اخبار و اعلانات

 آمار

تعداد نشریات49
تعداد شماره‌ها1,846
تعداد مقالات19,535
تعداد مشاهده مقاله9,325,706
تعداد دریافت فایل اصل مقاله6,561,982
بولاقی, صادق, مینائی, مسعود, شفیع زاده مقدم, حسین, خوارزمی, امید علی. (1402). بهبود مدل‌سازی توسعه فضایی شهرها با تلفیق روش‌های یادگیری ماشین و مدل‌ CA-Markov (مطالعه موردی: کلان‌شهر قم). سامانه مدیریت نشریات علمی, (), -. doi: 10.22067/jgrd.2023.82877.1292
صادق بولاقی; مسعود مینائی; حسین شفیع زاده مقدم; امید علی خوارزمی. "بهبود مدل‌سازی توسعه فضایی شهرها با تلفیق روش‌های یادگیری ماشین و مدل‌ CA-Markov (مطالعه موردی: کلان‌شهر قم)". سامانه مدیریت نشریات علمی, , , 1402, -. doi: 10.22067/jgrd.2023.82877.1292
بولاقی, صادق, مینائی, مسعود, شفیع زاده مقدم, حسین, خوارزمی, امید علی. (1402). 'بهبود مدل‌سازی توسعه فضایی شهرها با تلفیق روش‌های یادگیری ماشین و مدل‌ CA-Markov (مطالعه موردی: کلان‌شهر قم)', سامانه مدیریت نشریات علمی, (), pp. -. doi: 10.22067/jgrd.2023.82877.1292
بولاقی, صادق, مینائی, مسعود, شفیع زاده مقدم, حسین, خوارزمی, امید علی. بهبود مدل‌سازی توسعه فضایی شهرها با تلفیق روش‌های یادگیری ماشین و مدل‌ CA-Markov (مطالعه موردی: کلان‌شهر قم). سامانه مدیریت نشریات علمی, 1402; (): -. doi: 10.22067/jgrd.2023.82877.1292

بهبود مدل‌سازی توسعه فضایی شهرها با تلفیق روش‌های یادگیری ماشین و مدل‌ CA-Markov (مطالعه موردی: کلان‌شهر قم)

جغرافیاوتوسعه ناحیه ای
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 08 شهریور 1402
نوع مقاله: علمی - پژوهشی
شناسه دیجیتال (DOI): 10.22067/jgrd.2023.82877.1292
نویسندگان
صادق بولاقی1؛ مسعود مینائی* 2؛ حسین شفیع زاده مقدم3؛ امید علی خوارزمی4
1دانشجوی کارشناسی ارشد گروه جغرافیا دانشگاه فردوسی مشهد، آزمایشگاه علم / سیستم اطلاعات جغرافیایی و سنجش از دور (GISSRS: Lab)، مشهد، ایران
2دانشیار گروه جغرافیا دانشگاه فردوسی مشهد، آزمایشگاه علم / سیستم اطلاعات جغرافیایی و سنجش از دور (GISSRS: Lab)، مشهد، ایران
3دانشیار گروه مهندسی و مدیریت آب دانشگاه تربیت مدرس، تهران، ایران
4استادیار گروه جغرافیا دانشگاه فردوسی مشهد، مشهد، ایران
چکیده
یکی از پیامدهای اجتناب‌ناپذیر رشد روزافزون جمعیت جهان، گسترش شهرنشینی است. به همین دلیل ارائه چشم‌اندازی از توسعه فضایی شهرها با هدف درک الگوی صحیح رشد شهر و فراهم آوردن زیرساخت‌های لازم از اهمیت بسیاری برخوردار می‌باشد. از آنجایی که کلان‌شهر قم یکی از شهرهای درگیر با مسئله رشد شهری بوده و آمار 95 درصد شهرنشینی را ثبت کرده است، تمرکز این پژوهش بر روی واکاوی توسعه فضایی اراضی شهری پیرامون این کلان‌شهر می‌باشد. برای نیل به هدف فوق، ابتدا ورودی‌های مدل که همان نقشه‌های کاربری / پوشش اراضی و نقشه شایستگی رشد شهری منطقه هستند، تولید شده‌اند. نقشه‌های کاربری / پوشش اراضی منطقه برای سال‌های 2000، 2010 و 2020 با روش جنگل تصادفی در محیط سامانه Google Earth Engine، و نقشه شایستگی رشد شهری منطقه نیز برای سال‌های 2000 و 2010 به کمک تحلیل‌های MCDM مبتنی بر GIS به صورت مجزا تولید شده است. در نهایت این نقشه‌ها وارد الگوریتم‌های ترکیبی ANN-CA-Markov و SVM-CA-Markovشده و دو نقشه برای کاربری / پوشش اراضی منطقه در سال 2020 شبیه‌سازی شده است. اعتبارسنجی مدل‌ها نشان داد که الگوریتم SVM-CA-Markov با مساحت زیر منحنی ROC معادل 96/0 از صحت بیشتری برخوردار بوده و برای مدل‌سازی افق 2040 به عنوان الگوریتم بهینه انتخاب شد. نتایج حاکی از توسعه فضایی روزافزون این کلان‌شهر می‌باشد؛ به طوری که وسعت اراضی شهری این منطقه از 62/139 کیلومترمربع در سال 2020 به بیش از 183 کیلومترمربع در سال 2040 افزایش خواهد یافت. ارزیابی نتایج می‌تواند به مدیران مربوطه در راستای اتخاذ سیاست‌های لازم برای مدیریت هر چه بهتر شرایط پیش رو یاری رساند. این مهم می‌تواند از طریق برنامه‌‌ریزی برای توسعه‌ منظم شبکه معابر، گسترش فضا‌های سبز شهری و غیره محقق شود. در این راستا سازمان‌ها و مسئولان محلی باید ضمن اشراف کامل بر جهات توسعه این کلان‌شهر، نظارت‌های هدفمند بر این مسئله داشته باشند.
کلیدواژه‌ها
تغییرات کاربری/پوشش اراضی؛ کلان‌شهرقم؛ رشد شهری
مراجع
آمار
تعداد مشاهده مقاله: 82


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب