بابک میرباقری

مطالعه کیفیت زندگی در حال تبدیل شدن به ابزار مهمی برای ارزیابی سیاست های عمومی، رتبه بندی مکان ها، درک و اولویت بندی مسائل اجتماع، تدوین و پایش سیاست ها و راهبردها یا استراتژی های مدیریت و برنامه ریزی شهری است. در این مطالعه کیفیت مکان به عنوان منابع، امکانات و فرصت های فراهم شده به وسیله محیط برای تامین نیازهای انسانی و به عنوان زیرمجموعه کیفیت زندگی مورد توجه قرار گرفته، و با تلفیق داده های سنجش از دور، سرشماری و سایر داده های مکانی در محیط GIS به سنجش کیفیت مکان از طریق روش ارزیابی چندمعیاره در سطح نواحی شهرداری تهران پرداخته شده است. سه قلمرو اصلی ـ اجتماعی، دسترسی و فیزیکی به عنوان معیار تعیین گردید و با استفاده از تحلیل عاملی، از مجموع 49 پارامتر، مولفه های مربوط به هر قلمرو (زیرمعیارها) شناسایی شد. وزن های مولفه های مربوط به هر قلمرو با استفاده از تحلیل سلسله مراتبی استخراج گردید و شاخص نهایی هر قلمرو با ترکیب خطی وزن دهی شده مولفه های استاندارد شده مربوط به هر قلمرو ایجاد شد و در نهایت قلمروهای سه گانه «اجتماعی و دسترسی و فیزیکی» به منظور استخراج شاخص نهایی کیفیت مکان با یکدیگر تلفیق شدند. علاوه بر این، با استفاده از شاخص تحلیل مکانی Getis-Ord خوشه های مطلوب و نامطلوب در هر قلمرو و در شاخص نهایی کیفیت مکان مشخص گردید. نتایج نشان داد که خوشه های مطلوب در قلمرو اجتماعی در نواحی شمالی و مرکز به سمت شمال، در قلمرو دسترسی در نواحی مرکزی و در قلمرو فیزیکی در نواحی شمالی شهر تهران اند. در نهایت تحلیل مکانی شاخص نهایی کیفیت مکان نشان داد که نواحی شمالی و مرکزی به سمت شمال شهر تهران محل تمرکز نواحی مطلوب، و بخش های غربی، جنوب غربی و تا حدودی جنوب شهر تهران محل تمرکز نواحی نامطلوب از لحاظ کیفیت مکان هستند. همچنین نتایج تحلیل همبستگی در مورد شاخص های نهایی در سه قلمرو اجتماعی، دسترسی و فیزیکی بیانگر وجود رابطه مثبت معنادار بین شاخص نهایی قلمرو اجتماعی با شاخص نهایی قلمرو فیزیکی و قلمرو دسترسی است.

ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در حوضه های آبریز مختلف برای اجرای طرح های آبی از یک سو و وجود نداشتن شبکة مناسبی از ایستگاه های اندازه گیری پارامترهای هواشناسی و آبشناسی از سوی دیگر، اهمیت استفاده از روش های غیرمستقیم برای شبیه سازی جریان و محاسبه حجم رواناب در حوضه های آبریز را بیش از پیش آشکار میسازد. در بین روش های غیرمستقیم، فنون پیشرفته ای نظیر سنجش از دور (RS) و سامانه اطلاعات جغرافیایی (GIS)، که امکان اطلاع از شرایط حوضه از جنبه های مختلف و تجزیه و تحلیل سریع تر و دقیق تر این اطلاعات را میسر ساخته اند، جایگاه ویژه ای در مطالعات هیدرولوژیکی و منابع آب یافته اند. این موضوع بر تعداد مدل های فیزیکی توزیعیافتة مکانی در بستر GIS که در آنها اطلاعات مکانی به صورت واحدهای در سطح پیکسل در کنار داده های هیدرولوژی قرار میگیرند و امکان درک و بیان فرایندهای پیچیده و پویا را فراهم میآورند، افزوده است. مدل WetSpa نمونه ای از این مدل های هیدرولوژیکی توزیعیافتة مکانی است که با هدف رسیدن به راهبردهای مدیریت پایدار آبخیز طراحی و ساخته شد. WetSpa براساس شبکه سلولی و در مقیاس حوضه آبریز عمل میکند و در نتیجه عملکرد آن به صورت پیوسته است. در پژوهش حاضر ابتدا جریان روزانة رودخانه حوضه مرک کرمانشاه ـ با مساحت 1380 کیلومترمربع ـ با استفاده از مدل WetSpa در محیط GIS و با شرایط کاربری اراضی فعلی شبیه سازی شده و بعد از کالیبراسیون و اعتبارسنجی مدل به تحلیل تأثیرات تغییرکاربری بر روی جریان ـ به ویژه دبی پیک جریان ـ پرداخته شد. برای این منظور نقشة کاربری بهینه حوضه با استفاده از مدل آمایش سرزمین مخدوم تولید شد و مجدداً جریان رودخانه به وسیله مدل شبیه سازی گردید. نتایج حاصل از به کارگیری مدل WetSpa در حوضه آبریز مرک دقتی معادل 77 درصد را براساس ضریب ناش ـ ساتکلیف (NS) نشان میدهد. همچنین شبیه سازی جریان رودخانه تحت سناوریوی کاربری بهینه نشان داد که هیدروگراف جریان رودخانة با تأخیر به اوج خود میرسد و در مقایسه با هیدروگراف کاربری فعلی دیرتر فروکش میکند. افزون بر اینها، دبی اوج هیدروگراف نیز بعد از تغییر کاربری بهینه پایین تر آمده است.

مدل سلول های خودکار یا به اختصار CA در سال های اخیر کارایی زیادی برای شبیه سازی توسعه اراضی شهری در مناطق مختلف جهان نشان داده است. در تحقیق حاضر گسترش اراضی مسکونی در حومه جنوب غرب تهران با استفاده از این مدل شبیه سازی شد. با استفاده از مدل وزن های شاهد ، همبستگی توسعه اراضی مسکونی با داده های مکانی مختلف بررسی و از نتایج آن در شبیه سازی استفاده شد. سال 71 به عنوان مبدأ شبیه سازی انتخاب شد و سه مدل Direct، WoE و Hybrid با پارامترهای مختلف در نرم افزار طراحی شده اجرا و نتایج حاصل از پیش بینیهای انجام شده برای سال های 75، 81 و 1400 مورد ارزیابی قرار گرفت. دقت این مدل با خطای حداکثر 60 متر برای سال 75 معادل 83 درصد و با تلرانس 5 سلول (خطای حداکثر 100 متر) برای سال 81 معادل 78 درصد است. نتایج حاصل از این تحقیق قابلیت های مدل CA برای پیش بینی و مدل سازی تغییرات کاربری در شرایط منطقه مطالعه را نشان میدهد و ارزیابی و بررسیهای بیش تر برای بهینه سازی این مدل در شرایط مختلف توصیه میشود.

در سال های اخیر مطالعات گسترده ای به منظور بررسی روابط بین تصادف ها و عوامل مؤثر بر آنها ـ از جمله نوع کاربری، ویژگی های جمعیتی و پارامترهای مختلف شبکه حمل ونقل در مناطق شهری ـ صورت پذیرفته است. متغیرهای میزان تولید و جذب سفر همراه با پارامتر مجموع طول معابر می توانند به عنوان متغیرهای جایگزین مناسبی برای پیش بینی تصادف ها مورد استفاده قرار گیرند. مدل های رگرسیون خطی تعمیم یافته به عنوان متداول ترین مدل های عمومی پیش بینی تصادف ها، و رابطه بین تصادف ها و متغیرهای مستقل را با تخمین ضرایب ثابت در کل منطقه مطالعاتی توصیف می کنند. در تحقیق حاضر به منظور بررسی تأثیرات ناپایداری در روابط میان تصادف ها و عوامل مؤثر بر آنها، مدل رگرسیون وزنی مکانی پوآسون پیشنهاد گردید. آن گاه این مدل با استفاده از پارامترهای تولید و جذب سفر و مجموع طول معابر در 253 ناحیه ترافیکی در شهر مشهد اجرا شد و تأثیرات خودهمبستگی مکانی در باقی مانده ها بررسی گردید. آزمون های نیکویی برازش دقت بالاتر مدل رگرسیون وزنی پوآسون را در قیاس با مدل عمومی نشان می دهند. نتایج همچنین نشان از ناپایداری معناداری در روابط بین تعداد تصادف ها و متغیرهای مستقل انتخاب شده دارند. نتایج، رابطه مستقیم متغیرهای انتخاب شده را نیز با وقوع تصادفات در بیشتر نواحی ترافیکی نشان می دهد. آزمون باقی مانده های هر دو مدل نشانگر حذف تأثیرات خودهمبستگی مکانی از باقی مانده های رگرسیون وزنی مکانی پوآسون است.

ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در مناطق مختلف برای اجرای طرح های آبی از یک سو، و فقدان شبکه ای مطلوب از ایستگاه های اندازه گیری پارامترهای هواشناسی از سوی دیگر، اهمیت استفاده از روش های غیرمستقیم را برای تخمین پارامترهای اقلیمی در بسیاری از مناطق کشور آشکار می سازد. پیش بینی تغییرات اقلیمی حاکم بر هر منطقه و مدل سازی های اقلیمی و هیدرولوژیکی، مستلزم در دسترس بودن اطلاعات درازمدت و هم زمانِ بارش در قالب های مکانی و زمانی در ایستگاه های باران سنجی است. به دلیل عدم کفایت ایستگاه های ثبت بارندگی در گذشته، دسترسی به این اطلاعات در بسیاری از مناطق کشور با محدودیت هایی همراه است و پیاده سازی این مدل ها در مناطق مذکور عملاً ناممکن می نماید. استفاده از شبکه های عصبی مصنوعی (ANN) امکان برآورد این اطلاعات را در ایستگاه های پراکندة باران سنجی، و در درازمدت حتی در سال هایی که منطقه فاقد ایستگاه های ثبت بارش بوده است، فراهم می کند. در این تحقیق برای برآورد آمار میانگین بارندگی ماهانه و فصلی و سالانه در 305 ایستگاه هواشناسی موجود در سه استان اردبیل و آذربایجان شرقی و آذربایجان غربی در دو دهه پیش از تأسیس این ایستگاه ها، از 36600 داده ثبت شدة آمار بارندگی ماهانه در دورة ده ساله 2004-1995 استفاده شد. این داده ها به عنوان ورودی برای آموزش شبکه های عصبی با الگوریتم پس انتشار خطا به کار گرفته شدند. طول و عرض جغرافیایی، ارتفاع، شیب، عدد ماه و میانگین بارندگی ماهانه 5 ایستگاه نزدیک تر به هر ایستگاه نیز به عنوان پارامترهای ورودی شبکه انتخاب شدند. ابتدا شبکه عصبی برای دوره ده ساله 2004-1995 آموزش داده شد و دقتی معادل (84/0=R) به دست آمد. پس از آموزش شبکه عصبی، اقدام به برآورد داده های میانگین بارندگی ماهانه و فصلی و سالانه در دوره زمانی 1994-1975 در ایستگاه های موجود در منطقه مطالعاتی گردید. دقت شبکه عصبی در این برآورد معادل 7/0، 78/0 و 88/0 به ترتیب برای تخمین مقادیر میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مورد مطالعه بود. میزان این دقت برای هر سه استان به صورت مجزا اعتبارسنجی شد و بیشترین دقت در استان آذربایجان غربی (معادل 78/0) به دست آمد. سپس اقدام به تولید نقشه های درون یابی شده میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مطالعاتی، با استفاده از تخمینگر زمین آماری کریجینگ براساس داده های برآوردشده با تکنیک شبکه های عصبی و داده های موجود ثبت شده در ایستگاه ها در دوره زمانی 2004-1975 گردید. نتایج این تحقیق امکان دسترسی به آمار پیوسته و درازمدت بارندگی و همچنین بررسی تغییرات توزیع مکانی بارندگی را در منطقه شمال غرب کشور از گذشته تا امروز میسر می سازد.

در بین عوامل مختلف تأثیرگذار در تولید محصولات کشاورزی، شرایط جوی و اقلیمی از مهمترین متغیرهای محیط طبیعی است. در این مطالعه به پهنه­بندی اراضی مستعد کشت ذرت دانه­ای در سطح استان لرستان پرداخته شده تا بهترین مکان ها برای کشت مشخص گردد. در این بررسی، عناصر اقلیمی دما، بارش، درجه روز از 7 ایستگاه سینوپتیک در سطح منطقه و پارامترهای محیطی ارتفاع، شیب، جهت شیب، فاصله از شبکه هیدروگرافی و خاک به عنوان فاکتورهای مؤثر در پهنه بندی، مورد استفاده قرار گرفت. ابتدا داده های اقلیمی استخراج و اطلاعات مورد نظر بدست آمد، سپس نقشه های مربوط به این پارامترها با استفاده از توابع عضویت فازی و معیارهایی که برای کاشت ذرت دانه ای در نظر گرفته شده، استاندارد شد و به هر کدام بر اساس روشAHP وزن خاصی داده شده است. سپس همه نقشه ها با یکدیگر تلفیق و نقشه پهنه­بندی اراضی مستعد کشت ذرت دانه­ای در استان لرستان به دست آمد. بدین ترتیب در نقشه نهایی بدست آمده، 299521 هکتار از اراضی استان برای کشت بسیار مناسب، 809956 هکتار مناسب، 1040944 دارای قابلیت متوسط، 529535 هکتار نامناسب و95930 هکتار نیز برای کشت ذرت دانه­ای بسیار نامناسب هستند. نتایج نشان می دهد که نقش هر یک از عناصر اقلیمی و زمینی، در مناطق مختلف استان متفاوت است و از طریق تلفیق لایه های مؤثر در فرایند کشت در محیط GIS، امکان شناخت مناطق مستعد جهت کشت این گیاه زراعی وجود دارد.

یکی از تحلیل های پرکاربرد سیستم های اطلاعات جغرافیایی (GIS) یافتن مسیرهای بهینة بین دو نقطه در شبکة حمل ونقل شهری است. به دلیل تنوع بالای مسیرهای ممکن بین دو نقطه در شبکة حمل ونقل شهری، یافتن مسیرهای بهینه کار پیچیده ای است. از سویی، درنظرگرفتن هم زمان تمامی پارامترهای مؤثر در انتخاب مسیر از جمله طول مسیر، ترافیک، سختی عبور از تقاطع ها، کیفیت معابر و ...، پیچیدگی فرایند کشف مسیر بهینه را دوچندان می کند. همچنین در پاره ای از موارد، وجود دو یا چند پارامتر مؤثر ناسازگار، مانند طول مسیر و ترافیک، بر پیچیدگی مسئله می افزاید. الگوریتم های بهینه سازی، به ویژه الگوریتم هایی مانند الگوریتم ژنتیک چندهدفه NSGA-II، که توانایی درنظرگرفتن هم زمان چندین پارامتر ناسازگار در یک مسئله را دارند، می توانند GIS را در حل این گونه مسائل یاری کنند. هدف از این پژوهش عرضة مدلی برمبنای الگوریتم NSGA-II در بستر GIS، به منظور کشف مسیرهای بهینه در شبکة حمل ونقل شهری است. بدین منظور، الگوریتم NSGA-II به گونه ای مدل شد تا ساختار توپولوژیک مسیرهای بهینه (پیوستگی و نبودِ حلقه در مسیر) حفظ شود؛ بنابراین، هم در تولید مسیرهای اولیه و هم در عملگرهای ژنتیکی مورد استفاده، حفظ ساختار توپولوژیک مسیرهای خروجی مدنظر قرار گرفت. در این راستا به منظور رسیدن به اهداف یادشده، دو عملگر ژنتیکی ابتکاری، متناسب با مسئلة بهینه سازی مسیر در شبکة حمل ونقل شهری، توسعه داده شد. همچنین با هدف بالابردن کارآیی مدل در ارائة مسیرهای بهینه، افزون بر درنظرگرفتن طول مسیر، ترافیک و کیفیت مسیر به منزلة توابع هدف، دشواری عبور از تقاطع ها نیز به مثابة یکی دیگر از توابع هدف مدل شد. به منظور آزمودن قابلیت های مدل، یک شبکة حمل ونقل شهری فرضی با محدودیت های لازم طراحی شد و مدل، با بهره گیری از آن، مورد ارزیابی قرار گرفت. نتایج به دست آمده نشان دهندة صحت کارکرد مدل و توانایی بالای آن در یافتن مسیرهای بهینه با چندین هدف متضاد است.

فرآیند توسعه شهرها همواره یکی از مهم ترین موضوعات پیش روی پژوهشگران مسایل شهری بوده است. افزون بر میزان رشد شهرها در زمان های مختلف، شکل و الگوی توسعه نیز مورد توجه بوده است. در پژوهش حاضر از یکی از توابع تحلیلی سامانه اطلاعات جغرافیایی (GIS) به نام تابع Ripley’s K استفاده گردید. بر اساس این تابع می توان وضعیت تمرکز (خوشه ای بودن) نقاط نمونه را نسبت به حالت تصادفی بر اساس شمارش تعداد نقاط در فواصل مختلف مورد مقایسه قرار داد. در تحقیق حاضر، بر اساس تابع Ripley’s K میزان تمرکز فرآیند توسعه شهری به صورت کمی برای سه محدوده شهری حومه جنوب غرب تهران شامل اسلام شهر، رباط کریم، نسیم شهر و برای دو دوره سال های 1371 تا 1375 و 1375 تا 1381 محاسبه و نتایج آن ارایه گردیده است. داده های موردنیاز این تحقیق از تصاویر ماهواره ای SPOT استخراج شد. نتایج تحقیق نشان داد که در مجموع تمرکز فرآیند توسعه در دوره زمانی سال های 1375 تا 1381 در محدوده شهرستان اسلام شهر، افزایش و در محدوده شهرستان های رباط کریم و نسیم شهر کاهش یافته است. از مزیت های روش به کار گرفته شده در این تحقیق، امکان به کارگیری آن در مناطق مختلف و برای دوره های زمانی متفاوت و در فواصل (مقیاس های) مختلف است.

متناسب با پیچیدگی های رفتاری در انسان ها، سیستم های اجتماعی نیز دارای پیچیدگی خاصی اند. مدیریت جمعیت در این سیستم ها بسیار اهمیت دارد و نیازمند صرف هزینه و انرژی بسیار است. با توجه به تعاملات موجود میان انسان ها و محیط در سیستم های اجتماعی و تأثیر آنها در روند حرکتی جمعیت در شرایط متفاوت، شناخت و بررسی این تعاملات به ویژه در شرایط اضطراری، از نیازهای اساسی هر سیستم است. در پژوهش حاضر، از نتایج شبیه سازی مکانی عامل مبنای روند حرکتی افراد و شبیه سازی آتش سوزی در ایستگاه قطار شهری هفتِ تیر جهت بررسی رفتار افراد و محیط در هنگام آتش سوزی استفاده شد. سپس شاخص های دشواری حرکت، شامل شاخص های محیطی و محیطی - انسانی، به منظور بررسی تأثیر محیط و عامل ها در روند حرکتی، محاسبه شد. در ادامة کار دو شاخص دشواری جدید، شامل یک شاخص محیطی و یک شاخص محیطی - انسانی با نام های AM 1و AM 2ویژة شرایط آتش سوزی، معرفی شدند. نوآوری شاخص های یادشده، افزون بر میزان تعاملات افراد با یکدیگر و تعاملات آنها با اجزای فیزیکی محیط، به تلفیق نتایج شبیه سازی های عامل مبنا و شبیه سازی های مربوط به آتش سوزی در محیط و استفاده از پارامتری به نام میزان قابلیت دید مربوط می شود. بررسی نتایج شاخص های محاسبه شده و نتایج مربوط به شبیه سازی روند حرکتی افراد در محیط ایستگاه نمایانگر رابطة معکوس بین میزان دشواری و سرعت روند حرکتی عامل ها در محیط ایستگاه است. همچنین، میزان دشواری حرکت در سناریوی موفق محیطی نشان از کاهش میزان دشواری، در مقایسه با سناریوی وضعیت فعلی در نقاط داغ دارد. بهره گیری از شبیه سازی های عامل مبنا و محاسبة شاخص های دشواری در بازه های زمانی متفاوت وقوع بحران می تواند در تدوین استراتژی های مکانی- زمانی مدیریت جمعیت و تخلیة اضطراری مؤثر باشد و در نقش پشتیبانی کنندة تصمیم مکانی، مدیران بحران را در مدیریت بهینة شرایط یاری کند.

از میان روش های معمول درون یابی، روش های کریجینگ و کوکریجینگ به عنوان بهترین برآوردگرهای خطی نااریب، کاربرد فراوانی در درون یابی داده های بارش دارند. مدل های مذکور به رغم مزیت شان نمایش همواری از پدیدة تحت مطالعه به دست می دهند و چون براساس میانگین محلی داده ها عمل می کنند، مقادیر حداکثر را کمتر و مقادیر حداقل را بیشتر از مقدار واقعی پیش بینی می کنند. بنابراین استفاده از این مدل ها به تنهایی در مواردی که هدف ارزیابی میزان ریسک و بررسی تغییرپذیری یک پدیده است، مناسب نیست. تغییرپذیری پدیده با استفاده از عدم قطعیت اندازه گیری می شود. در پژوهش حاضر به منظور محاسبة عدم قطعیت محلی و مکانی متغیر بارندگی، از الگوریتم های شبیه سازی زمین آماری SGS و CO-SGS استفاده شده است. نتایج تحقیق نشان می دهند الگوریتم های SGS و CO-SGS در نمونه های شبیه سازی با بازسازی مقادیر محتمل حداکثر و حداقل و همچنین حفظ دامنة نوسانات بارندگی در هر واحد مکانی، واریانسی نزدیک به واریانس نمونه های اصلی تولید می کنند. اختلاف واریانس شبیه سازی در مقایسه با نمونة اصلی بسیار ناچیز است، درحالی که واریانس روش های درون یابی اختلاف فاحشی با واریانس نمونه های اصلی دارد. همچنین نتایج نشان می دهند که این الگوریتم ها می توانند عدم قطعیت محلی و مکانی پدیده های مکانی ازجمله بارش را به درستی محاسبه کنند. کلید واژه ها : بارندگی، عدم قطعیت، شبیه سازی زمین آماری، الگوریتم SGS، الگوریتم CO-SGS.

محققان همواره به دنبال توسعه روش های بهتر در طراحی، اجرا و بهره برداری از شبکه های توزیع آب در قالب سیستم اطلاعات جغرافیایی (GIS) بوده اند. اما GIS را، به دلیل نداشتن توابع تحلیلی هیدرولیکی، نمی شود به تنهایی به منزله سیستم پشتیبان تصمیم گیری مکانی (SDSS) در بحث مدیریت این گونه شبکه ها درنظر گرفت. این پژوهش درصدد است ازطریق تلفیق توابع تحلیلی هیدرولیکی پیشرفته با قابلیت های تحلیل مکانی نرم افزار GIS، سیستم پشتیبان تصمیم گیری مکانی را در قالب نرم افزاری مستقل توسعه دهد تا شبکه توزیع آب شهرستان فریدون شهر را مدیریت کند. در این راستا پس از مرحله شناخت و نیازسنجی، جهت توسعه مؤلفه های SDSS ازطریق توسعه مؤلفه های مدیریت پایگاه داده، مدیریت مدل ها و واسط های کاربری به منزله عناصر اصلی SDSS، اقدام شد. در مؤلفه مدیریت پایگاه داده با پیاده سازی مدل های مفهومی، منطقی و فیزیکی، پایگاه داده مکانی منطقه مورد نظر توسعه داده شد. در مؤلفه واسط های گرافیکی، برای ارتباط مؤثر کاربران با سیستم، از واسط های گرافیکی کاربرپسند و با درک آسان استفاده شد. سپس در مؤلفه مدیریت مدل ها، مدل های هیدرولیکی کاربردی در شبکه های توزیع آب همچون مدل های تحلیل سرعت در لوله ها و فشار بر گره ها توسعه داده شد.درنهایت، مدل های ارزیابی سناریوها برای حل مسائل نیمه ساختاریافته شبکه های توزیع آب شهری طراحی شد. با پیاده سازی سیستم یادشده بر مبنای رویکردی علمی، برای نخستین بار در کشور، مدیران و تحلیلگران این شبکه ها می توانند این نرم افزار را همچون سیستم پشتیبان تصمیم گیری مکانی جامعی در تحلیل شبکه های توزیع آب شهری به کار گیرند.

زلزله یکی از مخرب ترین سوانح طبیعی است که در هر زمانی با شدت های مختلف رخ می دهد. زلزله های شدید در محیط های مسکونی باعث تخریب ساختمان ها، راه های اصلی و از همه مهم تر، باعث تلفات جانی می شوند. آشکارسازی ساختمان های تخریب شده ناشی از چنین سانحه ای در زمان مناسب مسئله ای حیاتی برای مدیریت بحران و امدادرسانی به شمار می رود. این پژوهش با هدف تشخیص ساختمان های تخریب شده بر اثر زلزله، با استفاده از تصاویر ماهواره ای با قدرت تفکیک بسیار بالا انجام شده است. جهت نیل به این هدف از تصاویر ماهواره ای با قدرت تفکیک بسیار بالا (VHR) مربوط به قبل و بعد از وقوع زلزله در شهر پورتو پرنس کشور هائیتی در سال 2010 و نقشه تخریب مشاهده شده از منطقه استفاده شده است. در این پژوهش پس از محاسبه ویژگی های بافتی تصاویر، با استفاده از تحلیل همبستگی، توصیفگرهای بافتی بهینه انتخاب شدند. سپس با استفاده از مقادیر بافت های برگزیده و سیستم استنتاج فازی، وضعیت تخریب ساختمان ها طبقه بندی شد. در نهایت، نقشه تخریب به دست آمده، با استفاده از مدل پیشنهادی، با نقشه تخریب منطقه مقایسه شد. دقت نهایی مدل پیشنهادی با استفاده از شاخص Kappa، 82% و همچنین، دقت مدل در تشخیص ساختمان های تخریب شده با استفاده از شاخص Jaccard، %89.69 به دست آمد.

ارزیابی توان اکولوژیکی محیط زیست برای تعیین یا پیش بینی قدرت بالقوه و نوع کاربری طبیعی سرزمین است. از این رو، ارزیابی محیط زیست ابزاری برای برنامه ریزی استراتژیک استفاده از سرزمین است. در مطالعه حاضر شهرستان کنگاور با وسعت 9 / 883 کیلومترمربع با هدف تعیین توان اکولوژیک در ارتباط با کاربری شهری، روستایی و صنعتی با مدل اکولوژیکی مخدوم بررسی شد. در فرایند پژوهش، ابتدا داده ها و منابع اکولوژیکی مورد نیاز پژوهش جمع آوری، تهیه و تولید شد. پس از ساخت و ترکیب نقشه ها در نرم افزار سیستم اطلاعات جغرافیایی به شیوه چندترکیبی، نقشه واحدهای محیط زیستی ساخته و با به کارگیری ویژگی های هر واحد محیط زیستی توان اکولوژیکی منطقه ارزیابی شد. برای انجام دادن این کار، شاخص ها و متغیرهایی که می توانستند در هر یک از این مدل ها دخالت داشته باشند، بررسی شد. برای طبقه بندی توان اکولوژیک منطقه در زمینه کاربری های شهری، روستایی و صنعتی، و تهیه نقشه توان طبقات مختلف، 18 پارامتر به عنوان معیار وزن دهی و تعیین توان به کار گرفته شده است. نتایج ارزیابی توان اکولوژیک شهرستان کنگاور نشان داد، پهنه ای به مساحت 26/100 کیلومترمربع (34 / 11 درصد) از شهرستان کنگاور برای کاربری شهری، روستایی و صنعتی توان مناسب برای طبقه 1 دارد. همچنین، در شهرستان، 1 / 483 کیلومترمربع (64 / 54 درصد) توان کاملاً مناسب را برای طبقه 2 دارد. با مقایسه نقشه کاربری موجود و بهینه مشخص شد، مساحت توسعه کاربری شهری در پهنه های نامناسب برابر با 5 / 2 کیلومترمربع است.

با افزایش جمعیت و به تبع آن افزایش نیازهای جامعه، آمایش سرزمین اهمیت ویژه ای یافته است. به دلیل پیوند آمایش سرزمین با چندین هدف متضاد، استفاده از الگوریتم های تکاملی چندهدفه درصورت تناسب الگوریتم با نوع مسئله می تواند مفید باشد. در پژوهش حاضر ضمن ارائة مدلی به منظور بهینه سازی کاربری اراضی، راه حلی مؤثر برای به کارگیری الگوریتم ژنتیک چندهدفه در انواع مسائل مربوط به آمایش سرزمین معرفی می گردد. مدل طراحی شده در پژوهش حاضر به منظور بهینه سازی کاربری اراضی از الگوریتم NSGA-II بهره می برد. خروجی های این مدل، الگوهایی برای آمایش سرزمین هستند که فرسایش منطقه را تا حد زیادی کاهش می دهند و سطح منفعت اقتصادی منطقه را بالا می برند. در این مدل، کاربری ها دارای بالاترین سازگاری، کمترین دشواری تغییر و بیشترین پیوستگی هستند. به منظور استفاده از الگوریتم ژنتیک چندهدفه در حل مسائل آمایش سرزمین در این پژوهش راهکاری ابتکاری برای تولید جمعیت اولیه و عملگر ابتکاری ترکیب متناسب با مسائل آمایش سرزمین شرح و بسط داده شد. مدل طراحی شده در منطقة رودبار جنوب واقع در استان کرمان پیاده سازی شد. نتایج به دست آمده نشان دادند که الگوهای آمایش سرزمین پیشنهادشده در این مدل می توانند درحدود 30 تا 35 درصد فرسایش منطقه را کاهش دهند؛ درعین حال سطح منفعت اقتصادی حاصل از تغییر کاربری بین 40 تا 50 درصد رشد خواهد داشت. همچنین تمامی الگوها دارای سازگاری بالا و دشواری تغییر اندک هستند. با بررسی عملکرد عملگر های ابتکاری ارائه شده، مشخص شد این عملگرها تأثیر بسزایی در روند حل مسئله داشتند. کلید واژه ها : بهینه سازی چندهدفه، الگوریتم NSGA-II، توسعة عملگرهای ابتکاری، آمایش سرزمین، توان اکولوژیک.

ارزیابی توان اکولوژیکی محیط برای تعیین و سنجش توان بالقوه و نوع کاربری طبیعی سرزمین است. از این رو ارزیابی توان محیط ابزاری برای مدیریت فضای جغرافیایی و برنامه ریزی های استراتژیک و راهبردی جهت توسعه پایدار و استفاده صحیح از منابع سرزمین است. در این مطالعه، شهرستان کنگاور با وسعت 9/883 کیلومتر مربع با هدف تعیین توان طبیعی (اکولوژیک) در ارتباط با کاربری کشاورزی و مرتع داری، با استفاده از مدل اکولوژیکی مخدوم، بررسی شد. در فرایند تحقیق ابتدا به جمع آوری و تهیه و تولید داده ها و منابع اکولوژیکی مورد نیاز پژوهش اقدام شد. پس از ساخت و ترکیب نقشه ها در نرم افزار ArcGIS، به شیوه چندترکیبی، نقشه واحدهای محیط زیستی ساخته و با استفاده از ویژگی های هر واحد محیط زیستی توان اکولوژیکی منطقه ارزیابی شد. بدین منظور، شاخص ها و متغیرهایی که می توانستند در این مدل ها دخالت داشته باشند بررسی شدند. جهت طبقه بندی توان اکولوژیک منطقه در خصوص کاربری کشاورزی و مرتع داری و تهیه نقشه توان طبقات مختلف از 15 متغیر به منزله معیار وزن دهی و سنجش توان استفاده شد. نتایج حاصل از ارزیابی توان اکولوژیک شهرستان کنگاور حاکی از استخراج 58 واحد محیط زیستی در 7 طبقه با توان های کاملاً مناسب، مناسب، ضعیف، و نامناسب برای کاربری کشاورزی و مرتع داری است. 79/356 کیلومتر مربع قابلیت کاربری کشاورزی با توان کاملاً مناسب و مناسب را دارد. همچنین قابلیت منطقه با توان مناسب برای کاربری دیم و مرتع داری 23/72 کیلومتر مربع برآورد شد. در وضعیت موجود 26/483 کیلومتر مربع از شهرستان کنگاور به کاربری کشاورزی اختصاص داده شده است. این در حالی است که در وضعیت بهینه این مقدار برابر 79/356 کیلومتر مربع است. میزان اراضی تغییرکاربری یافته به کشاورزی 47/126 کیلومتر مربع است. بر اساس نتایج حاصل، اراضی منطقه بیش از توان آن برای کاربری کشاورزی (آبی و دیم) مورد بهره برداری قرار گرفته و اراضی با قابلیت مرتع به فعالیت کشاورزی تغییر کاربری یافته است.

یکی از مهم ترین چالش های پیش روی سیاست گذاران و برنامه ریزان شهری طی دهه های اخیر، مسئله دسترسی به انواع خدمات شهری است. هدف پژوهش حاضر، محاسبه دسترسی بلوک های جمعیتی به مراکز درمانی با استفاده از روش توسعه یافته حوزه نفوذ شناور دو مرحله ای (2SFCA) در شهر اصفهان است. در پژوهش حاضر، روش 2SFCA با استفاده از توابع افت فاصله در دو حالت با محدودیت و بدون محدودیت شعاع دسترسی به کار گرفته شد. نتایج نشان دهنده آن بود که روش 2SFCA با استفاده از تابع فرصت تجمعی خطی منفی بیشترین متوسط همبستگی را در دسترسی در مقایسه با سایر توابع داراست. محاسبه میانگین دسترسی در مناطق پانزده گانه شهر اصفهان حاکی از آن بود که مناطق مرکزی (3،1 و 5) بیشترین کاهش و مناطق حاشیه ای (8، 9 و11) بیشترین افزایش دسترسی را در حالت بدون محدودیت نسبت به حالت با محدودیت داشته اند. به طور کلی نتایج حاصل از به کارگیری روش 2SFCA و محاسبه ضریب جینی نشان دهنده آن است که میزان نابرابری در دسترسی بلوک های جمعیتی به خدمات درمانی در شهر اصفهان زیاد بوده است و این میزان نابرابری در حالت توأمان دسترسی به بیمارستان ها و درمانگاه ها افزایش می یابد. با توجه به قابلیت بالای روش 2SFCA توسعه یافته به دلیل در نظر گرفتن واقع بینانه تر عرضه، تقاضا، حوزه نفوذ و میزان فاصله، استفاده از این روش برای ارزیابی میزان دسترسی به انواع خدمات به خصوص خدمات اضطراری و درمانی به مدیران و برنامه ریزان شهری کمک بسزایی می کند.

امروزه با افزایش حجم و ابعاد داده های مکانی و نیاز به درک کامل داده ها، شبکه های عصبی خودسازمانده به ابزاری استاندارد برای کار با داده های بزرگ و چند بُعدی تبدیل شده اند که می توانند در خوشه بندی، بصری سازی و انتقال داده های چند بُعدی در فضایی با ابعاد کمتر استفاده شوند. هدف از پژوهش حاضر، خوشه بندی داده های بلوک های آماری (شامل ده متغیر منتخب اجتماعی-اقتصادی مرتبط با رویکرد توسعه پایدار شهری) با شبکه های عصبی خودسازمانده بدون استفاده از پارامترهای مکانی و به کارگیری مختصات جغرافیایی بلوک های آماری به عنوان پارامتر مکانی در روند خوشه بندی و مقایسه نتایج حاصل شده، است. الگوریتم SOM رایج ترین شبکه عصبی خودسازمانده و الگوریتم  Geo-SOMمکانی شده الگوریتم SOM است. روند خوشه بندی هر دو الگوریتم یکسان است و تنها تفاوت این دو الگوریتم به کا رگیری پارامترهای مکانی در روند اجرای الگوریتم Geo-SOM است. در پژوهش حاضر داده ها با الگوریتم SOM و Geo-SOM خوشه بندی شده است. نتایج نشان داد که خوشه های حاصل از دو الگوریتم به طور کامل، متفاوت است. خوشه بندی بلوک های آماری بدون توجه به خصوصیات مکانی و تنها با استفاده از معیار شباهت، منجر به خوشه های ناهمگن می شود و برعکس. با اعمال پارامترهای مکانی نه تنها از معیار شباهت، از ویژگی های مکانی داده ها نیز در فرآیند خوشه بندی استفاده می شود که این مسئله منجر به تولید خوشه های همگن می شود. ارزیابی نتایج با استفاده از ضریب سیلهوته بیانگر خوشه بندی مناسب تر الگوریتم Geo-SOM است؛ به طوری که میانگین ضریب سیلهونه برای الگوریتم SOM برابر 02/0- و برای الگوریتم Geo-SOM برابر 27/ 0است. مقایسه نتایج نشان دهنده تأثیر مثبت پارامترهای مکانی در خوشه بندی داده های اجتماعی و اقتصادی است.

خوشه بندی داده های بزرگ، ساختارها را آشکار و گروه بندی ها را شناسایی می کند و هدف اصلی آن تفکیک داده ها در خوشه هایی با ویژگی های مشابه است. شبکه های عصبی مصنوعی ابزاری استاندارد برای خوشه بندی داده های بزرگ و چندبعدی هستند. هدف این تحقیق، خوشه بندی داده های بلوک های آماری شامل 21 متغیر اجتماعی-اقتصادی و دسترسی به خدمات مرتبط با رویکرد توسعه پایدار شهری با شبکه عصبی گازی بدون استفاده از پارامترهای مکانی و همچنین با به کارگیری مرکز هندسی بلوک های آماری به عنوان پارامتر مکانی در روند خوشه بندی و مقایسه نتایج حاصل می باشد. الگوریتم شبکه عصبی گازی (NG) متداول ترین شبکه برای خوشه بندی داده های با ابعاد بالا و شبکه عصبی گازی بافتی (CNG) مکانی شده این الگوریتم است. در این مطالعه بلوک های آماری شهر اصفهان با آموزش این دو الگوریتم بر اساس متغیرهای منتخب خوشه بندی شدند. نتایج بیانگر وجود تفاوت قابل توجه در خوشه های حاصل از اجرای این دو الگوریتم است. خوشه بندی با استفاده از الگوریتم NG، منتج به خوشه های ناهمگن می شود و بالعکس اجرای الگوریتم CNG به دلیل استفاده از پارامترهای مکانی منجر به تولید خوشه های همگن می گردد. در این پژوهش ارزیابی کیفیت خوشه بندی با محاسبه متوسط ضریب سیلهوته برای بلوک های آماری انجام شد که الگوریتم CNG با متوسط ضریب سیلهونه برابر 29/ 0 عملکرد بهتری نسبت به الگوریتم NG با متوسط ضریب سیلهوته 02/0- دارد. این نتایج بیانگر تأثیر مثبت پارامترهای مکانی در ایجاد خوشه های همگن در محیط شهری است. خوشه بندی بلوک های آماری شهری با به کارگیری متغیرهای مرتبط با توسعه پایدار و رویکرد مکان مبنا با استفاده از الگوریتم CNG ازجمله نوآوری های این تحقیق به شمار می رود