دوره ۲۵، شماره ۷۶ - ( ۱-۱۴۰۴ )
جلد ۲۵ شماره ۷۶ صفحات ۲۵دوره۱فصل__Se |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
khayat M, Bosak A, hejazizadeh Z, afifi E. (2025). Analysing the trend of land changes and urban development of Shushtar by using remote sensing data. jgs. 25(76), 1-25. doi:10.61186/jgs.25.76.24
URL: http://jgs.khu.ac.ir/article-1-4206-fa.html
URL: http://jgs.khu.ac.ir/article-1-4206-fa.html
خیاط میلاد، بساک عاطفه، حجازی زاده زهرا، عفیفی ابراهیم. واکاوی روند تغییرات اراضی و توسعه شهری شوشتر با بهره گیری از سنجش‌ازدور تحقیقات کاربردی علوم جغرافیایی ۱۴۰۴; ۲۵ (۷۶) :۲۵-۱ ۱۰,۶۱۱۸۶/jgs.۲۵.۷۶.۲۴
میلاد خیاط۱ 
، عاطفه بساک۲ ، زهرا حجازی زاده* ۳، ابراهیم عفیفی۴
، عاطفه بساک۲ ، زهرا حجازی زاده* ۳، ابراهیم عفیفی۴
۱- دانش آموخته کارشناس ارشد مهندسی سنجش از دور و جی ای اس، دانشگاه آزاد اسلامی لارستان، لارستان، ایران.، milad.khayat۱@yahoo.com
۲- دانشجو دکتری، گروه جغرافیا طبیعی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی تهران، تهران، ایران.، bosak.a,۶۹@gmail.com
۳- استاد اقلیم شناسی، گروه جغرافیا طبیعی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی تهران، تهران، ایران.، hejazizadeh@khu.ac.ir ،hedjazizadeh@yahoo.com
۴- دانشیار، گروه جغرافیا، واحد لارستان، دانشگاه آزاد اسلامی لارستان، لارستان، ایران.،
۲- دانشجو دکتری، گروه جغرافیا طبیعی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی تهران، تهران، ایران.، bosak.a,۶۹@gmail.com
۳- استاد اقلیم شناسی، گروه جغرافیا طبیعی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی تهران، تهران، ایران.، hejazizadeh@khu.ac.ir ،
۴- دانشیار، گروه جغرافیا، واحد لارستان، دانشگاه آزاد اسلامی لارستان، لارستان، ایران.،
چکیده: (۴۹۶۴ مشاهده)
با استفاده از مدل‌سازی رشد و توسعه شهری میتوان روند توسعهای متناسب با موقعیت شهر را با توجه به فاکتورهای زیست‌محیطی و عوامل طبیعی و جمعیت پذیری ترسیم کرد. هدف از انجام این پژوهش ارائه مدل توسعه شهری شوشتر است که به‌عنوان ابزار مفیدی برای تجزیه‌وتحلیل فرایندهای پیچیده تحولات شهری استفاده شود. برای نیل به این هدف از دو پایگاه داده نقشه های کاربری های شهری فضاهای آموزشی، درمانی، مسکن و... و تصاویر ماهوارهای لندست برای کاربری های اراضی عمده مانند رودخانه، مناطق بایر، جنگل و... در سه دوره زمانی 1991، 2004 و 2014 در محیط نرم افزارهای GIS و MATLAB استفاده شد. نقشه های کاربری های شهری موجود پس از رقومی سازی، با استفاده از تصاویر ماهواره ای لندست به‌روزرسانی شدند. سپس پارامترهای مؤثر در توسعه ی شهری به‌عنوان ورودی با الگوریتم استنتاج نرو- فازی تطبیقی (ANFIS) وارد شدند و پس از آموزش برای سال های 1991 و 2004، به‌منظور ارزیابی عملکرد روش پیشنهادی، نتیجه پیش بینی توسعه شهری با استفاده از الگوریتم، با وضعیت موجود در سال 2014 مقایسه گردید که نتایج بسیار به واقعیت نزدیک و با صحت سنجی 93.7% است. نقشه تغییرات کاربری که نتیجه فرایند آشکارسازی تغییرات می‌باشد را میتوان بر اساس تصاویر چندزمانه سنجش‌ازدور و تلفیق آن با نقشه های کاربری شهری تهیه‌کرده و پیامدهای مربوطه را موردبررسی قرار داد. استفاده از الگوریتم های هوشمند در این تحقیق به ما این امکان را داده که با صحت بالا مدل‌سازی را انجام دهیم. نتایج به‌دست‌آمده قابل‌قبول بوده و این توسعه برای سال های آتی نیز پیش بینی شد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
جغرافیا و برنامه ریزی شهری
فهرست منابع
۱. احسانی، امیر هوشنگ، (۱۳۸۹)، بررسی ویژگی‌های طیفی حرارتی اراضی حاشیه پلایا با استفاده از داده‌های رقومی ماهواره لندست ۷ (+ETM) (مطالعه موردی: پلایای چجام)، مجله کاربرد RS.GIS در برنامه‌ریزی فصلنامه، ۱(۱).
۲. افراخته، حسن، عزیزپور، فرهاد، شمسی، رقیه، (۱۳۸۷)، بررسی جایگاه روستاهای شهری در طرح‌های توسعه شهری (مطالعه موردی: طرح جامع تهران، تفضیلی و الگوی توسعه منطقه یک)، نشریه سپهر، ۲۲(۸۷): ۱۰۳-۱۱۲.
۳. الیاسی، ابراهیم؛ ابرکار، تیمور؛ ابرکار، مینا، (۱۴۰۰)، ارزیابی کاربری اراضی شهری، شهر دهدشت، نشریه جغرافیا و روابط انسانی،۴ (۳): ۹۶-۱۴۶.
۴. بیات قهفرخی، سوسن، سلطانی کوپایی، سعید، خواجه الدین، سید جمال، رایگانی، بهزاد، (۱۳۸۸)، بررسی تغییرات کاربری اراضی در حوزه قلعه شاهرخ با استفاده از تکنیک سنجش‌ازدور (دوره زمانی ۱۳۵۴،۱۳۸۱)، مجله علوم و فنون کشاورزی و منابع طبیعی، (۴۸).
۵. پورمحمدی، محمدرضا، (۱۳۸۸)، برنامه‌ریزی کاربری اراضی شهری، انتشارات سمت، چاپ اول.
۶. تقی زاده، ا (۱۳۸۷)، مدل‌سازی توسعه شهری با استفاده از روش Cellular Automata در سکونتگاه‌های غیررسمی اهواز، پایان‌نامه کارشناسی ارشد در رشته‌ی سنجش‌ازدور و GIS، دانشگاه چمران اهواز، دانشکده علوم زمین.
۷. جباری، شبنم (۱۳۸۷)؛ طبقه‌بندی تصاویر ماهوارهای با استفاده از روش فازی، دانشگاه تهران، پایان‌نامه کارشناسی ارشد در رشته سنجش‌ازدور، تهران.
۸. جوداله زاده، مائده؛ میرزایی ارجنکی، سید یحیی؛ ورشوساز، کتایون، (۱۳۹۷)، مقایسه میزان کارایی سه روش رایج طبقه بندی نظارت شده تصاویر ماهواره ای در مطالعه تغییر کاربری اراضی توسعه شهری (مطالعه موردی شهرستان شوشتر)، فصلنامه علوم و تکنولوژی محیط زیست، doi: ۱۰,۲۲۰۳۴/jest.۲۰۱۸.۱۴۹۸۳.۲۳۵۱.
۹. جولا، مائده، ۱۳۹۵، بررسی روند تغییرات کاربری اراضی کشاورزی و توسعه شهری شهرستان اهواز با استفاده از تصاویر ماهوارهای و سیستم اطلاعات جغرافیایی در سال‌های ۱۹۹۱ و ۲۰۱۰، پایان‌نامه کارشناسی ارشد علوم محیط‌زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوزستان، ۵۵ صفحه.
۱۰. حسین پور نیکنام، حسین، اژدری مقدم، مهدی، خسروی، محمود، (۱۳۹۱)، پیش‌بینی خشک‌سالی یک‌ساله با استفاده از مدل فازی -عصبی، سری‌های زمانی خشک‌سالی و شاخص‌های اقلیمی (مطالعه موردی: زاهدان)، فصلنامه علمی پژوهشی آب و فاضلاب، ۲۳(۲).
۱۱. خیاط، میلاد، (۱۳۹۵)، خانه افضل؛ سندی از فرهنگ، هویت و نوع هم‌زیستی مردم با اقلیم و مصداقی از پایداری در معماری شوشتر، کنفرانس بین‌المللی معماری و شهرسازی، دانشگاه تهران..
۱۲. درئو، ماکس (۱۳۷۱)؛ جغرافیای انسانی، جلد ۲، ترجمه سیروس سهامی، انتشارات رایزن، تهران.
۱۳. رشید کشاورز، سید محمود و سیده محدثه کشاورز، ۱۳۹۴، مکان‌یابی بیمارستان و کلینیک با استفاده از سیستم اطلاعات جغرافیایی (GIS) در شهر یاسوج، سومین کنفرانس ملی توسعه پایدار در علوم جغرافیا و برنامه‌ریزی، معماری و شهرسازی، تهران، مرکز راهکارهای دستیابی به توسعه پایدار.
۱۴. رضایی، محسن، (۱۳۹۳)، ارزیابی مقایسه‌ای مدل‌های سیستم استنتاج فازی-عصبی تطبیقی ANFIS، شبکه‌های عصبی مصنوعی ANN و مدل‌های استو کاستیکی در شبیه‌سازی بار رسوب معلق رودخانه دالکی ایستگاه چم چیت، پایان‌نامه کارشناسی ارشد در رشته عمران سازه‌های هیدرولیکی، دانشگاه آزاد اسلامی لارستان، دانشکده فنی مهندسی.
۱۵. سلطانی، سعید؛ سرداری، سروش؛ شیخه پور، مژگان (۱۳۸۹)؛ شبکه عصبی مصنوعی، نشر نص، تهران.
۱۶. شریفی، آرش، علیاری شوره دلی، مهدی، تشنه لب، محمد، (۱۳۸۹)، معرفی سیستم فازی شبه چندجمله‌ای تاکاگی-سوگنو-کانگ با کاربرد در شناسایی سیستم و کلاس‌بندی الگو، مجله کنترل، دانشگاه خواجه‌نصیرالدین طوسی، ۳(۳).
۱۷. عاصی، محمدرضا، (۱۳۹۳)، مفاهیم سنجش‌ازدور، سیمای دانش، اول.
۱۸. عسگری مجاز، رسول، رضا حسامی، مسعود، رجبی، محمدعلی، ناصری، فرزین (۱۳۹۲)، مدل‌سازی توسعه شهری با استفاده از سیستم استنتاج نرو- فازی و سیستم های اطلاعات مکانی ، وزارت صنعت و معدن.
۱۹. عزیزی قلاتی، ز (۱۳۹۲)، مدل‌سازی تغییرات کاربری اراضی با استفاده از تکنیک‌های سنجش‌ازدور و سامانه‌های اطلاعات جغرافیایی در منطقه کوهمره سرخی استان فارس، پایان‌نامه کارشناسی ارشد در رشته‌ی سنجش‌ازدور و GIS، دانشگاه چمران اهواز، دانشکده علوم زمین.
۲۰. غفاری، غلامعلی، وفاخواه، مهدی، (۱۳۹۲)، شبیه‌سازی فرایند بارش رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی -عصبی تطبیقی (مطالعه موردی حوزه آبخیز حاجی قوشان)، پژوهشنامه مدیریت حوزه آبخیز، ۴(۸).
۲۱. کریم زاده، د (۱۳۹۰)، مدل‌سازی فضایی زمانی توسعه شهری با استفاده از پردازش تصاویر ماهوارهای و الگوریتم‌های هوشمند (مطالعه موردی شهر مهاباد)، پایان‌نامه کارشناسی ارشد در رشته‌ی شهرسازی، دانشگاه شیراز، دانشکده هنر و معماری.
۲۲. کیانی سلمی، الهام؛ ابراهیمی، عطاالله، (۱۳۹۷)، ارزیابی تغییرات پوشش اراضی شهرکرد و پیش بینی آینده آن با بهرهگیری از داده های دور سنجی و مدل CA-Markov، فصلنامه علمی پژوهشی برنامه ریزی فضایی(جغرافیا)، ۸(۲۸).
۲۳. گرامی و (۱۳۹۰)، تغییرات کاربری اراضی منطقه گتوند عقیلی طی سال‌های ۲۰۰۰ تا ۲۰۱۰ با استفاده از ALL و ETM به کمک سنجش‌ازدور و GIS، پایان‌نامه کارشناسی ارشد در رشته‌ی سنجش‌ازدور و GIS، دانشگاه چمران اهواز، دانشکده علوم زمین.
۲۴. گلابی، محمدرضا، آخوند علی، علی‌محمد، رادمنش، فریدون، (۱۳۹۲)، مقایسه عملکرد الگوریتم‌های مختلف شبکه عصبی در مدل‌سازی بارندگی فصلی مطالعه موردی؛ ایستگاه‌های منتخب استان خوزستان، نشریه تحقیقات کاربری علوم جغرافیایی، ۱۳(۳۰).
۲۵. گونزالس، رافائل- وودز، ریچارد، ۱۳۹۰، پردازش دیجیتالی تصاویر، مجتبی لطفی زاد- سعید میر قاسمی- امیر مسعود عمویی، پند نو (کتاب نیاز)، اول.
۲۶. مخدوم، مجید. ۱۳۸۰: زیستن در محیط‌زیست. چاپ هفتم، انتشارات دانشگاه تهران، شماره ۱۹۰۹، ۳۵۱ صفحه.
۲۷. مریدی شوشتری، اکرم، (۱۳۹۰)، شوشتر یعنی خوبتر، چاپ سوم، انتشارات ترآور.
۲۸. منهاج، م. ب، (۱۳۸۹)، مبانی شبکه‌های عصبی مصنوعی، چاپ اول، انتشارات دانشگاه امیرکبیر، تهران.
۲۹. مهندسین مشاور طرح و تدوین، (۱۳۹۱)، طرح جامع شوشتر.
30. In-Ae Yeo,Jurng-Jae Yee (2014).A proposal for a site location planning model of environmentally friendly urban energy supply plants using an environment and energy geographical information system (E-GIS) database (DB) and an artificial neural network (ANN). [DOI:10.1016/j.apenergy.2013.12.060]
31. Land use changes modelling using advanced methods: Cellular automata and artificial neural networks. The spatial and explicit representation of land cover dynamics at the cross-border region scale
32. George Grekousis,Panos Manetos,Yorgos N.Photis(2013)Modeling urban evolution using neural networks, fuzzy logic and GIS: The case of the Athens metropolitan area [DOI:10.1016/j.cities.2012.03.006]
33. Altstatt A. Mane L. Justice C.O. 2012 Quantifying forest cover loss in
34. Democratic Republic of the Congo,2000-2010,with Landsat ETM+data-
35. Han.j, Hayashi.Y, Cao.X, Imura.H. (2009)"Application of an integrated system dynamics and cellular automata model for urban growth assessment: A case study of Shanghai, China" Landscape and Urban Planning 91, 133-141 [DOI:10.1016/j.landurbplan.2008.12.002]
36. Almeida, C. M. Gleriani, J. M. Castejon, E. F. & Soares-Filho, B. S. (2008). Using neural networks and cellular automata for modelling intra-urban land-use dynamics.International Journal of Geographical [DOI:10.1080/13658810701731168]
37. Information Science, 22(9), 943-963.
38. Batty. M (2009) Urban Modeling, in N. Thrift and R. Kitchin (Editors) International Encyclopedia of Human Geography,Vol 12, Elsevier, Oxford, UK, pp. 51-58. [DOI:10.1016/B978-008044910-4.01092-0]
39. Berjak, S. G. Hearne, J. W. (2002). An improved cellular automata model for simulating fire in a spatially heterogeneous Savanna system. Ecological Modelling,148(2), 133- 151. [DOI:10.1016/S0304-3800(01)00423-9]
40. Couclies, H.(1985), Cellular worlds: a framework for modelling micro-macro dynamics, Environment and Planning A 17, 585-596. [DOI:10.1068/a170585]
41. Dietzel, C. & Clarke, K. C. (2006). The effect of disaggregating land use categories in cellular automata during model calibration and forecasting. Computers, Environment and Urban Systems, 30(1), 78 -101. [DOI:10.1016/j.compenvurbsys.2005.04.001]
42. Favier, C. Chave, J. Fabing, A. Schwartz, D. & Dubois, M. A. (2004). Modelling forest savanna mosaic dynamics in maninfluenced environments: Effects of fire, climate and soil heterogeneity. Ecological Modelling, 171, 85 -102. [DOI:10.1016/j.ecolmodel.2003.07.003]
43. He C. Okada N. Zhang Q. Shi P. and Li J.Modeling dynamic urban expansion processes incorporating a potential model with cellular automata, landscape and urban planning, No.86, 2008, pp. 79-91. [DOI:10.1016/j.landurbplan.2007.12.010]
44. Inés Santé et al. "Cellular automata models for the simulation of real-world urban processes: A review and analysis" Landscape and Urban Planning 96 (2010) 108-122. [DOI:10.1016/j.landurbplan.2010.03.001]
45. Han.j, Hayashi.Y, Cao.X, Imura.H. (2009)"Application of an integrated system dynamics and cellular automata model for urban growth assessment: A case study of Shanghai, China" Landscape and Urban Planning 91, 133-141 [DOI:10.1016/j.landurbplan.2008.12.002]
46. Ménard, A. & Marceau, D. J. (2007). Simulating the impact of forest management scenarios in an agricultural
47. Yassemi, S. Dragicevic, S. & Schmidt, M.(2008). Design and implementation of anintegrated GIS-based cellular automata model to characterize forest fire behaviour. Ecological Modelling, 210, 71- 84. [DOI:10.1016/j.ecolmodel.2007.07.020]
48. Carpenter, G. Gjaja, M. Gopal, S. and Woodcock, C. (1997). ART networks in remote sensing, IEEE Transactions on Geoscience and Remote Sensing, 35(2):308-325. [DOI:10.1109/36.563271]
49. Chetouani Y (2008) A neural network approach for the real-time detection of faults. Stoch Environ Res Risk Assess 22(3):339- 349. [DOI:10.1007/s00477-007-0123-4]
50. Clarke, K. C. and Gaydos, J. (1998). Loose-coupling a cellular automaton model and GIS: long-term urban growth prediction for San Francisco and Washington/Baltimore. International Journal of Geographical Information Science, 12:699-714. [DOI:10.1080/136588198241617] [PMID]
51. Clarke, K. C. Hoppen, S. and Gaydos, L. (1997). A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area. Environment and planning B, 24:247- 261. [DOI:10.1068/b240247]
52. Couclelis, H. (1997). From cellular automata to urban models: new principles for model development and implementation. Environment and Planning B, 24:165-174. [DOI:10.1068/b240165]
53. DARPA definition (1988). Neural network study, AFCEA International Press, p. 60.
54. Gharagazlou, A. 2004, GIS and Environmental Planning and Assessment, National Cartographic Center Research Institute of NCC.
55. Gopal, S. and Woodcock, C. E. (1996). Remote sensing of forest change using artificial neural networks, IEEE Transactions on Geoscience and Remote Sensing, 34(2):398- 404. [DOI:10.1109/36.485117]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
This work is licensed under a Creative Commons — Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)