عنوان پایان‌نامه
توسعه یک سامانه توصیه گر ارزشگذاری کاداستر زراعی با استفاده از مدل سازی مکانی و تصاویر ماهواره ای با قدرت تفکیک بالا
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده جغرافیا شماره ثبت: 2140;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75709;کتابخانه دانشکده جغرافیا شماره ثبت: 2140;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75709
- تاریخ دفاع
- ۱۴ شهریور ۱۳۹۵
- دانشجو
- بهرام جمعه زاده
- استاد راهنما
- علی درویشی بلورانی, نجمه نیسانی سامانی
- چکیده
- مقوله قیمت قطعات (املاک) زراعی به دلیل داشتن ابعاد مختلف و پیچیدگی هایی که دارد و همچنین اهمیت بسزای آن در معیشت مردم ساکن روستا، نیاز به دقت عمل و توجه فراوانی دارد. املاک زراعی به عنوان کالایی ناهمگن، بادوام، غیرمنقول، سرمایه‌ای و دارای پیامدهای جانبی، سهم زیادی از بودجه خانوارهای کم در آمد و نقش زیادی در اشتغال و ارزش افزوده کشورها دارد. از این رو، تعیین و برآورد قیمت اراضی زراعی از اهمیت بسیاری برای برنامه ریزان و تصمیم گیران برخوردار است. این تحقیق به دنبال توسعه سیستمی است که به کمک آن و با در نظر گرفتن معیارهای مکانی، محیطی، حقوقی و مدیریتی اراضی زراعی و همچنین مدل سازی تخمین قیمت اراضی زراعی، بتوان قیمت اراضی زراعی را تخمین زد و در بخش دوم، سیستم توصیه گر دانش محور، برای توصیه املاک زراعی به کاربر توسعه داده شود. به علت آن که امروزه در بحث قیمت گذاری زمین‌ها معیار ثابتی وجود ندارد و اکثر قیمت‌گذاری‌ها بر اساس نظرات خبره‌ها در این زمینه است، اهمیت این موضوع بیش از پیش مشخص می شود. تا به امروز تحقیقات متنوعی در زمینه تخمین قیمت اراضی زراعی در جهان انجام شده است. اکثر این روش‌ها از مدل هدانیک اقتصادی به منظور تخمین قیمت استفاده کرده اند. در این پژوهش در ابتدا به معرفی معیارهای اجرای مدل هدانیک معمولی و هدانیک جغرافیایی پرداخته شده است. سپس عناصر موثر بر قیمت املاک زراعی در شهرستان الشتر از توابع استان لرستان با استفاده از روش پژوهش میدانی و پرسشنامه تکمیل شده و در ادامه سامانه توصیه‌گر با استفاده از پلترفرم‌های کدباز توسعه داده شده است. جهت استخراج لایه کاداستر زراعی نیز از تکنیک قطعه بندی بر روی تصاویر ادغام شده ماهواره سنتینل 2 با تصاویر ماهواره ای با قدرت تفکیک بالا استفاده شده است. به منظور صحت‌سنجی مدل از شاخص ریشه توان دوم خطا‌ها استفاده شده است. در روند صحت‌سنجی نتایج مدل های هدانیک و هدانیک جغرافیایی با مدل شبکه عصبی مصنوعی مقایسه شدند و مشخص شد که مدل هدانیک بهترین نتیجه را از بین این سه مدل با مقدار ریشه توان دوم خطای 17 درصد (میانگین قیمت اراضی زراعی مورد مطالعه 450 میلیون تومان بوده است) ارائه می کند.
- Abstract
- Agricultural parcels price requires very deep studies and investigations due to its complexity and also the important role of it in the livelihood of people in rural areas. Agriculture parcels as heterogeneous, durable, immovable, capital merchandise have a large portion in low-income families’ budget and play a major role in employment and value added in countries. Therefore determining and estimation of agriculture parcels price is very important for planners and decision makers. The goal of this MSc thesis is to develop a system that is able to estimates agricultural parcels price by considering spatial, environmental, legal and managemental criterias and also modelling agricultural parcels price. Second goal is to develop a knowledge base recommender system to recommend parcels to users. Because there is not certain criteria in land pricing and often it done based on experts comments. Therefore the need for a recommender system is very high. Most of the related studies have used economic Hedonic model for estimation land parcels price. In this study, at first, criterias in Hedonic and geographic Hedonic models had been introduced. Then effective variables on agriculture parcels price had been determined using field study and questionnaire method in Alashtar County in Lorestan, Iran. Finally, we developed a recommender system using open source platform. Agriculture Cadaster layer was extracted by applying segmentation classification method on fused Sentinel 2 images with high-resolution satellite images. In order to evaluate the accuracy of the results, the RMSE index was used. In this stage, the results of Hedonic, geographic Hedonic and also artificial neural networks were compared. Results showed that Hedonic model with RMSE 17% of the total price of agriculture land parcels had the best accuracy (the average price of studied agriculture land parcels had been 450 million Toman equal to 127000 Dollar). Keywords: Spatial modeling, high-resolution satellite images, recommender systems, agricultural cadastre valuation, hedonic model, geographical hedonic, artificial neural network
