Abstract:
در چند دهه اخیر سرعت لجام گسیخته شهرنشینی و متقابلا گسترش کالبدی شهرها و دستاندازی آنها به زمینهای مستعد کشاورزی حومه شهری تخریبهای غیر قابل جبرانی بر محیط زیست داشته است. ضرورت مدلسازی و مهار این گسترشهای خارج از برنامه، محققین زیادی را از حوزه های مختلف بر آن داشته است تا جهت جلوگیری از چنین گسترشهایی، مدلهای پایش و پیشبینی مختلفی را ارائه دهند. هدف از پژوهش حاضر، مدلسازی رشد شهری شهر بجنورد بر اساس تلفیق طبقهبندی شبکه عصبی مصنوعی پرسپترون چند لایه و مدل زنجیره مارکوف با استفاده از مدلساز تغییرات زمین بوده است. از تصاویر لندست 5 مربوط به سال 1384 و لندست 8 مربوط به سال 1392 جهت تهیه نقشه کاربری اراضی به روش شبکه عصبی پرسپترون چند لایه استفاده گردید و با اعمال متغیرهای فاصله از جاده، شیب و متغیرهای کیفی مدلسازی رشد شهری برای سال 1410 انجام گرفت. نتایج مدلسازی پتانسیل تبدیل در همه زیر مدلها صحت بالای 2/95 درصد را نشان داد. اعتبارسنجی مدل با محاسبه ضرایب کاپا (ضرایب کاپای بالای 86 درصد) بیانگر اعتبار مدل میباشند. نتایج بدست آمده از بررسی تغییرات و پیشبینی کاربری اراضی نیز، گویای رشد توسعه مناطق شهری و متقابلا کاهش کلاسهای دیگر کاربری اراضی بوده و با توجه به نتایج حاصل این روند در آینده نیز ادامه خواهد داشت. اراضی شهری از 38/1529 هکتار در سال 1384 به 1837 هکتار در سال 1392 افزایش یافته است. این روند صعودی در آینده نیز ادامه خواهد داشت و طبق نتایج بدست آمده به 31/2856 هکتار میرسد.
Machine summary:
هدف از پژوهش حاضر، مدلسازی رشد شهری شهر بجنورد بر اساس تلفیق طبقه بندی شبکه عصبی مصنوعی پرسپترون چند لایه و مدل زنجیره مارکوف با استفاده از مدلساز تغییرات زمین بوده است .
از تصاویر لندست ٥ مربوط به سال ١٣٨٤ و لندست ٨ مربوط به سال ١٣٩٢ جهت تهیه نقشه کاربری اراضی به روش شبکه عصبی پرسپترون چند لایه استفاده گردید و با اعمال متغیرهای فاصله از جاده ، شیب و متغیرهای کیفی مدلسازی رشد شهری برای سال ١٤١٠ انجام گرفت .
نتایج بدست آمده از بررسی تغییرات و پیش بینی کاربری اراضی نیز، گویای رشد توسعه مناطق شهری و متقابلا کاهش کلاس های دیگر کاربری اراضی بوده و با توجه به نتایج حاصل این روند در آینده نیز ادامه خواهد داشت .
بنابراین هدف از مطالعه حاضر بررسی تغییرات کاربری اراضی و مدلسازی رشد افقی شهر بجنورد تا سال ١٤١٠ با استفاده از مدلسازی تغییرات زمین و تلفیق شبکه عصبی پرسپترون چند لایه و مدل زنجیره مارکوف بوده است .
در طول دو دهه گذشته ، روش های زیادی جهت بررسی و مدلسازی روند تغییرات کاربری اراضی توسعه یافته اند و طبیعتا هر روشی که مورد استفاده قرار گیرد دارای نقاط قوت و ضعف - هایی خواهد بود، برای مثال این نقاط قوت و ضعف میتوانند در میزان پیچیدگی روش انتخاب شده و یا میزان اعتماد به نتایج حاصل از اجرای یک مدل خاص ، نمایان شوند.
(1999): Remotely sensed change detection based on artificial neural Networks.