شناسایی توده‌‌های شهری با استفاده از دور سنجی شبانه (نمونه مورد مطالعه: اهواز)

توسعه شهری سریع، بی‌قاعده و پراکنده، منبع بسیاری از مسائل شهری است. برای درک این مسائل، لازم است درک عمیقی از توزیع ساختار فضایی شهری وجود داشته باشد. توده شهری بخش اشغال شده شهر است که شناخت دقیق آن علاوه بر کمک به مدیریت بهینه شهری، می‌تواند چراغ راه استفاده از فضاهای شهری در آینده باشد. به همین منظور و با هدف شناسایی دقیق و سریع توده شهری اهواز بعنوان منطقه مورد مطالعه، در این پژوهش تصاویر اخذ شده شبانه سنجنده npp-viirs مبنا قرار گرفته و در ترکیب با عواملی مانند پوشش گیاهی بهبود یافته، نقاط کمکی حاوی اطلاعات میدانی، دمای سطح زمین و با استفاده از میانگین هندسی تصویر، سه شاخص hsi، hsi-poi (hp) و hsi-poi-lst (hpl) در نرم افزارهای envi و arcgis تهیه و بکارگرفته شده است. سپس برای تایید، از یک ماشین بردار پشتیبان برای شناسایی نوع زمین در منطقه ساخته شده با استفاده از 1000 نقطه استفاده گردید. در ادامه مرز آستانه مربوط به بالاترین دقت کلی و ضریب کاپا هر شاخص محاسبه گردید. نتایج کلی نشان داد در مقایسه با سایر شاخص‌ها، hpl ویژگی‌های طبیعی و اجتماعی را نشان می‌دهد و خروجی این روش ضمن دقت فضایی بالاتر، جزئیات فضایی بیشتری از منطقه ساخته شده و همچنین انتخابهای بیشتری برای ارزیابی مناطق شهری کوچک مقیاس ارائه می‌دهد. همچنین، بیشترین و کمترین مساحت خالص توده شهری متعلق به مناطق 3 و 1 است که بیش از 56  و 34 درصد از مساحت هر یک از این مناطق را شامل می‌شده است.  

identification of urban masses using night remote sensing (case study: ahvaz)

rapid, irregular, and scattered urban development is the source of many urban problems. understanding these issues demands a deep understanding of the distribution of the urban spatial structure. the urban mass is the occupied part of the city, whose accurate knowledge, helps the optimal urban management and can be a guidance light for the use of urban spaces in the future. for this purpose and with the aim of accurate and quick identification of the ahvaz urban mass as the study area, the images taken by the npp-viirs sensor at night are assumed as the base of this research. moreover, the other factors such as improved vegetation, auxiliary points containing field information, earth surface temperature and geometric mean of the image, are used to prepare three indices hsi, hsi-poi (hp) and hsi-poi-lst (hpl) used in envi and arcgis software. then, a support vector machine was used to identify the type of land in the built area using 1000 points. next, the threshold limit corresponding to the highest overall accuracy and the kappa coefficient of each index were calculated. the general results showed that compared to other indices, hpl shows natural and social characteristics, and the output of this method provides higher spatial accuracy, more spatial details of the built-up area, and also more choices for evaluating small-scale urban areas. also, the highest and lowest net area of the urban mass belongs to regions 3 and 1, which includes more than 56 and 34 percent of the area of each of these regions.