خلیل الرحمن حیدری

توسعه شهری یکی از پویاترین فرایندهای اجتماعی، اقتصادی و زیست محیطی است که تأثیرات گسترده ای بر جوامع انسانی و محیط زیست دارد. بررسی و تحلیل جهات توسعه شهری، به ویژه در مناطقی که با رشد سریع شهری و تغییرات جمعیتی مواجه هستند، برای مدیریت کارآمد منابع و برنامه ریزی پایدار اهمیت بسیاری دارد. هدف این پژوهش، بررسی نقش الگوریتم های یادگیری ماشین در تحلیل و پیش بینی روندهای توسعه شهری با تأکید بر ترکیب آن ها با سیستم های اطلاعات جغرافیایی (GIS) و تصاویر ماهواره ای است. با جستجو در پایگاه های اطلاعاتی مانند Google Scholar و Scopus در بازه زمانی ۲۰۰۶ تا ۲۰۲۴، به نتایج متنوعی دست یافتیم. از میان مقالات بررسی شده، ۸۳ مقاله انتخاب و تحلیل شدند. برای تجزیه وتحلیل داده ها از نرم افزار MAXQDA استفاده شد که امکان شناسایی و طبقه بندی مفاهیم کلیدی را فراهم کرد. مقالات بر اساس معیارهایی همچون اعتبار مجلات، روش شناسی پژوهش و ارتباط با موضوع انتخاب شدند. داده ها با استفاده از روش تحلیل محتوای کیفی در نرم افزار MAXQDA کدگذاری و دسته بندی شدند. نتایج نشان داد که استفاده از ترکیب الگوریتم های یادگیری ماشین و GIS، دقت پیش بینی توسعه شهری را بین 10٪ تا 40٪ نسبت به مدل های سنتی بهبود بخشید است. همچنین، در بین روش های موردبررسی، مدل جنگل تصادفی عملکرد بهتری نسبت به ماشین بردار پشتیبان و شبکه عصبی مصنوعی داشته است. این مطالعه با ارائه یک مرور سیستماتیک و تحلیل مقایسه ای الگوریتم های یادگیری ماشین، نشان می دهد که ترکیب این روش ها با داده های مکانی و تصاویر ماهواره ای می تواند دقت مدل سازی توسعه شهری را بهبود بخشد..