مدل سازی توسعه ی شهری با استفاده از مدل sleuth-ga و مقایسه ی نتایج آن با مدل sleuth (مطالعه ی موردی شهرستان های گرگان، گنبدکاووس و آزادشهر)

امروزه مشخص شده است که گسترش بدون برنامه¬ی شهرها مشکلاتی برای جامعه بشری و همچنین طبیعت به وجود می آورد. علیرغم اثرات محیط زیستی نامطلوب توسعه شهری، این واقعیت را نیز باید قبول کرد که گسترش آن ها امری اجتناب ناپذیر است. بنابراین در فرآیندهای تصمیم گیری، مدیران مناطق نیاز دارند که به درستی میزان این رشد را در نظر بگیرند. مدل های تغییرات کاربری اراضی ابزارهای مفیدی برای بررسی فهم و پیش بینی تغییرات پوشش زمین و عواقب و پیامدهای آن هستند. انتخاب مدل و الگوریتم مناسب جهت کشف این تغییرات، به علت متفاوت بودن نتایج به دست آمده در مدل های متفاوت و درنتیجه تفاوت تفسیر و تحلیل آن ها اقدامی مهم و اساسی است. در میان تمام مدل های ثبت شده، سلول های خودکار با توجه به انعطاف پذیری، سادگی در استفاده و ارتباط نزدیکشان با سنجش ازدور و سیستم اطلاعات جغرافیایی شاید موثرترین مدل برای توسعه شهری باشند. مدل sleuth دورگه ای از دو گروه مدل سلول های خودکار است که توانایی مدل سازی توسعه شهری و ترکیب دقیق داده های کاربری اراضی را دارد. در پژوهش حاضر با استفاده از مدل های sleuth-ga و sleuth در سه منطقه ی مطالعاتی آزادشهر، گنبدکاووس و گرگان، شبیه سازی توسعه شهری تا سال 2040 انجام گردید و نتایج دو مدل از لحاظ تناسب و سرعت مدل سازی با هم مقایسه شد. این دو مدل دارای ورودی¬های یکسانی هستند و تفاوت عمده ی آن ها مربوط به مرحله کالیبراسیون مدل است. در sleuth معمولی کالیبراسیون به روش brute force و در sleuth-ga کالیبراسیون به روش الگوریتم ژنتیک (ga) انجام می گردد. مقایسه نتایج نشان می دهد که در بیش از 70 درصد شبیه سازی های انجام شده، مدل sleuth-ga عملکرد بهتری نسبت به sleuth داشته و زمان انجام محاسبات مرحله کالیبراسیون آن به مراتب کمتر است. همچنین مشخص شد توسعه شهری در دو منطقه ی آزادشهر و گنبدکاووس بیشتر به صورت بنیادی و حاشیه ای و در منطقه ی مطالعاتی گرگان بیشتردر امتداد جاده های اصلی خواهد بود. مدیران و پژوهشگران با استفاده از نتایج این پژوهش می توانند روند و جهت توسعه شهر در آینده را پیش بینی و جهت اختصاص سرانه های شهری مناسب برای دست یابی به توسعه پایدار از آن استفاده نمایند.