مقایسه کارآیی الگوریتم زون اقلیم محلی در تفکیک مناطق ساخت‌وسازشده در قیاس با نمایه‌های ساخت‌وسازشده

بررسی روند رشد شهرها و پیش‌بینی تغییرات آنها در آینده، برای برنامه‌ریزی‌های فضایی، ضرورت دارد. به‌این‌منظور، به نقشه‌سازی پهنه‌های ساخت‌وسازشده نیاز است. در بسیاری مناطق، به‌ویژه در اقلیم‌ خشک، تفکیک مناطق ساخت‌وسازشده از محیط اطراف به‌سادگی و با روش‌های معمول طبقه‌بندی تصاویر ماهواره‌ای و یا نمایه‌های متداول، با دقت مورد قبول، امکان‌پذیر نیست؛ ازاین‌رو بسیاری از پژوهشگران نمایه‌های طیفی گوناگونی را به‌منظور استخراج مناطق ساخت‌وسازشده، توسعه داده‌اند. استفاده از تغییرات دمای سطح زمین برای نشان‌دادن مناطق ساخت‌وسازشده، به‌کمک الگوریتم زون‌های اقلیمی محلی (lcz) کمتر مورد توجه بوده است و روش نسبتاً جدیدی محسوب می‌شود؛ بنابراین در این مقاله، تفکیک مناطق ساخت‌وسازشده از سایر انواع پوشش اراضی پیرامونی آن، با استفاده از الگوریتم lcz انجام شد. با توجه به محدودیت‌نداشتن تعداد باند در این روش، از چهار سری تصاویر ماهواره‌ای لندست متعلق به سال 2020 استفاده شد و صحت آن با جدیدترین نمایه‌های ساخت‌وسازشده (dbi، blfei، baei و baem) که به‌صورت خودکار طبقه‌بندی شده‌اند، مورد مقایسه قرار گرفت. نتایج این مطالعه نشان داد که صحت طبقه‌بندی ناشی از الگوریتم lcz ٪96 است؛ درصورتی ‌که نمایه‌های blfei و baem قادر به تفکیک کامل مناطق ساخت‌وسازشده از سایر انواع پوشش اراضی نیست و صحت کلی نمایه baei نیز 37% به‌دست آمد. بنابراین کارآیی روش lcz بیشتر از نمایه‌های ساخت‌وسازشده است و درمورد مناطق خشک و نیمه‌خشک، توصیه می‌شود.

comparison of the efficiency of local climatic zone algorithm in separating built-up area compared to built-up indices

trend analysis of growth of cities and predicting their changes in the future are essential for spatial planning. for this purpose, it is necessary to map build-up areas. in many areas, especially in arid climate, it is not possible to separate the build-up areas from the surrounding land cover simply. that’s mean the usual methods of classifying satellite images or conventional indices can’t separate mentioned classes with acceptable accuracy. hence, many researchers have developed different spectral indices to extract the build-up areas. the use of surface temperature changes to represent build-up areas using the local climate zones (lcz) algorithm is less considered and is a relatively new method. therefore, in this paper, the separation of build-up areas from the other surrounding land cover was considered using lcz algorithm. there is no limit to the number of bands in this method, thus four series of landsat satellite images in the year 2020 were used and the lcz algorithm’s accuracy was compared with the latest automatic classified build-up indices including dbi, blfei, baei and baem. the results of this study showed that the classification accuracy of the lcz algorithm was 96%, while the blfei and baem indices were not able to completely separate the build-up areas from other types of land cover. the total accuracy of the baei index was 0.37. therefore, the use of lcz method has a high efficiency compared to build-up indices, and it is recommended in arid and semi-arid zones.