آمار
| تعداد نشریات | 45 |
| تعداد شمارهها | 1,489 |
| تعداد مقالات | 18,167 |
| تعداد مشاهده مقاله | 58,748,237 |
| تعداد دریافت فایل اصل مقاله | 20,194,434 |
مدلسازی توسعه شهری با تلفیق مدل اتوماسیون سلولی و سیستمهای فازی | ||
| جغرافیا و برنامهریزی | ||
| مقاله 9، دوره 20، شماره 58 - شماره پیاپی 2، بهمن 1395، صفحه 159-179 اصل مقاله (537.84 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 2 | ||
| نویسندگان | ||
| محمد طالعی1؛ میثم اقامحمدی2؛ محمد کریمی3؛ قاسم جوادی4 | ||
| 1دانشیار گروه سیستمهای اطلاعات مکانی و عضو قطب علمی مهندسی فناوری اطلاعات مکانی، دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران. | ||
| 2کارشناس ارشد سیستمهای اطلاعات مکانی، دانشکده مهندسی نقشهبرداری، دانشگاهصنعتی خواجه نصیرالدین طوسی، تهران | ||
| 3استادیارگروه سیستمهای اطلاعات مکانی، دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران | ||
| 4عضو هیات علمی گروه مهندسی عمران-نقشه برداری، دانشکده فنی و مهندسی، دانشگاه بجنورد، خراسان شمالی، بجنورد | ||
| چکیده | ||
| رشد سریع و نامتوازن جمعیت بخصوص در کشورهای در حال توسعه، مشکلات فراوانی را در زمینههای زیست محیطی، اقتصادی و اجتماعی ایجاد کرده است. این مسئله اهمیت مدلسازی تغییرات کاربری اراضی را برای مدیریت بهتر شهرها بیش از پیش مطرح مینماید. مدل اتوماسیون سلولی بهطور گسترده در مدلسازی تغییرات مکانی-زمانی گسترش شهرها مورد استفاده قرار گرفته است. مقاله حاضر به ارائه مدل اتوماسیون ترکیبی با منطق فازی پرداخته است. در روشهای متداول اتوماسیون سلولی یا همان CA، حالت، وضعیت و قوانین انتقال بهصورت قطعی تعریف میشوند در حالیکه بیان قطعی این اجزا، نیازمند دادههای بسیار زیاد است. حال اینکه دسترسی به دادههای دقیق، بهدلیل گستردگی و حجم بالای معیارهای مؤثر در مدلسازی فرآیند توسعه شهری، کار سادهای نیست. از اینرو نظریه فازی بهدلیل پشتیبانی از عدم قطعیت و قابلیت توصیف واژگان طبیعی میتواند در بیان اجزای CA استفاده گردد. مدل پیشنهادی بهمنظور مدلسازی گسترش شهر شیراز بین سالهای 1383 تا 1388 استفاده شده و سپس نتایج مورد ارزیابی قرار گرفته است. مقایسه نتایج این تحقیق با تصاویر ماهوارهای، حاکی از دقت 80 درصدی برای روش پیشنهادی میباشد، این در حالی است که برای روش اتوماسیون سلولی معمول دقت 75 درصد گزارش شده است. نتایج تحقیق، گامی به سمت جلو میباشد، زیرا مدل پیشنهادی با افزایش قابلیت اتوماسیون سلولی در مدلسازی پروسههای پیچیده مکانی به دقت مطلوبتری نیز دست پیدا کرده است. نتایج حاصل از این مدلسازی میتواند بهعنوان ابزاری مناسب جهت اخذ تصمیمهای بهینه در اختیار برنامهریزان شهری قرار گیرد. | ||
| کلیدواژهها | ||
| توسعه شهری؛ سیستم اطلاعات جغرافیایی؛ اتوماسیون سلولی؛ منطق فازی؛ قوانین انتقال؛ شهر شیراز | ||
| مراجع | ||
|
- ربانی، امیر (1390)، «مدلسازی گسترش شهری با بهرهگیری از مدل خودکارهی ترکیبی و روش بهینهسازی توده ذرات»، نشریه علمی-پژوهشی علوم و فنون نقشه برداری، دوره اول شماره 3، صفحات 39- 46. - سروستانی، مهدی (1388)، «بررسی روند رشد شهر شیراز و تاثیر آن بر فضای سبز طی سه دهه گذشته»، مجموعه مقالات همایش ژئوماتیک سازمان نقشه برداری کشور، تهران، ایران. - مرادی، مریم (1390)، «مدلسازی توسعه سکونتگاههای شهری با استفاده از اتوماتای سلولی فازی»، پایاننامه کارشناسی ارشد، دانشکده مهندسی نقشهبرداری، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران. - مرکز آمار ایران، سالنامه آماری (1390)، سالنامه آماری استان فارس. - ملکی، داود (1389)، «مدلسازی توسعه شهری با استفاده از روش اتوماتای سلولی»، پایاننامه کارشناسی ارشد، دانشکده مهندسی نقشهبرداری، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران. - Al_Ahmadi, K., See, L. (2009), “Calibration of a fuzzy Cellular Automata model of urban dynamics in Saudi Arabia”, Ecological Complexity, 6(2), PP. 80-101.
- Al_Kheder, SH., Jun Wang, Jie Shan. (2006), “Fuzzy cellular Automata Approach for Urban Growth Modeling”, American Society for Photogrammetry and Remote Sensing Annual Conference, Reno, Nevada.
- Bandini, S., Worsch, T. (2001), “Theoretical and Practical Issues on Cellular Automata, Proceedings of the Fourth International Conference on Cellular Automata for Research and Industry, PP 108– 116.
- Dietzel, R. (2004), “Spatial differences in multi-resolution urban automata modeling, Transactions in GIS, Vol. 8, PP 479–92.
- Engelen, G. (1993), “Cellular automata and fractal urban form: a cellular modelling approach to the evolution of urban land-use”, Environment and Planning A, Vol. 25, Pp. 1175–99.
- Karimia M., Sharifib M.A., Mesgaria M.S. (2012), “Modeling land use interaction using linguistic variables”, International Journal of Applied Earth Observation and Geoinformation, Vol. 16, PP. 42–53.
- Kocabas, V., Dragicevic, S., (2006), “Assessing Cellular Automata model behaviour using a sensitivity analysis approach, Computers”, Environment, and Urban Systems, Vol. 30(6), Pp. 921–953.
- Liu, Y., S.R. Phinn (2003), “Modeling urban development with cellular automata incorporating fuzzy-set approaches, Computers”, Environment and Urban Systems, Vol. 27(6), PP. 637-658.
- Malczewski, J. (2006), “Ordered Weighted Averaging with fuzzy quantifiers: GIS-based multicriteria evaluation for land-use suitability analysis, International Journal of Applied Earth Observation and Geoinformation, Vol. 8, PP. 270–277.
- Menard, J. (2005), “Exploration of spatial scale sensitivity in geographic cellular automata”, Environment and Planning, B, Vol. 32, Pp. 693–714.
- Openshaw, S. (1998), “Neural network, genetic, and fuzzy logic models of spatial interaction”, Environment and Planning, A, Vol. 30(10), PP. 1857-1872.
- Qingsheng Yang, Xia Li, Xun Shi (2008), “Cellular Automata for simulating land use changes based on support vector machines”, Computers & Geosciences, Vol. 34, PP. 592–602.
- Riccioli, F., Toufic El Asmar & Jean-Pierre El Asmar & Roberto Fratini (2013), “Use of cellular automata in the study of variables involved in land use changes”, Environ Monit Assess, Vol. 185, PP. 5361–5374.
- Stevens, S. (2007), “A GIS-based irregular cellular automata model of landuse change”, Environment and Planning B: Planning and Design, Vol. 34, PP. 708–24.
- Veldkamp, A., Kok, K. (2001), “Evaluating impact of spatial scales on land use pattern analysis in Central America, Agriculture”, Ecosystems and Environment, Vol. 85, PP. 205-221.
- Verburg PH, De Nijs TCM, Van Ritsema Eck J, Visser H, De Jong K. (2004), “A method to analysis neighborhood characteristics of land use patterns”, Computers Environment Urban Systems, Vol. 28, PP. 667–690.
- White, R., Engelen, G. (1997), “Cellular automata as the basis of integrated dynamic regional modeling”, Environment and Planning, Vol. 24(2), PP. 235-246.
- Wu, F. (1996), “A linguistic cellular automata simulation approach for sustainable land development in a fast growing region”, Computers Environment and Urban Systems, Vol. 20, PP. 367–87.
- Yongjiu, F. (2011), “Modeling dynamic urban growth using Cellular Automata and particle swarm optimization rules”, International Journal of Landscape and Urban Planning, Vol. 102(3), PP. 188-196. | ||
|
آمار تعداد مشاهده مقاله: 2,341 تعداد دریافت فایل اصل مقاله: 1,260 |
||