پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GIS

در این مقاله مدل دگرگونی زمین که مشتمل بر سیستم اطلاعات جغرافیایی (GIS)(1) و شبکه‌های عصبی مصنوعی (ANNs)(2) می‌باشد ارائه شده است. در این مدل از عوامل متنوع سیاسی، اجتماعی و محیطی به عنوان متغیرهای پیشگوی استفاده گردیده است. این پژوهش نسخه‌ای از مدل LTM(3) را برای محدوده حوزه آبخیز گرند تریورز در خل...

Full description

Bibliographic Details
Main Authors:	غلامرضا لطیفی, محمد حسین کاظمی اندریان
Format:	Article
Language:	fas
Published:	سازمان جغرافیایی نیروهای مسلح 2012-08-01
Series:	اطلاعات جغرافیایی
Online Access:	http://www.sepehr.org/article_26255_ea224b952f33f0e1021355d29803b3e5.pdf

id	doaj-8573d4f37f2647ff8440c030880cf717
record_format	Article
spelling	doaj-8573d4f37f2647ff8440c030880cf7172020-11-24T21:59:00Zfasسازمان جغرافیایی نیروهای مسلحاطلاعات جغرافیایی2588-38602588-38792012-08-012182222626255پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GISغلامرضا لطیفی0محمد حسین کاظمی اندریان1عضو هیئت علمی دانشگاه علامه طباطباییدانشجوی کارشناسی ارشد برنامه ریزی توسعه منطقه ای دانشگاه علامه طباطباییدر این مقاله مدل دگرگونی زمین که مشتمل بر سیستم اطلاعات جغرافیایی (GIS)(1) و شبکه‌های عصبی مصنوعی (ANNs)(2) می‌باشد ارائه شده است. در این مدل از عوامل متنوع سیاسی، اجتماعی و محیطی به عنوان متغیرهای پیشگوی استفاده گردیده است. این پژوهش نسخه‌ای از مدل LTM(3) را برای محدوده حوزه آبخیز گرند تریورز در خلیج میشیگان ارائه کرده و نشان می‌دهد که چگونه عواملی نظیر جاده‌ها، بزرگراه‌ها، خیابان‌های محلی، رودخانه‌ها، خطوط ساحلی دریاچه‌های بزرگ، امکانات تفریحی، دریاچه‌های داخلی، تراکم کشاورزی و کیفیت منظر می‌تواند بر الگوی شهرنشینی در حوزه آبخیز ساحلی تاثیرگذار باشد. برای یادگیری الگوهای توسعه در منطقه و محک زدن ظرفیت پیش‌گویی مدل از شبکه‌های عصبی مصنوعی و برای گسترش فضایی محرک‌های پیشگو و انجام تحلیل فضایی بر روی نتایج از GIS استفاده شده است. سرانجام سهم هر یک از متغیرهای پیشگو تخمین و در مقیاس فضایی نشان داده شده است. در کوچکترین مقیاس‌ها، کیفیت منظر قویترین متغیر پیشگو بود. تأثیرات چندبعدی تغییرات کاربری زمین با استفاده از تأثیرات نسبی سایت (به عنوان مثال کیفیت منظر، خیابان‌های محلی) و موقعیت (به عنوان مثال بزرگراه‌ها و جاده‌های بین بخشی) در مقیاس‌های مختلف مورد تفسیر قرار گرفته است. واژه‌های کلیدی: تغییرات کاربری زمین، شبکه‌های عصبی مصنوعی، سیستم های اطلاعات جغرافیایی، مدل دگرگونی زمین.http://www.sepehr.org/article_26255_ea224b952f33f0e1021355d29803b3e5.pdf
collection	DOAJ
language	fas
format	Article
sources	DOAJ
author	غلامرضا لطیفی محمد حسین کاظمی اندریان
spellingShingle	غلامرضا لطیفی محمد حسین کاظمی اندریان پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GIS اطلاعات جغرافیایی
author_facet	غلامرضا لطیفی محمد حسین کاظمی اندریان
author_sort	غلامرضا لطیفی
title	پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GIS
title_short	پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GIS
title_full	پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GIS
title_fullStr	پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GIS
title_full_unstemmed	پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GIS
title_sort	پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و gis
publisher	سازمان جغرافیایی نیروهای مسلح
series	اطلاعات جغرافیایی
issn	2588-3860 2588-3879
publishDate	2012-08-01
description	در این مقاله مدل دگرگونی زمین که مشتمل بر سیستم اطلاعات جغرافیایی (GIS)(1) و شبکه‌های عصبی مصنوعی (ANNs)(2) می‌باشد ارائه شده است. در این مدل از عوامل متنوع سیاسی، اجتماعی و محیطی به عنوان متغیرهای پیشگوی استفاده گردیده است. این پژوهش نسخه‌ای از مدل LTM(3) را برای محدوده حوزه آبخیز گرند تریورز در خلیج میشیگان ارائه کرده و نشان می‌دهد که چگونه عواملی نظیر جاده‌ها، بزرگراه‌ها، خیابان‌های محلی، رودخانه‌ها، خطوط ساحلی دریاچه‌های بزرگ، امکانات تفریحی، دریاچه‌های داخلی، تراکم کشاورزی و کیفیت منظر می‌تواند بر الگوی شهرنشینی در حوزه آبخیز ساحلی تاثیرگذار باشد. برای یادگیری الگوهای توسعه در منطقه و محک زدن ظرفیت پیش‌گویی مدل از شبکه‌های عصبی مصنوعی و برای گسترش فضایی محرک‌های پیشگو و انجام تحلیل فضایی بر روی نتایج از GIS استفاده شده است. سرانجام سهم هر یک از متغیرهای پیشگو تخمین و در مقیاس فضایی نشان داده شده است. در کوچکترین مقیاس‌ها، کیفیت منظر قویترین متغیر پیشگو بود. تأثیرات چندبعدی تغییرات کاربری زمین با استفاده از تأثیرات نسبی سایت (به عنوان مثال کیفیت منظر، خیابان‌های محلی) و موقعیت (به عنوان مثال بزرگراه‌ها و جاده‌های بین بخشی) در مقیاس‌های مختلف مورد تفسیر قرار گرفته است. واژه‌های کلیدی: تغییرات کاربری زمین، شبکه‌های عصبی مصنوعی، سیستم های اطلاعات جغرافیایی، مدل دگرگونی زمین.
url	http://www.sepehr.org/article_26255_ea224b952f33f0e1021355d29803b3e5.pdf
work_keys_str_mv	AT gẖlạmrḍạlṭyfy pysẖbynytgẖyyrạtḵạrbryzmynbạạstfạdhạzsẖbḵhhạyʿṣbywgis AT mḥmdḥsynḵạẓmyạndryạn pysẖbynytgẖyyrạtḵạrbryzmynbạạstfạdhạzsẖbḵhhạyʿṣbywgis
_version_	1725849709785907200

پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GIS

Similar Items