərazidir, məsələn, Gwanggyo Dağı. Torpaq istifadəsi dəyişikliyi nəticəsində SRT və normallaşmış fərq bitki indeksi (NDVI) dəyişiklikləri bir çox digər tədqiqatlarda ölçülsə də, bu tədqiqatların nəticələri müxtəlif mövsümlərdən əldə edilən məlumatlardan əldə edilmişdir. Ayrıca, bu işlər yeni genişlənən bir sahəni araşdırmadı. Bu problemləri nəzərə alaraq, fərqli illərdə eyni mövsüm üçün SRT dəyişikliyini əldə etmək üçün bu araşdırmada eyni mövsümi çox zamanlı məlumatlar istifadə edilmişdir. Bu araşdırma, şəhər SRT -nin azaldılması üçün səmərəli idarəetmənin və şəhər yaşıllıqlarının yerləşməsinin əhəmiyyətini təsdiqlədi. Nəhayət, şəhərin yaşıl sahə dəyişikliyinin şəhər SRT-yə təsiri şəhər planlamasında əhəmiyyətli bir faktor olaraq qəbul edilməlidir.

Bu, abunə məzmununun, müəssisəniz vasitəsi ilə girişin bir ön görünüşüdür.


Uzaqdan Algılama - Şəhər Monitorinqi üçün Effektiv Məlumat mənbəyidir

Mücərrəd -Şəhər monitorinqi, şəhərlər daxilindəki dəyişikliklərin və ya tutarlılığın çox zamanlı müşahidə və ölçülməsini nəzərdə tutur. Şəhər konteksti olduqca mürəkkəbdir, çünki şəhərlər bir -biri ilə sıx əlaqəli və dinamik bir -biri ilə sıx əlaqəli proseslərdə sıxlıq və müxtəliflik şəraitində yaşayan çox sayda insandan ibarətdir. Şərtlərin və proseslərin çoxu kosmosla bağlıdır. Beləliklə, şəhər kontekstini, dinamik qarşılıqlı əlaqələri və daimi dəyişikliklərini ölçmək, təhlil etmək və anlamaq üçün məkan məlumatları çox vacibdir. Bir məlumat mənbəyi olaraq, uzaqdan algılanan məlumatlar, təbii olaraq şəhərin torpaq örtüyünün xüsusiyyətləri və müxtəlif məkan və zaman miqyasında dəyişiklikləri haqqında məlumat vermək üçün uyğundur. Bu sənəd, uzaqdan algılanan məlumatlara əsaslanaraq şəhərlərdə monitorinq imkanlarını və məhdudiyyətlərini nümayiş etdirmək üçün DLR -də mövcud tətbiqlərə ümumi bir baxış və nümunələr verir.

I. URBANİZASİYA

Urbanizasiya əsasən kənd şəraitindən şəhər şəraitinə keçid kimi başa düşülə bilər. Beləliklə, bir şəhərin və ya ümumiyyətlə qurulmuş bir bölgənin fiziki böyüməsini nəzərdə tutur. Bununla birlikdə, şəhərləşmə də Birləşmiş Millətlər tərəfindən insanların kənddən şəhərə köçməsi olaraq təyin edilir [1]. Şəhərləşmə prosesi əsasən üç faktordan qaynaqlana bilər: Təbii əhalinin artması, kənddən şəhərə köç və ilhaq [2] [3].

Şəkil 1: Çox sensorlu şəhər artım təhlili-Manila, Filippin nümunəsi ilə. Mənbə: DLR-DFD

Və gələcəkdə bu şəhərləşmə prosesi, Birləşmiş Millətlər Təşkilatının son proqnozlarına [1] görə, çox böyük olacaq: Önümüzdəki 30 il ərzində dünya əhalisinin demək olar ki, bütün artımı şəhər bölgələri tərəfindən mənimsəniləcəkdir.

Yaxın tarixdəki nəhəng şəhərləşmə dünya miqyasında bir fenomendir, lakin dünyanın iki şəhəri belə eyni olmadı. Şəhərlərlə əlaqəli yeganə şey, daim dəyişmələridir [4]. Urbanizasiya topoqrafiya, nəqliyyat, torpaq istifadəsi, sosial quruluş və iqtisadi tip detalları ilə əlaqələndirilə bilər, lakin ümumiyyətlə bir şəhərin demoqrafiyası və iqtisadiyyatı ilə əlaqədardır [5]. Ən bariz nəticə, tez-tez 'şəhərin yayılması' olaraq adlandırılan məkan genişlənməsi ilə nəticələnir. yaşayış səviyyəsi, torpağın qiyməti, ucuz kənd təsərrüfatı torpaqlarının olması, bələdiyyələr arasında rəqabət və s.), demoqrafik amillər (əhali artımı, ev təsərrüfatlarının artması, formalaşma və s.), mənzil üstünlükləri (adambaşına daha çox yer və s.), daxili şəhər problemləri (pis hava keyfiyyəti, səs -küy, kiçik mənzillər, təhlükəli mühitlər, sosial problemlər, yaşıl açıq sahələrin olmaması, məktəblərin keyfiyyətsizliyi və s.), nəqliyyat (şəxsi avtomobillərə sahiblik, yolların mövcudluğu, yanacağın aşağı qiyməti, əhalinin yoxsulluğu) nəqliyyat və s.) və tənzimləyici çərçivələr (zəif torpaq istifadəsi planlaması, mövcud planların zəif icrası, üfüqi və şaquli, koordinasiya və əməkdaşlıq və s.) [6].

Urbanizasiyanın səbəbləri və nəticələri əsasən kosmosa istinad edir. Beləliklə, şəhərləşmə ilə əlaqəli problemlərin çoxu üçün şəhər və məkan planlaması, siyasət, elm, sənaye və ya sakinlər üçün məkan bilikləri tələb olunur. Şəhərləşmənin yaxın gələcəkdə qlobal ətraf mühitdəki ən böyük dəyişikliklərdən biri olaraq qalacağını nəzərə alaraq, yalnız mövcud vəziyyət haqqında məkan məlumatları deyil, dəyişikliklər haqqında davamlı biliklər də vacibdir.

Təəssüf ki, şəhər yerləri haqqında ənənəvi məlumat mənbələri çox vaxt qeyri -kafidir. Lazımi məlumatlar tez -tez ümumiləşdirilmiş, köhnəlmiş, etibarsız, standart formatda deyil və ya bəzi hallarda sadəcə mövcud deyildir.
Bir məlumat mənbəyi olaraq, uzaqdan algılanan məlumatlar, təbii olaraq şəhərin torpaq örtüyünün xüsusiyyətləri və müxtəlif məkan və zaman miqyasında dəyişməsi haqqında məlumat vermək üçün uyğun gəlir [7]. Bunun xaricində Yer müşahidəsi müstəqil bir məlumat mənbəyi təmin edir.

Bu sənəd, şəhər monitorinqini dəstəkləmək üçün uzaqdan algılamanın imkanlarını və məhdudiyyətlərini nümayiş etdirmək üçün DLR -də mövcud tətbiqlərə diqqət yetirir. Fənlərarası bir məlumatlandırma, planetimizin mürəkkəb və dinamik olaraq dəyişən şəhərlərindəki vəziyyətləri daha geniş bir şəkildə anlamaq və daha geniş bir şəkil çəkmək üçün bu istiqamətdə araşdırmalara ehtiyac olduğunu vurğulayır.

II. ŞƏHƏR MONİTORİNQİ ÜÇÜN UZAKTAN ALGILAMA QABİLİYYƏTLƏRİ

"Google Earth" internet platformasının işə salınmasından bəri, Yer müşahidəsi məlumatları az -çox ümumi məlumatlara çevrildi. Bir tərəfdən, quru səthinin cisimləri, quruluşları və ya nümunələri haqqında qlobal miqyasda məlumat əldə etmək üçün nəzəri imkanlar təsəvvür edilməmiş məlumat və imkanlara imkan verir. Ancaq görüntülər məlumat deyil, məlumatdır. Sinoptik ümumi görünüşü ilə uzaqdan zondlamanın gücü, məlumatların (və ya şəkillərin) informasiyaya müstəqil, sürətli, müasir, sahə miqyasında və nisbətən qənaətcil şəkildə çevrilməsinə imkan verir. Çox sayda metodologiyadan istifadə etmək - məs. statistik, sinir, qeyri-səlis təsnifatçılar-müəyyən məlumat dəstləri üçün avtomatik məlumatların çıxarılması üçün bu çevrilmə tətbiqə əsaslanan məhsulları hədəfləyir.

Torpaq səthindəki dəyişikliklərin çox zamanlı monitorinqi üçün müxtəlif üsullar mövcuddur: Şəkil fərqləndirmə, bitki indeksi fərqləndirmə, əsas komponent təhlili, birbaşa çox tarixli nəzarətsiz təsnifat, təsnifat sonrası dəyişiklik fərqliliyi və görüntü inkişaf etdirmə və təsnifat sonrası müqayisə kombinasiyası. [8] [9]. Son illərdə spektral qarışıq analizi, süni neyron şəbəkələr, coğrafi informasiya sistemi və uzaqdan zondlama məlumatlarının inteqrasiyası dəyişikliklərin aşkar edilməsi tətbiqləri üçün vacib üsullara çevrildi [10]. Bunun xaricində [11] e. g. radar görüntüləri üçün əyri əsaslı bir dəyişiklik alqoritmi hazırladı.

Uzaqdan algılanan məlumatlardan istifadə edərək uzunmüddətli monitorinq əlbəttə ki, mövcud məlumat mənbəyi ilə məhdudlaşır. Beləliklə, bu günə qədər son 20 və ya daha çox il üçün monitorinq, Landsat, SPOT və ya IRS kimi sensorların orta qətnamə məlumatlarına əsaslanır. Bununla məhdud geometrik qətnamə çox tematik təfərrüata imkan vermir, lakin şəhər səviyyəsində və şəhərsiz bölgələr arasında fərq qoyaraq regional səviyyədə məkan şəhər artımını təhlil etmək üçün kifayət qədər məlumat verir.

Şəkil 1, inkişaf etməkdə olan ölkələrdə son 35 ildə şəhər genişlənməsinin böyük məkan ölçüsünü dəstəkləyən, Filippinin meqa şəhəri Manilada 1975 -ci ildən 2010 -cu ilə qədər olan məkan artım analizinin nəticəsini göstərir. 1975-ci ildə Landsat MSS və 1990-cı ildə Landsat TM-dən fərdi məlumat dəstləri obyekt yönümlü bir yanaşma istifadə edərək təsnif edildi [12]. 2010-cu ildə TerraSAR-X məlumatlarından şəhərin izini çıxarmaq üçün piksel əsaslı təsnifat yanaşması tətbiq edildi [13].

Piksel əsaslı təsnifat sonrası bir dəyişiklik təsbitindən istifadə edərək, məkan şəhər artımı müəyyən edilə bilər. Uzanmanın məkan ölçüsünü və zamandan asılı olaraq dinamikanı aşkar etməyə imkan verir. Bunun xaricində, yenidən sıxlaşma, sıçrayış qurbağasının inkişafı və eksenel, mono və ya çox mərkəzli quruluşlar və ya peyk şəhərlərinin təkamülü kimi böyümə nümunələri kimi proseslər müəyyən edilə və təhlil edilə bilər.

Şəkil 2: Polşanın Varşava şəhərində 2002 (a) və 2008 (b) çox vaxtlı yüksək qətnamə Ikonos görüntülərindən istifadə edərək şəhər artımının təhlili (c) 2002-ci il üçün obyekt yönümlü təsnifat nəticəsi (d) 2008-ci il üçün obyekt yönümlü təsnifat nəticəsi ( e) Çox zamanlı homojenlik fərqlənməsi (f) NDVI əsasında çox zamanlı fərqlilik. Mənbə: DLR-DFD

Son onillikdə yüksək qətnaməli peyk sensorlarının ortaya çıxması ilə şəhər monitorinqi yanaşmaları daha yüksək tematik və həndəsi səviyyəyə imkan verir [14]. Piksel ölçüləri görüntülənən obyektlərdən kiçildikcə obyekt yönümlü təsnifat metodologiyaları diqqət mərkəzinə düşdü [15]. Segmentasiya üsulları [16] yalnız spektral xüsusiyyətlərdən deyil, həm də forma, toxuma, iyerarxik və kontekstual məlumatlardan istifadə edərək avtomatik təsnifatları gücləndirir [17]. Son ədəbiyyatlarda, yüksək qətnaməli optik uzaqdan zondlama şəkillərinin təsnifatı üçün müxtəlif obyektlərə əsaslanan yanaşmalar təqdim edilmişdir [18] [19] [20] [21].

Şəkil 2c) və d), Şəkil 2a və b) -də təqdim olunan, Polşanın Varşava şəhərindəki bir sınaq sahəsindəki 2002 və 2008-ci illərə aid çox vaxtlı İkonos təsəvvürlərinə əsaslanan iki fərdi obyekt yönümlü təsnifat nəticələrini göstərir. Post-təsnifat dəyişikliyi aşkarlanması məkan şəhərləşməsinin sahələrini müəyyən etməyə imkan verir. Lakin, təsnifat üzrə orta hesabla 80 % -dən bir qədər yuxarı olan dəqiqliklər, təsnifat sonrası dəyişikliklərin aşkarlanmasında irsi səhvlərə səbəb olur.

Şəkil 2e) və f) dəyişikliklərin müəyyən edilməsinə fərqli bir yanaşma göstərir. Burada süni şahmat taxtası seqmentləşdirilməsi məkan istinadını təyin etmək üçün istifadə olunur. Bu xüsusi vəziyyətdə, 100 metrlik bir grid nümunəsi istifadə edilmişdir. Bu süni qutunun içərisindəki spektral dəyərlərin "homojenliyi" ölçüsü 2002 və 2008-ci illər üçün hesablanır. Əhəmiyyətli bir fərq olduğu təqdirdə, faktura ölçüsü ilə əlaqədar çox zamanlı müqayisə, dəyişiklik ehtimalı yüksək olan sahələri lokallaşdırmağa imkan verir (2e ). Analoji olaraq, bu çox zamanlı müqayisə NDVI (Normallaşdırılmış Fərq Bitki İndeksi) nisbəti ilə tətbiq edilmişdir. Hər iki yanaşma da çox zamanlı dəyişiklik ehtimalı yüksək olan sahələri müəyyən edir və lokalizasiya edir. Bununla birlikdə, süni şahmat taxtası, şəbəkə ölçüsünə görə marjinal dəyişikliklərlə bağlı problemləri də göstərir.

Uzaqdan zondlama məlumatlarından istifadə edən şəhər tədqiqatları tədqiqatçılar tərəfindən daha çox diqqət çəkilsə də, tək bir sensorun kompleks şəhər mühitinin xarakteristikası üçün lazım olan bütün məlumatları verə biləcəyini düşünmək optimist olardı [22]. Üçüncü ölçünün çoxsaylı məlumatlardan əldə edilməsi mürəkkəb şəhər mühitinin modelləşdirilməsi baxımından mühüm əhəmiyyət kəsb edir. 3 ölçülü şəhərlərin yayılmasını izləmək də vacibdir.

LIDAR (İşıq algılama və dəyişmə) rəqəmsal səth modelləri və ya stereo görüntü, yüksək qətnaməli optik uzaqdan zondlama şəkilləri ilə birlikdə şəhərləri 3B [23] [24] [25] ilə təsnif etmək və modelləşdirmək üçün geniş istifadə edilmişdir. Hiperspektral məlumatlardan istifadə edərək, hətta səth materialları haqqında məlumatlar əldə edilə bilər [26].

Şəkil 3, çox sensorlu uzaqdan algılanan məlumatlardan 3D şəhər modelini əldə etmək üçün obyekt yönümlü bir yanaşmanın tematik və həndəsi imkanlarını göstərir. Çox vaxtlı dəyişikliklərin aşkarlanması bu məlumat dəstinə tətbiq edilməsə də, hələ də 2D və 3D-də şəhərləşməni izləmək qabiliyyətini göstərir.

Şəkil 3: İndoneziya sahilindəki Padang şəhərinin 3D şəhər modeli. Mənbə: DLR-DFD

Belə bir 3D şəhər modelinə əsaslanaraq, şəhər miqyaslı monitorinq potensialını göstərən daha yüksək səviyyəli məhsullar əldə edilə bilər: Orta bina kimi struktur parametrlərinə əlavə olaraq birinci mərtəbə, hündürlük, dam növü və ya evlərin sayı kimi bina parametrləri. ölçüləri, bina sıxlığı, mərtəbə sahəsi indeksi, su keçirməyən səthlərin faizi, bitki örtüyü və dominant dam materialları. Bununla, struktur şəhər növlərinin törədilməsi və ya şəhər biotoplarının xəritələndirilməsi mümkün olur [27]. Şəkil 4, Padang'ın 3D şəhər modelindən hesablanan iki parametri göstərir-orta bina ölçüsü və blok başına yığılmış sıxlıq.

Bu blok modellərinin (Şəkil 3) kənarında, bu günə qədər havada olan stereo kameralar, hətta 5 sm-ə qədər həndəsi qətnamə ilə dokulu 3D şəhər modelləri əldə etməyə imkan verir [28]. Bununla, damın hissələri, kanal örtükləri və ya şəhər kadastrının yenilənməsi üçün yol nişanları kimi çox kiçik şəhər obyektlərində analiz aparmaq mümkündür.

Havadan gələn sensorlar vasitəsi ilə nəqliyyat və ya dayanacaq monitorinqi şəhər hərəkətliliyinin real vaxt rejimində izlənilməsinə imkan verir [29]. Kütləvi hərəkətlərin real vaxt monitorinqi kütləvi hadisələrin izlənməsi üçün xüsusilə aktualdır [30].

Şəkil 4: Orta bina ölçüləri və bina sıxlığı. Mənbə: DLR-DFD

Şəhərlər üçün uzaqdan algılama yalnız hava və ya kosmosdan gələn sensorlar ilə məhdudlaşmır. Yerüstü sensorlar şəhərlərdə araşdırma və monitorinq üçün vacib rol oynayır. Küçələri hiss etmək, məsələn. nəqliyyat vasitələrindən, istilik fasad xüsusiyyətlərinin təhlili kimi tətbiqlər üçün spektrə kifayət qədər əlavə edir [31].

Bu günə qədər şəhər yerlərində uzaqdan zondlama çox elmi cəhətdən idarə olunur. Bununla birlikdə, Avropa Şəhər Atlası [32], MURBANDY / MOLAND, 'FTS Torpaq-Sızdırmazlıq' məhsulu [33] və REFINA [34] kimi bir neçə layihə, dəqiq müəyyən edilmiş tətbiqlər və şəhərlər üçün əlaqələndirilmiş istifadəçi ehtiyacları üçün uzaqdan idarə olunan məlumatlardan geniş istifadə edir. .

Urban Atlas, peyk məlumatlarından şəhərlər üçün əməliyyat yolu ilə istehsal edilən ilk böyük miqyaslı geodatasetdir. İstehsal xərcləri km2 üçün bir neçə avro təşkil edir. 16 yanvar 2009 -cu il tarixli elan, yalnız bir ay sonra bir neçə 100.000 Google istinadına səbəb olduğu üçün yeni verilənlər bazası gözlənilməli idi [35]. Avropa səviyyəsinin dəyəri aydındır: Urban Atlas, yaxşı və ya pis istiqamətdə olsa da, struktur tədbirlərinin təsirlərini izləmək üçün neytral və müstəqil bir vasitə təmin edəcək. Ancaq bu günə qədər bu yanaşma hələ də mono-müvəqqətidir.

REFINA layihəsi çərçivəsində Almaniya üçün davamlı şəhər inkişafını qiymətləndirmək üçün ‘Flächenbarometer ’ (torpaq istehlakı barometri) adlı bir izləmə vasitəsi hazırlanmışdır. Alət ilə uzaqdan zondlamaya əsaslanan bir sıra davamlılıq göstəriciləri əldə edilə bilər. Bu göstəricilər, məsələn Müxtəlif inzibati vahidlər üçün hesablanıb bir neçə statistik göstərici ilə birləşdirilə bilər. Bu, bir neçə təhlilə imkan verir, məsələn. hər bir sakinə düşən səthin nisbəti. Nəticələrin oxşar inzibati vahidlərlə müqayisəsi planlaşdırıcılara torpaq idarəetmə fəaliyyətinin davamlılığını qiymətləndirməyə imkan verir. Alət bir neçə planlaşdırıcı tərəfindən sınaqdan keçirilmiş və inşaat sahələrinə olan ehtiyacın qiymətləndirilməsi, boş bina sahələrinin müəyyənləşdirilməsi və ya planlaşdırma qərarları üçün bir məlumat mənbəyi olaraq faydalı hesab edilmişdir [34].

Bu iki nümunə, şəhərin uzaqdan zondlamasının öz məhsullarını qəbul edilmiş bir qərar vermə prosesinə inteqrasiya etmə qabiliyyətini açıq şəkildə ifadə edir. Ardıcıl bir yanaşma ilə yüzlərlə şəhərin xəritələndirilməsi məqsədi obyektiv, ölçülə bilən və müstəqil bir məlumat toplusuna imkan verir və bununla da Yerdəki müşahidə məlumatlarının və texnikasının gücünü sübut edir.

III. FİDALARLILIĞA GEREK

Şəkil 5: Şəkil 3-də təqdim olunan 3-D şəhər modelinə əsaslanan günün müxtəlif vaxtlarında əhalinin qiymətləndirilməsi və monitorinqi (100mx100m Izgaralarda Xülasənin Vizualizasiyası), İnteqrasiya edilmiş binaların istifadəsi və Şəkil 3-də təqdim olunan yer tədqiqatı (Vizualizasiya 100mx100m ızgaralarda xülasə) əhalinin axını gün ərzində əhalinin sayının artdığını göstərir. Mənbə: DLR-DFD

Yuxarıda göstərildiyi kimi, urbanizasiya təkcə bir şəhərin fiziki inkişafı deyil, həm də insanların kənddən şəhərə köçməsi kimi təyin olunur. Müxtəlif elmi fənlərin uzaqdan zondla inteqrasiyası, şəhərləşmə anlayışımızı daha da artıracaq. Aşağıdakı bir neçə nümunə, digər elm sahələri tərəfindən uzaqdan algılanan məhsulların dəyər qatması ilə bağlı fikirlər verir.

İnsan məhsulu olaraq görülən şəhər, onu yaradan cəmiyyətin fiziki və memarlıq əksidir [36]. Beləliklə, məlumatlar və məhsullar dolayı yolla əlavə məlumatlar ehtiva edir. Şəhər mühiti haqqında fiziki məlumatları siyahıyaalma məlumatları ilə əlaqələndirmək, ümumi bir fənlərarası araşdırma sahəsidir. 1970-ci illərdən bəri, kosmosdan alınan peyk məlumatlarının artan miqdarı əldə edildikcə, yaşayış məskənlərinin uzaqdan zondla qiymətləndirilməsi daha tez-tez tətbiq olunur [37] [38] [39] [40] [41] [42]. Bunun sayəsində çox zamanlı yanaşmalar əhalinin sayını və fərqli həndəsi səviyyələrdə, ayrı-ayrı bina səviyyəsindəki təhlillərə qədər fərqli həndəsi səviyyələrdə izlənilməsinə imkan verir.

Padang nümunəsi üçün, zamandan asılı olan əhalinin paylanmasını qiymətləndirmək üçün aşağıdan yuxarıya doğru bir yanaşma istifadə edildi. Günün müxtəlif vaxtlarında bir binaya düşən əhalinin sayı ilə bağlı dəqiq məlumatlar şəhər ətrafında paylanmış 1000 bina üçün araşdırılmışdır [43]. Bu araşdırmada müxtəlif yaşayış binaları - yaşayış, ticarət və ya qarışıq - 3D şəhər modelində xəritələnmiş və birləşdirilmişdir (cp. Şəkil 3). Bununla, 3D şəhərə bənzər bina ölçüləri və yüksəklikləri, dam növləri, su keçirməyən səthlər və bina hizalanmasının fiziki parametrləri, araşdırılan bina istifadəsi ilə əlaqələndirildi. Başqa bir addımda bu xüsusiyyətlər bina istifadəsini bu parametrlərdən ekstrapolyasiya üçün qalan tədqiq edilməmiş bina fonduna dolayı olaraq qiymətləndirmək üçün istifadə edilmişdir [44].

Bununla, mərtəbə sayına vurulan birinci mərtəbə kimi hesablanan yaşayış sahəsi, binanın istifadəsinə görə günün müxtəlif vaxtlarında hər kvadrat metrə düşən orta əhalini əldə etmək üçün istifadə edilmişdir. Səhər/günorta arasında əhəmiyyətli dəyişikliklər (məsələn, məktəblər, ofislər və bazar sahələri üçün) səhər/günorta və gecə arasında araşdırılmışdır. Beləliklə, bina istifadəsinin inteqrasiya edilməsi ilə qısa zaman kəsiyində çox zamanlı əhalinin paylanması gündüz və gecə əhalinin qiymətləndirilməsinə və hətta səhər, gündüz və gecə arasında fərq qoymağa imkan verir [45]. Dəqiqlik qiymətləndirməsi, əhalinin bölgüsünün dinamik dəyişməsinin bina səviyyəsində 65-90% dəqiqlikdən doğru ölçüdə xəritələndirilə biləcəyini sübut etdi.

Şəkil 5, İndoneziyanın Padang şəhəri üçün əhalinin qiymətləndirilməsini təqdim edir. Bununla qısa müddətdə əhalinin monitorinqi mümkün olur. Vizual olaraq 100x100m ölçüləri istifadə olunur. Nəticə, dəyər əlavə etmək üçün xarici məlumatlarla birlikdə uzaqdan zondlama qabiliyyətini göstərir.

Şəhərləşmə ilə birbaşa əlaqənin xaricində, fənlərarası tədqiqat şəhərlər haqqında biliklərimizi və anlayışlarımızı artırmağı hədəfləyir. Sosial elmlər [46], inşaat mühəndisliyi [47], şəhərsalma [48], risk və həssaslıq təhlili [49], enerji ilə əlaqəli yanaşmalar [50] və ya şəhər iqlimi təhlili [51] və digərləri ilə çoxşaxəli perspektivlər dəyər verir. şəhərləri izləmək və anlamaq üçün uzaqdan zondlama məhsullarına qoşulmaq.

Şəkil 6: Modelləşdirilmiş sunami miqyası və su altında qalma hündürlüyünün Padangdakı təsnif binalarla örtülməsi. Mənbə: DLR-DFD və Franzius-Institut für Wasserbau und Küsteningenieurwesen

Şəkil 6, məkan miqyası və potensial sunamidən su basması modelləşdirilməsinin [52] çoxpilləli birləşməsini, uzaqdan algılanan məlumatlardan əldə edilən şəhər haqqında struktur məlumatlarla izah edir. Təsirə məruz qalan quruluşların lokalizasiyası və miqdarının, fiziki tiplərinin, təhlükəsiz bölgələrə olan məsafələrin və ya zamandan asılı təsirlənmiş insanların qiymətləndirilməsinin, risklərin azaldılması üçün şəhər planlamasını dəstəkləyən nümunə nəticələridir [53].

IV. MÜZAKİRƏ və NƏTİCƏ

Fərqli uzaqdan idarə olunan məlumatlardan istifadə edərək şəhər monitorinqi üçün metodologiyalara və tətbiqlərə qısa baxış şəhər monitorinqi üçün uzaqdan algılamanın imkanlarını göstərir. Bununla, təqdim olunan yeni məkan məlumatları mənbələri, yenilikçi texnikalar və geniş tematik tətbiqlər, sahələrdə uzun araşdırma ənənəsinə əlavə etmək üçün məlumatların mövcudluğunu və şəhər dinamikasını təhlil etmək, anlamaq və modelləşdirmək qabiliyyətini əhəmiyyətli dərəcədə yaxşılaşdırma potensialı təklif edir. şəhər coğrafiyası, şəhərsalma və modelləşdirmə.

Bununla belə, məhdudiyyətlər hələ də mövcuddur: Əsas məhdudiyyətlərdən biri xərclərdir. Məlumat xərcləri maraqlı tərəflər üçün çox yüksəkdir. Peyk məlumatları nisbətən aşağı qiymətli olsa da, bəzi tətbiqlər havadan və ya yerdən və buna görə də xərc tələb edən uzaqdan algılamanın tələb olunduğu yüksək müvəqqəti təkrarlama nisbətlərinə ehtiyac duyur.

Bundan əlavə, emal sahəsinə qoyulan investisiyalar, əsasən avtomatlaşdırılmış təsnifat prosedurlarının olmaması səbəbindən hələ də nisbətən yüksəkdir. During processing, adjustments are needed due to different atmospheric conditions, land cover types or different user requirements. Algorithms also are still in experimental status.

Missing data standards or compatibility of software add to these problems [54]. Another constraint is the difference between requirements and capabilities regarding accuracy of the products: The synoptic overview of remote sensing in the previous chapter shows area-wide and spatially highly detailed information extraction, but the accuracy of cadastral data sets is not achieved. On the one hand, accuracies of 80-90 % and sometimes even higher provide an objective basis for decisions. On the other hand, these eEarth observation products are not established at the current legal foundation and now need to find juristic acceptance.

So does remote sensing have essential value to urban monitoring? In general the data and products are independent, up-to-date, and basically available from anywhere around the globe. The products also are reproducible and thus consistent and comparable. Especially in developing countries, remote sensing data often are the only data source.

The strength of remote sensing is the multidimensional perspective, allowing for spatial and quantitative statements from a physical, demographic, social, economic and environmental view. And the analysis is not restricted to administrative artificial boundaries, thus theoretically enabling the analysis on a regional, national or continental scale.

Beyond that, products can be produced on cross-community level. Thus, an advantage arises from comparisons between cities as a basis to learn from other examples and develop solutions not solely on the knowledge of a single city. In interdisciplinary projects. the strength arises through correlation of often punctual knowledge with the area-wide availability of remote sensing products, enabling the extrapolation of information.

In conclusion, the constantly increasing availability and accessibility of modern remote sensing technologies provides the unique capability to support decision-making with spatial, quantitative data and information products to open up new opportunities for urban monitoring.

However, for effective monitoring within the highly dynamic urban areas, remote sensing from air- or space-borne sensors can only be one data source. Data integration and harmonization from different sources such as ground-based sensors (e.g. cameras, microphones, thermostats), knowledge from the web or observations from humans, will allow for a more holistic picture of the complex urban environment. For this, the willingness for inter- and transdisciplinary approaches must be established. On these premises, we have a good chance to transfer the multidisciplinary knowledge into innovative ideas for liveable cities of the future.

[1] United Nations (2009): World Urbanization Prospects – The 2009 revision. New York.

[2] Brockerhoff, M.P. (2000): An urbanizing world. Population Bulletin. Sep 2000 5,3 Academic Research Library pp.3-44.

[3] Jacquemin, A.R.A. (1999): Urban Development and New Towns in the Third World. Lessons from the New Bombay experience. Ashgate. Great Britain.

[4] Hall, P. (2002): Planning: millennial retrospect and prospect. Progress in Planning 57, pp. 263-284.

[6] EEA Report (2006): Urban sprawl in Europe – The ignored challenge, No. 10, 2006, ISSN 1725-9177.

[7] Ward, D., Phinn, S. & Murray, A. (2000): Monitoring Growth in Rapidly Urbanizing Areas Using Remotely Sensed Data. In: The Professional Geographer. Cild 52, issue 3, pp. 371-386.

[8] Mas, J.-F. (1999): Monitoring land-cover changes: a comparison of change detection techniques. International Journal of Remote Sensing, vol. 20, No. 1, pp. 139-152.

[9] Mather, P. M. (2004): Computer Processing of Remotely-Sensed Images: An Introduction. Third Edition John Wiley. S. 292.

[10] Lu, D., Mausel, P., Brondizio, E. & Moran, E. (2004): Change detection techniques. In : international journal of Remote Sensing. vol. 25, no12, pp. 2365-2407.

[11] Schmitt, A., Wessel, B. & Roth, A. (2010) Curvelet-based Change Detection on SAR Images for Natural Disaster Mapping. Photogrammetrie Fernerkundung Geoinformation, 2010 (6), Seiten 467-478. E. Schweizerbart science publishers.

[12] Abelen, S., Taubenböck, H., Stilla, U. (2011): Interactive classification of urban areas using decision trees. In: Stilla U., Gamba P., Juergens C., Maktav D. (Eds) JURSE 2011 – Joint Urban Remote Sensing Event — Munich, Germany, April 11-13, pp. 373-376.

[13] Esch, T., Thiel, M., Schenk, A., Roth, A., Müller, A.& S. Dech, (2010). Delineation of Urban Footprints From TerraSAR-X Data by Analyzing Speckle Characteristics and Intensity Information. IEEE Trans. Geosci. Remote Sens., vol. 48, issue 2, pp. 905-916.

[14] Maktav, D., Erbek, F.S., and Jürgens, C., 2005. Remote sensing of urban areas. International Journal of Remote Sensing, 26 (4), 655–659.

[15] Blaschke, T., 2010. Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 65 (1), 2–16.

[16] Haralick, R.M. and Shapiro, L.G., 1985. Survey: image segmentation techniques. Computer Vision, Graphics, and Image Processing, 29 (1), 100–132.

[17] Benz, U., Hofmann, P., Willhauck, G., Lingenfelder, I., & Heynen, M. (2004) Multiresolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information. ISPRS Journal of Photogrammetry & Remote Sensing, vol. 58, pp. 239–258.

[18] Shackelford, A.K., & Davis, C.H. (2003) A combined fuzzy-pixel based and objectbased approach for classififcation of high resolution multi-spectral data over urban areas. IEEE Transactions on Geoscience and Remote Sensing, vol. 41, no. 10, pp. 2354– 2363.

[19] Barr, S.L., Barnsley, M.J., & Steel, A. (2004) On the separability of urban land-use categories in fine spatial scale land-cover data using structural pattern recognition. Environment ad Planning B: Planing and Design, vol. 32, p. 397–418.

[20] Thomas, N., Hendrix, C., & Congalton, R. (2003) A comparison of urban mapping methods using high-resolution digital imagery. Photogrammetric Engineering and Remote Sensing, vol. 69, pp. 963–972.

[21] Taubenböck, H., Esch, T., Wurm, M., Roth, A. & Dech, S. (2010): Object based feature extraction using high spatial resolution satellite data of urban areas. Journal of Spatial Science, 55 (1), 111–126.

[22] Gamba, P., Dell’Acqua, F., and Dasarathy, B., 2005. Urban remote sensing using multiple data sets: past, present and future. Information Fusion, 6 (4), 319–326.

[23] Wurm, M., Taubenböck, H., Schardt, M. Esch, T. & Dech, S. (2011): Object-based image information fusion using multisensor earth observation data over urban areas. In: International Journal of Image and Data fusion, 2(2), 121-147.

[24] Schenk, T. and Csatho´, B., 2002. Fusion of LIDAR data and aerial imagery for a more complete surface description. In: IAPRS 34, 09–13 September, Graz, Austria.

[25] Chen, Y., et al., 2009. Hierarchical object oriented classification using very high resolution imagery and LIDAR data over urban areas. Advances in Space Research, 43 (7), 1101–1110.

[26] Heiden, U., Segl, K., Roessner, S. & Kaufmann, H. (2007) Determination of robust spectral features for identification of urban surface materials in hyperspectral remote sensing data. Remote Sensing of Environment, 111, pp. 537-552. Elsevier.

[27] Bochow, M., Taubenböck, K., Segl, K., Kaufmann, H. (2010): An automated and adaptable approach for characterizing and partitioning cities into urban structure types. Proceedings, 30th IGARSS – IEEE International Geoscience and Remote Sensing Symposium (Honolulu 2010), 1796-1799.

[28] Siegert, F. & Lehmann, F. (2010): Reale Welt? – Ein virtueller Spaziergang durch die 3-D –Welt. In: Taubenböck, H. & Dech, S. (2010): Fernerkundung im urbanen Raum. Wissenschaftliche Buchgesellschaft, pp.103-105. ISBN 978 3534234813.

[29] Kurz, F., Rosenbaum, D., Leitloff, J., Meynberg, O. & Reinartz, P. (2011): Real time camera system for disaster and traffic monitoring. In: Proceedings of International Conference on SMPR 2011. International Conference on Sensors and Models in Photogrammetry and Remote Sensing, 18.-19. Mai 2011, Tehran, Iran.

[30] Hinz, S. (2009): Density and Motion Estimation of People in Crowded Environments Based on Aerial Image Sequences. − International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 38(1-4-7/W5). CD-ROM.

[31] Sirmacek, B., Hoegner, L. & Stilla, U. (2011): Detection of windows and doors from thermal images by grouping geometrical features, Joint Urban Remote Sensing Event (JURSE󈧏), Muenchen, Germany, April 2011.

[32] Seifert, F. M. (2009): Improving Urban Monitoring toward a European Urban Atlas. – Gamba, P. & Herold, M. (Eds.): Global Mapping of Human Settlements: Experiences, Data Sets, and Prospects. Taylor & Francis Group: 231-249.

[33] Tinz, M., “Flächenerhebung und –aktualisierung im Rahmen GMES Land Monitoring”, 2. Dresdner Flächennutzungssymposium, 17/18. Juni 2010.

[34] Esch, T., Klein, D., Einig, K., Jahnz, B., Zaspel, B., Jonas, A., Heldens, W. and J. Wettemann, (2010b): Entwicklung und Evaluierung eines fernerkundungsbasierten Flächenbarometers als Grundlage für ein nachhaltiges Flächenmanagement. Schlussbericht zum Verbundvorhaben REFINA des BMBFs.

[35] Steinborn, W. (2010): The European Urban Atlas Supporting City Habitability. In: V1 Magazine Promoting Spatial Design for a Sustainable Tomorrow.

[36] Gonzalez, R. R. & Medina, J. S. (2004): Theories, Models and Urban Realities. From New York to Kathmandu. In: Dela 21, pp. 64-81.

[37] Elvidge C. K., Baugh E., Kihn H., Kroehl E.D., Davis, C.: Relation between satellite observed visible-near infrared emissions, population, economic activity and electric power consumption. In: International Journal of Remote Sensing, Vol. 18, pp 1373-1379. 1997.

[38] Lo, C.P.: Modeling the population of China using DMSP operational linescan system nighttime data. In: Photogrammetric Engineering and Remote Sensing, Vol. 67, pp. 1037–1047. 2001.

[39] Lu, D., Weng, Q., Li, G: Residential population estimation using a remote sensing derived impervious surface approach. In: International Journal of Remote Sensing, Vol. 27, Issue 16, pp. 3553-3570. 2006.

[40] Taubenböck, H., Roth, A. & Dech, S. (2007): Linking structural urban characteristics derived from high resolution satellite data to population distribution. In: Urban and Regional Data Management. In: Coors, Rumor, Fendel & Zlatanova (Hrsg.). Taylor & Francis Group, London, ISBN 978-0-41544059-2. S. 35-45.

[41] Liu, X., Herold, M.: Estimating population distributions in urban areas. In: Urban Remote Sensing, pp. 269-290. CRC Press/Taylor&Francis. London, 2007.

[42] Schneiderbauer, S. & Ehrlich, D.: EO data supported population density estimation at fine resolution – test case rural Zimbabwe. In: Zeug, G. & Pesaresi, M. (Eds): Global Monitoring for Security and Stability (GMOSS). Integrated Scientific and Technological Research Supporting Security Aspects of the European Union, JRC Scientific and Technical Reports, EUR 23033, pp. 194 – 209. 2007.

[43] United Nations University Institute for Environment and Human Security (UNU-EHS) (2008): Household Survey on Socio-Economic Vulnerability to Tsunamis in Padang City.

[44] Taubenböck, H. (2011): The Vulnerability of a city – diagnosis from a bird’s eye view. In: The Tsunami Threat – Research and Technology, Book edited by: N.-A. Mörner, ISBN: 978-953-307-552-5. pp. 107-128.

[45] Setiadi, N., Taubenböck, H., Raupp, S. & Birkmann, J. (2010): Integrating socio-economic data in spatial analysis: An exposure analysis method for planning urban risk mitigation. 15th International Conference on Urban Planning and Regional Development in the Information Society (REALCORP), Vienna, Austria. GeoMultimedia 2010. pp. 367-374.

[46] Liverman, D. (1998): People and Pixels: Linking remote sensing to social science. In: National Academy Press, Washington, D.C.

[47] Taubenböck, H., Münich, C., Zschau, J., Roth, A., Dech, S. & Mehl, H. (2009): Assessing building vulnerability using synergistically remote sensing and civil engineering. In: Krek, Rumor, Zlatanova & Fendel (eds). “Urban and Regional Data Management”, Taylor & Francis Group, London, ISBN 978-0-415-55642-2. pp. 287-300.

[48] Netzband, M., Stefanov, W.,L., Redman, C. (2007): Applied Remote Sensing for Urban Planning, Governance and Sustainability. Springer, p. 310. ISBN-10: 3642064930

[49] Ehrlich, D., Zeug, G., Gallego, J., Gerhardinger, A., Pesaresi, M. (2009): Quantifying the built-up stock from VHR optical satellite imagery for assessing disaster risk. ISPRS Journal of Photogrammetry and Remote Sensing.

[50] Geiss, C. Taubenböck, H., Wurm, M., Esch, T., Nast M., Schillings, C. & Blaschke, T. (2011): Evaluation of settlement structures for local heating systems using high and medium resolution multisensoral remote sensing data. In: Accepted for publication in Remote Sensing.

[51] Voogt, J.A. & Oke, T.R. (2003): Thermal remote sensing of urban climates. Remote sensing of environment, 86: 370-384.

[52] Goseberg, N. & Schlurmann, T. (2009): Enhanced hazard mapping on a medium-resolved numerical grid for the city of Padang, West Sumatra. Journal of ship technology 5, no. 2 (July): 13-21.

[53] Taubenböck, H., Goseberg, N., Setiadi, N., Lämmel, G., Moder, F., Oczipka, M., Klüpfel, H., Wahl, R., Schlurmann, T., Strunz, G., Birkmann, J., Nagel, K., Siegert, F., Lehmann, F., Dech, S., Gress, A., Klein R. (2009): Last-Mile preparation for a potential disaster – Interdisciplinary approach towards tsunami early warning and an evacuation information system for the coastal city of Padang, Indonesia. In: Natural Hazards and Earth System Sciences. vol. 9, pp. 1509-1528.


The use of remote sensing and geographic information systems for the evaluation of river basins: a case study for Turkey, Marmara River Basin and Istanbul

The aim of this study was to determine sensitive river basins and specific areas that urgently need planning activities for sustainable resource and environmental management. In this context, a combination of remote sensing (RS) and geographic information systems (GIS) were employed. For that purpose, a comprehensive overview of the current situation of Turkish river basins in terms of existing spatial data was provided and all tabular data gathered from the national authorities on regional basis was assessed in combination with the geometric data of Turkish river basins in a GIS environment. Considering the GIS studies that covered all 26 Turkish basins, the Marmara River Basin was selected as the model sensitive region and was studied in more detail by using 2000 dated Landsat 7 ETM mosaic satellite image. Results of this comprehensive study indicated that Istanbul, which is located in the basin under study and the largest metropolitan of Turkey, was determined as the most populated and urbanized area of the region. Istanbul was further examined to determine the expansion of urban areas over a time period of 16 years using Landsat images dated 1984, 1992 and 2000. Finally, interpretations were done by combining the demographic and statistical data on urban wastewater treatment plants to present the prevailing situation of the water treatment facilities in Istanbul. Our study not only delineated the importance of applying environmental policies correctly for the efficient installation and operation of urban wastewater treatment plants in Istanbul but also demonstrated that effective urban wastewater management is a nationwide problem in Turkey.


Remote Sensing Indices for urban expansion - Geographic Information Systems

With massive population expansion and fast economic development in last decade, urban land has increasingly expanded and formed high informal development territory in Kabul city. This paper investigates integrated urbanization trends in Kabul city since the formation of the basic structure of the present city using GIS and remote sensing. This study explores the spatial and temporal difference of urban land expansion and land use categories among different time intervals, 1964-1978 and 1978-2008 from 1964 to 2008 in Kabul city. Furthermore, the goal of this paper is to understand the extent of urban land expansion and the factors driving urban land expansion in Kabul city. Many factors like population expansion, the return of refugees from neighboring countries and significant economic growth of the city affected urban land expansion. Across all the study area urban land expansion rate, population expansion rate and economic growth rate have been compared to analyze the relationship of driving forces with urban land expansion. Based on urban land change data detected by interpreting land use maps, it was found that in the entire study area the urban territory has been expanded by 14 times between 1964 and 2008.


Mücərrəd

The expansion of urban land use is an indispensable tool of urban policy, particularly in developing countries which are facing rapid urbanization. However, most sophisticated spatial-analysis methods used in developed countries are not applicable to developing countries due to the limited availability of spatially-resolved statistical data. This study examines the applicability of a simple, classic monocentric urban model for capturing urban activities in three Chinese cities in 2003 and 2013. The model estimates traffic cost, goods consumption, area of available residential floor space, and rents for residential floor space by aggregating urban statistics and estimating urban areas using remote sensing data. We find that some predictions of our model are inaccurate due to its simple, static nature however, the model predicts meaningful temporal trends in key variables and meaningful differences among the population and economic growth trajectories of the three cities. Our results imply that the classic monocentric model is useful for approximating urban activities and for strategic planning of urban traffic policies, as it allows tracing of the causal mechanisms of urban activity and furnishes estimates for several critical statistical measures needed for policy evaluation. Although a monocentric model may not allow detailed representation of urban activity, we show that our simple model nonetheless offers advantages for studying urban planning practices in developing nations in which the availability of statistical data is limited.


Urban Expansion Process, Pattern, and Land Use Response in an Urban Mining Composited Zone from 1986 to 2013

This paper examines features, patterns, and driving forces of urban expansion in a urban-mining composited zone from 1986 to 2013 with geographical information system (GIS) and remote sensing (RS). Urban land information was extracted from remote sensing images of 1986, 1996, 2000, 2004, 2009, and 2013 to analyze the variation characteristics of urban land in quantity and spatial distribution. Expansion intensity, barycenter of urban land, and urban compactness are usedto analyze the expansion features of urban land over 27 years, describe the expansion types in each period, and discuss the expansion pattern. Additional analyses are conducted to determine the driving forces of urban expansion. The research results are as follows. Firstly, the area of urban land presented a trend of linear increase, with the expansion intensity index indicating a trend of exponential growth, and gentle expansion alternating with dramatic expansion. Secondly, urban land sprawled in a distinct concentric pattern around one center at first and two centers later. Thirdly, there were five expansion types during the 27 years, including westward-slow-concentrated expansion, westward-slow-scattered expansion, eastward-moderate-scattered expansion, eastward-moderate-concentrated expansion, and westward-dramatic-scattered expansion. Finally, the compactness of urban land fluctuated in 1986–2013, which implies that internal enrichment expansion and external extending appeared alternately. Furthermore, by analyzing natural and social economic data, four factors are considered as driving forces of urban expansion in Pingshuo mining area of China: limitation from landform, relative policies, increase of economy, and the development of mining area. Urban expansion and mining activities have resulted in dramatic landscape changes, which are studied by five landscape metrics. This study provides a typical case of urban expansion in an urban mining composited zone, and the findings can help provide better understanding of the process and mechanism of urban expansion in this kind of area.


Geospatial Analysis of Urban Expansion Using Remote Sensing Methods and Data: A Case Study of Yangtze River Delta, China

Land use in the Yangtze River Delta in 2000 and 2017 was classified by the visual interpretation of Landsat satellite images. Then, these images were overlain with economic and physical geographical data to analyze the urban spatial expansion pattern and its physical constraints and socioeconomic influence factors by employing a combination of transition matrix analysis, expansion intensity indices, and equal-fan analysis. The results showed that from 2000 to 2017, there was a significant increase in built-up areas in the region, with rapid expansion in the core area. The northern and southern parts of the Yangtze River Delta experienced different urban spatial expansions, with a higher scale and rate in the cities along the Yangtze River and the coast in Jiangsu Province in the north than in Zhejiang Province in the south. Cities expanded towards megacities or hubs along the Yangtze River or the coast, indicating that urban expansion is influenced by preferential policies and urban planning factors in addition to the spillover effects of neighboring cities and the adjacency to seas or large rivers. Finally, urban expansion is significantly constrained by elevation, with cities at lower elevations or in flat terrain undergoing more rapid urban expansion and development.

1. Giriş

Urbanization is a socioeconomic phenomenon with far-reaching effects and is a major indicator of regional economic development and social progress. Following four decades of reform and opening-up to globalization, China has experienced rapid economic growth accompanied by rapid urbanization, with the urban population ratio increasing from 17.92% in 1978 to 59.58% in 2019 [1]. Urban land increased at an even higher rate, by nearly two and a half times, from the 1990s to early 2000s [2]. As such, urban spatial expansion is a major indicator of urbanization, making it necessary to implement long-term monitoring of urban expansion and in-depth studies of the rate, direction, and scale of expansion to identify the corresponding critical driving factors and reveal their variation patterns. In doing so, land resources can be analyzed in a systematic and reasonable manner to sufficiently balance urbanization and sustainable economic development.

Urbanization studies date back to the early 20th century, focusing on the spatiotemporal patterns, driving factors, and impact of urban expansion. A more theoretical system of urbanization research was established in the 1950s [3]. For example, based on an analysis of land consumption in Milan, Italy, Camagni et al. [4] identified the following modes of urban expansion: packing, extension, linear expansion (along transportation lines), sprawling, and “satellite” type expansion. Extensions of this research allowed for the inclusion of physical, socioeconomic, accessibility, and neighborhood factors in the analysis of urban expansion and the spatiotemporal variation of relevant driving factors [5]. Moreover, new emerging technologies and methods—in particular, wide application of remote sensing technologies—have enabled urban expansion research on an immense spatiotemporal scale. Since the 1970s, the United States began to use long time series remote sensing data from Landsat to investigate the patterns and driving forces of urban land cover expansion and landscape metrics to predict future urban development trends [6, 7]. Other countries are also currently focusing on monitoring and predicting the rapid urbanization of cities by using Landsat Thematic Mapper (TM) or Operational Land Imager (OLI) [8–11].

In recent years, with the increasing availability of remote sensing data, investigating urban development patterns through the integration of different sources of remote sensing information has become a popular avenue of urbanization research. For example, studies of the intensity and mode of construction land expansion in developed and developing countries using multiple-source remote sensing data and the Defense Meteorological Satellites Program/Operational Linescan System (DMSP/OLS) night-time light data revealed the effect of policy factors at different economic development levels and of heterogeneous regional landscapes on urbanization [12–14]. Following the implementation of the Chinese national policy of reform and opening-up in the 1980s, the spatiotemporal changes of Chinese cities and their driving factors have attracted increasing attention from researchers [15–19].

In studies of the spatiotemporal differentiation and transfer patterns of urban land expansion of large and medium cities, including Shanghai, Beijing, Hangzhou, and Nanjing, remote sensing technology provided timely, cost-efficient, and effective data for large-scale urbanization research [20–25]. As a byproduct of investing increasing efforts for reform and economic accessibility, China experienced increasingly rapid urbanization. In particular, the Yangtze River Delta region is now considered the largest regional economy of China. In a regional development plan published by the Chinese government, the Yangtze River Delta is positioned as an economic center with the strongest comprehensive power in China it is considered not only as a major international gateway to the Asia-Pacific region, but also as a major base of global advanced manufacturing and the first megalopolis of China with international implications. As such, urbanization in this region has become a popular research topic. However, most remote sensing data-based studies of the urban spatiotemporal expansion in the Yangtze River Delta are outdated [26–30]. More recent studies of urbanization in this region have mainly focused on individual cities however, a comprehensive investigation of the Yangtze River Delta is distinctly lacking. In this study, the Yangtze River Delta was investigated to establish the characteristics, patterns, and mechanisms of urban spatiotemporal expansion since 2000, in order to provide scientific input to urban development planning and sustainable economic development in the region.

2. Materials and Methods

2.1. Study Area

Located adjacent to the Yellow and East China Seas, the Yangtze River Delta megalopolis (Figure 1 32°34′–29°20′N, 115°46′–123°25′E) is comprised of two provinces as well as Shanghai municipality. The area has a subtropical monsoon climate and serves as a major interface of the Belt and Road economies and the Yangtze River economic belt. Covering an area of approximately 11 × 10 4 km 2 , the core of the megalopolis includes the cities of Shanghai, Nanjing, Yangzhou, Zhenjiang, Suzhou, Wuxi, Changzhou, Taizhou (Jiangsu), Nantong, Hangzhou, Shaoxing, Huzhou, Jiaxing, Ningbo, Zhoushan, and Taizhou (Zhejiang). This megalopolis is one of the most developed and urbanized regions in China and thus is both the most densely populated region in China and one of the six biggest megalopolises in the world [31]. In 2016, the region had a GDP of 1.8 trillion USD, accounting for 16.7% of the Chinese economy, with a population of more than 9800 × 10 4 [1, 32, 33].

2.2. Məlumat
2.2.1. Satellite Data

TM and OLI are key instruments onboard Landsat satellites which have a ground revisit period of 16 days. In 2009, images collected by Landsat satellites became freely available from the United States Geological Survey (USGS), with historical images dating back to 1982 at 15∼30 m pixel resolutions. A total of 7 spectral bands between 450 nm and 12.5 μm and 9 spectral bands between 433 nm and 2.3 μm are available by TM images and OLI images, respectively, allowing the exploration of the Earth’s resources and environments on a global scale at maximal resolution but with minimal costs. Images from the Landsat series satellites were selected for this study, owing to the consistent resolution and continuity of the data. All data used in this study were provided by the USGS/EROS Data Center, including 16 views of images from the Landsat-5 TM in 2000 and 15 views of images from the Landsat-8 OLI in 2017. All remote sensing images were of good quality and covered the entire study area (Table 1).

2.2.2. DEM Data

A digital elevation model (DEM) is a digital simulation of surface terrain using limited topographic elevation data (or a digital representation of the surface morphology) and is a physical model of surface elevation represented in matrices of ordered values. The Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global Digital Elevation Model (GDEM) V2 data used in this study were provided by the Geospatial Data Cloud (http://www.gscloud.cn). Compared with the ASTER GDEM V1 data, the V2 data use more advanced algorithms and have an enhanced spatial resolution and elevation accuracy. The V2 data have a spatial resolution of 30 m and are presented in the WGS84 coordinate system using the Universal Transverse Mercator (UTM) projection.

2.2.3. Ground Observation Data

The remote sensing images selected for this study were obtained during the period of March to November for the years 2000 and 2017. To facilitate accurate visual interpretation of the images, more than 1500 reference ground objects, including 500 surface quadrats measuring 500 × 500 m, were randomly selected in the study area using a Trimble GEO-XT6000 GPS, with their latitudes and longitudes identified.

2.3. Metodlar
2.3.1. Data Preprocessing

Data preprocessing began with atmospheric correction on selected remote sensing images using the FLAASH module in ENVI 5.1 software. Second, geometric corrections were performed on the remote sensing images from 2017 using the latitude and longitude of reference ground objects as ground control point data, with the error held below 0.5 pixels. Next, geometric corrections were performed on the remote sensing images from 2000, using the geometrically corrected 2017 images as the reference. All the geometrically corrected images were then presented in the WGS84 coordinate system using the UTM projection. Finally, all the remote sensing images were tailored using the latest vector boundaries of the cities covered in this study.

2.3.2. Təfsir

Land cover in the study area was classified into one of the following six categories: farmland, forest, grassland, water bodies (including artificial water bodies), construction land, and unused land (including native vegetation and barren land). The classification was made by referencing GB/T21010-2017 Current Land Use Classification, issued by the General Administration of Quality Supervision, Inspection, and Quarantine of the People’s Republic of China, and noting the characteristics of land use in the study area. The mean values, standard deviations, and correlation coefficients of the images were quantitatively analyzed by frequency band, using the Optimum Index Factor (OIF) method proposed by Lu et al. [34]. Next, the information content of various frequency band combinations was computed. The resulting OIF values were arranged sequentially from high to low. The red, near-infrared, and short-wave infrared bands (corresponding to bands 3, 4, and 5 and 4, 5, and 6 of Landsat-5 TM and Landsat-8 OLI, respectively) were selected as the preferred bands in correspondence to the purpose of the study, the particular situation of the study area, and the characteristics of the spectral-reflectance of different ground objects in the frequency bands of the images. Next, after repeated trials, the red, near-infrared, and short-wave infrared bands were rendered in blue, red, and green colors, respectively, to transform the data into quasicolor data. The resulting data showed strong color contrast for different ground objects and had rich color gradation, thereby facilitating manual data interpretation. Finally, the land uses of the study area in 2000 and 2017 were classified using the visual interpretation method, that is, the interpretation of the remote sensing images based on their spectral characteristics, geoscience patterns, and expertise as well as the brightness, color tone, texture, spatial relationship, and phase of image pixels, with the results presented in Figure 2.


Remote Sensing Indices for urban expansion - Geographic Information Systems

Verilənlər bazalarımızdan seçilmiş məzmunun maşın tərcüməsini tələb etdiniz. Bu funksiya yalnız sizin rahatlığınız üçün verilir və heç bir şəkildə insan tərcüməsini əvəz etmək məqsədi daşımır. Nə SPIE, nə də məzmunun sahibləri və nəşrçiləri tərcümə xüsusiyyətinin funksionallığı və ya dəqiqliyi və ya tamlığı ilə əlaqədar heç bir məhdudiyyət olmadan təqdimat və zəmanət daxil olmaqla hər hansı bir açıq və ya zəmanət vermə və ya açıq şəkildə rədd edirlər. tərcümələr.

Tərcümələr sistemimizdə saxlanılmır. Bu xüsusiyyətdən və tərcümələrdən istifadə etməyiniz SPIE veb saytının İstifadə Şərtlərində göstərilən bütün istifadə məhdudiyyətlərinə tabedir.

An analysis of urban expansion of Wuhan City based on multi-temporal remote sensing images and GIS

Zhongping Zeng, 1 Zonghua Li, 1 Mingjun Peng, 2 Xinghai Lu 1

1 Huazhong Univ. of Science and Technology (China)
2 Wuhan Urban Planning and Land Administration Information Ctr. (China)

DİJİTAL KİTABXANA ABUNƏ OLUN

1 illik abunəliyə 50 yükləmə

1 illik abunəliyə 25 yükləmə

Mövcud olduqda PDF, HTML və Video daxildir

Remote sensing technology integrated with GIS (Geographical Information System) is an effective tool for urban expansion and pattern analysis. This paper presents a GIS/Remote sensing-aided procedure for urban space pattern evolving process at a regional scale in Wuhan city, Hubei Province of China, where grow rapidly in the past several decades. Firstly, a series of geospatial dataset was constructed, such as remote sensing images, regionalism maps, transport system maps and land use types maps. By using data of the different temporal TM and ETM+ images, three indices, i. e. Normalized Difference Built-up Index (NDBI), Normalized Difference Water Index (NDWI) and Soil Adjusted Vegetation Index (SAVI) were calculated. Then, the three index bands were used to compose a new image and a maximum likehood-based supervised classification was carried out. The extraction result from the composed image show that a 90.3% overall accuracy validated by SPOT5 images in the same period. The methods mentioned above correctly identified different land use types in the study area. Secondly, the changing information of land use was then merged into the ETM+ images through layers stacked or image data fusion. The new data fusion image was formed for evolving process analysis of urban pattern. Other data sources, such as regionalism maps, transport system maps, annotation maps, had been also overlay in GIS environment. Six urban expansion areas were distinguished by the analysis of multi-temporal remote sensing images. The results coincide well with the field census data. Finally, the features and characteristics of urban expansion in Wuhan in 1990s were also described.

© (2007) COPYRIGHT Society of Photo-Optical Instrumentation Engineers (SPIE). Abstraktın yüklənməsinə yalnız şəxsi istifadə üçün icazə verilir.