بهبود مدل سازی توسعه فضایی شهرها با تلفیق روش های یادگیری ماشین و مدل CA-Markov (مطالعه موردی: کلان شهر قم)
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 36
This Paper With 36 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JGRD-21-3_008
تاریخ نمایه سازی: 19 اردیبهشت 1403
Abstract:
یکی از پیامدهای اجتناب ناپذیر رشد روزافزون جمعیت جهان، گسترش شهرنشینی است؛ ازاین رو ارائه چشم اندازی از توسعه فضایی شهرها با هدف درک الگوی صحیح رشد شهر و فراهم آوردن زیرساخت های لازم از اهمیت بسیاری برخوردار است. ازآنجاکه کلان شهر قم یکی از شهرهای درگیر با مسئله رشد شهری بوده و آمار ۹۵ درصد شهرنشینی را ثبت کرده است، تمرکز این پژوهش بر واکاوی توسعه فضایی اراضی شهری پیرامون این کلان شهر است. برای نیل به هدف مذکور، ابتدا ورودی های مدل که همان نقشه های کاربری/پوشش اراضی و نقشه شایستگی رشد شهری منطقه هستند، تولید شدند. نقشه های کاربری/پوشش اراضی منطقه برای سال های ۲۰۰۰، ۲۰۱۰ و ۲۰۲۰ با روش جنگل تصادفی در محیط سامانه Google Earth Engine و نقشه شایستگی رشد شهری منطقه برای سال های ۲۰۰۰ و ۲۰۱۰ به کمک تحلیل های MCDM مبتنی بر GIS به صورت مجزا تولید شد. درنهایت این نقشه ها وارد الگوریتم های ترکیبی ANN-CA-Markov و SVM-CA-Markov شد و دو نقشه برای کاربری/پوشش اراضی منطقه در سال ۲۰۲۰ شبیه سازی شد. اعتبارسنجی مدل ها نشان داد که الگوریتم SVM-CA-Markov با مساحت زیر منحنی ROC معادل ۹۶/۰ از صحت بیشتری برخوردار بود و برای مدل سازی افق ۲۰۴۰ به عنوان الگوریتم بهینه انتخاب شد. نتایج حاکی از توسعه فضایی روزافزون این کلان شهر است؛ به طوری که وسعت اراضی شهری این منطقه از ۶۲/۱۳۹ کیلومتر مربع در سال ۲۰۲۰ به بیش از ۱۸۳ کیلومترمربع در سال ۲۰۴۰ افزایش خواهد یافت. ارزیابی نتایج می تواند به مدیران مربوط در راستای اتخاذ سیاست های لازم برای مدیریت هرچه بهتر شرایط پیش رو یاری رساند. این امر مهم می تواند از طریق برنامه ریزی برای توسعه منظم شبکه معابر، گسترش فضا های سبز شهری و... محقق شود. در این راستا سازمان ها و مسئولان محلی باید ضمن اشراف کامل بر جهات توسعه این کلان شهر، نظارت های هدفمند بر این مسئله داشته باشند.
Keywords:
تغییرات کاربری/پوشش اراضی , کلان شهر قم , رشد شهری , تحلیل های تصمیم گیری چندمعیاره (MCDM) , یادگیری ماشین , زنجیره مارکوف , سلول های خودکار
Authors
صادق بولاقی
دانشجوی کارشناسی ارشد، گروه جغرافیا، دانشگاه فردوسی مشهد، آزمایشگاه علم/سیستم اطلاعات جغرافیایی و سنجش از دور (GISSRS: Lab)، مشهد، ایران
مسعود مینائی
دانشیار گروه جغرافیا، دانشگاه فردوسی مشهد، آزمایشگاه علم/سیستم اطلاعات جغرافیایی و سنجش از دور (GISSRS: Lab)، مشهد، ایران
حسین شفیع زاده مقدم
دانشیار گروه مهندسی و مدیریت آب، دانشگاه تربیت مدرس، تهران، ایران
امید علی خوارزمی
استادیار گروه جغرافیا، دانشگاه فردوسی مشهد، مشهد، ایران
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 :
