شبیه سازی گسترش مناطق مسکونی با استفاده از مدل رگرسیون لجستیک (مطالعه موردی: شهر مریوان)
Publish place: The 3rd Environmental Planning and Management
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 889
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESPME03_170
تاریخ نمایه سازی: 25 اسفند 1392
Abstract:
امروزه پیشرفتهای سریع مدلسازی مکانی به طور قابل توجهی امکان شبیهسازی الگوهای مکانی تغییرات کاربری اراضی را به وجود آورده است. این مطالعه به بررسی مدل رگرسیون لجستیک (LR) در پیش بینی گسترش مناطق مسکونی در بخش غربی شهرستان مریوان، با استفاده از سنجش از دور و GIS می پردازد. تصاویر سنجنده هایTM لندست 5 سال 1368، ETM+ لندست 7 سال 1379 و TM لندست 5 سال 1390 به دو طبقه مناطق مسکونی (اعم از شهر، روستا و زیرساختهای مربوطه) و دیگر کاربریهای (جنگل، کشاورزی و دریاچه) طبقهبندی شد. متغییرهای متنوع مکانی؛ ارتفاع، شیب، جهت، فاصله از جادهها، فاصله از مناطق مسکونی، فاصله از شهر و کاربری زمین به عنوان متغییرهای تاثیرگذار بر گسترش مناطق مسکونی مدنظر قرار گرفتند. با استفاده از رگرسیون لجستیک نقشه پتانسیل گسترش مناطق مسکونی سال 1390 تهیه و در نهایت نقشه تغییرات کاربری مسکونی سال 1390 از طریق عملکرد زنجیره مارکوف پیش بینی شد. صحت نقشه پیش بینی شده با استفاده از شاخص صحت کلی و معیار کاپا ارزیابی شد. نتایج آشکارسازی تغییرات نشان داد که سطح مناطق مسکونی در طول دوره های 1368-1379 و 1379-1390، به ترتیب دارای نرخ رشد 09/31 و 54/42 هکتار در سال می باشد. در طی دوره 1368-1390، گستره مناطق شهری تقریبا 74/2 برابر شده است. مقایسه نقشه شبیه سازی شده حاصل از مدل رگرسیون لجستیک با نقشه واقعی سال 1390، سطح مناسبی از توافق بین این دو نقشه را نشان داد. صحت کلی و شاخص کاپا به ترتیب برابر با 25/97 %، 73/0 بود که نشان از عملکرد مناسب مدل رگرسیون لجستیک می باشد.
Keywords:
Authors
ساسان وفایی
دانشجوی دکتری جنگلداری، دانشکده منابع طبیعی، دانشگاه لرستان، ایران،
مهتاب پیرباوقار
استادیار گروه جنگلداری دانشکده منابع طبیعی، دانشگاه کردستان، 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 :