بررسی اثر ساختار شهری، پوشش گیاهی و داده های مورد استفاده بر صحت نقشه سطوح نفوذ ناپذیر شهری با تاکید بر داده‌های چند منبعی

با توجه ‌به تاثیر قابل ‌توجه گسترش سطوح نفوذناپذیر بر اکوسیستم شهری، تهیه اطلاعات دقیق و به‌روز این سطوح عامل مهمی در برنامه‌ریزی و مدیریت پایدار شهری محسوب می‌شود. داده‌های سنجش‌ازدور و به‌ویژه تصاویر هوابرد  پتانسیل بالایی در ارائه اطلاعات مذکور داشته و در سال‌های گذشته با موفقیت بالایی، در این راستا مورداستفاده قرار گرفته‌اند. علیرغم کاربرد وسیع این داده‌ها در تهیه اطلاعات سطوح نفوذناپذیر شهری، قابلیت اطمینان و صحت خروجی این فرایند همچنان به بررسی بیشتر نیاز دارد؛  صحت نهایی نقشه های تولید شده از عوامل متعددی تاثیر می پذیرد که در این تحقیق با بکارگیری الگوی طبقه‌بندی دقیق و جزئی و استفاده از داده‌های پهپاد و ماهواره سنتینل، تاثیر پارامترهای داده، ساختار شهری و پوشش گیاهی بر صحت نقشه‌های خروجی مورد ارزیابی قرار گرفت. نتایج نشان داد که هر سه عامل می‌توانند باعث ایجاد عدم اطمینان قابل‌توجهی در نقشه‌های خروجی گردند. پوشش گیاهی به عنوان یکی از مهمترین موانع ثبت عکس العمل واقعی عوارض توسط سنجنده ها، می‌تواند تا 10 درصد کاهش در مساحت سطوح نفوذناپذیر برآورد شده نسبت به مساحت واقعی را سبب شود که این مقدار تحت تاثیر تراکم پوشش گیاهی می باشد. همچنین تغییر ساختار شهری در مناطق مختلف و تغییر داده مورداستفاده نیز می‌تواند باعث تغییر 20 درصدی در شاخص صحت کلی گردد. نتایج این تحقیق می‌تواند در ارائه بینش صحیح نسبت به قابلیت اطمینان نقشه سطوح نفوذناپذیر و توسعه روشهای بهبود آن مورد استفاده قرار گیرد.

the influence of urban stractures, vegetation cover, and utilized data in urban impervious surface mapping from multi-source data

given the significant impact of expanding impervious surfaces on the urban environment, obtaining accurate and up-to-date information about impervious surfaces (is) is important in urban planning and sustainable management. remote sensing data, especially aerial photos, have a high potential to provide the mentioned information and have been successfully used in recent years. despite the widespread use of these data in urban impervious surfaces (uis) mapping, the reliability and accuracy of the final map still need further investigation. therefore, in this study, using a detailed and precise classification scheme, drone, and sentinel satellite data, the impact of three parameters including utilized data, urban structure, and vegetation canopy on the output maps accuracy was evaluated. the results showed that all three factors are of great importance and may cause significant uncertainty in the output maps. vegetation cover can lead to up to 10% underestimate in the is. additionally, changes in urban structure in different areas and changes in the utilized data can also result in a 20% change in the overall accuracy. results from this work can be used to provide a proper understanding of the reliability of remote sensing products and depict directions for future methodological developmentextended abstractintroductionurban development and the resulting changes in land cover can have a significantly negative impact on natural habitats, microclimates, and urban hydrological systems. this is primarily due to the replacement of natural surfaces with impervious ones, such as streets, buildings, and parking lots which prevent water infiltration. in line with the sustainable development of cities, it is of great importance to have accurate and detailed information of these surfaces to monitor their growth and study their impacts. remote sensing has proved useful to provide spatially explicit information about urban areas. remote sensing data includes various types, such as images with high spectral, high spatial or high temporal resolution. each has its own previledge and shortcomings. these data has complementary nature; as an example, backscattering values in sentinel-1 polarimetric bands govern by the surface roughness and moisture content or reflectance in rgb bands deponds on the color. although many studies have focused on extracting this information from remote sensing data, key issues like the accuracy of final maps, the factors affecting it and the spatial distribution of errors have not been thoroughly addressed. therefore, this study aims to evaluate and quantify the impact of some various influential factors including vegetation, urban structure, and the data utilized.