ارزیابی توسعه فیزیکی شهر جدید سهند با استفاده از شبکه عصبی مصنوعی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
شهر سهند به عنوان یک شهر نسبتا جدید، توانسته است به سرعت در جایگاه سومین شهر پرجمعیت استان آذربایجان شرقی قرار گیرد. یکی از نکات مهم تحقیق حاضر، بررسی ارتباط بین توسعه فیزیکی شهر با روند معاملات ملکی و ترکیب داده های سنجش از دور و سیستم اطلاعات جغرافیایی می باشد. در این پژوهش با استفاده از تصاویر ماهواره های Landsat-8 و Landsat-7 و Sentinel-2 در محیط کدنویسی گوگل ارث انجین کاربری ها و تغییرات آنها طی دو دوره قبل و بعد از شهر شدن (از 2000 تا 2008 و از 2008 تا 2019) دسته بندی شد و سپس پیش بینی توسعه آتی شهر سهند صورت گرفت. برای پیش-بینی از روش شبکه عصبی مصنوعی چند لایه پرسپترون (MLP) به عنوان یکی از روش های تصمیم گیری چندمعیاره مکانی(MCDM) استفاده شده است. متغیرهای مستقل استفاده شده در تحقیق حاضر، در پیش بینی توسعه فیزیکی شهر عبارت اند از : قیمت زمین، نوع کاربری، شیب، جهت شیب، ارتفاع، فاصله از مناطق شهری، فاصله از شبکه آبراهه، فاصله از گسل، فاصله از شبکه معابر (اصلی و فرعی). نتایج طبقه بندی تصاویر ماهواره ای نشان داد که توسعه فیزیکی شهر جدید سهند در جهت تبدیل زمین های بایر به کاربری شهری صورت گرفته است. علاوه بر این توسعه فیزیکی در راستای تبدیل زمین های ارزان تر به نواحی ساخته شده بود. اراضی ساخته شده دارای توسعه زیادی بوده و از6246/665 هکتار در سال ۲۰۰۰ به 9516/732 هکتار در سال ۲۰۱۹ رسیده است. در بین روش های طبقه بندی تصاویر به منظور استخراج کاربری اراضی، روش SVM بهترین روش بود و همچنین تصاویر ماهواره Sentinel-2 بالاترین دقت را داشت. شبکه عصبی مصنوعی پرسپترون چندلایه به منظور پیش بینی توسعه فیزیکی آتی شهر جدید سهند مورد استفاده قرار گرفت، که با توجه به بررسی های صورت گرفته، توسعه در جهاتی پیش بینی شده است که مبتنی بر ارزان بودن زمین و نیز محدودیت-های ژئومورفولوژیکی مانند شیب و ارتفاع است.An Evaluation of Physical Development of Sahand New Town by Using of Artificial Neural Network
In this study, using images of Landsat-8, Landsat-7 and Sentinel-2 satellites in the coding environment of Google Earth Engine, their uses and changes during the two periods before and after urbanization (from 2000 to 2008 and from 2008 to 2019) will be categorized and then the next five-year development forecast of Sahand city (until 2025) will be made. Perceptron multilayer artificial neural network (MLP) method has been used as a method for predicting spatial multi-criteria decision making (MCDM). The independent variables used in the present study in predicting the physical development of the city are land price, type of use, slope, slope direction, altitude, distance from urban areas, distance from waterway network, distance from fault, distance from network Passages (main and secondary). The results of classification of satellite images showed that the physical development of Sahand new city has been done in order to turn barren lands into urban land. In addition, physical development was built to turn cheaper land into areas. The built lands have been greatly developed and from 64,155 square meters in 2000 to 682,192 square meters in 2019. Among the image classification methods for land use extraction, the SVM method was the best method and also the Sentinel-2 satellite images had the highest accuracy. The multilayer perceptron artificial neural network was used to predict the future physical development of the new city of Sahand, which according to studies, the development is predicted in directions that are based on the cheapness of the land and the limitations. Geomorphological is like slope and altitude.
تبلیغات
