پیش بینی رشد فیزیکی به منظور درک چشم اندازهای شهری در سیستماطلاعات مکانی ( GIS )به کمک FCA مطالعه موردی شهر مشهد
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 455
فایل این مقاله در 14 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:
ICICA01_0948
تاریخ نمایه سازی: 27 اسفند 1394
چکیده مقاله:
افزایش جمعیت و مهاجرت روستاییان به شهرها مشکلاتی نظیر تراکم بیش از حد جمعیت، رشد ناموزون، حاشیه نشینی، نابودی اراضی کشاورزی، عدم پاسخگویی برخی از خدمات ضروری و مشکلات زیست محیطی را به دنبال داشته است. لذا مدلسازی و شبیهسازی پدیده رشد شهری، ابزار بسیار مفیدی برای تشریح روابط متقابل بین محیط انسان ساخت و محیط طبیعی را ارائه نموده و کمک به سزایی را در جهت درک چشم انداز پیشرو به برنامهریزان و تصمیم گیرندگان شهری مینماید. در این مقاله، وضعیت گسترش فیزیکی شهر مشهد از سال 2002 تا 2015 شبیه سازی شده و پس از تعیین مدل مناسب، رفتار شهری در سال 2028 پیش بینی میگردد. بدین منظور، با ارائه مدلی توانمند و ساده به منظورتوسعه عدم قطعیت در اتوماتای سلولی ( CA )، شبیه سازی فرایندهای پیچیده شهری در سیستم اطلاعات مکانی ( GIS ) انجام میگیرد. لذا، پس از آماده سازی دادههای مورد نیاز شامل پارامترهای فیزیکی و انسانی موثر در رشد شهری، قوانین حاکم بر آنها به صورت فازی تعریف شده و ذخیره سازی میگردند. در پدیدههای شهری نوعی عدم قطعیت وجود دارد کهمنجر به فقدان صحت و دقت مورد نیاز در تصمیمگیریها خواهد شد. در نتیجه بیان فازی قوانین انتقال به منظور پشتیبانی از عدم قطعیت موجود منجر به افزایش قابلیت مدلسازی فرایندهای مکانی شده و نتایج واقع بینانهتری را برای تصمیمگیرندگان فراهم میسازد. در پایان پس از تلفیق لایه های آماده سازی شده مدل اتوماتای سلولی به صورت غیر قطعیپیاده سازی گردیده و مناطق مستعد رشد مشخص میگردند
کلیدواژه ها:
نویسندگان
فرهاد رستمی گله
دانشجوی کارشناسی ارشد عمران – سیستم اطلاعات مکانی، دانشکده مهندسی، دانشگاه فردوسی مشهد
روزبه شاد
استادیار گروه مهندسی عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد
مرجان قائمی
استادیار گروه مهندسی عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد
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 :