کاربرد شبکه عصبی مصنوعی در مدل سازی و پیش بینی تغییرات کاربری اراضی شهر سردرود (۱۴۱۰-۱۳۶۳)

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 124

This Paper With 17 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_GEOP-21-60_013

تاریخ نمایه سازی: 14 آبان 1400

Abstract:

یک گام اساسی جهت مدیریت و برنامه­ریزی توسعه شهری و هم­چنین ارزیابی اثرات تجمعی آن بررسی و شبیه­سازی توسعه فیزیکی شهر می­باشد. هدف از این مطالعه، درک عوامل موثر در روند توسعه فیزیکی منطقه شهری سردرود با عنایت به مقوله توسعه فضایی پایدار شهری از بعد اکولوژیکی و حفظ شرایط زیست محیطی آن در دو دهه آتی می­باشد. بدین منظور با استفاده از تصاویر ماهواره­ای چندزمانه لندست ۵ و تکنیک­های پردازش تصاویر ماهواره­ای شی­گرا تغییرات کاربری اراضی در مقطع زمانی ۱۳۹۰-۱۳۶۳ با تاکید بر گسترش پراکنده شهر سردرود، مورد ارزیابی قرار گرفته است. بر اساس نتایج حاصله مقدار مساحت شهر سردرود از ۲۴/۱۱۱ هکتار در سال ۱۳۶۳ به ۱۲/۵۲۸ هکتار در سال ۱۳۹۰ رسیده است. ۹۴/۱۶۲ هکتار از توسعه ذکر شده بر روی اراضی باغی و زراعی صورت گرفته که لزوم مدیریت توسعه آتی مبتنی بر اصول توسعه پایدار را می­طلبد. بدین منظور عوامل موثر بر توسعه فیزیکی شهر سردرود بر اساس پیشینه تحقیق در قالب ۱۴ شاخص شناسایی و با استفاده از روش شبکه عصبی مبتنی بر مدل LTM نقشه احتمال توسعه شهری تهیه گردید. پس از پیش­بینی الگوی آتی توسعه شهری در شهر سردرود با استفاده از راهبرد حفاظت از باغات و فضاهای سبز در فرایند توسعه شهری با بلوک­بندی نقشه احتمال توسعه شهری، دادن فضای لازم برای توسعه، به­طول ۱۵ کیلومتر و پیشنهاد اعمال ممنوعیت توسعه در اطراف کمربند سبز پیشنهادی، حفظ ذخایر اکولوژیک شهر سردرود با کاهش تخریب اراضی باغی و جلوگیری از اتصال شهر به کلانشهر تبریز مورد تاکید قرار گرفته است.

Authors

حسن محمودزاده

استادیار گروه جغرافیا و برنامه ریزی شهری دانشگاه تبریز

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • حکمت­نیا، حسن و میرنجف موسوی (۱۳۹۲)، «کاربرد مدل در ...
  • رسولی، علی­اکبر و حسن محمودزاده (۱۳۸۹)، «مبانی سنجش از ...
  • شکوئی، حسین (۱۳۷۳)، «دیدگاه­های نو در جغرافیای شهری»، انتشارات سمت؛ ...
  • شیعه، اسماعیل (۱۳۷۷)، «مقدمه­ای بر مبانی برنامه­ریزی شهری»، انتشارات ...
  • محمدی، مجید، امیری، مجتبی و جعفر دستورانی (۱۳۹۴)، «مدل­سازی ...
  • محمودزاده، حسن (۱۳۹۳)، «ارزیابی و تحلیل اکولوژیکی توسعه فضایی ...
  • مرکز آمار ایرا ن (۱۳۹۰)، نتایج سرشماری عمومی سال ...
  • مهدوی، مسعود و افسانه برنجکار (۱۳۹۳)، «خزرشهر و تغییر ...
  • Atkinson, P., & Tatnall, A. (۱۹۹۷), “Neural networks in remote ...
  • Babaian, R., Miyashita, H., Evans, R., Eshenbach, A., &Ramimrez, E. ...
  • Benz, U.C., Hoffmann, P., Willhauck, G., Lingenfelder, I. & Heynen, ...
  • Brown, D.G., Lusch, D.P., & Duda, K.A. (۱۹۹۸), “Supervised classification ...
  • Drummond, S., Joshi, A., & Sudduth, K. (۱۹۹۸), “Application of ...
  • Fishman, M., Barr, Dean S., & Loick, W.J. (۱۹۹۱), “Using ...
  • Fukushima, K., Miyake, S., & Takayuki (۱۹۸۳), “Neocognitron: a neural ...
  • Longely Paul. (۲۰۰۰), “Spatial Analysis in the New Millennium”, Annals ...
  • Nancy E. McIntyre, K. Knowles-Yánez, and D. Hope. (۲۰۰۸), “Urban ...
  • Pijanowski, B.C., Brown, D.G., Shellito, B.A., &Manik, G.A. (۲۰۰۲), “Using ...
  • Ritter, N., Logan, T., & Bryant, N. (۱۹۸۸), “Integration of ...
  • Rumelhart, D., Hinton, G., Williams, R. (۱۹۸۶), “Learning Internal Representations ...
  • Skapura, D. (۱۹۹۶), “Building neural networks”, New York: ACMPress. ...
  • Sundara, K.K.et.al. (۲۰۱۲), “Land Use And Land Cover Change Detection ...
  • Theobald, D.M., Hobbs, N.T. (۱۹۹۸), “Forecasting Rural Land-use Change: A ...
  • نمایش کامل مراجع