کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8866496 1621186 2018 19 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Mining the regularity of landscape-structure heterogeneity to improve urban land-cover mapping
ترجمه فارسی عنوان
استخراج منظم ساختار ناهمگونی چشم انداز و ساخت و ساز برای بهبود نقشه برداری سطح زمین شهری
کلمات کلیدی
ترجمه چکیده
در دسترس بودن تصاویر سنجش از راه دور از قطعنامه های مختلف، ترکیب ساختارهای چشم انداز در نقشه برداری زمین را فعال کرده است. علیرغم اثربخشی معیارهای چشم انداز در اندازه گیری ساختارهای منظر، آنها در توصیف سه عنصر: محله های فضایی، وابستگی های فضایی و وابستگی های معنایی نامناسب هستند. علاوه بر این، روش های استخراج منظم بودن ناهمگن ساختار منظره-ساختاری (به عنوان مثال، تغییرات فضایی در ساختارهای چشم انداز) همچنان محدود است، به ویژه برای برنامه های کاربردی در نقشه برداری پوشش های شهری. این مطالعه از این رو یک رویکرد جدید با هدف (1) توصیف ساختارهای چشم انداز با توجه به سه عنصر فوق پیشنهاد می کند. (2) معادله منظم ساختار ناهمگونی چشم انداز و ساختار؛ و (3) اطلاعات چشم انداز ساختار را به عنوان زمینه برای بهبود نقشه برداری پوشش زمین شهری مورد استفاده قرار می دهد. برای رسیدن به هدف اول، ویژگی های ساختار چشم انداز، از جمله روابط فضایی جفت و شاخص های چشم انداز مبتنی بر محله، تعریف شده است. برای رسیدن به هدف دوم، یک روش خوشه بندی و یک مصاحبه منظر از منظر به منظور خوشه بندی ساختارهای منظره و تجسم ساختارهای منظره-ساختاری استفاده می شود. در نهایت، یک طبقه بندی سلسله مراتبی بر اساس پیشابرن چند لایه پیشفرض برای هدف سوم توسعه داده شده است. آزمایش ها در محیط های ناهمگن شهری در پکن، چین انجام می شود. نتایج نشان می دهد که رویکرد پیشنهادی که 34 ویژگی قابلیت های چشم انداز و 19 نوع ساختار چشم انداز را در بر می گیرد، بهبود دقت طبقه بندی 6.43٪ را در مقایسه با رویکردهای بدون در نظر گرفتن اطلاعات ساختاری چشم انداز به دست می دهد. لذا این مطالعه اثربخشی ترکیب ویژگی های ساختارهای چشم انداز و انواع ساختمان های چشم انداز در بهبود نقشه برداری پوشش شهری را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه علوم زمین و سیارات کامپیوتر در علوم زمین
پیش نمایش مقاله
استخراج منظم ساختار ناهمگونی چشم انداز و ساخت و ساز برای بهبود نقشه برداری سطح زمین شهری
چکیده انگلیسی
The availability of remote sensing images of various resolutions has enabled the incorporation of landscape structures in land-cover mapping. Despite the effectiveness of landscape metrics in quantifying landscape structures, they are inadequate in characterizing three elements: spatial neighborhoods, spatial dependencies, and semantic dependencies. Moreover, methods for mining the regularity of landscape-structure heterogeneity (i.e., spatial variations in landscape structures) are still limited, particularly for applications in urban land-cover mapping. This study hence proposes a novel approach with the aims to (1) characterize landscape structures considering the above three elements; (2) mine the regularity of landscape-structure heterogeneity; and (3) apply landscape-structure information as contexts to improve urban land-cover mapping. To achieve the first aim, landscape-structure features including pair-wise spatial relationships and neighborhood-based landscape metrics are defined. To accomplish the second aim, a clustering technique and a landscape infographic are used to cluster landscape structures and visualize landscape-structure types, respectively. Finally, a hierarchical classifier based on the feedforward multi-layer perceptron is developed for the third aim. Experiments are conducted in a heterogeneous urban environment in Beijing, China. The results show that the proposed approach, which considers 34 landscape-structure features and 19 landscape-structure types, achieves a classification accuracy improvement of 6.43% compared with the approaches without considering landscape-structure information. This study therefore demonstrates the effectiveness of incorporating landscape-structure features and landscape-structure types in improving urban land-cover mapping.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Remote Sensing of Environment - Volume 214, 1 September 2018, Pages 14-32
نویسندگان
, , , ,