مدل سازی احتمال تغییر رشد شهری با استفاده از شبکه عصبی مصنوعی و رگرسیون لجستیک (مطالعه موردی: شهر مشهد)

در کشور­های در حال توسعه، تمایل زیاد برای تمرکز جمعیت در مناطق شهری و به­تبع آن رشد سریع و ناموزون شهر­ها سبب شده است که طراحان و برنامه­ریزان شهری، استفاده از سیاست­ها و راهکار­های مناسب را جهت اجتناب از تاثیرات مخرب زیست­محیطی و اجتماعی- اقتصادی در دستور کار قرار دهند. در این راستا، اطلاعات مکانی و زمانی مرتبط با الگوهای نرخ رشد، درک بهتری را از فرآیند رشد شهری فراهم نموده و ابزار­های مناسب را جهت اخذ سیاست­های مدیریتی و برنامه­ریزی در اختیار مدیران شهری  قرار می­دهند. لذا هدف اصلی این پژوهش، محاسبه احتمال تغییر رشد شهر مشهد با استفاده از روش­های رگرسیون لجستیک و شبکه عصبی مصنوعی می­باشد. برای این­منظور، جهت تهیه نقشه کاربری اراضی، از تصاویر ماهواره­ای لندست ۷ (سال ۲۰۰۲) و لندست ۸ (سال ۲۰۱۵) استفاده شد. سپس با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP)، طبقه­بندی تصاویر انجام شد و نقشه­های کاربری اراضی شهری با دقت کلی ۹۴۸/۰ و شاخص کاپای ۹۳۶/۰ برای سال ۲۰۰۲ و همچنین دقت کلی ۸۱۷/۰ و شاخص کاپای  ۷۷۵/۰ برای سال ۲۰۱۵ استخراج شدند. در ­نهایت، با اجرای رگرسیون لجستیک بین نقشه کاربری اراضی شهری سال ۲۰۱۵ (به­عنوان متغیر وابسته) و فاکتور­های موثر از جمله عوامل فیزیکی و عوامل انسانی به­همراه نقشه اراضی سال ۲۰۰۲ (به­عنوان متغیر­های مستقل)، نقشه پتانسیلی پیشرفت اراضی شهری تهیه شد. ارزیابی مدل رگرسیونی ایجاد­شده با استفاده از دو شاخص Pseudo-R۲ و ROC نشان داد که این مدل با مقدار ROC معادل ۸۷/۰ و مقدار Pseudo-R۲ برابر ۳۴۵/۰ دارای قابلیت بالایی جهت نمایش تغییرات و تعیین مناطق مستعد تغییر می­باشد و می­توان برازش مدل را نسبتا خوب در نظر گرفت.

کلیدواژه ها:

مدل سازی احتمال تغییر رشد شهری ، رگرسیون لجستیک ، شبکه عصبی پرسپترون چند لایه ، مشهد.ROC