@article { author = {hashmi, sirous and maleki, Mohammad and jomezade, bahramjomezade and hazeh, saeid and bagheri, kaivan}, title = {Potential Evaluation of SMA and NSMA Methods Implementation to Extract Sub-pixel Impervious Surfaces from Landsat 8 Imagery (OLI), (Case Study: Sari)}, journal = {Geographic Thought}, volume = {10}, number = {20}, pages = {115-138}, year = {2019}, publisher = {}, issn = {3451-2345}, eissn = {}, doi = {}, abstract = {Impermeable surfaces are one of the integral part of modern urban environments, and in fact new cities are merged with intrusive levels. The increasing in impervious surfaces caused dramatic changes in local and global scale environmental interactions, especially in urban environments, so this phenomenon has increased the importance of impervious surfaces monitoring in recent decades. But also according to the extent and changes of thesesurfaces, monitoring asfield studies is not achievable.However, remote sensing technology provides potential opportunities of identifying and monitoring of urban environment and consequently these surfaces. This article aims to evaluate the ability of implementing of Spectral Mixture Analysis (SMA) and Normalized Spectral Mixture Analysis (NSMA) methods on Landsat 8 satellite images toimpervious surfacesSub-pixel extraction in northern regions of Iran. To achieve this goal, we used OLI images acquired on 27/03/2014 as model inputs and WorldView-2 image acquired on 03/27/2014 as a reference map to evaluate the accuracy results of the model. First, we applied Principal Component Analysis (PCA) to extract Endmember and then SMA and NSMA methods to obtain land cover fraction from any Endmember. Alsowe compared the results of these two methods implementation on the original images and panchromatic combined images. The accuracy of estimated impervious surfaces, evaluated using a 3*3 pixels window random sampling method. The results indicated that the NSMA model combined by panchromatic image band has the best performance to estimate impervious surfaces with an 8.2% Root Mean Square Error (RMSE) and 0.93 coefficient of determination (R2).}, keywords = {Impervious surfaces,Sub-pixel extraction,Spectral Mixture Analysis (SMA),Normalized Spectral Mixture Analysis (NSMA),End member}, title_fa = {ارزیابی پتانسیل اجرای روش های SMA و NSMA بر روی تصاویر لندست 8 (OLI) جهت استخراج زیر پیکسل سطوح نفوذناپذیر (مطالعه موردی: شهر ساری)}, abstract_fa = {سطوح نفوذناپذیر جزء جدایی ناپذیر از محیط شهری امروزی می­باشد و درواقع شهرهای جدید با سطوح نفوذنایذیر درآمیخته­اند. سطوح نفوذناپذیر ساخته­های دست انسان (جاده، پیاده رو، خیابان ،پارکینگ، و پشت بام) هستند که توسط مواد غیر قابل نفوذ مانند آسفالت، بتن، آجر و سنگ  پوشش داده می­شوند. تشخیص و تهیه نقشه آن از راه کم هزینه سنجش از دور می­تواند در کارهای مدیریتی بسیار کارآمد باشد. این مقاله با هدف ارزیابی توانایی اجرای روش­های تجزیه و تحلیل طیف مخلوط (SMA) و تجزیه و تحلیل طیف مخلوط نرمال شده (NSMA) بر­روی تصاویر ماهواره لندست 8 ، جهت استخراج زیر پیکسل سطوح نفوذناپذیر در مناطق شمالی ایران (شهر ساری) انجام شده است. برای این کار از تصاویر OLI اخذ شده در تاریخ 27/3/2014 برای ورودی مدل­ها و تصویر WorldView-2 اخذ شده در تاریخ 27/3/2014 به عنوان نقشه مرجع برای ارزیابی صحت نتایج مدل­ها استفاده شد. در ابتدا با استفاده از روش تجزیه مولفه های اصلی (PCA)، عضو های پایانی (Endmember) انتخاب شده و از دو روش  SMA و NSMA برای بدست آوردن کسر پوشش زمین از هر عضو پایانی استفاده شد. همچنین نتایج اجرای دو روش مذکور بروی تصاویر اصلی و تصاویر ادغام شده با باند پن کروماتیک با هم مقایسه شد. صحت برآورد سطوح نفوذ ناپذیر با استفاده از نمونه های تصادفی در پنجره هایی با ابعاد  3 × 3 پیکسل ارزیابی شد. نتایج نشان داد که مدل NSMA بر­روی تصاویر ادغام شده با باند پن کروماتیک، با جذر میانگین مربعات خطا (RMSE) 2/8 % و ضریب تعیین (R2)93/0 بهترین عملکرد  جهت برآورد سطوح نفوذناپذیر را دارد.}, keywords_fa = {سطوح نفوذناپذیر,استخراج زیر پیکسل,تجزیه و تحلیل طیف مخلوط (SMA),تجزیه و تحلیل طیف مخلوط نرمال شده (NSMA),عضو پایانی}, url = {https://geonot.znu.ac.ir/article_35959.html}, eprint = {https://geonot.znu.ac.ir/article_35959_e2046fee1d6c8c0b615550c4bdefba39.pdf} }