مدل CA

فرایند شهرنشینی پدیده ای جهانی است که در سراسر جهان و هرجا که انسان ساکن است واقع می شود که در کشورهای درحال توسعه با رشد طبیعی جمعیت، مهاجرت روستاییان به شهر، تقارب در سبک زندگی روستایی و شهری و فرایندهای سیاسی و اقتصادی در ارتباط با جهانی شدن همراه است. شهرنشینی سریع اغلب به شیوه استفاده از زمین منجر می شود که بی اعتنا به نیازهای نسل آینده است و موجب ناپایداری شهری می شود. توسعه پایدار و برنامه ریزی کاربری اراضی مفاهیم ارزشمندی هستند، اما چالش اصلی زمانی به وجود می آید که می خواهیم آن ها را در عمل قرار دهیم که برای این منظور از مدل DCA استفاده کرده ایم. روش پژوهش توصیفی-تحلیلی است و شاخص های عملکردی مدل DCA در محله های ناحیه 1 منطقه 14 شهر تهران سنجیده شده است. نتایج این پژوهش پس از سنجش سه شاخص تغییر، اختلاط و تعدد کاربری اراضی نشان می دهد محله های شمالی محدوده مدنظر با تغییر کاربری اراضی در راستای پایداری، اختلاط و تعدد کاربری بیشتر، در مقایسه با دیگر محله های ناحیه پایدارتر بوده است. همچنین می توان نتیجه گرفت استفاده از مدل DCA با هدف برنامه ریزی کاربری اراضی پایدار، به دلیل قابلیت این مدل در تجزیه مسائل کلان و ترکیب مسائل با ابعاد متفاوت، مناسب بوده است. در این راستا طرح های شهری باید با درنظرگرفتن پایداری کاربری اراضی با معیارهای بیان شده در سطح محله ها به تحقق آرمان محله محوری که از اهداف پایداری شهری است، یاری برسانند.

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.