مدل سازی پیش بینی تغییر کاربری اراضی با استفاده از اتوماتای سلولی

**هدف:** این مقاله با هدف ارتقاء دقت و واقع گرایی در مدل سازی تغییرات کاربری اراضی (LULC)، یک چارچوب مفهومی نوین مبتنی بر اتوماتای سلولی (CA) معرفی می کند. مدل های CA سنتی اغلب در شبیه سازی فرآیندهای پیچیده و غیرخطی LULC، به ویژه در نواحی دارای عدم قطعیت بالا، با محدودیت هایی روبرو هستند. این پژوهش به دنبال غلبه بر این محدودیت ها از طریق ادغام رویکردهای هوش مصنوعی، یعنی منطق فازی و الگوریتم های فراابتکاری، در قواعد انتقال CA است.**روش تحقیق:** چارچوب پیشنهادی بر پایه اتوماتای سلولی چندمنظوره (Multi-objective CA) بنا شده است، که در آن قواعد انتقال به جای قوانین قطعی، بر اساس مجموعه قواعد فازی (Fuzzy Rule Base) تعریف می شوند. این رویکرد اجازه می دهد تا میزان تمایل (Degree of Tendency) یک سلول به تغییر کاربری، با در نظر گرفتن عوامل متعدد محرک (مانند دسترسی، عوامل محیطی و اقتصادی-اجتماعی) و عدم قطعیت های ذاتی آن ها، به صورت پیوسته و با مقادیر احتمالاتی ظریف تر مدل سازی شود. برای بهینه سازی پارامترهای تابع عضویت فازی و وزن دهی به عوامل موثر، از الگوریتم های تکاملی نظیر الگوریتم کلونی مورچگان (Ant Colony Optimization - ACO) یا الگوریتم ژنتیک (Genetic Algorithm - GA) استفاده خواهد شد. این مدل به گونه ای طراحی شده است که مستقل از یک منطقه مطالعاتی خاص باشد و قابلیت تعمیم به سناریوهای مختلف LULC را دارا باشد.**نتایج اصلی:** انتظار می رود مدل هیبریدی CA-Fuzzy-Optimization پیشنهادی، قادر به شبیه سازی دینامیک پیچیده تر تغییرات کاربری اراضی نسبت به مدل های CA کلاسیک باشد. ادغام منطق فازی منجر به کاهش خطاهای مکانی در پیش بینی، به ویژه در نواحی مرزی و مناطق با فرآیندهای انتقالی غیریکنواخت، خواهد شد. همچنین، استفاده از الگوریتم های بهینه سازی، امکان تنظیم خودکار و دقیق تر مدل را بر اساس داده های فضایی-زمانی فراهم کرده و پتانسیل پیش بینی سناریوهای آینده را با دقت بالاتری افزایش می دهد. این رویکرد نوآورانه، ابزاری قدرتمندتر برای برنامه ریزی فضایی و مدیریت پایدار منابع در اختیار پژوهشگران و مدیران قرار خواهد داد.

کلیدواژه ها:

اتوماتای سلولی ، تغییر کاربری اراضی ، مدل سازی فضایی ، منطق فازی ، قواعد انتقال ، الگوریتم بهینه سازی ، هوش مصنوعی ، پیش بینی ، علوم اطلاعات جغرافیایی.