دانشگاه تبریز
فهرست نشریات دارای اعتبار وزارت علوم، تحقیقات و فناوری
پایگاه استنادی علوم جهان اسلام (ISC)

 آمار

تعداد نشریات45
تعداد شماره‌ها1,389
تعداد مقالات17,014
تعداد مشاهده مقاله54,839,938
تعداد دریافت فایل اصل مقاله17,376,628
قنبری, ابوالفضل, پورباقر, میرحسین. (1403). ارزیابی توسعه فیزیکی شهر جدید سهند با استفاده از شبکه عصبی مصنوعی. سامانه مدیریت نشریات علمی, 28(88), 163-138. doi: 10.22034/gp.2023.55084.3093
ابوالفضل قنبری; میرحسین پورباقر. "ارزیابی توسعه فیزیکی شهر جدید سهند با استفاده از شبکه عصبی مصنوعی". سامانه مدیریت نشریات علمی, 28, 88, 1403, 163-138. doi: 10.22034/gp.2023.55084.3093
قنبری, ابوالفضل, پورباقر, میرحسین. (1403). 'ارزیابی توسعه فیزیکی شهر جدید سهند با استفاده از شبکه عصبی مصنوعی', سامانه مدیریت نشریات علمی, 28(88), pp. 163-138. doi: 10.22034/gp.2023.55084.3093
قنبری, ابوالفضل, پورباقر, میرحسین. ارزیابی توسعه فیزیکی شهر جدید سهند با استفاده از شبکه عصبی مصنوعی. سامانه مدیریت نشریات علمی, 1403; 28(88): 163-138. doi: 10.22034/gp.2023.55084.3093

ارزیابی توسعه فیزیکی شهر جدید سهند با استفاده از شبکه عصبی مصنوعی

جغرافیا و برنامه‌ریزی
دوره 28، شماره 88 - شماره پیاپی 89، 1403، صفحه 163-138    اصل مقاله (1.59 M)
نوع مقاله: مقاله علمی پژوهشی
شناسه دیجیتال (DOI): 10.22034/gp.2023.55084.3093
نویسندگان
ابوالفضل قنبری* 1؛ میرحسین پورباقر2
1دانشیار گروه سیستم اطلاعات جغرافیایی و سنجش از دور دانشگاه تبریز
2دانشجو/دانشگاه تبریز
چکیده
شهر سهند به عنوان یک شهر نسبتا جدید، توانسته است به سرعت در جایگاه سومین شهر پرجمعیت استان آذربایجان‌شرقی قرار گیرد. یکی از نکات مهم تحقیق حاضر، بررسی ارتباط بین توسعه فیزیکی شهر با روند معاملات ملکی و ترکیب داده‌های سنجش از دور و سیستم اطلاعات جغرافیایی می‌باشد. در این پژوهش با استفاده از تصاویر ماهواره‌های Landsat-8 و Landsat-7 و Sentinel-2 در محیط کدنویسی گوگل ارث انجین کاربری‌ها و تغییرات آنها طی دو دوره قبل و بعد از شهر شدن (از 2000 تا 2008 و از 2008 تا 2019) دسته‌بندی شد و سپس پیش‌بینی توسعه آتی شهر سهند صورت گرفت. برای پیش-بینی از روش شبکه عصبی مصنوعی چند لایه پرسپترون (MLP) به عنوان یکی از روش‌های تصمیم‌گیری چندمعیاره مکانی(MCDM) استفاده شده است. متغیرهای مستقل استفاده شده در تحقیق حاضر، در پیش‌بینی توسعه فیزیکی شهر عبارت‌اند 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 طبقه‌بندی تصاویر ماهواره‌ای نشان داد که توسعه فیزیکی شهر جدید سهند در جهت تبدیل زمین‌های بایر به کاربری شهری صورت گرفته است. علاوه بر این توسعه فیزیکی در راستای تبدیل زمین‌های ارزان‌تر به نواحی ساخته شده بود. اراضی ساخته شده دارای توسعه زیادی بوده و از6246/665 هکتار در سال ۲۰۰۰ به 9516/732 هکتار در سال ۲۰۱۹ رسیده است. در بین روش‌های طبقه‌بندی تصاویر به منظور استخراج کاربری اراضی، روش SVM بهترین روش بود و همچنین تصاویر ماهواره Sentinel-2 بالاترین دقت را داشت. شبکه عصبی مصنوعی پرسپترون چندلایه به منظور پیش‌بینی توسعه فیزیکی آتی شهر جدید سهند مورد استفاده قرار گرفت، که با توجه به بررسی‌های صورت گرفته، توسعه در جهاتی پیش‌بینی شده است که مبتنی بر ارزان بودن زمین و نیز محدودیت-های ژئومورفولوژیکی مانند شیب و ارتفاع است.

تازه های تحقیق

     توجه به این نکته که آیا قیمت زمین می­تواند در توسعه فیزیکی شهرها تأثیر داشته باشد یا خیر در این تحقیق مورد بررسی قرار گرفت و نتایج نشان داد که در کنار سایر معیارها می­تواند تأثیر بارزتری داشده باشد. علاوه بر استفاده از داده­های مناسب و صحیح، استفاده از روش مناسب نیز یکی از شروط به دست آوردن نتایج صحیح و دقیق می­باشد. در تحقیق حاضر، استفاده از روش­های طبقه­بندی تصاویر ماهواره­ای با استفاده از روش­های یادگیری ماشین دارای دقت بالایی برای استفاده از نتایج بود. علاوه بر آن استفاده از معیارهایی همچنین قیمت زمین و معیارهای زمین­شناسی و کاربری اراضی و تحلیل برتری و اهمیت هر کدام از آنها در توسعه فیزیکی شهر نشان داد که قیمت زمین و شیب و کاربری اراضی از سایر معیارها تأثیر بیشتری داشته و می­توانند تعیین کننده جهت توسعه فیزیکی شهرها باشند. تحلیل و همپوشانی در محیط شبکه­های عصبی مصنوعی نیز نشان داد که حصول نتایج نزدیک به واقعیت می­تواند در گرو استفاده از روش­های مناسب باشد. نتایج تحقیق حاضر با نتایج عامری و همکاران (1396)، در تحقیقی توسعه شهری در جزیره مینو را با استفاده از سیستم اطلاعات جغرافیایی بررسی کردند و نتایج آنها نشان داد؛ علی­رغم اینکه منطقه مورد نظر برای توسعه شهری مناسب است، ساختار کالبدی و رفاه اجتماعی باید مورد نظر برنامه­ریزان قرار­بگیرد.

کلیدواژه‌ها
توسعه فیزیکی؛ تصاویر ماهواره‌ای؛ گوگل ارث انجین؛ شبکه عصبی مصنوعی؛ شهر جدید سهند
مراجع
  • تقوایی، مسعود؛ قیومی محمدی، حمید و یوسف نصیری. (1392). تحلیل فضایی توسعه فیزیکی شهر اقلید با استفاده از روش AHP، فصلنامه تحقیقات جغرافیایی، ۲۸: ۳۱-۵۴.
  • محمودزاده حسن. (1396). کاربرد شبکه عصبی مصنوعی در مدل سازی و پیش بینی تغییرات کاربری اراضی شهر سردرود (1410-1363). جغرافیا و برنامه ریزی، دوره 21، شماره 60 : 221-2.
  • زیاری، کرامت اله و طیبه قائمی‌راد. (1395). تحلیل توان جغرافیای اکولوژیکی بر توسعه فیزیکی شهر رشت، جغرافیا (برنامه ریزی منطقه ای)، 6 (3): 125-136.
  • شیروانی، حسین. (1395). شبکه­های عصبی مصنوعی با رویکرد کاربرد در علوم کشاورزی و منابع طبیعی، انتشارات دانشگاه ولی عصر(عج)، دانشگاه رفسنجان.
  • علیپور، کیوان و نسرین علی احمدی. (1395). مفهوم توسعه و نظریه های توسعه شهری، دومین کنفرانس ملی مهندسی عمران، بابل- مؤسسه علمی تحقیقاتی کومه علم آوران دانش، 25 آذر.
  • مردای مهدی؛ پریزادی، طاهر و مرتضی مرادی. (1397). الزامات توسعه شهر از درون، مورد مطالعاتی: شهر بروجرد، معماری و شهرسازی آرمان شهر، 23: 332-319.
  • قرخلو، مهدی و اصغر عابدینی. (1387). ارزیابی چالشها و مشکلات شهرهای جدید و میزان موفقیت آنهادر ایران: شهر جدید سهند. برنامه ریزی و آمایش فضا (مدرس علوم انسانی)، 13، 1 (60): 165-119.
  • عماری، سحر؛ دشتی، سولماز و جعفر مرشدی. (1396). ارزیابی توان اکولوژیک به منظور توسعه شهری با استفاده از سیستم اطلاعات جغرافیایی (مطالعه موردی: جزیره مینو(، فصلنامه انسان و محیط زیست، 15(40): 61 تا 70.
  • عمرزاده، داود؛ پورمرادیان، سامره، ولیزاده کامران، خلیل، فیضی زاده، بختیار و هدی خلاقی. (1399). قابلیت سنجی توسعه گردشگری طبیعی (اکوتوریسم) در استان آذربایجان غربی بر اساس تحلیل های مکانیGIS . جغرافیا و برنامه ریزی، دوره 26(79): 256-243.
آمار
تعداد مشاهده مقاله: 523
تعداد دریافت فایل اصل مقاله: 346


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب