آشکارسازی مناطق شهری با سنجش از دور

رشد شهری و به دنبال پیامدهای آن یکی از دغدغه‌های بزرگ افراد افزایش سطوح شهری یا سطوح نفوذناپذیر می باشد. این سطوح بر عوامل مختلف از جمله محیط زیست، چرخه آب، هیدرلوژی و خیلی دیگر اثر گذار است. با توجه به اهمیت آن ما محصول آموزشی آشکارسازی مناطق شهری با سنجش از دور با کمک تصاویر ماهواره سنتینل 2 و سامانه گوگل ارث انجین آماده و مهیا شده است.

سطوح نفوذناپذیر یا مناطق شهری

هر آنچیزی که توسط ما انسان ها درست شده باشد به عنوان سطوح نفوذناپذیر شناسایی می شود. این سطوح مانند پشت بام، خیابان ها و پیاده رو ها را میتوان اشاره کرد. این سطوح تاثیرات و اثرات زیست محیطی زیاده را به وجود آورده است. از این رو متخصصین بسیار زیادی در تمام دنیا به دنبال شناسایی و پایش این سطوح می باشند. یکی از ورودی های مهم در بسیاری از مدل ها همین نوع کاربری است.

سطوح نفوذناپذیر با توجه به توسعه زیادی که در سال های اخیر بعد از انتقلاب صنعتی داشته است کارشناسان را به این فکر وا داشته است که این مناطق شناسایی کنند و نقش و تاثیرات آن را دقیق مورد مطالعه قرار دهند. این سطوح توسعه زیادی داشته و روش های میدانی و استفاده از سامانه های جی پی اس یا پهپاد شاید خیلی مقرورن به صرفه نباشد. اما با کمک سنجش از دور میتوان این سطوح را در وسعت های بالا شناسایی کرد و حتی به داده های گذشته نیز دسترسی داشت. از این رو در سالهای اخیر سنجش از دور به وفور در مطالعات زیادی استفاده شده است.

ویژگی محصول آشکارسازی مناطق شهری با سنجش از دور

عنوان کلی: شناسایی و تشخیص مناطق شهری با تصاویر سنتینل 2
محصول: دانلودی
تصاویر: سنتینل 2
نرم‌افزار: سامانه گوگل ارث انجین
مدرس: آرمان صمدی
کد آماده: دارد

موارد آموزش داده شده در محصول آشکارسازی مناطق شهری با سنجش از دور

• آموزش معرفی دو شاخص کاربردی
• آموزش فراخوانی تصاویر سنتینل2
• آموزش اعمال فیلتر زمانی و مکانی
• آموزش محاسبه شاخص NDBI
• آموزش محاسبه یک شاخص جدید در زمینه آشکارسازی و شناسایی مناطق شهری
• آموزش آستانه گذاری
• آموزش جداسازی مناطق شهری
• آموزش محاسبه مساحت مناطق شهری

روش های شناسایی و آشکارسازی مناطق شهری

بسته به نوع تصاویر سنجش از دوری و روش کار از روش های مختلفی برای شناسایی مناطق شهری استفاده میکنند. به طور کلی اگر بخوایم در مورد آن بحث کنیم روش های طبقه بندی و روش های مبنی بر شاخص های طیفی را داریم. روش های طبقه بندی نیز بسته به رزولوشن تصاویر به پیکسل بیس و شی گرا طبقه بندی میشود. اما مرسوم ترین روش استفاده از شاخص های طیفی برای شناسایی مناطق شهری است.

شاخص NDBI و ارائه یک شاخص جدید

شاخص normalized difference built-up index یکی از متداول ترین شاخص هایی است که در زمینه شناسایی مناطق شهری مورد استفاده قرار می گیرد.این شاخص از محدوده های swir و مادون قرمز به منظور شناسایی مناطق شهری استفاده میکند. این شاخص در شناسایی مناطق شهری کارایی خیلی بالایی ندارد که در شکل زیر میتوانید به وضوح آن را مشاهده کنید.

همانگونه که در بالا نیز اشاره شد شاخص NDBI کارایی لازم برای شناسایی مناطق شهری را ندارد. لذا ما از یک شاخص جدید به منظور شناسایی و آشکارسازی مناطق شهری استفاده کرده ایم. این شاخص همانگونه که در بالا نیز نمایش داده شده است، کارایی و توانمندی بسیار بالایی در شناسایی مناطق شهری دارد. این شاخص میتواند برای علاقهمندان به این حوزه بسیار کارامد باشد.

مدرس دوره آموزشی:

آرمان صمدی
دانش‌آموخته رشته سنجش‌ازدور و جی‌ای اس دانشگاه تهران
کارشناس سنجش‌ازدور و سامانه اطلاعات جغرافیایی
مدیر و بنیان‌گذار وب‌سایت مدرسه سنجش‌ازدور و جی‌ای اس
مدیرعامل شرکت یکتا فراز
مدرس بیش از 150 محصول آموزشی

سوالات پرتکرار در رابطه با محصول آشکارسازی مناطق شهری با سنجش از دور

آیا این محصول دارای پشتیبان است؟
بله، تمامی محصولات ما دارای 6 ماه ضمانت است.

این محصول دانلودی است یا پستی؟
محصولات ما به صورت دانلودی ارایه میشوند.

آیا حق کپی برداری وجود دارد؟
کپی برداری به هیچ عنوان مجاز نبوده و پیگرد قانونی دارد.

آموزش هایی که میتواند برای شما کاربردی باشد:
شناسایی مناطق شهری با تصاویر سنتینل ۱ در نرم افزار SNAP
شناسایی مناطق شهری با تصاویر سنتینل ۱ در گوگل ارث انجین