سبد خرید
0

هیچ محصولی در سبد خرید نیست.

روشهاي مدلسازي توسعة كاربري اراضي

– روشهاي مدلسازي توسعة كاربري اراضي

مدلسازي سيستمهاي شهري و از جمله توسعه هاي شهري از ضروريات و در نتيجه از امور رايج و مورد علاقه در تحقيقات مرتبط با شهر و كاربريهاي شهري در جهان است. پيش از پيدايش رايانه،  برنامه ريزي  دربارة زمين توسط متخصصين معماري و بعضًاً با اعمال مدلهاي رياضي انجام  مي پذيرفته است . با پيدايش اين ابزار سودمند و توانا، اين عرصه نيز با جهش و پيشرفت شگرفي مواجه شده است. هم اكنون با كمك GIS و با بهره گيري از توانايي گستردة محاسباتي رايانه ها، انواع روشها كه گاه محاسبات زيادي را به همراه دارند در حوزه هاي شهري و كاربري زمين مطرح و به خدمت گرفته شده اند. در ايران نيز تحقيقات متعددي در زمينة مدلسازي و شبيهسازي گسترش شهرها از جنبه هاي مختلف انجام شده است. براي نمونه، در ادامه  چند مورد از اين تحقيقات با توجه به ارتباطشان با موضوع مورد بحث ذكر شده اند .

در تحقيقي در سال 1386، پوينده ضمن مروري نسبتاً جامع بر مقولة توسعة شهري و روش هاي مدلسازي آن، از بستة نرم افزاري عامل-بنيان [1]Repast براي مدلسازي گسترش شهري و از داده هاي آزمايشي شهر استاو[2] واقع در ايالات متحده براي اجراي آن استفاده كرد. تحقيق مزبور با رويكردي مكاني-زماني جامعه را به سه قشر تقسيم نمود و از نرخ رشد و مدت عمر اقشار جامعه و نيز چرخة عمر ساختمانها به عنوان پارامترهاي مدلسازي بهره گرفت. با اين حال به دليل عدم وجود دادهاي كافي، با اعمال تغييرات در پارامترها و مشاهدة اثرات آن در نتايج، سعي در سنجش اعتبار مدل شده است. در تحقيق ديگري در سال 1386، موسيوند تغيير كاربري زمين هاي حومة تهران را به واسطة رشد شهر بين سالهاي 1976 تا 2000 ميلادي مورد بررسي قرار داد. او مدل زنجيرههاي ماركف را در قالب سلولي به كار گرفت ولي آن را در اين زمينه موفق نيافت و لذا با استفاده از اطلاعات جانبي شامل رابطة رگرسيون اراضي ساخته شده و جمعيت، مدل مزبور را تجهيز نمود در همين سال سرداري ضمن معرفي تعداد زيادي از مدلهاي توسعة شهري و كاربري اراضي، با استفاده از GIS و روش [3]AHP مناطق آسيب پذير مجموعة شهري قزوين را از نظر رشد سكونتگاه هاي غير رسمي (خانه هايي كه بدون مجوز و به صورت غير قانوني احداث ميشوند) مورد بررسي قرار داد. جعفري نيز در همين راستا در سال 1390 مدلي عامل-بنيان را به منظور بررسي رشد سكونتگاههاي غير رسمي در شهر زنجان توسعه داد. وي مدل عامل-بنيان را با استفاده از نرمافزار NetLogo پيادهسازي و با بهرهگيري از دادههاي سال هاي 1383 و 1388 كاليبره نمود . حسيننيا با هدف بررسي تغييرات ك مي آبهاي سطحي، روند توسعة شهري را در شهرهاي چالوس و نوشهر با استفاده از مدل سلولي [4]SLEUTH مورد بررسي قرار داد. اين بررسي كه در بازة زماني سالهاي 1366 تا 1410 (همراه با پيشبيني آينده) انجام گرفته است نشاندهندة حادث شدن بيشترين توسعه در مسير شبكة حمل و نقل و جاده است. رفيعي و همكاران هم در مقال هاي كه در سال 2009 ميلادي منتشر نمودند به شرح استفاده از مدل SLEUTH براي پيشبيني رشد شهر مشهد در چهل سال آينده  (تا سال 2050 ميلادي) پرداختند. در تحقيق مزبور سه سناريوي ادامة وضع موجود، حفاظت از محيط زيست و جلوگيري از ساخت و ساز در نواحي پرشيب مطرح شده است. در پژوهش ديگري جوادي از تلفيق شبكه هاي عصبي مصنوعي و اتوماتاي سلولي[5] جهت مدلسازي توسعة شهري در شهر اصفهان سود جست. در اين تحقيق مدلسازي در محيط سلولي و آزمايش نتايج توسط شاخص كاپا[6] انجام گرفته است . كامياب از دو روش رگرسيون لجستيك و شبكه هاي عصبي به منظور مدلسازي توسعة شهري گرگان استفاده كرد .وي علاوه بر مدلسازي دوره هاي گذشته ،الگوي توسعة شهري گرگان را براي چشم انداز سي ساله و با فواصل زماني 10 سال استخراج نمود

طيبي نيز دو روش ياد شده را براي مدلسازي توسعة شهري شيراز مورد استفاده قرار داد. در اين تحقيق از دادههاي سال 1990 و 2000 ميلادي براي تنظيم و از دادههاي سال 2005 ميلادي براي آزمايش و همچنين از شاخص عامل نسبي براي بررسي ميزان درستي نتايج استفاده شده است توسعة شهري اصفهانتوسط اصلاني مقدم نيز مدلسازي شده است. او بدين منظور روش اتوماتاي سلولي را در محيط برداري مورداستفاده قرار داد. موسوي و همكاران، از محيط GIS براي مدلسازي توسعة كالبدي و تعيين مكان بهينة اسكان جمعيت شهر سردشت در افق 1400 استفاده نمودند. آنان در اين تحقيق از منطق بولين و روش تصميمگيري دلفي بهره گرفتند. آنان همچنين محدوديتهاي ژئومورفولوژيك و كمبودهاي موجود را از مهمترين چالشهاي پيش روي توسعة آتي اين شهر دانستند. با اين حال تحقيقاتي كه در محدودههاي فراتر از شهر و حومة آن انجام شوند معدودتر است. از اين قسم ميتوان به تحقيقي كه به منظور ارزيابي توان اكولوژيك منطقة قزوين جهت تعيين نقاط بالقوه توسعه شهري توسط قرخلو و همكاران انجام گرفت اشاره نمود. محققين در اين پژوهش با استفاده از پارامترهاي متنوع اكولوژيك و زيستي، توان اكولوژيك توسعة شهري قزوين را بر اساس تناسب اراضي از طريق منطق بولين در محيط GIS تعيين نمودهاند. در مجموع و با توجه به پيشنهادهاي ارائه شده در تحقيقات فوق الذكر، نويسندگان بر اين باورند كه مدلسازي تغيير كاربري اراضي و توسعه هاي شهري از موضوعاتي است كه كماكان عرصة گسترده اي براي پژوهش در مورد آن در ايران وجود دارد. 

همانگونه كه از تحقيقات ذكر شده پيداست مدلهاي به كار گرفته شده در اين حوزه متنوع و متعددند ولي بر طبق ساختار مورد استفاده، به هشت دسته (كه در مواردي ممكن است داراي همپوشاني باشند) قابل تقسيم هستند . اين دستهها در ادامه مختصرًاً شرح داده ميشوند.  مدلهاي معادله-مبنا[7]: بسياري از مدل ها ممكن است از جنبه اي، رياضي باشند ولي برخي از آنها تكيه اي بيشتر بر رياضيات دارند چراكه آنها بر معادلاتي اتكا دارند كه در پي يك راه حل ايستا يا متعادل[8] هستند. معمول ترين مدل هاي رياضي، مجموعه اي از معادلات بر مبناي تئوريهاي افزايش و پخش جمعيت هستند كه تغييرات كاربري و  پوشش اراضي را به صورت تجمعي بر حسب زمان مشخص مينمايند. نوعي از اين مدل ها از تئوري هاي اقتصادي نشأت ميگيرند و معادلاتي را به صورت همزمان حل ميكنند. دستة عمدهاي از اين مدل ها نيز بر مبناي برنامه ريزي  خطي هستندكه به واسطة قطعات زمين با GIS مرتبط ميشوند. در اين مدل ها لازم است كه راه حل عددي يا تحليلي معادلات به دست آيد و اين مسأله سطح پيچيدگي قابل تحمل اين مدل ها را كاهش ميدهد.

 مدلهاي سيستمي[9]:

اين مدل ها از معادلات ديفرانسيل به همراه توابع واسط براي نشان دادن مواردي نظير جريان اطلاعات، مواد يا انرژي استفاده ميكنند. در اين مدل ها زمان به مقاطع گسستهاي شكسته ميشود تا بتواند بازخورد را نشان دهد. همچنين تعاملات انساني و  بومشناختي در اين مدل ها قابل نمايشاند ولي آنها وابسته به شمارش پديده ها هستند و به همين علت به سختي ميتوانند بيانگر روابط مكاني باشند.

 مدلهاي آماري:

تكنيكهاي آماري به دليل قدرت، پذيرش عمومي و موارد استفادة متعدد از روشهاي معمول در مدلسازي تغييرات كاربري و پوشش اراضي هستند. اين روشها شامل تكنيكهاي برازش متنوعي هستند كه در كاربردهاي مكاني به كار گرفته شده اند. گرچه اين مدل ها داراي چارچوبهاي تئوري هستند ولي عامل تصميمگيري در آنها تقريباً بي اثر است. نمونههاي موفقيت آميزي از تركيب تئوري و آمارهها توسط اقتصاددانان مكاني موجود است. 

 مدلهاي خبره[10]: مدلهاي خبره قضاوت افراد خبره را با تكنيكهاي آماريي نظير احتمال بيز[11] و تئوري دمپستر-شيفر[12] و يا روشهاي هوش مصنوعي نظير سيستمهاي خبره[13] در هم ميآميزند. اين مدل ها دانش كيفي را به صورت كمي بيان ميكنند و مدلساز قادر خواهد بود كه محل احتمالي رخ دادن كاربري مورد نظر را تعيين نمايد. در اين مدل ها در نظر گرفتن تمامي جنبه هاي مسأله دشوار است و لذا بروز ناهمگوني و خلأ اطلاعاتي دور از ذهن نخواهد بود. 

 مدلهاي تكاملي[14]:

در حوزة هوش مصنوعي[15]، روشهايي نظير سيستمهاي خبره با روشهاي تكاملي الهامگرفته از طبيعت تكميل شده و نمونه هايي از آنها نظير شبكه هاي عصبي مصنوعي و برنامه نويسي تكاملي به حوزة مدلسازي تغييرات پوشش و كاربري اراضي راه يافته اند. به هر حال استفادة صرف از اين روشها به طوري كه تمام جنبه هاي مورد نظر براي در نظر گرفتن تصميمگيري فردي و نتايج جمعي را در حوزة مدلسازي تغيير كاربري اراضي پوشش دهد، دور از ذهن به نظر ميرسد.

 مدلهاي سلولي[16]:

براي مدلسازي پديدههاي پيچيده يا بايد آنها را به صورت كلي در نظر گرفت كه در اين صورت امكان پيشبيني بسياري از حركات و ظرافتها از ميان ميرود و يا بايد تك تك عناصر تشكيل دهندة آن پديده را مدل كرد كه در آن صورت مدل پيچيده ميشود. اما امروزه با پيشرفت به وجود آمده در پردازشگرها و حافظه هاي رايانهاي، روش دوم بسيار  عملي تر از گذشته شده است. اساس پيشرفت مدلسازي در سطح اجزا، توسعة روشهاي خودكار[17] بوده است كه در خط مقدم تحقيقات مدلسازي رايانهاي قرار دارد. يك جزء خودكار[18] يك مكانيزم پردازش است كه در زمان، بر اساس خصوصيات و قوانين داخلي و وروديهاي خارجي تغيير ميكند. اطلاعات جزء خودكار از بيرون وارد آن ميشود و ويژگهاي آن را با توجه به قوانين داخلي مديريت واكنش تغيير ميدهد .به طور خاص، دو كلاس از ابزارهاي خود كار، يعني مدلهاي سلولي و مدلسازي عامل-بنيان، رايج و در منابع علمي مورد توجه ميباشند. مدل سلولي ترتيباتي[19] است از اجزاي اتوماتيك كه معمولاً در يك فضاسازي منظم مانند يك شبكه[20] قرار گرفتهاند. گرچه هندسة نامنظم نيز (مانند Voronoi Diagram) قابل استفاده است . مدلهاي سلولي شامل اتوماتاي سلولي و مدلهاي ماركف[21] هستند كه هر دوي آنها روي شبكهاي از سلولهاي همگون[22] كار ميكنند. در اتوماتاي سلوليهر سلول داراي يك حالت يا وضعيت[23] است كه ممكن است بر اساس قوانين گذار[24] و همسايگي تعريف شده تغيير يابد. زمان در گامهاي گسستهاي در نظر گرفته ميشود و به دليل يكسان بودن حالتهاي ممكن و نيز قوانين گذار براي تمامي سلولها، مدلي همگن و يكدست[25] را شاهد خواهيم بود. در مدلهاي ماركف حالتهاي سلول به صورت احتمالي به مقادير هر سلول در بازههاي زماني قبلي بستگي دارد. تا كنون مدلهاي سلولي زيادي در تغيير كاربري و پوشش اراضي به كار گرفته شده اند و شايد بتوان تابلر[26] را پيشگام اين كار دانست. همچنين تركيبي از مدلهاي ماركف و اتوماتاي سلولي نيز در اين زمينه داراي سابقه است. مدل [27]UGM كه توسط كلارك و گيدوس[28] توسعه يافت يكي از مدلهاي سلولي با سابقه در اين زمينه است. اين مدل سپس به مدل SLEUTH ارتقاء يافت كه برخي آن را كامل ترين مدل در ميان تمام مدلهاي توسعة شهري بر اساس اتوماتاي سلولي دانسته اند. بسياري از مدلهاي سلولي اهميت تصميمات انساني را مد نظر قرار ميدهند ولي به صورت صريح آنها را مدلسازي نميكنند. مدلهاي ديگري به صورت آشكارتر تصميمگيري را مورد توجه قرار داده و از قوانين گذار به عنوان نمايندهاي براي تصميمگيري استفاده ميكنند. اين تلاشها زماني با موفقيت توام خواهد بود كه واحد آناليز، فضاي سلولي كامًلاً  يكنواخت باشد، استراتژيهاي تصميمگيري ثابت بوده، تصميم گيرندگان ناهمگن به شكل ساده و كامًلاً تعريف شدهاي توسط همسايگان نزديكشان تحت تأثير قرار گيرند. براي مثال چنين روشي براي تصميمگيري در مورد مكان سكونت مناسب است؛ در صورتيكه براي سادگي فرض شود تصميمگيرندگان در يك فضاي منفك چيده شده و تصميمات آنها تنها متأثر از همسايگي بلافصلشان است. البته ميتوان اين شرايط را تغيير داد به نحوي كه قوانين گذار ثابت نباشد و بتوانند به صورت پويا شعاع و منطقة تأثير داشته باشند. ولي چنين خواسته اي، خود از سويي خصوصيات مدل عامل-بنيان را به ذهن متبادر خواهد كرد و از سوي ديگر از مزاياي اصلي مدل سلولي فاصله خواهد گرفت. در واقع اعمال قوانين مختلف براي مدلهاي سلولي دشوار است و به همين دليل چالش آنها با تصميمگيري مي باشد.

 مدلهاي تركيبي:

 اين مدل ها تركيبي از مدلهاي ديگر هستند. از اين زمره ميتوان به مدلهايي كه روشهاي آماري را با مدلهاي سلولي تركيب ميكنند نظير GEOMOD2 و مدلهاي خانوادة [29]CLUE اشاره نمود. دستة بزرگي از اين مدل ها نيز در خانوادة [30]DSS قرار ميگيرند كه با توجه به قابليتهايشان در نمايش تصميمگيري افراد و پويايي مكاني-زماني برتريهاي مهمي بر مدلهاي قبلي دارند. حركت به سوي تصميمگيري فردي در DSS با مدلهاي عامل-بنيان انجام ميگيرد و بدين ترتيب اين مدل ها شاكلة اولية مدلهاي عامل-بنيان در بررسي تغييرات كاربري اراضي هستند.

 مدلهاي عامل-بنيان:

در حوزة بررسي تغييرات پوشش و كاربري اراضي، در حاليكه مدلهاي سلولي بر زمين و قوانين گذار تمركز ميكنند، تمركز مدلهاي عامل-بنيان بر فعاليتهاي انساني است. در اين مدلها، عامل ها  جزء اساسي هستند. عامل ها  براي نمايش اجزاي مختلفي در مدل هاي گوناگون مورد استفاده قرار گرفتهاند و در اينجا نمايندة تصميمگيرندگان انساني هستند. اين مدل ها قابليت كار با سيستمهاي پيچيده را كه در آنها روابط بين اجزا ميتواند غير خطي، كيفي (نظير يادگيري و ارتباط)، پويا و غير قابل پيشبيني باشد؛ دارا هستند. از اين رو ميتوانند در مدلسازي تغيير كاربري و پوشش اراضي و به طور خاصتر مدلسازي گسترش شهر و كاربريهاي شهري مورد استفاده قرار گيرند.

 مدلسازي عامل بنيان بر اين عقيده تكيه ميكند كه خصوصيات همكارانه[31] يا برآيند با آزمودن روابط بين اجزاء قابل فهم و استحصال است. اين عمل در واقع يك شبيه سازي كاوشي[32] خواهد بود؛ يعني با شبيهسازي رفتار تكتك اجزاي تشكيل دهندة يك سيستم، رفتار برآيند آنها به دست ميآيد. بر خلاف مدل هايي كه بر جزئيات تأكيد دارند، مدل عامل-بنيان بر روندتأكيد ميورزد .


[1] – Recursive Porous Agent Simulation Toolkit (REPAST)

[2] – Stowe

[3] – Analytical Hierarchy Process (AHP)

[4] – Slope, Land use, Exclusion zone, Urban Transportation and Hillshade (SLEUTH)

[5] – Cellular Automata (CA)

[6] – Kappa

[7] – Equatio-Based models

[8] – Equilibrium

[9] – System models

[10] – Expert models

[11] – Bayesian probability

[12] – Dempster-Schaefer

[13] – Expert systems

[14] – Evolutionary models

[15] – Artificial intelligence

[16] – Cellular models

[17] – Automata

[18] – Automaton

[19] – Arrangements

[20] – Grid

[21] – Markov

[22] – Congruent

[23] – State

[24] – Transition rules

[25] – Homogenous

[26] – Tobler

[27] – The Clarke, Urban Growth Model (UGM)

[28] – Clarke and Gaydos

[29] – Conversion of Land Use and its Effects (CLUE)

[30] – Dynamic Spatial Simulation (DSS)

[31] – Synergistic

[32] – Exploratory simulation

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.

توسط
تومان

تماس با ما

شماره تماس

برگشت به منوی تماس ها

اتصال به واتساپ

برگشت به منوی تماس ها

اتصال به تلگرام

برگشت به منوی تماس ها

برگشت به منوی تماس ها

برگشت به منوی تماس ها

برگشت به منوی تماس ها