پیش بینی الگوی رشد شهری با به کارگیری مدل رگرسیون لجستیک در منطقه گرگان
محل انتشار: مجله آمایش سرزمین، دوره: 7، شماره: 1
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 119
فایل این مقاله در 23 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_JTCP-7-1_005
تاریخ نمایه سازی: 10 آبان 1402
چکیده مقاله:
مدلسازی الگوی رشد شهری فنی مهم برای درک فرایندهای پیچیده رشد شهری است. در این مطالعه، مدل رگرسیون لجستیک جهت پیشبینی الگوی رشد شهری در آینده به کار گرفته شد. به این منظور، تصاویر ماهوارهای سالهای ۱۹۸۸، ۱۹۹۸ و ۲۰۰۷ جهت تهیه نقشههای کاربری زمین به کار گرفته شد. سپس، تغییرات ایجادشده در گستره شهری در فاصله زمانی ۱۹۸۸-۲۰۰۷ شناسایی و مدلسازی تغییرات مناطق شهری و پیشبینی الگوی رشد شهری در آینده با به کارگیری مدل رگرسیون لجستیک انجام گرفت. نتایج اجرای مدل نشان داد گستره مناطق شهری در دوره زمانی مورد مطالعه روند افزایشی داشته است. اعتبارسنجی نتایج مدل با محاسبه معیارهای Pseudo- R۲ و ROC انجام گرفت. مقدار این معیارها به ترتیب، بیش از ۲۷/۰ و ۸۳/۰ به دست آمد که مقادیری مطلوب اند. در مرحله بعد، الگوی رشد شهری برای سالهای ۲۰۱۶ و ۲۰۲۵ پیشبینی شد. مطابق با نتایج، اقدامات مناسب برای کنترل تغییرات کاربری زمین به ویژه رشد شهرها به منظور حفظ محیط زیست و تعادل اکولوژیکی منطقه نیاز است. نتایج مطالعه میتواند به مدیران و تصمیمگیران جهت نظارت و جلوگیری از رشد بدون برنامهریزی مناطق شهری کمک کند و نقشههای خروجی مدل را برای مدیریت و کنترل الگوی رشد مناطق شهری در آینده به کار گرفت.
کلیدواژه ها:
نویسندگان
سمیه گلدوی
. دانشجوی دکتری آمایش محیط زیست، دانشکده شیلات و محیط زیست، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران
مرجان محمدزاده
. استادیار، دانشکده شیلات و محیط زیست، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران
عبدالرسول سلمان ماهینی
. دانشیار، دانشکده شیلات و محیط زیست، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران
علی نجفی نژاد
. دانشیار، دانشکده آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، 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 :