عنوان پایان‌نامه
بسط الگوریتم های فرا ابتکاری درارزیابی تناسب کاربری زمین
- رشته تحصیلی
- محیط زیست - برنامه ریزی
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه دانشکده محیط زیست شماره ثبت: ENV 1482;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76833;کتابخانه دانشکده محیط زیست شماره ثبت: ENV 1482;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76833
- تاریخ دفاع
- ۲۷ شهریور ۱۳۹۵
- دانشجو
- الهام یوسفی روبیات
- استاد راهنما
- اسماعیل صالحی
- چکیده
- آمایش سرزمین پایدار می تواند به عنوان مکانیسمی در تنظیم سیاست‌های کاربری اراضی و بهبود شرایط فیزیکی و مکانی برای استفاده بهینه و حفاظت دراز مدت از منابع طبیعی در حالی که نیاز های نسل حاضر را براورده کند، نقش ایفا کند. در واقع این نوع آمایش به معنی تلاش برای تعادل بین رشد اقتصادی، ساختارهای اکولوژیکی، حفاظت محیط‌زیستی و پیشرفت اجتماعی می‌باشد؛که برای دستیابی به این هدف داشتن یک سیستم جامع از شاخص‌ها مورد نیازخواهد بود، که این درک پایداری در ارزیابی تناسب کاربری اراضی برای استخراج اهداف جامع مترتب بر آن از الزامات است. از سویی دیگر ویژگی‌های بهینه‌سازی کاربری اراضی مانند حالت فضایی، منطقه تحقیقاتی بزرگ، اهداف چندگانه و الزامات کارایی وتاثیرات آن ها، استفاده از مدل های بهینه‌سازی را ضروری می سازد. این پژوهش پیشنهاد می کند، الگوریتم‌های ابتکاری و فرا ابتکاری به عنوان ابزارهایی برای حل مشکلات پیچیده فضایی و یا انجام وظایف بهینه‌سازی کاربری اراضی کارا هستند و قابلیت ارائه یک تکنولوژی قوی و قابل اعتماد برای حل مسائل بهینه‌سازی غیر خطی کاربری اراضی را دارا اند. بنابر این در این رساله از این الگوریتم ها برای حل مسائل تخصیص کاربری اراضی در دو سطح و مقیاس استفاده شده است. سطح اول سطح ماکرو، توسط الگوریتم جستجوی گرانشی(GSA) در یک محیط طبیعی و سطح دوم توسط الگوریتم ژنتیک (GA) در یک مقیاس میکرو و شهری است. در سطح اول مکان‌یابی کاربری‌های شهری و کشاورزی در حوضه آبخیز بیرجند موردبررسی قرار گرفته است؛ که الگوریتم بر اساس توابع برازش بیشینه کردن تناسب محیطی، اکولوژیک، فشردگی و لنداسکیپ و کمینه کردن حداقل تغییرات کاربری اراضی و با محدودیت های میزان تقاضای هر کاربری در سال هدف بهترین مکان ها را برای کاربری‌های شهری و کشاورزی مشخص می‌کند. در سطح میکرو نیز تخصیص کاربری پارک‌های شهری با توجه به اهداف اقتصادی، اجتماعی و محیطی و محدودیت مساحت و بهترین توزیع آن ها صورت گرفت. برای اعتبارسنجی نتایج الگوریتم ها الگوریتم GSA با الگوریتم پردازش تصویر و الگوریتم GA با روش روی هم گذاری وزنی مورد مقایسه قرار گرفتند؛ و در نتیجه مشخص شد، استفاده از الگوریتم‌های ابتکاری و فرا ابتکاری در مسائل آمایش سرزمین و حل مسائل پیچیده و متنوع تخصیص کاربری اراضی در ابعاد بزرگ و با اهداف و پارامترهای زیاد(که م
- Abstract
- Sustainable land use planning can play a role as a mechanism to regulate land use policies and to improve physical and spatial conditions, for a more efficient use and conservation of natural resources in the long term so that the present generation can meet their needs. In fact, this type of land use planning means trying to balance between economic growth, ecological construction, environmental protection, and social progress. In order to achieve this objective having a comprehensive system of indicators would be required. In the current study, the aim is an understanding of sustainability in land use planning and extracting its comprehensive purposes. Characteristics of land use optimization such as spatial mode, a large research area, multiple objectives and requirements of efficiency and effectiveness, necessitate the use of optimized models. Heuristic and meta heuristic algorithms, as tools to solve complex spatial problems or tasks, have the capacity to optimize land use. These algorithms have the potential for providing a strong and reliable technology in order to solve nonlinear optimization problems of land use. Thus, in the present thesis the algorithms for solving problems of land use allocation at two levels and scales are used. The first level, macro-level, is the gravitational search algorithm (GSA) in a natural environment and the second one is a micro-scale i.e. genetic algorithm (GA) in an urban environment. At the first level mapping urban and agricultural land uses in the watershed Birjand were investigated. This algorithm was based on fitness functions: maximization of the environmental, ecological, landscaping, and density; and minimizing land use changes and restricting each land use demand in the target year, best places to urban and agricultural land uses defines. At the micro-level the most suitable sites for urban parks allocation regarding economic, social, and environmental aims and limitations of area and their best distribution were taken into account. Validation of GSA algorithm was done by comparing with image processing algorithm and GA algorithm was done through overlaying weight method. Finally it was found that using heuristic and meta heuristic algorithms in land use problems and solving complex and diverse issues in large areas and multi objectives and large scales with many parameters (which may also be the opposite) is possible; while having a high accuracy and speed.
