تعداد نشریات | 43 |
تعداد شمارهها | 1,274 |
تعداد مقالات | 15,729 |
تعداد مشاهده مقاله | 51,827,434 |
تعداد دریافت فایل اصل مقاله | 14,666,151 |
ارزیابی توسعه فیزیکی شهر جدید سهند با استفاده از شبکه عصبی مصنوعی | ||
جغرافیا و برنامهریزی | ||
دوره 28، شماره 88 - شماره پیاپی 89، شهریور 1403، صفحه 163-138 اصل مقاله (1.94 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 | ||
| ||
آمار تعداد مشاهده مقاله: 306 تعداد دریافت فایل اصل مقاله: 47 |