K نزدیک ترین همسایه

سرزندگی یکی از معیارهای اصلی شهرهایی است که از کیفیت بالای برنامه ریزی و طراحی برخوردارند. محیط های شهری سرزنده، زمینه ساز تعاملات اجتماعی، خلق و افزایش سرمایه اجتماعی و حس تعلق به مکان می گردند. هدف این مطالعه تحلیل رابطه سرزندگی و حس تعلق مکانی در شهر قاین است. این تحقیق جزو تحقیقات پیمایشی و ابزار جمع آوری داده ها، پرسشنامه می باشد. حجم نمونه آماری 382 نفر از شهروندان شهر قاین می باشد که با استفاده از فرمول کوکران انتخاب شده است. متغیرهای مستقل این تحقیق شاخص های سرزندگی شهری (دسترسی، پویایی اجتماعی، سرزندگی اقتصادی، امنیت شهری، طراحی معابر، مبلمان، روشنایی فضاهای شهری، سیما و منظر شهری و خوانایی) و متغیر وابسته، حس تعلق مکانی می باشد. برای تحلیل رابطه متغیرها از مدل های k- نزدیک ترین فاصله و الگوریتم جنگل های تصادفی استفاده شده است. شاخص سرزندگی از 28 گویه تشکیل شده است. یافته های تحقیق نشان می دهد که میانگین 17 گویه آن در سطح مناسبی قرار ندارد و 11 گویه آن در سطح قابل قبولی هستند. در کل سرزندگی شهری در شهر قاین پایین است. همچنین میانگین متغیر حس تعلق مکانی در سطح متوسطی قرار دارد. با توجه به خروجی مدل ها روش K نزدیک ترین همسایه نتایج بهتری از مدل جنگل تصادفی داشته است. عملکرد مدل K-NN گویای آن است که این مدل تأثیر سرزندگی بر  تعلق مکانی را با ضریب همبستگی 82/0 و میزان خطای 66/0 و ریسک برآورد 43/0 شبیه سازی کرده است. بر اساس مدل ایجاد شده توسط الگوریتم جنگل تصادفی متغیر دسترسی بیشترین و خوانایی کمترین تاثیر را در حس تعلق در شهر قاین را دارند.

برآورد میزان زیست توده در توده های جنگلی با روش های سنجش از دوری اهمیت بسیاری دارد. هم زمان نبودن دریافت داده های ماهواره ای و اطلاعات میدانی و کاربرد معادلات آلومتریک جهانی، برای محاسبه وزن زیست توده درختان جنگلی داخل کشور، از مهم ترین دلایل عدم قطعیت در نتایج و تحلیل های حاصل از مطالعات مشابه قبلی به شمار می روند. به حداقل رساندن این مشکلات و بررسی قابلیت و عملکرد داده ها در توسعه مدل مناسب برآورد زیست توده جنگل، در منطقه بانکول بخش کارزان شهرستان سیروان، استان ایلام، با استفاده از داده های راداری ماهواره سنتینل 1، اخذشده در تاریخ 6 تیرماه 1396، هدف این تحقیق بود. اندازه قطر میانگین تاج پوشش درختان در 53 قطعه نمونه زمینی مربعی، مربوط به فرم رویشی شاخه زاد، به ابعاد 30×30 متر که در بازه زمانی 2 تا 20 خرداد 1396، به کمک دستگاه موقعیت یاب جهانی تفاضلی و به روش تعیین موقعیت کینماتیک آنی روی زمین اجرا و برداشت شدند، وارد روند برآورد زیست توده شد. میانگین زیست توده برداشت شده میدانی 10.63 تن درهکتار بود. پس از استخراج ویژگی های راداری، آن دسته از ویژگی ها که بیشترین میزان همبستگی را با مقادیر زیست توده داشتند انتخاب و از بین آنها، با به کارگیری الگوریتم ژنتیک و با استفاده از دو مدل رگرسیون K نزدیک ترین همسایه و رگرسیون بردار پشتیبان، مناسب ترین ترکیب ویژگی ها شناسایی و سپس، مقادیر زیست توده مدل سازی شد. اعتبارسنجی مدل ها با استفاده از 26 قطعه نمونه تست، انجام گرفت. همبستگی بین ویژگی های حاصل از داده های راداری و مقادیر زیست توده نشان داد که ویژگی های VH، Mean VV، Mean VV GLCM (Correlation) و Mean VH GLCM (Dissimilarity) بیشترین حساسیت را به مقادیر زیست توده داشتند. استفاده از مدل های رگرسیون نشان داد که روش رگرسیون بردار پشتیبان، با RMSE نسبی 0.08، از روش رگرسیون K نزدیک ترین همسایه، با RMSE نسبی 0.10، دقیق تر عمل کرده است. از بین ترکیب های ویژگی مورد بررسی نیز، بهترین ترکیب در حالت استفاده از رگرسیون K نزدیک ترین همسایه، دارای RMSE به میزان تقریبی 0.99 تن درهکتار (معادل10%) و ضریب تعیین 0.23 و در حالت استفاده از رگرسیون بردار پشتیبان، دارای RMSE به میزان 0.87 تن درهکتار (معادل 8%) و ضریب تعیین 0.14 بود. مدل های نهایی حاصل از ترکیب ویژگی های بهینه استخراج شده از داده راداری در طول موج باند C و روش های رگرسیونی پارامتری و غیرپارامتری مورد بررسی در این تحقیق به تنهایی قادر به بهبود اثر اشباع شدگی در داده، برای برآورد زیست توده در جنگل های مورد مطالعه، نبودند و منجر به پیشنهاد مدل برآوردکننده ای با صحت قابل قبول نشد.