شاخص NDISI – شاخص سطوح نفوذناپذیر
بررسی در یک نگاه
مشاهده فرمول شاخص
ارایه کاربردهای آن
درک بهتر شاخص
ویژگی های کلی شاخص
ویژگی کلی شاخص NDISI – شاخص سطوح نفوذناپذیر
اختصار: NDISI
معادل کامل: Normalized Difference Impervious Surface Index
معادل فارسی: شاخص تفاضلی نرمال شده سطوح نفوذناپذیر
کاربرد اصلی: شناسایی خودکار و نقشهبرداری سطوح ساختهشده شهری (ساختمانها، آسفالت و بتن) و تفکیک آنها از خاک لخت.
باند مادون قرمز نزدیک (NIR):
باند ۵: ۰.۸۵ تا ۰.۸۸ میکرومتر (۸۵۰ تا ۸۸۰ نانومتر)
باند مادون قرمز کوتاه ۱ (SWIR 1):
باند ۶: ۱.۵۷ تا ۱.۶۵ میکرومتر (۱۵۷۰ تا ۱۶۵۰ نانومتر)
باند حرارتی ۱ (Thermal Infrared 1):
باند ۱۰: ۱۰.۶۰ تا ۱۱.۱۹ میکرومتر (۱۰۶۰۰ تا ۱۱۱۹۰ نانومتر)
باند سبز (Green):
(جهت محاسبه MNDWI داخلی)
باند ۳: ۰.۵۳ تا ۰.۵۹ میکرومتر (۵۳۰ تا ۵۹۰ نانومتر)
کاربردهای شاخص NDISI – شاخص سطوح نفوذناپذیر
۱. نقشهبرداری خودکار مناطق شهری (Automatic Urban Mapping)
مهمترین کاربرد NDISI، تهیه نقشه محدوده شهرها بدون نیاز به دخالت کاربر یا تعیین پارامترهای پیچیده است. این شاخص میتواند به طور خودکار مرز بین مناطق ساختهشده و اراضی طبیعی را مشخص کند.
۲. تفکیک دقیق ساختمانها از خاک بایر (Soil-Urban Discrimination)
در شاخصهای قدیمی (مانند NDBI)، بازتاب طیفی ساختمانها و خاکهای لخت بسیار به هم شبیه بود و باعث خطا میشد. NDISI با استفاده از باند حرارتی، این مشکل را حل کرده است؛ زیرا دمای سطوح بتنی و آسفالتی در طول روز با دمای خاک متفاوت است.
۳. پایش گسترش فیزیکی شهرها (Urban Sprawl Monitoring)
با مقایسه تصاویر NDISI در دورههای زمانی مختلف، مدیران شهری میتوانند روند تبدیل اراضی کشاورزی و باغات به مناطق مسکونی را با دقت بسیار بالا رصد کنند.
۴. مطالعات هیدرولوژی و مدیریت رواناب (Runoff Estimation)
از آنجایی که سطوح نفوذناپذیر (Impervious Surfaces) مانع نفوذ آب باران به زمین میشوند، از NDISI برای تخمین میزان روانابهای سطحی و پیشبینی سیلابهای شهری استفاده میشود. هرچه مقدار NDISI در یک حوضه آبریز بالاتر باشد، خطر وقوع سیلاب بیشتر است.
۵. تحلیل جزایر حرارتی شهر (Urban Heat Island - UHI)
این شاخص ارتباط مستقیمی با دمای سطح زمین (LST) دارد. محققان از NDISI برای بررسی این موضوع استفاده میکنند که چگونه افزایش سطوح سیمانی و حذف پوشش گیاهی منجر به گرمتر شدن مرکز شهر نسبت به حومه میشود.
۶. برآورد تراکم جمعیت و فعالیتهای اقتصادی
میزان سطوح نفوذناپذیر استخراج شده توسط NDISI، به عنوان یک شاخص غیرمستقیم برای تخمین تراکم جمعیت و شدت فعالیتهای اقتصادی در یک منطقه به کار میرود.
۷. ارزیابی کیفیت محیط زیست شهری
از این شاخص برای تعیین نسبت فضای سبز به سطوح ساختهشده استفاده میشود. کاهش مقادیر NDISI در یک محله نشاندهنده بهبود وضعیت زیستمحیطی و افزایش نفوذپذیری خاک است.
۸. بهروزرسانی پایگاههای داده GIS
سازمانهای نقشهبرداری از این شاخص برای بهروزرسانی سریع لایههای اطلاعاتی مربوط به شبکههای جادهای، بزرگراهها و شهرکهای صنعتی جدید استفاده میکنند
تحلیل عددی شاخص NDISI – شاخص سطوح نفوذناپذیر
۱. محدوده مقادیر (Range):
مقادیر این شاخص بین ۱- تا ۱+ نوسان میکند. این بازه به کاربر اجازه میدهد تا با تعیین یک حد آستانه (Threshold)، پیکسلهای شهری را از غیرشهری جدا کند.
۲. تفسیر مقادیر مثبت (مثبت ۰.۱ تا ۱+):نشاندهنده:
سطوح نفوذناپذیر شهری (ISA).تحلیل طیفی: در این مناطق، دمای سطح زمین ($T_s$) به طور قابل توجهی بالاتر از میانگین بازتاب باندهای نوری (آب، گیاه و خاک) است. هرچه تراکم ساختمانها و جادهها بیشتر باشد، مقدار شاخص به عدد ۱ نزدیکتر میشود.ویژگی: بر خلاف شاخصهای دیگر، NDISI در این محدوده، ساختمانها را با قدرت تفکیک بسیار بالایی از خاکهای بایر جدا میکند.
۳. تفسیر مقادیر منفی و نزدیک به صفر:مقادیر منفی:
نشاندهنده پوشش گیاهی، اراضی کشاورزی و پهنههای آبی است. در این پدیدهها، بازتاب باندهای طیفی (به ویژه NIR برای گیاهان و Green برای آب) بر دمای سطح غلبه کرده و حاصل کسر را منفی میکند.مقادیر نزدیک به صفر: معمولاً نشاندهنده خاکهای بایر، شن و زمینهای بدون پوشش است. این شاخص طوری طراحی شده که خاک لخت را در محدوده منفی یا نزدیک به صفر قرار دهد تا با مناطق مسکونی (که مثبت هستند) اشتباه گرفته نشود.
۴. تحلیل توزیع آماری (Histogram Analysis):نمودار دو قلهای (Bimodal):
در یک تصویر استاندارد ماهوارهای از محیط شهری، هیستوگرام NDISI معمولاً دو قله تشکیل میدهد. قله سمت چپ (مقادیر پایین/منفی) مربوط به زمینهای طبیعی و قله سمت راست (مقادیر مثبت) مربوط به سطوح ساختهشده است.تعیین حد آستانه خودکار: از آنجایی که جدایی میان این دو قله در شاخص NDISI بسیار واضح است، میتوان با استفاده از روشهایی مانند "الگوریتم اوتسو" (Otsu) یا مدل "GGM"، نقطه برش (آستانه) را برای استخراج نقشه شهر به صورت خودکار پیدا کرد.
۵. انحراف معیار و دقت:انحراف معیار بالا:
در مناطق شهری با بافت ناهمگون (ترکیب پارک، استخر و برج) دیده میشود.دقت تشخیص: طبق نتایج مقاله، تحلیل عددی این شاخص در فصل تابستان بالاترین دقت (بیش از ۸۵ درصد) را دارد، زیرا اختلاف دمایی بین سطوح بتنی و پوشش گیاهی به حداکثر میرسد.خلاصه عددی برای پاورپوینت:پیکسل > 0 : مناطق شهری و جادهها (نفوذناپذیر)پیکسل < 0 : گیاه، آب و خاک (نفوذپذیر)
| نام ماهواره / سنجنده | LST (دمای سطح) | باند NIR | MNDWI (شاخص آب) |
|---|---|---|---|
| Landsat 8 & 9 | Band 10 | Band 5 | B3 & B6 |
| Landsat 7 (ETM+) | Band 6 | Band 4 | B2 & B5 |
Sun, Z., Wang, C., Guo, H., & Shang, R. (2017). A Modified Normalized Difference Impervious Surface Index (MNDISI) for Automatic Urban Mapping from Landsat Imagery. Remote Sensing, 9(9), 942.
