ИССЛЕДОВАНИЕ ВРЕМЕННОГО ИЗМЕНЕНИЯ ИСПОЛЬЗОВАНИЯ ЗЕМЕЛЬ СПУТНИКОВЫМИ ИЗОБРАЖЕНИЯМИ CORINE AND LANDSAT; СЛУЧАЙ KONYA
C.Yagci, F.İscan
Аннотация. Спутниковые изображения — это самые основные данные, используемые при дистанционном зондировании. Сегодня спектральные и пространственные разрешения этих данных увеличились, и параллельно с этим они получили возможность сканировать очень большие области. Поэтому процесс изменения классов земли можно контролировать и управлять легче, быстрее и экономичнее.
В этом исследовании провинция Конья была выбрана в качестве области исследования. В работе использовались спутниковые изображения и данные Corine за 1990, 2000, 2006 и 2010 годы. Метод максимального правдоподобия является предпочтительным методом классификации спутниковых изображений. Земельные классы, выделенные по Landsat, были получены с точностью 72%, 80%, 85% и 90%, соответственно, за 1990, 2000, 2006 и 2012 годы. Изменения в землепользовании в промышленности, сельском хозяйстве, расселении и других областях в Корине, а также процесс классификации, были рассчитаны по площадям и оценены по процентам. В результате значения, полученные Корином и по классификации дали согласованные результаты. Кроме того, было отмечено, что урбанизация идет к северу от города, а промышленники продвигаются к северо-востоку от города для провинции Конья
ЛИТЕРАТУРА
1. Ban Y. , Hu H. and Rangel I.M., 2010. Fusion of Quickbird MS and RADARSAT SAR data for urban land-cover mapping: Object-based and knowledge-based approach,Int. J. Rem. Sens., 31 (6) (2010), pp. 1391-1410.
2. Boori M. S., Netzband M. , Choudhary K. and Voženílek V., 2015. Monitoring and modeling of urban sprawl through remote sensing and GIS in Kuala Lumpur, Malaysia., Ecological Processes (2015) 4:15 pp.2-15.
3. Ernsta, C., Verhegghena, A., Bodartb, C., Mayauxb, P., de Wasseigec, C., Bararwandikad, A., Begotoe, G., Mbaf, F.E., Ibarag, M. and Shokoh, A.K., 2010. Congo basin forest cover change estimate for 1990, 2000 and 2005 by Landsat interpretation using an automated object-based processing chain. Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci 38, pp.6.
3. Grey WMF, Luckman AJ, Holland D , 2003. Mapping urban change in the UK using satellite radar interferometry. Remote Sens. Environ. 87 pp.16–22.
4. Haack, B.N., 1982. Landsat: A tool for development. World Dev. 10, pp.899–909.
5. Herold M, Goldstein N, Clarke KC , 2003. The spatio-temporal form of urban growth: measurement, analysis and modeling. Remote Sens. Environ. 86 pp.286–302.
6. Hu H. and Ban Y. ,2008, Urban land-cover mapping and change detection with radarsat sar data using neural network and rule-based classifiers,Int. Arch. Photogram. Rem. Sens. Spatial Info Sci.pp. 37.
7. Khalil R.Z. and ul-Haque S.,2018. InSAR coherence-based land cover classification of Okara, Pakistan,Egypt. J. Rem. Sens. Space Sci., 21 ,pp. 23-28.
8. Lillesand, T.M., Kiefer, R.W. and Chipman, J.W. , 2015. Remote sensing and image interpretation. 7th ed. New York, NY: John Wiley & Sons.
9. Mayes, M.T., Mustard, J.F. and Melillo, J.M., 2015. Forest cover change in Miombo Woodlands: Modeling land cover of African dry tropical forests with linear spectral mixture analysis. Remote Sens. Environ. 165, pp.203–215.
10. Mishra, R., Drogen, F. V., Dechant, R., Oh, S., Jeon, N. L., Lee, S.S. and Peter, M., 2017. Protein kinase C and calcineurin cooperatively mediate cell survival under compressive mechanical stress. PNAS 114 (51) pp.13471-13476.
11. Phiri D. and Morgenroth J.,2017. Developments in Landsat Land Cover Classification Methods: A Review, Remote Sensing 9 pp.2-25.
12. Scaramuzza, P., Micijevic, E. and Chander, G., 2004. SLC Gap-Filled Products Phase One Methodology. Landsat Technical Notes.
13. Stow DA and Chen DM, 2002. Sensitivity of multi temporal NOAA AVHRR data of an urbanizing region to land-use/land cover changes and misregistration. Remote Sens. Environ. 80 pp.297–307.
14. Turner, W., Rondinini, C., Pettorelli, N., Mora, B., Leidner, A.K., Szantoi, Z., Buchanan, G.,Dech, S., Dwyer, J., Herold, M., 2015, Free and open-access satellite data are key to biodiversity conservation. Biol. Conserv., 182, pp.173–176.
15. Wilson E.H., Hurd J.D., Civco D.L., Prisloe M.P., Arnold C., 2003. Development of a geospatial model to quantify, describe and map urban growth. Remote Sens Environ 86 pp.275–285.
16. Woodcock, C.E., Allen, R., Anderson, M., Belward, A., Bindschadler, R., Cohen, W., Gao, F., Goward, S.N., Helder, D. and Helmer, E., 2008. Free access to Landsat imagery, Science 2008,320, pp10-11.
17. Wulder, M.A, White, J.C., Loveland, T.R., Woodcock, C.E., Belward, A.S., Cohen, W.B., Fosnight, E.A.; Shaw, J., Masek, J.G. and Roy, D.P., 2016. The global Landsat archive: Status, consolidation, and direction. Remote Sens. Environ.185, pp.271–283.
URL1: https://www.eea.europa.eu/publications/COR0-landcover, Data of access:18.03.2018