شبیه‌سازی تغییرات کاربری زمین شهر همدان در سال 2040 میلادی با استفاده از روش اتوماسیون سلولی و داده‌کاوی ترکیبی «رگرسیون بردار پشتیبان و سلول‌های خودکار فازی»

جغرافیا و توسعه فضای شهری

مقاله 7، دوره 4، شماره 1 - شماره پیاپی 6، شهریور 1396، صفحه 175-192   

نوع مقاله: علمی - پژوهشی

شناسه دیجیتال (DOI): 10.22067/gusd.v4i1.55638

نویسندگان

سعید حاجی بابایی^{* 1}؛ کیانوش ذاکرحقیقی²

¹دانشگاه آزاد اسلامی واحد قزوین

²دانشگاه آزاد اسلامی واحد همدان

چکیده

توسعۀ کالبدی و رشد جمعیت شهرهای ایران در چند دهۀ اخیر دگرگونی‌هایی را پذیرفتند که سبب بروز عدم تعادل و ناهماهنگی در گسترش کالبدی شهرها و تغییرات پیش‌بینی‌نشده در توسعۀ فضایی شهرها شده است. در این پژوهش از تلفیق دو مدل اتوماسیون سلولی برای شبیه‌سازی تغییر کاربری در شهر همدان در سال 2040 میلادی و مدل رگرسیون بردار پشتیبان برای پایه‌ریزی قوانین انتقال غیرخطی برای شبیه‌سازی‌ اتوماسیون سلولی و از منطق فازی برای تعریف قوانین انتقال خطی و غیرخطی استفاده شده است. به منظور آزمون مدل شبیه‌سازی، تغییرات کاربری شهر همدان بررسی و پس از استخراج اطلاعات از پایگاه اطلاعات جغرافیایی و تصاویر ماهواره‌ای،‌ وضعیت‌ سلول‌ها در دوره‌های زمانی مختلف مورد ارزیابی قرار گرفت. نتایج حاصل از آزمون مدل نشان می‌دهد مدل تلفیقی مورد نظر قادر است با رفع پیچیدگی‌های اطلاعاتی و ابهامات ناشی از تحولات کالبدی شهر، مدلی مناسب برای تحلیل تحولات توسعه‌ای در گذشته و پیش‌بینی‌ جهات و میزان تغییرات کاربری فراهم آورد. در شهر همدان مساحت اراضی ساخته‌شده در شهر تا سال 2040 افزایش یافته و احتمالاً مساحت این پهنه به حدود 6350 هکتار برسد و رفته‌رفته مساحت اراضی باغستان نیز کمتر شود.

کلیدواژه‌ها

اتوماسیون سلولی؛ تغییر کاربری؛ رگرسیون بردار پشتیبان؛ منطق فازی؛ شهر همدان

مراجع

1. حبیب، ف. و شکوهی، ع. (1391). شناخت و تحلیل مسائل شهری با استفاده از سیستم‌های فازی. هویت شهر، 6 (10)، 26-17

2. ذبیحی، ح. (1390). کنکاشی در نظریه‌ها، تئوری‌ها و اقدامات شهرسازی و معرفی برنامه‌ریزی فازی شهری. تهران: جهاد دانشگاهی (دانشگاه تربیت معلم)

3. رضازاده، ر. و میراحمدی، م. (1388). مدل اتوماسیون سلولی، روشی نوین در شبیه‌‌سازی توسعۀ کالبدی شهری، فن‌آوری آموزش، 4 (1)، 55-47

4. زارعی، ر. و آل‌شیخ، ع. (1391). مدل‌سازی توسعۀ شهری با استفاده از اتوماسیون سلولی و الگوریتم ژنتیک (منطقۀ مورد مطالعه: شهر شیراز). پژوهش و برنامه‌ریزی شهری. 3 (11)، 16-1

5. قهرمانی، م. (1391). توسعۀ گردش‌گری پایدار روستایی و جایگاه بافت‌های باارزش روستا (مطالعۀ موردی روستای سیمین شهر همدان). فضای گردش‌گری، 1 (2)، 80-65

6. کاسکو، ب. (1380). تفکر فازی. (علی غفاری، عادل مقصودپور ممتاز و جمشید قمیسی، مترجمان). تهران: انتشارات دانشگاه خواجه نصیرالدین طوسی

7. کامیاب، ح. (1390). کاربرد شبکۀ عصبی در مدل‌سازی توسعۀ شهری. پژوهش‌های جغرافیای انسانی، (76)، 113-99

8. ماجدی، ح. و پورجوهری، ا. (1392). ارزیابی تعریف حدود رشد شهر در طرح‌های توسعۀ شهری ایران (از طریق پایش 11 گونۀ شهری). هویت شهر، 7 (15)، 36-25

9. نوابخش، م.، نادری، ن. و مهدوی، م. ص، (1394). ارزیابی سهم عوامل توسعۀ کالبدی- فضایی و جمعیتی در بودجۀ مناطق شهری اصفهان. مطالعات جامعه‌شناختی شهری (مطالعات شهری)، 5 (15)، 26-1

10. Ahmadlou, A., Delavar, M. R., Tayyebi, A., & Shafizadeh Moghadam, H. (2015). Using multivariate adaptive regression spline and artificial neural network to simulate urbanization in Mumbai, India. Remote Sensing and Spatial Information Sciences, 40, 31-36

11. Ana, M., Nikolik, D., & Curfs, L. (2004). Probabilistic SVM outputs for pattern recognition using analytical geometry. Neurocomputing, 62, 293–303

12. Barredo, J. I., Kasanko, M., McCormick, N., & Lavalle, C. (2003). Modelling dynamic spatial processes: Simulation of urban future scenarios through cellular automata. Landscape and Urban Planning, 64, 145–160

13. Candau, J. T. (2002). Temporal calibration sensitivity of the SLEUTH urban growth model (Unpublished master’s thesis). University of California, Santa Barbara

14. Cheng, J. (2003). Modelling spatial and temporal urban growth (Unpublished doctoral dissertation). International institute for Geo-information Science and Earth Observation (ITC), The Netherlands

15. Chopard, B., Luthi, P. O., & Queloz, P. A. (1996). Cellular automata model of car traffic in a two-dimensional street network. Journal of Physics A: Mathematical and General, 29(10), 2325–2336

16. He, L., & Zhang, X. (2016). Fuzzy reliability analysis using cellular automata for network systems. Information Sciences, 348, 322–336

17. Junfeng, J. (2003). Transition rule elicitation for urban cellular automata models (Case study: Wuhan-China) (Unpublished master’s thesis). International Institute for Geo-information Science and Earth Observation (ITC), The Netherlands

18. Lou, J. (2006). Modeling urban growth and spatial structure in Nanjing, China with GIS and remote sensing. Milwaukee: The University of Wisconsin

19. Madevska-Bogdanova, A., Nikolik, D., & Curfs, L. (2004). Probabilistic SVM outputs for pattern recognition using analytical geometry. Neurocomputing, 62, 293–303

20. Nagel, K., & Schreckenburg, M. (1992). A cellular automaton model for freeway traffic. Journal de Physique, 2, 2221-2229

21. Pijanowski, B., Tayyebi, A., Doucette, J., Pekin, B., Braun, D., & Plourde, J. (2014). A big data urban growth simulation at a national scale: Configuring the GIS and neural network based land transformation model to run in a high performance computing (HPC) environment. Environmental Modelling and Software, 51, 250-268

22. Smola, A., & Scholkopf, B., (2004). A tutorial on support vector regression. Statistics and Computing, 14, 199-222

23. Tayyebi, A., & DarrelJenerette, G. (2016). Increases in the climate change adaption effectiveness and availability of vegetation across a coastal to desert climate gradient in metropolitan Los Angeles, CA, USA. Science of the Total Environment, 548–549, 60–71

24. Tayyebi, A., Tayyebi, A. M., & Khanna, N. (2013). Assessing uncertainty dimensions in land-use change models: Using swap and multiplicative error models for injecting attribute and positional errors in spatial data. International Journal of Remote Sensing, 35(1), 149-170

25. Torrens, P. M., & O'Sullivan, D. (2002). Cellular automata and urban simulation: Where do we go from here? Environment and Planning B-Planning and Design, 28(2), 163-168

26. Vapnik, V. (1998). Statistical learning theory. New York, USA: Wiley

27. Wahle, J., Annen, O., Schuster, C., Neubert, L., & Schreckenburg, M. (2001). A dynamic route guidance system based on real traffic data. European Journal of Operational Research, 131(2), 302-308

28. White, R., & Engelen, G. (1997). Cellular automata as the basis of integrated dynamic regional modelling. Environment and Planning B-Planning and Design, 24(2), 235-246

29. White, R., & Engelen, G. (2000). High-resolution integrated modelling of the spatial dynamics of urban and regional systems. Computers, Environment and Urban Systems, 24(5), 383–400

30. Wu, F. (1996). Changes in the structure of public housing provision in urban China. Urban Studies, 33(9), 1601-1627

31. Wu, F., & Webster, C. (1998). Simulation of natural land use zoning under free-market and incremental development control regimes. Computers, Environment and Urban Systems, 22(3), 241–256

32. Yang, Q., li, X., & Shi, X. (2008). Cellular automata for simulating land use changes based on support vector machines. Computers and Geosciences, 34(6), 592–602

33. Zhi, D. (1996). GIS-based spatial analysis, modeling and simulation a case study on the changing spatial structure of Hong Kong. Columbia: University of South Carolina