Dergiler / Forestist / 2016 / Cilt: 66 Sayı: 2

Değişim tespiti için FAHP kullanılarak uzaktan algılanan konumsal ve spektral bilginin entegrasyonu

Integration of remotely sensed spatial and spectral information for change detection using FAHP

Sayfa
524–538
Yayın Tarihi
2016-07-01
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu metodun, bir yandan aynı konumsal karakteristiklerine ve diğer yandan farklı doku karakteristiklerine sahip olan iki tasvirin de değişim tespiti için yaygın biçimde kullanılması muhtemel görünmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Arazi kullanım değişim haritalaması, çevrenin etkin izlenmesi ve yönetiminde temel gereksinimlerden biridir.
📊
Temel Bulgular & Veri:Bu çalışmada, değişim tespiti analizi için, Zanjan şehrinin 1985 ve 2010 yıllarında alınan Landsat Thematic Mapper (TM®) tasviri kullanılmıştır.
💡
Sonuç & Katkı:Bu metodun, bir yandan aynı konumsal karakteristiklerine ve diğer yandan farklı doku karakteristiklerine sahip olan iki tasvirin de değişim tespiti için yaygın biçimde kullanılması muhtemel görünmektedir.
🔬Tür:Araştırma Makalesi
📍Kapsam:2010 Verileri
⚙️Değişkenler:Değişim tespiti · FAHP · spectral / konumsal bilgi

Özet

Arazi kullanım değişim haritalaması, çevrenin etkin izlenmesi ve yönetiminde temel gereksinimlerden biridir. Çeşitli değişim tespit yaklaşımları önerilip kullanılmasına ragmen, eski deneyimler her bir metodun kendine ait bir avantajı olduğunu gösteriyor. En iyi yaklaşımı seçmek önemli ve zorlu bir iştir. Spektral/konumsal kriterlerin entegrasyonu iyi sonuçlar vermektedir. Bu çalışmada, değişim tespiti analizi için, Zanjan şehrinin 1985 ve 2010 yıllarında alınan Landsat Thematic Mapper (TM®) tasviri kullanılmıştır. Değişimleri haritalamak için, spektral/konumsal kriterler Fuzzy Analytical Hierarchy Process (FAHP) kullanılarak farklı ağırlıklarla entegre edilmiştir. Sonuçlar, FAHP metodlarının genellikle spektral/konumsal kriterlere göre daha yüksek doğrulukla sonuçlandığını göstermiştir. Önerilen semivariogram özellikleri daha iyi, erken ve otomatik değişim tespiti performansına sahiptir. Konumsal bilgi kullanılırken hem eksiklik hem de komisyon hataları önemli ölçüde azalmıştır. Ayrıca tek bir ayrı metodun seçilmesinden kaynaklanan belirsizlik FAHP metodu kulanıldığında azalmaktadır. Bu metodun, bir yandan aynı konumsal karakteristiklerine ve diğer yandan farklı doku karakteristiklerine sahip olan iki tasvirin de değişim tespiti için yaygın biçimde kullanılması muhtemel görünmektedir.

Abstract

Integration of remotely sensed spatial and spectral information for change detection using FAHPAbstract: Land use change mapping is one of the basic requirements for effective monitoring and management of the environment. Although several change detection approaches have been proposed and used, past experience has shown that each method may have its own advantages. Selecting the best approach is an important challenge. The integration of spectral/spatial criteria seems to lead to better results. In this study, for change detection analysis, we have used the Landsat Thematic Mapper (TM®) imagery of Zanjan city,acquired in 1985 and 2010. To map the changes, the spectral/spatial criteria were integrated with different weights by using the Fuzzy Analytical Hierarchy Process (FAHP). Results indicate that the FAHP methods generally resulted in a higher accuracy than spectral and spatial criteria. The proposed semivariogram features have a better, early and automatic change detection performance. When using spatial information, both the omission and commission errors decreased significantly. In addition, the uncertainty derived from choosing only one separate method decreases when using the FAHP method. This method will likely be widely used for the change detection of two images that have, on the one hand, the same spectral characteristics and, on the other, different texture characteristics.Keywords: Changes detection, FAHP, spectral/spatial informationDeğişim tespiti için FAHP kullanılarak uzaktan algılanan konumsal ve spektral bilginin entegrasyonuÖzet: Arazi kullanım değişim haritalaması, çevrenin etkin izlenmesi ve yönetiminde temel gereksinimlerden biridir. Çeşitli değişim tespit yaklaşımları önerilip kullanılmasına ragmen, eski deneyimler her bir metodun kendine ait bir avantajı olduğunu gösteriyor. En iyi yaklaşımı seçmek önemli ve zorlu bir iştir. Spektral/konumsal kriterlerin entegrasyonu iyi sonuçlar vermektedir. Bu çalışmada, değişim tespiti analizi için, Zanjan şehrinin 1985 ve 2010 yıllarında alınan Landsat Thematic Mapper (TM®) tasviri kullanılmıştır. Değişimleri haritalamak için, spektral/konumsal kriterler Fuzzy Analytical Hierarchy Process (FAHP) kullanılarak farklı ağırlıklarla entegre edilmiştir. Sonuçlar, FAHP metodlarının genellikle spektral/konumsal kriterlere göre daha yüksek doğrulukla sonuçlandığını göstermiştir. Önerilen semivariogram özellikleri daha iyi, erken ve otomatik değişim tespiti performansına sahiptir. Konumsal bilgi kullanılırken hem eksiklik hem de komisyon hataları önemli ölçüde azalmıştır. Ayrıca tek bir ayrı metodun seçilmesinden kaynaklanan belirsizlik FAHP metodu kulanıldığında azalmaktadır. Bu metodun, bir yandan aynı konumsal karakteristiklerine ve diğer yandan farklı doku karakteristiklerine sahip olan iki tasvirin de değişim tespiti için yaygın biçimde kullanılması muhtemel görünmektedir.Anahtar kelimeler: Değişim tespiti, FAHP , spectral / konumsal bilgiReceived (Geliş): 21.10.2015 - Revised (Düzeltme): 09.11.2015 - Accepted (Kabul): 30.11.2015Cite (Atıf) : Eisavi, V., Homayouni, S., Karami, J., 2016. Integration of remotely sensed spatial and spectral information for change detection using FAHP. Journal of the Faculty of Forestry Istanbul University 66(2): 524-538. DOI: 10.17099/jffiu.90466

🔖

Bu Makaleye Atıf Yap

EİSAVİ, V., HOMAYOUNİ, S., KARAMİ, J. (2016). Değişim tespiti için FAHP kullanılarak uzaktan algılanan konumsal ve spektral bilginin entegrasyonu. Forestist, Cilt: 66 Sayı: 2, 524–538. https://ajindex.com/articles/990344

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Atkinson, P.M., Lewis, P., 2000. Geostatistical classification for remote sensing: an introduction. Computers &Geosciences 26: 361–371.
  2. Balaguer, A., Ruizb, L.A., Hermosillab, T., Reciob, J.A., 2010. Definition of a comprehensive set o f texture semivariogram features and their evaluation for object-oriented image classification. Computers &Geosciences 36: 231-240.
  3. Berberoglu, S., Curran, P.J., Lloyd, C.D., Atkinson, P.M., 2007. Texture classification of Mediterranean land cover. International Journal of Applied Earth Observation and Geoinformation 9: 322-334.
  4. Buckley, J.J., 1985. Fuzzy hierarchical analysis. Fuzzy Sets Systems 17: 233–247.
  5. Carleer, A.P., Wolff, E., 2006. Urban land cover multi-level region-based classification of VHR data by selecting relevant features. International Journal of Remote Sensing 27: 1035–1051.
  6. Carreiras, J.M.B., Pereira, J.M.C., Campagnolo, M.L., Shimabukuro, Y.E., 2006. Assessing the extent of agriculture/pasture and secondary succession forest in the Brazilian Legal Amazon using SPOT VEGETATION data. Remote Sensing of Environment 101: 283-298.
  7. Conchedda, G., Durieuxb, L., Mayauxa, P., 2008. An object-based method for map-ping and change analysis in mangrove ecosystems. ISPRS J. Photogramm 63: 578–589.
  8. Coppin, P., Jonckheere, I., Nackaerts, K., Muys, B., Lambin, E., 2004. Digital change detection methods in ecosystem monitoring: a review. International Journal of Remote Sensing 25: 1565–1596.
  9. Curran, P.J., Atkinson, P.M., 1998. Geostatistics and remote sensing. Prog.Phys.Geogr 22: 61-78.
  10. Dekker, R.J., 2003. Texture analysis and classification of ERS SAR images for map updating of urban areas in the Netherlands. IEEE Transactions on Geoscience and Remote Sensing 41: 1950−1958.
  11. Deng, H., 1999. Multicriteria analysis with fuzzy pairwise comparisons. International Journal of Approximate Reasoning 22: 215–231.
  12. Desclee, B., Bogaert, P., Defourny, P., 2006. Forest change detection by statistical object-based method. Remote Sensing of Environment 102: 1-11.
  13. Dewan, A.M., Yamaguchi, Y., 2009. Land use and land cover change in Greater Dhaka, Bangladesh: using remote sensing to promote sustainable urbanization. Appl. Geogr 29: 390–401.
  14. Dobson, J.E., Bright, A.E., 1992. Coast Watch Change Analysis Program (C-CAP) Chesapeake Bay regional project. Global change and education 1: 109-110.
  15. Elvidge, C.D., Yuan, D., Weerackoon, R.D., Lunetta, R.S., 1995. An automated scattergram-controlled regression technique for image normalization. Photogra