معرفی مدل رشد شهری SLEUTH به عنوان ابزاری برای پیش بینی و تصمیم گیری
محل انتشار: دومین کنفرانس ملی توسعه پایدار و عمران شهری
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,462
فایل این مقاله در 7 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:
NCSDUS02_054
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
در سراسر جهان رشد شهری هم در جمعیت و هم در توسعه مکانی منجر به تناوب و تغییر در سیمای سرزمین میشود سکونت گاههای انسانی بر پوشش طبیعی تاثیر گذاشته است و این موضوع باعث تغییر در ساختار ها وعملکرد اکوسیستم ها میشود مدل ها ابراز مفید برای آنالیز فهم و پیش بینی تغییرات پوشش اراضی هستند ودر تدوین سیاست ها و فرآیند های تصمیم گیری اهمیت دارند کاربرد نیرومند تعیین تغییرات و روش مدلسازی میتواند تغییرات گذشته را آشکار سازد و سناریو آیند توسعه شهر را نمایش دهد.در این مطالعه مدل (HillshadeTransportation, Urban areas, Exclusion, Land cover, Slope ) SLEUTH برای بررسی و پیش بینی رشد و توسعه شهری در جهت ارزیابی نتایج شهری معرفی میشود این مدل برپایه مدل دینامیکی شبکه خود کار توسعه یافته است و در شبیه سازی و توصیف پویایی فضایی شهری قدرتمند است میتوان برای پیش بینی روند رشد شهری سناریو های گوناگونی را در نظر گرفت سنایو ها در بر گیرند الگو های مدیریتی مختلف می باشند با استفاده از نتایج حاصل از مدل سازی براساس سناریو های مدیریتی میتوان بهترین الگو مدیریتی را برای رسیدن به توسعه پایدار شهری انتخاب کرد نتایجSLEUTH و هر مدل دیگری دقیقا مطابق با واقعیت نیست و در بهترین موارد هم نتایج تقریبی است این مدل بعنوان یک ابراز حمایتی برای تصمیم گیری به مدیران و سیاست گذاران در جهت برنامه ریزی مکان شهری برای توسعه استفاده کرد.
کلیدواژه ها:
نویسندگان
ندا بی همتای طوسی
دانشجوی ارشد محیط زیست دانشکده منابع طبیعی دانشگاه صنعتی اصفهان
علیرضا سفیانیان
استادیار گروه محیط زیست دانشکده منابع طبیعی دانشگاه صنعتی اصفهان
سیما فاخران
استادیار گروه محیط زیست دانشکده منابع طبیعی دانشگاه صنعتی اصفهان
مهدی غلامعلی فرد
دانشجویی دروه دکتری تخصصی رشته آلودگی های محیط زیست دانشکده منابع طبیعی دانشگاه تربیت مدرس
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 :