۲۳۶۷۶پ
per
ارزیابی توسعه فیزیکی شهر جدیدسهند با استفاده از شبکه عصبی مصنوعی
Evaluation of Physical Development of Sahand New City Using Artificial Neural Network
/میرحسین پورباقر
: برنامه ریزی و علوم محیطی
، ۱۳۹۹
، عباسپور
۹۰ص
چاپی
کارشناسی ارشد
سنجش از دور و سیستم اطلاعات جغرافیایی
۱۳۹۹/۰۶/۱۹
تبریز
پویایی یکی از ویژگی‌صهای غیرقابل انکار شهرها می‌صباشد که مدیران شهری را برای برنامه‌صریزی به تکاپو وادار می‌صکند .تحقیق پیش‌صرو توسعه فیزیکی شهر سهند را از ابعاد کمی مورد بررسی قرار داده است .یکی از عوامل مشوق رشد و توسعه فیزیکی شهرها افزایش جمعیت است .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 داده‌صهای سنجش از دور و سیستم اطلاعات جغرافیایی می‌صباشد .در این پژوهش با استفاده از تصاویر ماهواره‌صهایLandsat - ۸وLandsat - ۷و۲- Sentinelدر محیط کدنویسی Google Earth Engine کاربری‌صها و تغییرات آنها طی دو دوره قبل و بعد از شهر شدن) از ۲۰۰۰ تا ۲۰۰۸ و از ۲۰۰۸ تا ۲۰۱۹) دسته‌صبندی شده و سپس پیش‌صبینی توسعه پنج سال آتی شهر سهند)تا سال ۲۰۲۵) صورت خواهد گرفت .برای پیش بینی از روش شبکه عصبی مصنوعی چند لایه پرسپترون (MLP)به عنوان یکی از روش‌صهای تصمیم‌صگیری چندمعیاره مکانی (MCDM)استفاده شده است .متغیرهای مستقل استفاده شده در تحقیق حاضر، در پیش‌صبینی توسعه فیزیکی شهر عبارت‌صاند 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 طبقه‌بندی تصاویر ماهواره‌ای نشان داد که توسعه فیزیکی شهر جدید سهند در جهت تبدیل زمین‌های بایر به کاربری شهری صورت گرفته است .علاوه بر این توسعه فیزیکی در راستای تبدیل زمین‌های ارزان‌تر به نواحی ساخته شده بود .اراضی ساخته شده دارای توسعه زیادی بوده و از ۶۲۴۶/۶۶۵هکتار در سال ۲۰۰۰ به ۹۵۱۶/۷۳۲ هکتار در سال ۲۰۱۹رسیده است .در بین روش‌صهای طبقه‌صبندی تصاویر به منظور استخراج کاربری اراضی، روش SVM بهترین روش بود و همچنین تصاویر ماهوارهSentinel - ۲بالاترین دقت را داشت .شبکه عصبی مصنوعی پرسپترون چندلایه به منظور پیش‌صبینی توسعه فیزیکی آتی شهر جدید سهند مورد اسفاده قرار گرفت، که با توجه به بررسی‌صهای صورت گرفته، توسعه در جهاتی پیش‌صبینی شده است که مبتنی بر ارزان بودن زمین و نیز محدودیت‌صهای ژئومورفولوژیکی مانند شیب و ارتفاع است
Dynamics is one of the undeniable features of cities that compels city managers to plan. Leading research has examined the physical development of Sahand city from a quantitative perspective. One of the factors encourag-ing the physical growth and development of cities is population growth. Sahand city, as a relatively new city, has been able to quickly become the third most populous city in East Azerbaijan province. One of the important points of the present study is to investigate the relationship between the physical development of the city with the process of real estate transactions and the combination of remote sensing data and GIS. 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 years 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 mak-ing (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 net-work, 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 Senti-nel-2 satellite images had the highest accuracy. The multilayer perceptron artificial neural network was used to pre-dict the future physical development of the new city of Sahand, which according to studies, the development is pre-dicted in directions that are based on the cheapness of the land and the limitations. Geomorphological is like slope and altitude.
Evaluation of Physical Development of Sahand New City Using Artificial Neural Network
پورباقر، میر حسین
Poorbagher, Mir Hossein
قنبری، ابوالفضل، استاد راهنما
کریم زاده، صدرا، استاد مشاور
سیاه و سفید
نمایه‌سازی قبلی
