مدلسازی رشد شهری بجنورد با استفاده از داد ه های سنجش از دور (بر اساس شبکه عصبی– مارکوف و مدلساز تغییرات زمین)
محل انتشار: فصلنامه برنامه ریزی منطقه ای، دوره: 6، شماره: 21
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 40
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JZPM-6-21_014
تاریخ نمایه سازی: 26 بهمن 1402
چکیده مقاله:
در چند دهه اخیر سرعت لجام گسیخته شهرنشینی و متقابلا گسترش کالبدی شهرها و دستاندازی آنها به زمینهای مستعد کشاورزی حومه شهری تخریبهای غیر قابل جبرانی بر محیط زیست داشته است. ضرورت مدلسازی و مهار این گسترشهای خارج از برنامه، محققین زیادی را از حوزه های مختلف بر آن داشته است تا جهت جلوگیری از چنین گسترشهایی، مدلهای پایش و پیشبینی مختلفی را ارائه دهند. هدف از پژوهش حاضر، مدلسازی رشد شهری شهر بجنورد بر اساس تلفیق طبقهبندی شبکه عصبی مصنوعی پرسپترون چند لایه و مدل زنجیره مارکوف با استفاده از مدلساز تغییرات زمین بوده است. از تصاویر لندست ۵ مربوط به سال ۱۳۸۴ و لندست ۸ مربوط به سال ۱۳۹۲ جهت تهیه نقشه کاربری اراضی به روش شبکه عصبی پرسپترون چند لایه استفاده گردید و با اعمال متغیرهای فاصله از جاده، شیب و متغیرهای کیفی مدلسازی رشد شهری برای سال ۱۴۱۰ انجام گرفت. نتایج مدلسازی پتانسیل تبدیل در همه زیر مدلها صحت بالای ۲/۹۵ درصد را نشان داد. اعتبارسنجی مدل با محاسبه ضرایب کاپا (ضرایب کاپای بالای ۸۶ درصد) بیانگر اعتبار مدل میباشند. نتایج بدست آمده از بررسی تغییرات و پیشبینی کاربری اراضی نیز، گویای رشد توسعه مناطق شهری و متقابلا کاهش کلاسهای دیگر کاربری اراضی بوده و با توجه به نتایج حاصل این روند در آینده نیز ادامه خواهد داشت. اراضی شهری از ۳۸/۱۵۲۹ هکتار در سال ۱۳۸۴ به ۱۸۳۷ هکتار در سال ۱۳۹۲ افزایش یافته است. این روند صعودی در آینده نیز ادامه خواهد داشت و طبق نتایج بدست آمده به ۳۱/۲۸۵۶ هکتار میرسد.
کلیدواژه ها:
نویسندگان
مریم یوسفی
دانشجوی دکتری محیط زیست و عضو باشگاه پژوهشگران جوان و نخبگان، واحد بیرجند، دانشگاه آزاد اسلامی، بیرجند، ایران
علی اشرفی
عضو هیات علمی گروه جغرافیا و سنجش از دور، دانشگاه بیرجند، بیرجند، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :