مهدی غلامعلی فرد

شهرها هرروز گسترده تر می شوند و نواحی پیرامون خود را با تغییر کاربری تحت تاثیر قرار می دهند درحالی که پیش بینی و یافتن عوامل مؤثر بر روند رشد شهری هرروز اهمیت بیشتری می یابند. به این منظور برنامه ریزی برای رشد شهری با مدلسازی و پیش بینی تغییر کاربری و توسع هشهری به منظور هدایت مدیریت شده و حفاظت از محیط زیست و کاربری ها نیازمند درک صحیح از علل و پیامدهای رشد شهری است. در این راستا مدل های توسعه شهری و تغییر کاربری توسعه می یابند تا درک بهتری از چگونگی رشد شهری به انسان بدهند. الگوریتم گرگ خاکستری(GWO) یک الگوریتم فرا ابتکاری الهام گرفته از طبیعت برای بهینه سازی انتخاب در مسائل پیچیده است که بر اساس زندگی اجتماعی گرگ های خاکستری توسعه یافته است. در این پژوهش مدل سلول های خودکار شهری با الگوریتم گرگ خاکستری به عنوان ابزار کالیبراسیون و بهینه یابی در مدل توسعه شهری مشهد تلفیق و تغییر کاربری نواحی پیرامونی شهر مشهد شبیه سازی شد. در این مدل نواحی روستایی شمال و شمال غرب مشهد بیش از سایر نواحی تحت تأثیر توسعه شهری قرار گرفته اند. مدل توسعه یافته در پژوهش حاضر موفق شد طی 20 نسل به میزان 72.13 شاخص کاپا به عنوان تابع هدف دست یابد. مقادیر بهینه حاصل از اجرای الگوریتم گرگ خاکستری برای شهر مشهد ارائه شده است.

یکی از راه کارهای اساسی برای کنترل و کاهش اثرات مخرب سیل، شناسایی مناطق سیل گیر در حوزه های آبخیز است. پهنه بندی سیل یکی از بهترین روش ها برای برنامه ریزی و شناسایی مناطق تحت تاثیر سیل می باشد. بدین منظور در حوزه آبخیز خرم آباد واقع در استان لرستان با معرفی شرایط مرزی جریان، دبی حداکثر لحظه ای با دوره بازگشت های مختلف، مقاطع عرضی و فاصله آنها و ضریب زبری مانینگ برای هر مقطع به مدل هیدرولیکی  HEC-RAS، این مدل اجرا و نیم رخ سطح آب در دوره های بازگشت مختلف سیل به دست آمد. نتایج حاصل از پهنه بندی نشان داد که پهنه سیل مربوط به دبی با دوره بازگشت دو ساله با 125/145 مترمکعب بر ثانیه مساحتی برابر با  63/8 کیلومتر مربع و پهنه سیل مربوط به دبی با دوره بازگشت 100 ساله با 781/553 مترمکعب بر ثانیه مساحتی برابر با  10 کیلومتر مربع در منطقه تحت تاثیر قرار می دهد. به طوری که سیل  با دوره بازگشت 100 سال حدوداً 4/4 کیلومتر مربع از اراضی دیم واقع در محدوده، 4/2 کیلومتر مربع از اراضی مرتعی، سطحی نزدیک به 4/1کیلومتر مربع از اراضی مسکونی، 6/1 جاده و 2/0 از اراضی رهاشده را تحت تاثیر قرار می دهد. به همین ترتیب برای سایر دوره بازگشت ها نیز مشاهده شد که بیشترین سطح درگیر سیل به ترتیب به اراضی زراعی دیم، مراتع، جاده، اراضی مسکونی و زمین های رهاشده مربوط می شود.

این مطالعه با هدف پیش بینی تغییرات کاربری اراضی شرق استان مازندران (شهرستان های نکا، بهشهر و توابع آنها) با استفاده از شبکه عصبی مصنوعی در محیط GIS انجام شد. تصاویر ماهواره لندست[1]  متعلق به سال های 1366 و 1380 برای آشکارسازی تغییرات منطقه به کار رفت؛ سپس با بهره گیری از پرسپترون چند لایه[2]  شبکه عصبی مصنوعی، مدل سازی پتانسیل انتقال برای 7 زیرمدل اجرا شد و درنهایت مدل سازی تغییرات کاربری اراضی با دوره واسنجی 1366- 1380 برای سال 1385 با زنجیره مارکف و مدل پیش بینی سخت انجام پذیرفت. ارزیابی صحت مدل با بهره گیری از مقادیر موفقیت خنثی، موفقیت، خطا و هشدار خطا تعیین و درنهایت پیش بینی تغییرات کاربری اراضی برای سال 1394 انجام شد. نتایج نشان داد طی سال های 1366 تا 1380، به ترتیب 1964 و 1197 هکتار از وسعت جنگل ها و باغ ها کاسته و 1182 و 1978 هکتار به وسعت اراضی کشاورزی و مناطق مسکونی اضافه شده است. نتایج مدل سازی پتانسیل انتقال در همه زیرمدل ها صحت زیادی (67- 89درصد) را نشان داد. خطای کل پیش بینی مدل 98/9درصد بود که نشان دهنده کارایی و قابلیت زیاد مدل است. همچنین نتایج پیش بینی نشان داد مساحت اراضی جنگلی در سال 1394 نسبت به 1385 کاهش و مناطق مسکونی، اراضی کشاورزی و باغ ها افزایش خواهد یافت.

اطلاعات در زمینه باستان شناسی و پراکنش نقاط باستانی به جهت امکان تجزیه و تحلیل جوامع گذشته و آثار برجای مانده از آنها، از اهمیت خاصی برخوردار است. اما متأسفانه اطلاعات ما در مورد محوطه های باستانی و الگوی پراکنش آنها اغلب با نقص و عدم قطعیت همراه است.در مطالعه حاضر از تکنیک های آماری و سیستم اطلاعات جغرافیایی جهت دریافت ارتباط میان متغیرهای محیطی (شامل: فاصله از چشمه ها، فاصله از رودخانه های دائمی، فاصله از قنات ها و چاه های آب، فاصله از جاده های مالرو و فاصله از قبرستان ها) که بر الگوی پراکنش جمعیت بشر در اعصار مختلف تعیین کننده و تأثیرگذار بوده اند،استفاده شده است. در میان تکنیک های آماری، توابع وزن-شاهد قادرند از دانسته ها و نادانسته های کاربر در مورد وقوع یک پدیده (مکان و محوطه های باستانی) استفاده نماید و با پردازش فرضیات از روی دانسته ها و محدود کردن فرضیه ها در مواردی که دانش دقیق وجود ندارد و در نهایت ترکیب وزنی ورودی ها، نقص اطلاعات را در نتایج نهایی نمایش دهد. برای ارزیابی صحت مدلسازی از آمارهROC استفاده شده است و نتایج تحقیق نشاندهنده توانایی بالای این مدل در پیش بینی پهنه های مساعد مکان ها و محوطه های باستانی شناخته نشده در شهرستان های بروجن و لردگان استان چهارمحال و بختیاری بوده است (89/0=ROC ). این رویکرد بعنوان راهکاری مناسب جهت تصمیم گیری و مدیریت در زمینه پژوهش های باستان شناسی است و از نتایج این تحقیق می توان جهت مدیریت و برنامه ریزی بررسی ها و کاوش های باستان شناسی، اولویت بندی پهنه های مستعد موجود از لحاظ اهمیت باستانی و در نهایت صرفه جویی در هزینه های زمانی و اقتصادی استفاده نمود.

در پی تغییر اقلیم و گرم شدن زمین، میزان آتش سوزی در سطح جنگل ها و مراتع در حال افزایش است؛ بنابراین شناسایی مناطق در معرض خطر جهت پیشگیری و اتخاذ تدابیر لازم، امری ضروری است. این مطالعه با هدف شناسایی نقاط بحرانی و حساس به حریق در پارک ملی گلستان با استفاده از روش رگرسیون لجستیک با در نظر گرفتن پارامترهای مؤثر بر روی آتش سوزی شامل شیب، جهت، ارتفاع، کاربری، شاخص پوشش گیاهی نرمال شده، فاصله از جاده و روستا، حضور گردشگر، شکارچی و دامدار، دما و رطوبت انجام شد. نقشه واقعیت آتش نیز از آتش سوزی های اتفاق افتاده در 30 سال اخیر تهیه گردید. برای بررسی صحت مدل سازی، ارزیابی و حساسیت سنجی متغیرها از روش ROC و Pseudo-R2 استفاده شد و میزان آن ها برای داده ها با سری کامل به ترتیب برابر 9267/0 و 3133/0 برآورد گردید. بر اساس حساسیت سنجی مدل به حذف متغیرهای مستقل، تنها پارامتر کاربری به عنوان متغیر بی معنا مشخص گردید و متغیرهای حضور دامدار، دما و رطوبت دارای اهمیت بیشتری بودند. نقشه خطر به دست آمده با آتش سوزی 3000 هکتاری منطقه شارلق در شهریور ماه سال 1392 انطباق داشت. باوجود صحت بالای نقشه مخاطره آتش به دست آمده، می تواند برای پیشگیری آتش قبل از وقوع و مدیریت این بحران مورداستفاده قرارگیرد.

هدف از پژوهش پیش رو، مدل سازی تغییرات کاربری اراضی شهرستان تبریز برای سال های 1395 و 1400 با استفاده از مدل ساز تغییر سرزمین (LCM) در محیط سامانه اطلاعات جغرافیایی است. برای این کار، تجزیه وتحلیل و بارزسازی تغییرات کاربری ها، به کمک سه دوره از تصاویر ماهواره لندست مربوط به سال های 1367، 1380 و 1390 انجام گرفت و نقشه های پوشش اراضی جداگانه ای برای هر سال تهیه شد. مدل سازی پتانسیل انتقال، به کمک الگوریتم پرسپترون چندلایه شبکه عصبی مصنوعی با استفاده از شش متغیر مستقل صورت پذیرفت و میزان تخصیص تغییرات کاربری ها به همدیگر، به روش زنجیره مارکف مورد محاسبه قرار گرفت. نتایج حاصل نشان داد که در کل دوره مورد بررسی، یعنی بین سال های 1367 تا 1390، حدود 5195 هکتار به وسعت مناطق شهری و مسکونی افزوده شده است که اراضی مرتعی به ویژه مراتع درجه یک، اراضی کشاورزی و درنهایت اراضی بایر و شوره زار، به ترتیب با مساحت 3488، 1007 و 484 هکتار تبدیل اراضی، بیشترین سهم را در افزایش وسعت اراضی شهری و مسکونی داشته اند. نتایج پیش بینی پوشش اراضی نیز نشان داد که میزان توسعه و رشد شهری تبریز تا سال 1395 مساحتی برابر با 1037 هکتار و تا سال 1400 حدود 2033 هکتار خواهد بود.

مدل های شبکه عصبی مصنوعی از مدل های اطلاعات محور به شمار می آیند. مدل تبدیل کاربری/ پوشش زمین، از مدل هایی است که شبکه عصبی مصنوعی را با سیستم اطلاعات جغرافیایی مرتبط می سازد و برای مدل سازی توسعه شهری در شهر گرگان در دوره زمانی سال های 2001-1987 از همین مدل استفاده شد. این مدل از 6 برنامه کاربردی که در برنامه MS-DOS اجرا می شود، تشکیل شده است. در این مطالعه، سه گروه از متغیرها شامل متغیرهای بیوفیزیکی، اقتصادی - اجتماعی و کاربری زمین به کار برده شد. ده متغیر موثر بر توسعه شهری از سه گروه مذکور به عنوان نود ورودی و متغیر وابسته تغییرات شهری به عنوان نود خروجی مورد استفاده قرار گرفتند. استفاده از نود مخفی، برای شناسایی ارتباطات غیرخطی در مدل بوده است. انجام مدل در چرخه 3000 دارای کمترین میزان خطای مجذور میانگین مربعات بود؛ لذا از این چرخه برای استخراج مناطق توسعه شهری آینده و حساسیت سنجی مدل استفاده گردید. برای تایید مدل از تصویر احتمال این چرخه استفاده شد که رویکرد آماریRelative Operating Characteristic (ROC) برای آن 0.75 برآورد گردید و باعث تایید مدل در شرایط پیش گفته شد. با استفاده از این تصویر، الگوی توزیع شهری برای سال های 2010، 2020، 2030 و 2040 استخراج گردید. اثر نسبی متغیرها با استفاده از ROC و با روش حذف یک متغیر، و اجرای مدل با متغیرهای باقی مانده و مقایسه با مدل کامل برآورد گردید. برای انجام این کار، 11 شبکه با داده های کامل و داده های بدون یک متغیر ایجاد شد و مراحل آموزش و آزمون برای همه آنها به اجرا درآمد. متغیرهای کاربری زمین های تحت کاشت، تعداد سلول های شهری و کاربری مرتعی دارای بیشترین اثر در دوره زمانی مورد مطالعه بودند؛ و متغیرهای فاصله تا مراکز آموزشی، کاربری جنگل و زمین های بایر کمترین اثر را بر رشد شهری گرگان داشتند؛ به عبارت دیگر، مشخص شد که نوع کاربری منطقه تاثیر زیادی بر توسعه شهری در گرگان دارد.