CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Development of an Automatic Land Use Extraction System in Urban Areas using VHR Aerial Imagery and GIS Vector Data

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۹ | تعداد نمایش خلاصه: ۱۰۷۳ | نظرات: ۰
سال انتشار: ۱۳۹۱
کد COI مقاله: TTC12_109
زبان مقاله: انگلیسی
حجم فایل: ۴۰۴.۴۹ کیلوبایت (فایل این مقاله در ۱۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Development of an Automatic Land Use Extraction System in Urban Areas using VHR Aerial Imagery and GIS Vector Data

Seyed Ahad Beykaei - PhD Candidate, Civil Engineering Department, University of New Brunswick, Canada
Ming Zhong - Associate Professor, PhD, P.Eng, Civil Engineering Department, University of New Brunswick, Canada
Sajad Shiravi - Master of Science Student, Civil Engineering Department,University of New Brunswick, Canada
Yun Zhang - Professor, PhD, Civil Engineering Department, Geomatics and Geodesy Department, University of New Brunswick, Canada

چکیده مقاله:

Lacks of detailed land use (LU) information and of efficient data gathering methods have made modeling of urban systems difficult. This study aims to develop a novel hierarchical rule-based LU extraction framework using geographic vector and remotely sensed (RS) data, in order to extract detailed subzonal LU information, residential LU in this study. The LU extraction system is developed to extract residential LU at a fine spatial level parcel through morphological analysis. First, a novel hybrid pixeland object-based land cover (LC) classification system, coupled with a sophisticated GIS post-classification correction process, is developed to extract land cover, including vegetation, parking lot, and bare soil, required for LU classification. The land cover classification system developed results in an overall accuracy of 96.4%. Residential LUs are then extracted by examining the morphological properties of individual parcels (which are derived from RS and geographic vector data) using a binary logistic model, which results in an overall accuracy of 97.5%. The above results show that the LU classification expert system developed can classify and then divide large zones with mixed LUs into single-LU subzones with a high accuracy. Therefore, it has a significant value to address several persistent issues caused by using large zones in urban modeling, such as intra-zonal travel and mixed-LU zones.

کلیدواژه‌ها:

Land Use Classification, Land Cover Classification, Remote Sensing,Morphological Analysis

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-TTC12-TTC12_109.html
کد COI مقاله: TTC12_109

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Beykaei, Seyed Ahad; Ming Zhong; Sajad Shiravi & Yun Zhang, ۱۳۹۱, Development of an Automatic Land Use Extraction System in Urban Areas using VHR Aerial Imagery and GIS Vector Data, دوازدهمین کنفرانس مهندسی حمل و نقل و ترافیک ایران, تهران, سازمان حمل و نقل و ترافیک تهران, معاونت حمل و نقل و ترافیک شهرداری تهران, https://www.civilica.com/Paper-TTC12-TTC12_109.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Beykaei, Seyed Ahad; Ming Zhong; Sajad Shiravi & Yun Zhang, ۱۳۹۱)
برای بار دوم به بعد: (Beykaei; Zhong; Shiravi & Zhang, ۱۳۹۱)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Agresti, A. (1996). An introduction o categorical data analysis. New ...
  • Beykaei, S. A., Zhong, M., Zhang, Y. (2010). "Evaluating the ...
  • Chan, J. C., Bellens, R., Canters, F., and Gautama, S. ...
  • Deng, J.S., Wang, K., Li, J., Feng, X.L, and Huang, ...
  • Gomarasca, M. A., Brivio, P. A., Pagnoni, F., and Galli, ...
  • Hill, J., and Hostert, P. (1996). "Monitoring the Growth of ...
  • Liu, W. and Prinet, Y. (2005). "Building Detection from High-reso ...
  • McGibbon, G. S. and Eyton, J. R. (1996).، Frequency-B ased ...
  • Mohaptra, R. P., and Wu, C. (2008). "Subpixel Imperviou SnesS ...
  • Mundia, C. N., and Aniya, M. (2005). "Analysis of Land ...
  • Pacifici, F., Fabio, D. F., Solimini, D., and Burini, A. ...
  • Pesaresi, M. and Bianchin, A. (2001). "Recognizing Settlement Structure Using ...
  • Xiao, Y., Lim, S.K., Tan, s.T., and Tay, S.C. (2004). ...
  • Yoshida, H., and Omae, M. (2005). "An Approach for Analysis ...
  • Zhang, Y. (1999). "Optimization of Building Detection in Satellite Data ...
  • Zhang, Y. (2001). "Detection of Urban Housing Development by Fusing ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.