پیـش بینی تغییـرات کاربــری اراضـی شـهری با اسـتفاده از الگـوی ترکیبی سلول های خودکار (مطالعه موردی: شهر تهران)

امروزه رشد سریع جمعیت شهری جهان، بخصوص در کشورهای در حال توسعه، مشکلات فراوانی را در حیطه‎های زیست محیطی، اقتصادی، اجتماعی و فرهنگی ایجاد کرده است. در این میان، بحث تغییر کاربری اراضی از اهمیت بسیار بالایی برخوردار است، چرا که تغییر در کاربری باعث تأثیرات جبران¬ناپذیری بر اکوسیستم و در نتیجه تهدید منابع حیاتی مورد نیاز انسان می¬شود. در میان تغییرات کاربری اراضی که توسط انسان انجام می¬گیرد، رشد و توسعه¬ی شهری به دلیل ارزش بالای زمین از اهمیت بسزایی برخوردار است و به¬همین دلیل جایگاه مدل‎سازی و پیش¬بینی تغییرات کاربری اراضی در آینده برای مدیریت شهری و محیط زیست و سایر مسئولین و محققان ذیربط بیش از پیش اهمیت پیدا کرده است. هدف اصلی این پژوهش، به¬کارگیری تلفیقی مدل ترکیبی سلول¬های خودکار، شبکه¬ی عصبی و الگوریتم های بهینه¬سازی توده¬ی ذرات بر مبنای سیستم اطلاعات مکانی، جهت مدل‎سازی توسعه¬ی شهری شهر تهران در طول بازه¬های زمانی 1988، 2000 و 2010 و مقایسه¬ی دقت مدل‎سازی این دو الگوریتم با یکدیگر و نهایتاً پیش¬بینی گسترش آن برای سال 2020 می¬باشد. پارامترهایی از قبیل فاصله از نزدیکترین شیء و یا پیکسل شهری، فاصله از خیابان¬ها و راه¬ها، فاصله از مراکز جذب، فاصله از مرکز شهر، فاصله از فضای سبز و پارک¬ها، تعداد همسایه¬های شهری، شیب و ارتفاع زمین، به عنوان پارامترهای موثر در رشد و توسعه¬ی شهری در نظر گرفته شده¬اند. نتایج نشان داد به¬کارگیری تلفیقی مدل سلول¬های خودکار، الگوریتم بهینه¬سازی توده¬ی ذرات و شبکه¬ی عصبی مصنوعی، می¬تواند در فرایند کالیبراسیون قوانین انتقال سلول¬های خودکار بهبود ایجاد نماید. سلول¬های خودکار، سامانههایی پویا و گسسته به شمار می روند که رفتارشان بر اساس پیوندهای محلی استوار است. فضا در این جا به صورت شبکهای از سلولها 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 تعریفشده به دست می آورد. سلول¬های خودکار به سبب ساختار ساده و پویای خویش و نیز برخورداری از ویژگی های قدرتمند مکانی به طور گسترده در شبیهسازی تغییرات مکانی ـ زمانی پدیده های گوناگون از جمله رشد و گسترش شهرها مورد بهره برداری قرار گرفتهاند. در بسیاری از پژوهش ها برای مدل‎سازی این دگرگونی ها، تصاویر ماهواره ای چندزمانه به عنوان مهم ترین داده ی مورد استفاده مطرح می شوند. از این¬رو بررسی چگونگی بهره گیری از توانایی های گوناگون آن ها برای دستیابی به نتایجی مطلوب از اهمیت ویژه ای برخوردار است.???? مدل گسترش شهری پیشنهادی در رساله ی حاضر، برای شبیه سازی رشد شهر تهران بین سال های ????، 2000 و ???? میلادی و پیش¬بینی گسترش آن برای سال 2020 بر روی تصاویر ماهواره ی لندست با تفکیک پذیری مکانی ?.?? متر بررسی و پیاده سازی شده است. با وجود نرخ متفاوت تغییرات در دو بازه ی زمانی یادشده، اختلاف در دقت نتایج معنادار نبوده است. بنابراین، با آن که مدل‎سازی حجم بالاتر دگرگونی ها دشوارتر است، به کارگیری مناسب مولفه ها در ساختار مدل می تواند به شبیه سازی مطلوب بیانجامد. شایان ذکر است که با نگرش به محدودیت ها در الگوهای رایج سلولی و برداری خودکاره ها، پژوهش حاضر به ارائه ی مدل خودکاره ی ترکیبی به صورت آمیزه ای از ساختار محاسباتی سلولی و ویژگی های بهینه ی الگوی برداری پرداخته است. مشکل بزرگ مدل های سنتی سلول¬های خودکار، حساسیت به مقیاس و نیز دور ماندن از واقعیت اشیاء زمینی است. مدل های برداری و شیءمبنا نیز با آنکه این کاستی ها را تا اندازه ای کمرنگ ساخته اند، اما در پیاده سازی و محاسبات با پیچیدگی و دشواری بسیاری همراهند.?????????????????????????????????????????????????? در مدل ترکیبی، فضا هم چنان به صورت مجموعهای از سلولهای منظم تعریف میشود، اما در کنار آن از شیءهای مکانی برگرفته از واقعیت زمینی نیز استفاده می گردد. برای بررسی روند گسترش شهر، از مولفه هایی چون شمار و فاصله ی اشیاء مکانی در همسایگی هر سلول، فاصله ی سلول از عوامل توسعه ی شهری، و موانع قانونی و قیدهای مکانی بهره گیری شده است. برای اجتناب از به کارگیری آزمون و خطا در تعیین وزن مناسب برای مولفه های مدل، روش بهینه¬سازی تودهی ذرات و شبکه¬ی عصبی مصنوعی برای محاسبهی احتمال گسترش بر اساس فاصله از عوامل توسعه، مانند فاصله از راه ها و یا مراکز مهم شهری مورد استفاده قرار گرفته است. مقایسهی آماری واقعیت زمینی شهر تهران در سال ???? با نقشه¬ی شبیه سازی به دست آمده از مدل ترکیبی و نیز الگوی رایج سلولی، بیان گر دقت بالاتر مدل پیشنهادی نسبت به مدل سلولی بوده است. جهت ارزیابی مدل، از پارامترهای بدست آمده از ماتریس خطا همچون دقّت کلی و شاخص کاپا استفاده شده است.