کلید واژه ها:
تالاب شهری ; طبقه بندی صحنه ; DenseNet121 ; بیضی انحراف معیار ; شنژن
۱٫ مقدمه
۲٫ مواد و روشها
۲٫۱٫ چارچوب کلی
۲٫۲٫ منطقه مطالعه
۲٫۳٫ سیستم طبقه بندی و مجموعه داده ها
۲٫۳٫۱٫ سیستم طبقه بندی
۲٫۳٫۲٫ داده های مرجع تصاویر نوری با وضوح بسیار بالا
۲٫۳٫۳٫ داده های طبقه بندی تصاویر چند طیفی با وضوح بالا
۲٫۳٫۴٫ مجموعه داده مقایسه محصولات پوشش زمین
۲٫۴٫ مدل طبقه بندی صحنه یادگیری عمیق
۲٫۵٫ معیارهای ارزیابی
بر این اساس، فرمول های محاسبه OA و کاپا متریک به شرح زیر است:
جایی که و به ترتیب تعداد نمونه های طبقه بندی شده صحیح و تعداد کل نمونه ها را نشان می دهد و و مقادیر واقعی و پیش بینی شده کلاس هستند ، به ترتیب. در واقع، ضریب کاپا بر اساس ماتریس سردرگمی محاسبه میشود، که تعادل دقت را در بین انواع مختلف تالابهای شهری بیش از OA در نظر میگیرد. علاوه بر این، محصولات GlobeLand30 و GLC_FCS30 طبقه بندی شده با نتایج طبقه بندی صحنه به دست آمده در این مطالعه مطابقت دارند و تنها دو نوع صحنه وجود دارد: تالاب ها و غیر تالاب ها. بنابراین، معیارهای OA و کاپا مورد استفاده برای ارزیابی عملکرد مدل نیز برای ارزیابی سازگاری بین نتایج طبقهبندی و محصولات پوشش زمین قابل استفاده بودند.
برای ارزیابی تأثیر یک مدل در تشخیص بین زیرمجموعهها، امتیاز F1 یک معیار رایج است. این متریک از میانگین وزنی دقت و یادآوری تشکیل شده است و به صورت زیر محاسبه می شود [ ۵۱ ، ۵۲ ]:
جایی که نشان دهنده تعداد نمونه هایی است که به درستی پیش بینی شده اند و و تعداد نمونه هایی را نشان می دهد که به ترتیب برای یک زیرمجموعه به اشتباه پیش بینی شده اند و به ترتیب برای سایر زیر مجموعه ها به اشتباه پیش بینی شده اند.
۲٫۶٫ روش تشخیص الگو
۳٫ نتایج
۳٫۱٫ طبقه بندی عملکرد مدل ها
۳٫۲٫ نتایج طبقه بندی صحنه در شنژن
۳٫۳٫ مقایسه با محصولات طبقه بندی پیکسل
۳٫۴٫ الگوی فضایی صحنه های تالاب در شنژن
۳٫۵٫ ترکیب صحنه های تالاب در شنژن
۴٫ بحث
۵٫ نتیجه گیری ها
منابع
- بولوند، پ. Hunhammar، S. خدمات اکوسیستم در مناطق شهری. اکولوژی. اقتصاد ۱۹۹۹ ، ۲۹ ، ۲۹۳-۳۰۱٫ [ Google Scholar ] [ CrossRef ]
- Ehrenfeld، JG ارزیابی تالاب ها در یک بافت شهری. Ecol. مهندس ۲۰۰۰ ، ۱۵ ، ۲۵۳-۲۶۵٫ [ Google Scholar ] [ CrossRef ]
- بویر، تی. پولاسکی، اس. ارزش گذاری تالاب های شهری: مروری بر مطالعات ارزش گذاری غیر بازاری. Wetlands ۲۰۰۴ , ۲۴ , ۷۴۴-۷۵۵٫ [ Google Scholar ] [ CrossRef ]
- گومز-باگتون، ای. بارتون، DN طبقه بندی و ارزش گذاری خدمات اکوسیستم برای برنامه ریزی شهری. اکولوژی. اقتصاد ۲۰۱۳ ، ۸۶ ، ۲۳۵-۲۴۵٫ [ Google Scholar ] [ CrossRef ]
- Xue، ZS; Hou، GL; ژانگ، ZS؛ لیو، XG; جیانگ، م. Zou، YC; شن، XJ; وانگ، جی. لیو، XH کمی کردن اثرات خنک کننده تالاب های شهری و حومه شهری با استفاده از داده های سنجش از راه دور: مطالعه موردی شهرهای شمال شرقی چین. Landsc. طرح شهری. ۲۰۱۹ ، ۱۸۲ ، ۹۲-۱۰۰٫ [ Google Scholar ] [ CrossRef ]
- پاتز، جی. دازاک، پ. تابور، جنرال موتورز; آگویر، AA; پرل، م. اپستاین، جی. وولف، ND; کیلپاتریک، AM; فوفوپولوس، ج. مولینوکس، دی. و همکاران مناظر ناسالم: توصیه های سیاست در مورد تغییر کاربری زمین و ظهور بیماری های عفونی محیط زیست چشم انداز سلامتی ۲۰۰۴ ، ۱۱۲ ، ۱۰۹۲-۱۰۹۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- کارو، من. پتیگرو، وی. Cox، RL; هافمن، AA پاسخ Chironomidae به آلودگی رسوبی و سایر ویژگی های زیست محیطی در تالاب های شهری. تازه Biol. ۲۰۰۷ ، ۵۲ ، ۲۴۴۴-۲۴۶۲٫ [ Google Scholar ] [ CrossRef ]
- Straka، TM; لنتینی، پی. Lumsden، LF; وینتل، کارشناسی; van der Ree, R. جوامع خفاش شهری تحت تأثیر اندازه تالاب، کیفیت و سطوح آلودگی قرار دارند. Ecol. تکامل. ۲۰۱۶ ، ۶ ، ۴۷۶۱-۴۷۷۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- تاونسند، KR؛ لو، HC; شارلی، دی جی؛ Pettigrove، V. ارتباط بین آلودگی میکروپلاستیک و استفاده از زمین در رسوبات تالاب شهری. محیط زیست علمی آلودگی Res. ۲۰۱۹ ، ۲۶ ، ۲۲۵۵۱–۲۲۵۶۱٫ [ Google Scholar ] [ CrossRef ]
- Ozesmi, SL; بائر، ME سنجش از دور تالاب ها از راه دور ماهواره ای. Wetl. Ecol. مدیریت ۲۰۰۲ ، ۱۰ ، ۳۸۱-۴۰۲٫ [ Google Scholar ] [ CrossRef ]
- شیخ، م. گرین، دی. Cross, H. یک رویکرد سنجش از دور برای تعیین جریان های زیست محیطی برای تالاب های رودخانه دارلینگ پایین، نیو ساوت ولز، استرالیا. بین المللی J. Remote Sens. ۲۰۰۱ ، ۲۲ ، ۱۷۳۷-۱۷۵۱٫ [ Google Scholar ] [ CrossRef ]
- گوان، YA; بای، جی اچ. تیان، ایکس. Zhi، LH; Yu, ZB ادغام سیستم های اکولوژیکی و اجتماعی-اقتصادی با متابولیسم کربن در یک شهر تالاب معمولی چین. جی. پاک. تولید ۲۰۲۱ ، ۲۷۹ ، ۱۲۳۳۴۲٫ [ Google Scholar ] [ CrossRef ]
- رشید، من. Aneaus، S. تغییر منظر یک تالاب شهری در کشمیر هیمالیا، هند با استفاده از دادههای سنجش از دور با وضوح بالا، مدلسازی جغرافیایی و مشاهدات زمینی در ۵ دهه گذشته (۱۹۶۵-۲۰۱۸). محیط زیست نظارت کنید. ارزیابی کنید. ۲۰۲۰ ، ۱۹۲ ، ۶۳۵٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- ژو، اچ پی؛ جیانگ، اچ. ژو، جنرال موتورز؛ آهنگ، XD; یو، اس کیو; چانگ، جی. لیو، اس آر؛ جیانگ، ZS; جیانگ، ب. نظارت بر تغییر تالاب شهری با استفاده از داده های سنجش از دور با وضوح مکانی بالا. بین المللی J. Remote Sens. ۲۰۱۰ ، ۳۱ ، ۱۷۱۷-۱۷۳۱٫ [ Google Scholar ] [ CrossRef ]
- زنگ، ز. لیو، Y. تجزیه و تحلیل فراکتالی تغییرات شکل تالاب شهری با استفاده از سنجش از دور – مطالعه موردی دریاچه Nanhu در ووهان. در مجموعه مقالات کارگاه بین المللی ۲۰۰۸ در مورد فناوری آموزشی و آموزش و ۲۰۰۸ کارگاه بین المللی در زمینه علوم زمین و سنجش از دور، شانگهای، چین، ۲۱-۲۲ دسامبر ۲۰۰۸; ص ۲۹۸-۳۰۱٫ [ Google Scholar ]
- خو، X. Ji، W. الگوریتم مبتنی بر دانش برای طبقه بندی تصاویر ماهواره ای تالاب های شهری. در مجموعه مقالات کنفرانس بین المللی روش های محاسباتی در علوم و مهندسی، آتن، یونان، ۴-۷ آوریل ۲۰۱۴٫ ص ۲۸۵-۲۸۸٫ [ Google Scholar ]
- باروتر، م. کلینگ، ام. Buerkert، A. پویایی فضایی-زمانی پوشش جلبک ها و ماکروفیت ها در دریاچه های شهری: تجزیه و تحلیل سنجش از راه دور تالاب های بلاندور و وارتور در بنگالورو، هند. Remote Sens. ۲۰۲۰ , ۱۲ , ۳۸۴۳٫ [ Google Scholar ] [ CrossRef ]
- جی، دبلیو. Xu، XF; مورامبادورو، دی. درک دینامیک تالاب شهری: تشخیص مقیاس متقابل و تجزیه و تحلیل سنجش از دور. بین المللی J. Remote Sens. ۲۰۱۵ ، ۳۶ ، ۱۷۶۳-۱۷۸۸٫ [ Google Scholar ] [ CrossRef ]
- او، CY; تیان، جی. شی، پی جی. Hu, D. شبیهسازی تنش فضایی ناشی از گسترش شهری در تالابهای پکن، چین با استفاده از یک مدل ارزیابی مبتنی بر GIS. Landsc. طرح شهری. ۲۰۱۱ ، ۱۰۱ ، ۲۶۹-۲۷۷٫ [ Google Scholar ] [ CrossRef ]
- چنگ، جی. Li، ZP; یائو، XW; گوا، ال. Wei، ZL طبقه بندی صحنه تصویر سنجش از دور با استفاده از کیسه ای از ویژگی های کانولوشن. IEEE Geosci. سنسور از راه دور Lett. ۲۰۱۷ ، ۱۴ ، ۱۷۳۵-۱۷۳۹٫ [ Google Scholar ] [ CrossRef ]
- چنگ، جی. هان، JW; طبقهبندی صحنه تصویر سنجش از دور Lu، XQ : معیار و وضعیت هنر . IEEE: نیویورک، نیویورک، ایالات متحده آمریکا، ۲۰۱۷؛ صفحات ۱۸۶۵-۱۸۸۳٫ [ Google Scholar ]
- بلاشکه، تی. Strobl، J. پیکسل ها چه مشکلی دارند؟ برخی از پیشرفت های اخیر در ارتباط با سنجش از دور و GIS. Z. Geoinf. ۲۰۰۱ ، ۶ ، ۱۲-۱۷٫ [ Google Scholar ]
- امیری، ک. فرح، م. Leloglu، UM BoVSG: کیسه ای از زیرگراف های بصری برای طبقه بندی صحنه های سنجش از دور. بین المللی J. Remote Sens. ۲۰۲۰ ، ۴۱ ، ۱۹۸۶-۲۰۰۳٫ [ Google Scholar ] [ CrossRef ]
- ژانگ، جی.ام. لو، سی کیو; لی، XD; کیم، اچ جی. Wang, J. یک شبکه کانولوشن کامل مبتنی بر DenseNet برای طبقه بندی صحنه های سنجش از دور. ریاضی. Biosci. مهندس ۲۰۱۹ ، ۱۶ ، ۳۳۴۵–۳۳۶۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- چنگ، جی. Xie, XX; هان، JW; گوا، ال. Xia، GS طبقهبندی صحنه تصویر سنجش از دور با یادگیری عمیق مواجه میشود: چالشها، روشها، معیارها و فرصتها. IEEE J. Sel. بالا. Appl. رصد زمین. Remote Sens. ۲۰۲۰ , ۱۳ , ۳۷۳۵–۳۷۵۶٫ [ Google Scholar ] [ CrossRef ]
- سیمونیان، ک. Zisserman, A. شبکه های پیچیده بسیار عمیق برای تشخیص تصویر در مقیاس بزرگ. arXiv ۲۰۱۴ ، arXiv:1409.1556. [ Google Scholar ]
- او، KM; ژانگ، XY; Ren, SQ; Sun, J. نگاشت هویت در شبکه های باقیمانده meep. arXiv ۲۰۱۴ ، arXiv:1603.05027v3. [ Google Scholar ]
- هوانگ، جی. لیو، ز. ون در ماتن، ال. Weinberger، KQ شبکه های کانولوشنال به هم پیوسته متراکم. در مجموعه مقالات کنفرانس IEEE 2017 در مورد دید کامپیوتری و تشخیص الگو، هونولولو، HI، ایالات متحده آمریکا، ۲۱ تا ۲۶ ژوئیه ۲۰۱۷؛ صص ۲۲۶۱-۲۲۶۹٫ [ Google Scholar ]
- هوارد، AG; زو، ام. چن، بی. کالنیچنکو، دی. وانگ، دبلیو. ویاند، تی. آندریتو، م. Adam, H. Mobilenets: شبکه های عصبی کانولوشن کارآمد برای برنامه های بینایی موبایل. arXiv ۲۰۱۷ , arXiv:1704.04861. [ Google Scholar ]
- سندلر، ام. هوارد، آ. زو، ام ال. ژموگینوف، آ. Chen, LC MobileNetV2: باقیمانده های معکوس و تنگناهای خطی. در مجموعه مقالات کنفرانس IEEE/CVF 2018 در مورد دید رایانه و تشخیص الگو، سالت لیک سیتی، UT، ایالات متحده آمریکا، ۱۸ تا ۲۳ ژوئن ۲۰۱۸؛ صص ۴۵۱۰–۴۵۲۰٫ [ Google Scholar ]
- قهوهای مایل به زرد، MX; Le، QV EfficientNet: بازاندیشی مقیاسبندی مدل برای شبکههای عصبی کانولوشنال. arXiv ۲۰۱۹ ، arXiv:1905.11946. [ Google Scholar ]
- وانگ، اچ. ون، ایکس. وانگ، ی. کای، ال. لیو، ی. تغییر کسر پوشش زمین چین طی سالهای ۲۰۰۱ تا ۲۰۱۵ بر اساس تلفیق دادههای سنجش از دور بین MCD12 و CCI-LC. Remote Sens. ۲۰۲۱ , ۱۳ , ۳۴۱٫ [ Google Scholar ] [ CrossRef ]
- رضایی، م. مهدیان پری، م. ژانگ، ی. صالحی، ب. شبکه عصبی کانولوشنال عمیق برای طبقه بندی تالاب های پیچیده با استفاده از تصاویر سنجش از دور نوری. IEEE J. Sel. بالا. Appl. رصد زمین. Remote Sens. ۲۰۱۸ , ۱۱ , ۳۰۳۰–۳۰۳۹٫ [ Google Scholar ] [ CrossRef ]
- مهدیان پری، م. صالحی، ب. رضایی، م. محمدی منش، ف. Zhang، Y. شبکه های عصبی پیچیده بسیار عمیق برای نقشه برداری پیچیده پوشش زمین با استفاده از تصاویر سنجش از دور چند طیفی. Remote Sens. ۲۰۱۸ , ۱۰ , ۱۱۱۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- Gunen، MA مقایسه عملکرد روشهای یادگیری عمیق و یادگیری ماشین در تعیین مناطق آب تالاب با استفاده از مجموعه داده EuroSAT. محیط زیست علمی آلودگی Res. ۲۰۲۱ ، در دست چاپ. [ Google Scholar ] [ CrossRef ]
- شی، پی جی. یوان، ی. ژنگ، جی. وانگ، جی. Ge، Y. Qiu، GY اثر تغییر کاربری/پوشش زمین بر رواناب سطحی در منطقه شنژن، چین. Catena ۲۰۰۷ ، ۶۹ ، ۳۱-۳۵٫ [ Google Scholar ] [ CrossRef ]
- لی، TH; لی، WK; Qian، ZH تغییرات در ارزش خدمات اکوسیستم در پاسخ به تغییرات کاربری زمین در شنژن. Ecol. اقتصاد ۲۰۱۰ ، ۶۹ ، ۱۴۲۷-۱۴۳۵٫ [ Google Scholar ]
- منگ، LT; سان، ی. ژائو، SQ مقایسه پویایی های مکانی و زمانی گسترش شهری در گوانگژو و شنژن از سال ۱۹۷۵ تا ۲۰۱۵: مطالعه موردی شهرهای پیشگام در شهرنشینی سریع چین. کاربری اراضی Pol. ۲۰۲۰ ، ۹۷ ، ۱۰۴۷۵۳٫ [ Google Scholar ] [ CrossRef ]
- Liengpunsakul، S. هوش مصنوعی و توسعه پایدار در چین. چانه. اقتصاد ۲۰۲۱ ، ۵۴ ، ۲۳۵-۲۴۸٫ [ Google Scholar ] [ CrossRef ]
- Yu، BB اثرات اکولوژیکی شهرنشینی نوع جدید در چین. تمدید کنید. سوست انرژی Rev. ۲۰۲۱ , ۱۳۵ , ۱۱۰۲۳۹٫ [ Google Scholar ] [ CrossRef ]
- لی، اچ. چن، پی جی؛ Grant، R. محیط ساخته شده، منطقه ویژه اقتصادی، و قیمت مسکن در شنژن، چین. Appl. Geogr. ۲۰۲۱ , ۱۲۹ , ۱۰۲۴۲۹٫ [ Google Scholar ] [ CrossRef ]
- ژائو، آر. وو، KN; لی، XL; گائو، ن. بحث یو، MM در مورد بررسی و ارزیابی یکپارچه کیفیت زمین کشت شده در مقیاس شهرستان برای سومین بررسی ملی زمین چین: مطالعه موردی شهرستان ون، استان هنان. پایداری ۲۰۲۱ ، ۱۳ ، ۲۵۱۳٫ [ Google Scholar ] [ CrossRef ]
- جی، FJ; منگ، جی اچ. چنگ، ZQ; نیش، HT; Wang، YN برآورد بازده محصول در مقیاسهای مزرعه با جذب سریهای زمانی دادههای Sentinel-2 در یک مدل جفتشده CASA-WOFOST اصلاحشده. IEEE Trans. Geosci. Remote Sens. ۲۰۲۲ , ۶۰ , ۴۴۰۰۹۱۴٫ [ Google Scholar ] [ CrossRef ]
- اسلاگتر، بی. Tsendbazar, NE; وولراث، ا. Reiche، J. نقشه برداری ویژگی های تالاب با استفاده از داده های Sentinel-1 و Sentinel-2 به طور موقت متراکم: مطالعه موردی در تالاب های سنت لوسیا، آفریقای جنوبی. بین المللی J. Appl. زمین Obs. Geoinf. ۲۰۲۰ ، ۸۶ ، ۱۰۲۰۰۹٫ [ Google Scholar ] [ CrossRef ]
- عید، ANM; اولاتوبارا، CO. Ewemoje, TA; الحناوی، MT; فاروک، اچ. تشخیص تغییرات دیجیتال سری زمانی تالاب داخلی بر اساس نامشخصهای SAVI و NDWI: دریاچههای وادی الرایان، مصر. Remote Sens. Appl. Soc. محیط زیست ۲۰۲۰ ، ۱۹ ، ۱۰۰۳۴۷٫ [ Google Scholar ] [ CrossRef ]
- اشمیت، ام. هیوز، ال. کیو، سی. Zhu، XX تجمیع تصاویر Sentinel-2 بدون ابر با موتور Google Earth. در مجموعه مقالات PIA19: تجزیه و تحلیل تصویر فتوگرامتری، مونیخ، آلمان، ۱۶ سپتامبر ۲۰۱۹؛ صص ۱۴۵-۱۵۲٫ [ Google Scholar ]
- چن، جی. بان، ی. لی، اس. دسترسی باز به نقشه پوشش زمین. Nature ۲۰۱۴ ، ۵۱۴ ، ۴۳۴٫ [ Google Scholar ]
- ژانگ، ایکس. لیو، ال. چن، ایکس. گائو، ی. زی، اس. Mi, J. GLC_FCS30: محصول جهانی پوشش زمین با سیستم طبقه بندی خوب در ۳۰ متر با استفاده از تصاویر سری زمانی Landsat. سیستم زمین علمی داده ۲۰۲۱ ، ۱۳ ، ۲۷۵۳-۲۷۷۶٫ [ Google Scholar ] [ CrossRef ]
- دنگ، ج. دونگ، دبلیو. سوچر، آر. لی، ال جی; لی، ک. Li، FF ImageNet: پایگاه داده تصویر سلسله مراتبی در مقیاس بزرگ. در مجموعه مقالات کنفرانس IEEE 2009 در مورد بینایی کامپیوتری و تشخیص الگو، میامی، FL، ایالات متحده آمریکا، ۲۰-۲۵ ژوئن ۲۰۰۹٫ صص ۲۴۸-۲۵۵٫ [ Google Scholar ]
- Wen, YD; ژانگ، KP; لی، ZF; Qiao, Y. یک رویکرد یادگیری ویژگی های متمایز برای تشخیص چهره عمیق. در مجموعه مقالات چشم انداز کامپیوتر-ECCV 2016، آمستردام، هلند، ۱۱ تا ۱۴ اکتبر ۲۰۱۶؛ صص ۴۹۹-۵۱۵٫ [ Google Scholar ]
- گوت، سی. Gaussier, E. یک تفسیر احتمالی از دقت، یادآوری و امتیاز F، با مفهومی برای ارزیابی. در مجموعه مقالات ECIR 2005: پیشرفت در بازیابی اطلاعات، سانتیاگو د کامپوستلا، اسپانیا، ۲۱ تا ۲۳ مارس ۲۰۰۵٫ صص ۳۴۵-۳۵۹٫ [ Google Scholar ]
- پاشایی، م. کمانگیر، ح. استارک، ام جی. Tissot، P. بررسی و ارزیابی معماری های یادگیری عمیق برای نقشه برداری کارآمد پوشش زمین با تصاویر فوق فضایی UAS: مطالعه موردی بر روی یک تالاب. Remote Sens. ۲۰۲۰ , ۱۲ , ۹۵۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- پنگ، جی. چن، اس. لو، اچ ال. لیو، YX; Wu، JS الگوهای فضایی-زمانی غلظت PM2.5 سنجش از راه دور در چین از سال ۱۹۹۹ تا ۲۰۱۱٫ سنسور از راه دور محیط زیست. ۲۰۱۶ ، ۱۷۴ ، ۱۰۹-۱۲۱٫ [ Google Scholar ] [ CrossRef ]
- کورن، ام. مفهوم برکه دایک: کشاورزی پایدار و بازیافت مواد مغذی در چین. آمبیو ۱۹۹۶ ، ۲۵ ، ۶-۱۳٫ [ Google Scholar ]
- هوانگ، ایکس. هان، XP؛ ما، س. لین، تی جی؛ تغییر سرویس اکوسیستم Gong، JY در شهر شنژن با استفاده از تصاویر سنجش از دور با وضوح بالا و یادگیری عمیق. تخریب زمین توسعه دهنده ۲۰۱۹ ، ۳۰ ، ۱۴۹۰-۱۵۰۱٫ [ Google Scholar ] [ CrossRef ]
- یانگ، آر. رن، اف. خو، دبلیو. ما، ایکس. ژانگ، اچ. او، ارزش خدمات اکوسیستم W. چین در سالهای ۱۹۹۲-۲۰۱۸: تشخیص عوامل محرک الگو و انسانزایی با استفاده از مدل سلسلهمراتبی مکانی-زمانی بیزی. جی. محیط زیست. مدیریت ۲۰۲۲ , ۳۰۲ , ۱۱۴۰۸۹٫ [ Google Scholar ] [ CrossRef ]
- پنگ، جی. لیو، YX; Wu، JS; Lv، HL; هو، XX پیوند خدمات اکوسیستم و الگوهای منظر برای ارزیابی سلامت اکوسیستم شهری: مطالعه موردی در شهر شنژن، چین. Landsc. طرح شهری. ۲۰۱۵ ، ۱۴۳ ، ۵۶-۶۸٫ [ Google Scholar ] [ CrossRef ]
- ژو، اچ جی. شی، پی جی. وانگ، جی. یو، دی. گائو، L. شهرنشینی سریع و پیامدهای بازسازی خدمات اکولوژیکی رودخانه: مطالعه موردی در شنژن، چین. ج. طرح شهری. Dev ۲۰۱۱ ، ۱۳۷ ، ۱۲۱-۱۳۲٫ [ Google Scholar ] [ CrossRef ]
بدون دیدگاه