مقاله ISI نقش سنجش از دور و GIS در کنترل و پیشگیری از وقوع سیل
مقاله حاضر در پایگاه WOS موسسه ISI نمایه شده است. در صورتیکه پژوهشگران به این مقاله استناد دهند، اعتبار مقاله آنها بدلیل استناددهی به یک مقاله ISI معتبر افزایش پیدا می کند.
فایل اصلی این مقاله از قسمت "فایل ها برای دانلود" در پایین همین صفحه به صورت رایگان قابل دریافت است.
بخش منابع در مجلات ISI به صورت خودکار بررسی می شود. به همین خاطر در استناددهی به این مقاله به شیوه صحیح آن که در این صفحه قرار داده شده است، توجه نمایید.
عنوان مقاله: بررسی سناریوی بام سبز برای کاهش اثرات سیل ناگهانی در ماماک، ترکیه، از طریق طبقه‌بندی تصاویر ماهواره‌های Sentinel-1، 2 و PlanetScope با الگوریتم LibSVM در پلت فرم ابری Google Earth Engine
چکیده:
این تحقیق با هدف افزایش عامل فضای سبز به منظور کاهش اثرات سیل ناگهانی بر روان آب طوفان شهری در منطقه ماماک آنکارا و به حداقل رساندن خسارات ناشی از سیلاب‌های ناگهانی انجام شد. نقشه کاربری/پوشش زمین ابتدا با استفاده از تصاویر ماهواره های Sentinel-1، Sentinel-2 و PlanetScope با الگوریتم LIBSVM در Google Earth Engine بدست آمد. سپس مقدار GSF محاسبه شد و در مقایسه با استانداردهای جهانی پایین (0.26) بود. این مطالعه به عنوان راه حلی برای فاجعه سیل با استفاده از سناریوی گسترده بام سبز پیشنهاد شد. پس از سناریوهای تبدیل بام سبز، مقدار GSF مجدداً محاسبه شد. مشخص شد که بالاتر از حداقل زیرساخت سبز است که سکونتگاه‌های انسانی باید بدون توجه به تراکم یا کاربری زمین (0.43) به دست آورند. ارائه تصاویر با وضوح بالا و امکان پردازش آنها از طریق الگوریتم‌های مختلف یادگیری ماشین، تحولی در مطالعات محیطی و شهری ایجاد کرده است زیرا به مدیران و برنامه‌ریزان شهری کمک می‌کند تا تصمیم‌گیری دقیق و سریع داشته باشند.
عنوان انگلیسی:
Looking into the green roof scenario to mitigate flash flood effects in Mamak, Turkey, via classifying images of Sentinel-1, 2, and PlanetScope satellites with LibSVM algorithm in Google Earth Engine cloud platform
مجله:
Geografie
نوع مجله:
مجله ISI که در JCR نیز نمایه می شود و دارای شاخص Q4 و ضریب تاثیر 1.500 است.
شیوه استناددهی:
POUYA, S., AGHLMAND, M., KARSLİ, F. (2022): Looking into the green roof scenario to mitigate flash flood effects in Mamak, Turkey, via classifying images of Sentinel-1, 2, and PlanetScope satellites with LibSVM algorithm in Google Earth Engine cloud platform. Geografie, 127. https://doi.org/10.37040/geografie.2022.008