صادق شکوری

منطقه17 شهرداری تهران از لحاظ شدت تراکم جمعیت دومین منطقه و از نظر نوع بافت کالبدی دارای80 درصد بافت فرسوده و ناپایدار می باشد. بر همین اساس هدف اصلی این پژوهش مدیریت صحیح بحران در منطقه 17 تهران، با بهره گیری از روش توصیفی – تحلیلی و با استفاده از مدل همپوشانی وزندار در محیط GIS، می باشد. برای رسیدن به این هدف ابتدا اقدام به پهنه بندی مناطق آسیب پذیر در این منطقه گردید و سپس از لایه های متعددی شامل تراکم جمعیت، کیفیت ابنیه، نزدیکی به معابر، نزدیکی به فضاهای باز، مراکز درمانی، ایستگاه های آتش نشانی و... در محدوده استفاده شد. نتایج پژوهش نشان می دهد فرصت های محدوده بیشتر از تهدیدها و ضعف های محدوده بیشتر از قوت ها می باشد و راهبرد قابل قبول جهت مدیریت بهینه بحران زلزله در محدوده راهبرد بازنگری و بعد از آن راهبرد تدافعی می باشد. و برای ساماندهی این بافت ها باید تمام جوانب آن نظیر بافت اجتماعی و فرهنگی شکل گرفته در این بافت ها مشارکت مردم را در تمامی مراحل اعم از برنامه ریزی و اجرا را در نظر بگیرد.

پایش تغییرات کاربری اراضی در بسیاری از فعالیت های برنامه ریزی و مدیریت شهری دارای اهمیت می باشد. بر اثر فعالیت های انسانی و پدیده های طبیعی چهره ی زمین همواره دستخوش تغییر می شود. از اینرو برای مدیریت بهینه مناطق طبیعی آگاهی از نسبت تغییرات کاربری اراضی از ضروریات محسوب می شود. هدف از این تحقیق، ارزیابی و آشکارسازی تغییرات کاربری اراضی بالاخص کاربری پوشش گیاهی در منطقه اوغان از توابع شهرستان مینودشت استان گلستان در بازه ی زمانی30 ساله با استفاده از تکنیک های سنجش از دور و سیستم های اطلاعات مکانی و نرم افزارهای MATLAB، ARCGIS و ENVI می باشد. بدین منظور از تصاویر سال های 1987، 1993، 1998، 2000، 2003، 2008، 2013، 2015و2017 میلادی سنجنده ETM ماهواره لندست استفاده شده است و پس از انجام تصحیحات مورد نیاز در مرحله پیش پردازش، برای پایش تغییرات زمانی کاربری پوشش گیاهی، شاخص پوشش گیاهی(NDVI) در نرم افزار متلب برای هر 9 بازه زمانی محاسبه شدند. سپس با استفاده از تصاویر شاخص های محاسبه شده 7 سال اول و مدل شبکه عصبی زمانمند(سری زمانی)، تصاویر سال هشتم و نهم پیش بینی و بدست آمد و در ادامه با محاسبه خطای RMSE بین تصاویر خروجی مدل با تصاویر واقعی، مدل مذکور اعتبارسنجی گردید. نتایج نشان می دهند که مدل با میانگین RMSE تقریباً 0.13 برای NDVI عملکرد بسیار خوبی داشته است. همچنین از مدل CA جهت پیش بینی روند تغییرات پوشش گیاهی استفاده گردید. نتایج نشان می دهند که وسعت پوشش گیاهی در دو سال آخر یعنی سال-های پیش بینی شده 2015 و 2017 توسط مدل شبکه عصبی روند صعودی داشته و منطقه مورد مطالعه سرسبزتر شده است.