DOI: 
10.22389/0016-7126-2020-956-2-40-49
1 Чинь Л.Х.
2 Май Динь Щинь
3 Заблоцкий В.Р.
Год: 
№: 
956
Страницы: 
40-49

Технический университет им. Ле Куй Дон, Ханой, Вьетнам

1, 
2, 

Московский государственный университет геодезии и картографии (МИИГАиК)

3, 
Аннотация:
В последние годы города Вьетнама очень быстро меняются из-за роста населения и социально-экономического развития территории. Классификация и мониторинг таких городских территорий является важной задачей для планирования устойчивого развития данных территорий. В статье представлена методика классификации городских территорий, основанная на совместном использовании спутниковых снимков с разным пространственным разрешением: Sentinel 2 и Landsat 8. Средний инфракрасный канал (канал 11), ближний инфракрасный канал (канал 8) изображения Sentinel 2 и тепловой инфракрасный канал (канал 10) изображения Landsat 8 использовались для определения индекса EBBI (Enhanced Built-up and Barreness Index). Далее с помощью индекса EBBI и спектральных каналов Sentinel 2 с пространственным разрешением 10 м (каналы 2, 3, 4, 8) выполнялось распознавание городской территории. Результаты показывают, что методика классификации городской территории, основанная на комбинации спутниковых изображений Sentinel 2 и Landsat 8, улучшает точность классификации примерно на 5 % по сравнению с методиками, использующими только изображения Sentinel 2. Полученные результаты могут быть полезны при мониторинге состояния и динамики категорий земель городских территорий.

Список литературы: 
1.   Балдина Е. А., Грищенко М. Ю. Исследование «теплового острова» Москвы по разносезонным снимкам LANDSAT-7/ETM+ // Геоинформатика. – 2011. – № 3. – С. 61–69.
2.   Иванов М. А., Прищепов А. В., Голосов В. Н., Залялиев Р. Р., Ефимов К. В., Кондратьева А. А., Киняшова А. Д., Ионова Ю. К. Методика картографирования динамики пахотных угодий в бассейнах рек Европейской территории России за период 1985–2015 гг // Современные проблемы дистанционного зондирования Земли из космоса. – 2017. – Т. 14. – № 5. – С. 161–171. DOI: 10.21046/2070-7401-2017-14-5-161-171.
3.   As-syakur Abd. R., Adnyana I. W., Arthana I. W, Nuarsa I. W. (2012) Enhanced built - up and bareness index (EBBI) for mapping built - up and bare land in an urban area // Remote Sensing. 4, pp. 2957-2970.
4.   Bramhe V., Ghosh S., Garg P. (2018) Extraction of built-up area by combining textural features and spectral indices from Landsat 8 multispectral image // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 42 (5), pp. 727-733.
5.   Gadal S., Ouerghemmi W. (2019) Multi-level morphometric characterization of built-up areas and change detection in Siberian sub-arctic urban area: Yakutsk // International Journal of Geo-Information. 8, pp. 129-149.
6.   Guindon B., Zhang Y., Dillabaugh C. (2004) Landsat urban mapping based on a combined spectral-spatial methodology // Remote Sensing of Environment. 92 (2), pp. 218-232.
7.   Li H., Wang C., Zhong C., Su A., Xiong C., Wang J., Liu J. (2017) Mapping urban bare land uutomatically from Landsat imagery with a simple index // Remote Sensing. 9 (3), pp. 1-15.
8.   Masek J. G., Lindsay F. E., Goward S. N. (2000) Dynamics of urban growth in the Washington DC metropolitan area, 1973-1996 from Landsat observations // International Journal of Remote Sensing. 21 (18), pp. 3473-3486.
9.   Nguyen H. K. L. (2011) Urban land cover/land use mapping from IBI index using Landsat TM data, a case study: Hue city, Thua Thien Hue province pp. 205-212.
10.   Rasul A., Balzter H., Faqe Ibrahim G., Hameed H., Wheeler J., Adamu B., Ibrahim S., Najmaddin P. (2018) Applying built-up and bare soil indicies from Landsat 8 to cities in dry climates // Land. 7, 81, pp. 1-13.
11.   Ridd M. K. (1994) Exploring a V-I-S (vegetation-imprevious surface-soil) model for urban ecosystem analysis through remote sensing: comparative anatomy for cities // International Journal of Remote Sensing. 16 (12), pp. 2165-2185.
12.   Sekertekin A., Abdikan S., Marangoz A. (2018) The acquisition of impervious surface area from Landsat 8 satellite sensor data using urban indices: a comparative analysis // Environmental Monitoring and Assessment. 190 (7), pp. 1-13.
13.   Trinh L. H. (2018) Combined use of Landsat 8 and Sentinel 2 images for enhanced spatial resolution of land surface temperature // Vietnam National University Journal of Science: Earth and Environmental Sciences. 34 (4), pp. 1-12.
14.   Xian G., Crane M. (2005) Assessments of urban growth in the Tampa Bay wateshed using remote sensing data // Remote Sensing of Environment. 97, pp. 203-215.
15.   Xu H. Q. (2002) Spatial expansion of urban/town in Fuqing and its driving analysis // Remote Sensing Technology and Application. 17, pp. 86-92.
16.   Xu H. Q. (2007) Extraction of urban built - up land features from Landsat imagery using a thematic oriented index combination technique // Photogrammetric Engineering & Remote Sensing. 73 (12), pp. 1381-1391.
17.   Xu H. Q. (2008) A study on information extraction of water body with the modified mormalized difference water index (MNDWI) // Journal of Remote Sensing. 9 (5), pp. 511-517.
18.   Zha Y., Gao J., Ni S. (2003) Use of normalized difference built-up index in automatically mapping urban areas from TM imagery // International Journal of Remote Sensing. 24 (3), pp. 583-594.
19.   EarthExplorer URL: http://earthexplorer.usgs.gov/
Образец цитирования:
Чинь Л.Х., 
Май Динь Щинь, 
Заблоцкий В.Р., 
Методика классификации городской территории по данным многозональных изображений Sentinel 2 и Landsat 8 (на примере города Тхань Хоа, Вьетнам) // Геодезия и картография. – 2020. – № 2. – С. 40-49. DOI: 10.22389/0016-7126-2020-956-2-40-49