مدلسازی رشد شهری با استفاده از مدل سلول های خودکار (مطالعه موردی: شهر سیرجان)

امروزه توسعه شهری از مهمترین مسائل در سطح جهان است که به صورت روز افزون توجه مدیران و برنامه ریزان شهری را به خود معطوف کرده است. توسعه شهری یک مسئله مهم در حوزه محیط زیست است که با پویش و پیش بینی آن، می توان راه های رسیدن به توسعه پایدار در آینده را جستجو کرد. بررسی روند توسعه شهری نیازمند به کارگیری سامانه ای شبیه ساز به عنوان پیش رانه است. در این میان، مدل سلول های خودکار به سبب ساختار ساده و پویای خویش و نیز برخورداری از ویژگی های قدرتمند مکانی به طور گسترده در شبیه سازی تغییرات مکانی- زمانی پدیده های گوناگون از جمله رشد و گسترش شهرها مورد بهره برداری قرار گرفته اند. سلول های خودکار سامانه هایی پویا و گسسته به شمار می روند که رفتارشان بر اساس پیوندهای محلی استوار است. فضا در این جا به صورت شبکه ای از سلول-ها با مجموعه ای متناهی از وضعیت ها تعریف می شود که در هر گام زمانی، هر سلول وضعیت جدید خود را با توجه به همسایه های خود و بر پایه ی قوانین تعریف شده به دست می آورد. در تحقیق پیش رو سعی بر آن بوده است تا با استفاده از مدل سلول های خودکار و شبکه های عصبی مصنوعی مدلی با قدرت بالا ولی ساختاری ساده ساخته شود. شبکه عصبی به کارگرفته شده، یک شبکه پرسپترون سه لایه با 4 نورون در لایه ورودی،9 نورون در لایه میانی و 1 نورون در لایه خروجی می باشد. پارامترهایی از قبیل فاصله از مراکز شهری، فاصله از راه های ارتباطی، شیب و همسایگی جهت شبیه سازی توسعه شهری در شهر سیرجان در نظر گرفته شدند. مدل گسترش شهری پیشنهادی در این تحقیق برای شبیه سازی رشد شهر سیرجان بین سال های 1989 و 2010 میلادی با همسایگی moore، ابعاد 7*7 بر روی تصاویر ماهواره لندست پیاده سازی شد. میزان تطابق بین خروجی مدل و واقعیت موجود بر-اساس شاخص آماری کاپا معادل 40/75 درصد محاسبه شد. درآزمونی دیگر، در این بازه ی زمانی به مدلسازی توسعه شهری با ابعاد همسایگی ?*? و 5*5 پرداخته شد. نتایج نشان داد با افزایش سطوح همسایگی دقت نتایج افزایش می یابد. در ادامه تحقیق، مدل برای شبیه سازی رشد شهر بین سال های 2000 و 2010 استفاده شد. میزان تطابق بین خروجی مدل و واقعیت موجود بر اساس شاخص آماری کاپا معادل 52/79 درصد محاسبه شد و نتایج نشان داد که کاهش بازه ی زمانی باعث افزایش دقت مدلسازی می شود. کلمات کلیدی: سیستم اطلاعات جغرافیایی، سنجش از دور، تصاویر ماهواره ای، شبکه های عصبی مصنوعی، شبیه سازی