عنوان پایان‌نامه
مطالعه توسعه شهری لاهیجان با تاکید بر حفاظت از محیط زیست با به کارگیری مدل سلول های خودکار مارکوف و شبکه عصبی مصنوعی
- رشته تحصیلی
- مهندسی منابع طبیعی - محیط زیست
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6884;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74805;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6884;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74805
- تاریخ دفاع
- ۲۸ بهمن ۱۳۹۲
- دانشجو
- بهاره حقیقی زیدهی
- استاد راهنما
- بهمن جباریان امیری
- چکیده
- شهرستان لاهیجان یکی از مناطق مهم و در عین حال آسیب پذیر استان گیلان می باشد و در سه دهه اخیر افزایش جمعیت شهر نشین در این شهرستان موجب گسترش مناطق شهری شده است و در صورت ادامه این روند، تخریب منابع طبیعی و ساختار اکوسیستم های طبیعی قابل انتظار خواهد بود. لذا این تحقیق با هدف مطالعه توسعه شهری لاهیجان با تاکید بر الگوی حفاظت از محیط زیست انجام شد تا با مقایسه دو مدل سازی مدیریت شده و مدیریت نشده، ابهامات این دو نوع توسعه روشن گردد و مسیری برای مدیریت پایدار توسعه شهری در این شهرستان ایجاد گردد. بر این اساس پایش و پیش بینی تغییرات کاربری و پوشش زمین و پایش تغییرات سیمای سرزمین با استفاده از تحلیل سینوپتیک در این شهرستان انجام شد. پایش تغییرات سرزمین با استفاده از تصاویر سنجنده TM ماهواره لندست در سال های 1991، 2000 و 2010 انجام شد. برای پیش بینی تغییرات کاربری و پوشش سرزمین در سال 2020 نیز از دو مدل سلول های خودکار- مارکوف و شبکه عصبی مصنوعی، بر اساس اعتبار سنجی قابلیت این مدل ها در منطقه مورد مطالعه، استفاده شد. هر کدام از این مدل ها نیز تحت دو سناریو پایه (سیر تاریخی) و حفاظت از محیط زیست اجرا شدند و در کل چهار مدل سازی انجام شد. به منظور مدل سازی بر پایه سناریو حفاظتی، از معیارهایی جهت پیش بینی مکان هایی مناسب برای گسترش مناطق شهری استفاده گردید. همچنین به منظور تحلیل سینوپتیک سیمای سرزمین در سال های 1991، 2000، 2010 و 2020 ، برخی سنجه های ترکیب و پیکر بندی در دو سطح سیمای سرزمین و کلاس کاربری و پوشش محاسبه و تغییرات آن ها بررسی شدند. نتایج نشان داد که در طی سال های گذشته مناطق شهری افزایش یافته اند و در مقابل از مساحت مناطق کشاورزی کاسته شده است. اعتبار سنجی مدل نشان داد که مدل های مورد استفاده علارغم برخی نقاط ضعف، از توان قابل قبولی برای پیش بینی تغییرات کاربری این منطقه برخوردار است. نتایج مدل سلول های خودکار- مارکوف و شبکه عصبی مصنوعی گویای این واقعیت است که در صورت ادامه تغییرات کاربری به صورت سیر تاریخی و بر مبنای سناریو حفاظتی تا سال2020، مساحت مناطق شهری به ترتیب حدود 23 درصد و 27 درصد نسبت به وضعیت کنونی افزایش خواهد یافت. نتایج تحلیل سینوپتیک نشان داد در پیش بینی بر مبنای سناریو پایه در هر دو مدل، سیمای سرزمین تکه تکه تر، از نظر شکلی پیچیده تر و نامنظم تر و از نظر نوع کاربری و پوشش متنوع تر شده است و گسترش مناطق شهری موجب افزایش از هم گسیختگی، پیچیدگی و بی نظمی تکه ها و کاهش سطح کلاس کشاورزی منطقه شده است. در مقابل نتایج تحلیل سینوپتیک در پیش بینی بر مبنای سناریو حفاظتی نسبت به سناریو پایه در هر دو مدل نشان داد که تکه تکه شدگی سیمای سرزمین کمتر و از نظر شکلی منظم تر شده است و گسترش مناطق شهری موجب از هم گسیختگی، پیچیدگی و بی نظمی کمتر تکه ها در منطقه شده است.
- Abstract
- Abstract Lahidjan county is one of the most important and also vulnerable areas in the Guilan province and increasing urban population in this county has caused expansion of urban areas in three last decades. If this trend continues, destruction of natural resources and the structure of natural ecosystems would be expected. Therefore this research was performed, aiming to study on urban growth of Lahidjan with emphasis on environmental protection, with comparing two managed and unmanaged modeling, ambiguities of these two types of urban growth modeling becomes clear and the direction for sustainable management of urban growth in this county be created. Accordingly, monitoring and prediction of future changes in land use and land cover (LULC), and monitoring of landscape changes with synoptic analysis, in this county was conducted. Change detection was conducted applying three TM Landsat satellite images at 1991, 2000 and 2010. To predict the LULC changes up to 2020, Cellular Automata- Markov (CA_Markov) and Artificial Neural Network (ANN) models has applied based on validation of this models in the study area. Each of these models were implemented under two basic (historical) and protect the environment scenarios and in all, four modeling was conducted. In order to modeling the protect scenario, criteria was used to predict suitable places for expansion of urban areas. Also for implementing synoptic analysis in 1991, 2000, 2010 and 2020, some composition and configuration-based metrics were calculated at two class and landscape levels and their changes is detected. The results indicated that urban areas increased and the area of the agricultural regions is reduced in over the past years. Validation of CA_Markov and ANN models revealed that these models despite some weaknesses, have had an acceptable performance in prediction of the LULC changes in the study area. The results of the CA_Markov and ANN models indicated this fact that if the changes of land use based on historical and protection scenarios up to 2020, continued, urban area respectively, about 23% and 27% will increase compared to the current situation. The result of the synoptic analysis indicated that in the predictions based on the basic scenario with two models, the landscape has been more fragmented, more complex and irregular in shape and more diversified in the term of land use and land cover types, moreover, the results revealed that sprawl of the urban areas have caused increase in fragmentation, complexity and irregularity of agriculture patches and decrease in total area of agriculture class. Versus, the result of the synoptic analysis in predictions based on protection scenario than the basic scenario with two models indicated the landscape has been less fragmented and more organized in shape and expanding urban areas, cause less fragmentation, complexity and irregularity of the patches in the region. Key Words: Urban Growth, Cellular Automata- Markov, Artificial Neural Network, Lahidjan County
