ارزیابی توسعه فیزیکی شهر جدید سهند با استفاده از شبکه عصبی مصنوعی
- سال انتشار: 1403
- محل انتشار: فصلنامه جغرافیا و برنامه ریزی، دوره: 28، شماره: 88
- کد COI اختصاصی: JR_GEOP-28-88_006
- زبان مقاله: فارسی
- تعداد مشاهده: 134
نویسندگان
هیئت علمی دانشگاه تبریز
دانشجو/دانشگاه تبریز
چکیده
شهر سهند به عنوان یک شهر نسبتا جدید، توانسته است به سرعت در جایگاه سومین شهر پرجمعیت استان آذربایجان شرقی قرار گیرد. یکی از نکات مهم تحقیق حاضر، بررسی ارتباط بین توسعه فیزیکی شهر با روند معاملات ملکی و ترکیب داده های سنجش از دور و سیستم اطلاعات جغرافیایی می باشد. در این پژوهش با استفاده از تصاویر ماهواره های Landsat-۸ و Landsat-۷ و Sentinel-۲ در محیط کدنویسی گوگل ارث انجین کاربری ها و تغییرات آنها طی دو دوره قبل و بعد از شهر شدن (از ۲۰۰۰ تا ۲۰۰۸ و از ۲۰۰۸ تا ۲۰۱۹) دسته بندی شد و سپس پیش بینی توسعه آتی شهر سهند صورت گرفت. برای پیش-بینی از روش شبکه عصبی مصنوعی چند لایه پرسپترون (MLP) به عنوان یکی از روش های تصمیم گیری چندمعیاره مکانی(MCDM) استفاده شده است. متغیرهای مستقل استفاده شده در تحقیق حاضر، در پیش بینی توسعه فیزیکی شهر عبارت اند از : قیمت زمین، نوع کاربری، شیب، جهت شیب، ارتفاع، فاصله از مناطق شهری، فاصله از شبکه آبراهه، فاصله از گسل، فاصله از شبکه معابر (اصلی و فرعی). نتایج طبقه بندی تصاویر ماهواره ای نشان داد که توسعه فیزیکی شهر جدید سهند در جهت تبدیل زمین های بایر به کاربری شهری صورت گرفته است. علاوه بر این توسعه فیزیکی در راستای تبدیل زمین های ارزان تر به نواحی ساخته شده بود. اراضی ساخته شده دارای توسعه زیادی بوده و از۶۲۴۶/۶۶۵ هکتار در سال ۲۰۰۰ به ۹۵۱۶/۷۳۲ هکتار در سال ۲۰۱۹ رسیده است. در بین روش های طبقه بندی تصاویر به منظور استخراج کاربری اراضی، روش SVM بهترین روش بود و همچنین تصاویر ماهواره Sentinel-۲ بالاترین دقت را داشت. شبکه عصبی مصنوعی پرسپترون چندلایه به منظور پیش بینی توسعه فیزیکی آتی شهر جدید سهند مورد استفاده قرار گرفت، که با توجه به بررسی های صورت گرفته، توسعه در جهاتی پیش بینی شده است که مبتنی بر ارزان بودن زمین و نیز محدودیت-های ژئومورفولوژیکی مانند شیب و ارتفاع است.کلیدواژه ها
توسعه فیزیکی, تصاویر ماهواره ای, گوگل ارث انجین, شبکه عصبی مصنوعی, شهر جدید سهنداطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.