مدلسازى تغييرات فضايى كاربرى زمين و توسعه شهرى با استفاده از مفهوم ماشین هاى سلولى
اشتراک گذاری
اشتراک در شبکه های اجتماعی :
گزارش خطا
شناخت مكانيزم هاى رشد و توسعة شهرهاى معاصر به سبب ماهيت غير خطى و پيچيده شان از حيطة درك و تحليل روش هاى سنتى مدل سازى خارج است. چرا كه روش هاى سنتى عموماً ايستا، خطى، و مبتنى بر تئورى سيستم هاى ساده (بالا به پائين، كل به جزء يا قياسى) اند. از اين رو براى مدل سازى سيستم هاى پيچيدة شهرى ، كشف روش هاى جديد مدل سازى كه پويا، غير خطى، گسسته، و پايين به بالا يا جزء به كل (استقرايى) باشند، ضرورى مى نمايد. پژوهش پيشِ رو سعى دارد به معرفى، تشريح، و به كار گرفتن يكى از تكنيك هاى متأخر، مطرح، و روزآمد اين حوزه، يعنى مدل هاى مبتنى بپردازد. اين مدل كه در اينجا « ماشين هاى سلولى » بر مفهوم نوينِ براى درك قواعد فضايى ديناميك هاى رشد شهرى به كار برده شده، از طريق تلفيق با ظرفيت هاى سيستم اطلاعات جغرافيايى و نزديكى به عنوان رهيافتى جديد در مدل سازى RS ذاتى با تصاوير ماهواره اى فضايى مطرح است. مدل مذكور توسعة زمين و گسترش تاريخى شهر را بر پاية نزديكى به بزرگراه ها، دسترسى به امكانات حمل و نقل عمومى و خدمات، وضعيت كاربرى هاى همجوار و... و بر اساس يك ساختار سلولى و شبكه اى 4 منظم دست كم از طريق داده هاى دو مقطع زمانى و با استفاده از روش هاى مدل سازى احتمالات و فرآيندهاى تصادفى، شبيه سازى مى كند. قواعد سادة فضايى در اين مدل به رفتارهاى پيچيده تعميم مى يابد تا از طريق بازتوليد تجريدى اين قواعد، جستجوى تأثيرات تركيبى سياست ها و اقدامات برنامه ريزانه، فعاليت هاى جامعه، رفتارهاى فردى و ديگر محرك هاى توسعة شهرى را براى برنامه ريزان فراهم آورد. با استفاده از مدل رگرسيون لجستيك مى توان متغيرهاى مؤثر در تغييرات فرآيند توسعه را تعيين كرده و بدي ن ترتيب برآوردى از مكانيزم تغييرات مورد اشاره به دست آورد. در اين پژوهش شهر سيرجان آزموده شده است؛ با اين مدل روند توسعة شهر در دور ههاى مختلف از سال 1320 تا 1383 از نظر كارآيى مكانيس مهاى مؤثر بر رشد شهر و تغييرات كاربرى زمين و اهميت نقش عوامل تأثيرگذار بر آن بررسى شده است.
(568.9 کیلوبایت)
دانلود مقاله
مشخصات مقاله
كرلينجر، پدهازر. رگرسيون چند متغيرى در پژوهش رفتارى. ترجمة حسن سرايى. تهران: مركز نشر دانشگاهى، 1384.
T. Arai and T. Akiyama, “Empirical analysis for estimating land use transition potential functions- case in the Tokyo metropolitan region,” Computers, Environment and Urban Systems, vol. 28, pp. 65-84, 2004.
M. Batty, H. Couclelis, Eichen M, Special issue: Urban systems as cellular automata. Environment and Planning B, 24, 159-164, 1997.
Couclelis, H, “From cellular automata to urban models: new principles for model development and implementation”. Environment and Planning B 24 (2): 165-174, 1997.
G. Engelen, R. White, et al. (1997). Constrained Cellular Automata models. Decision Support Systems in Urban Planning, H. P. J. Timmermans. E & FN Spon, London,. This is the chapter 8 of the book: 125-155.
X. Li, and A.G.O. Yeh, “Calibration of cellular automata by using neural networks for the simulation of complex urban systems” Environment and Planning A 33: 1445-1462, 2001.
O, Sullivan David, Graph-based Irregular Cellular Automaton Models of Urban Spatial Processes, Examined by Professor Peter M. Allen, Canfield University and Professor David Unwind, Birkbeck College, University of London, Ph. D. supervisor Professor Michael Batty, Analysis (CASA)), 2000.
P.M. Torrens, How Cellular Models Of Urban Systems Work (1-Theory), Centre For Advanced Spatial Working Paper Series 28, 2000.
D.P.Ward, A.T. Murray, et al. , A stochastically constrained cellular model of urban growth computers, Environment and Urban Systems 24 (6): 539-558, 2000.
R. White, and G. Engelen. “Cellular automata and fractal urban form: a cellular modeling approach to the evolution of urban land use patterns” Environment and Planning A 25: 1175-1199, 1993.
Jiao. Junfeng , Transition Rule Elicitation for Urban Cellular Automata models (case study: Wuhan, China), Thesis submitted to the International Institute for Geo information Science and Earth Observation in partial fulfillment of the requirements for the degree of Master of Science in Geo-Information Science and Earth Observation with specialization in Urban Planning and Management, China, Sep 2003.
مسابقات
جوایز
نشریات
