عنوان پایان‌نامه
ارائه روشی هوشمند در مدلسازی و پیش بینی تغییرات کار بری اراضی شهری
- رشته تحصیلی
- مهندسی عمران-سیستمهای اطلاعات جغرافیایی(GIS)
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3386;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77408;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3386;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77408
- تاریخ دفاع
- ۰۹ شهریور ۱۳۹۵
- دانشجو
- حسین عسکریان عمران
- استاد راهنما
- پرهام پهلوانی
- چکیده
- با توجه به افزایش روز افزون جمعیت شهر تهران که حاصل از مهاجرت بی‌رویه جمعیت از شهرهای دیگر می باشد و کمبود فضای کافی برای اسکان و فقدان امکانات لازم که حاصل از عدم مدیریت و برنامه ریزی صحیح است، وجود مدلی برای پیش بینی آینده شهر امری ضروری و اجتناب ناپذیر و در عین حال ابزاری کمکی برای برنامه ریزی و مدیریت در سطح کلان می باشد. لذا در این تحقیق مدل سازی تغییرات چندگانه کاربری اراضی برای تهران و شهرهای اطراف آن انجام شده است. برای این منظور تصاویر سنجنده TM و ETM+ ماهواره لندست در سال های 1988 و 2000 و 2010 تهیه گردیده است. از این تصاویر برای تولید نقشه های کاربری اراضی و پیش بینی تغییرات کاربری اراضی استفاده شده است. به طوری که نقشه سال های 1988 و 2000 برای آموزش مدل و نقشه سال 2010 برای تست مدل به کار گرفته شده اند. پیش بینی تغییرات چندگانه کاربری اراضی دارای سه مرحله اساسی می باشد؛ (1) پیش بینی نقشه های شایستگی برای هر کاربری، (2) پیش بینی مساحت تغییر پذیر، (3) ترکیب نتایج حاصل از مراحل 1 و 2. در این تحقیق، برای حل مسئله اول، از روش های رگرسیون منطقی و شبکه عصبی مصنوعی، برای حل مسئله دوم، از روش زنجیره مارکوف و برای حل مسئله سوم، از روش تخصیص چند هدفه زمین (MOLA ) در دو حالت (با اعمال همسایگی و بدون اعمال همسایگی) استفاده شده است. با ترکیب روش های ذکر شده، 4 مدل ترکیبی برای پیش بینی تغییرات چندگانه کاربری اراضی برای سال 2010 ارائه و با هم مقایسه گردید که دقت بدست آمده در بهترین مدل با استفاده از دقت کلی و ضریب کاپا به ترتیب 0/8731و 0/7623 بدست آمد. در نهایت با استفاده از مدل 2، نقشه کاربری اراضی برای سال 2020 پیش بینی شد.
- Abstract
- Due to the increasing population of Tehran that is a result of the excessive influx of population from other cities and lack of both sufficient space to accommodate and facilities management that is because of insufficient correct planning; existence of a model to predict the future of the city is necessary and inevitable. So, in this study, a multiple land use changes simulation was conducted for Tehran and its surrounding towns. For this purpose, three Landsat TM and ETM+ images in the years 1988, 2000, and 2010 have been prepared. These images have been used to generate land use maps and were applied as the data for simulation. Those images of the years 1988 and 2000 were used for training and a map of 2010 was used for testing the model. Multiple land use changes simulation has three basic steps, including (1) prediction of the suitability maps for each land use category, (2) prediction of the changeable area, and (3) combination of the results achieved by the steps 1 and 2. In this study, to solve the first step, a logistic regression and an artificial neural network method have been applied. For solveing the second step, a Markov chain method was used and finally to solve the third step, a MOLA method was used in two modes, i.e., by applying the neighborhood and without neighbors. By combining the above mentioned methods, 4 hybrid models to predict multiple land use changes were presented and compared with each other that the accuracy of the best model using overall accuracy and kappa index was 0.8731 and 0.7623 respectively. Finally, the second model was used to predict the land use map of 2020. Keywords Multiple Land Use Change Simulation, Logistic Regression, Artificial Neural Network, Markov Chain, MOLA, Neighborhood
