این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
برنامه ریزی و آمایش فضا، جلد ۲۳، شماره ۱، صفحات ۱۱۹-۱۵۰
عنوان فارسی ادغام خصیصه‌های اجتماعی- اقتصادی و سنجش ازدوری به منظور مدل‌سازی رشد فیزیکی شهر کرج
چکیده فارسی مقاله در تجزیه و تحلیل و مدل‌سازی رشد فیزیکی شهر معمولاً عوامل اقتصادی- اجتماعی به دلیل عدم دسترسی به این داده‌ها نادیده گرفته می‌شوند. به همین دلیل در مدل‌سازی رشد فیزیکی شهرها تاکنون بر ایجاد لایه‌های اطلاعاتی از این نوع داده‌ها کمتر کار شده است. این مطالعه با هدف معرفی روشی کارا به منظور ایجاد لایه‌های اطلاعاتی برای داده‌های اقتصادی- اجتماعی و استفاده از این لایه‌های اطلاعاتی در کنار لایه‌های اطلاعاتی مستخرج از تصاویر ماهواره‌ای لندست و اطلاعات پیمایش زمینی به منظور مدل‌سازی رشد فیزیکی شهر کرج انجام شد. بدین منظور پس از ایجاد لایه‌های اطلاعاتی مختلف با اهمیت‌ترین متغیرهای مؤثر در رشد شهری با روش انتخاب ویژگی جنگل تصادفی تعیین گردید و سپس مدل‌سازی رشد فیزیکی شهر کرج برای سال‌های 2000 تا 2010 با استفاده از روش‌های رگرسیون لجستیک چند متغیره، پرسپترون چندلایه و روش نقشه خود سازمان‌دهنده انجام شد. نتایج نشان داد که استفاده از با اهمیت‌ترین متغیرهای مؤثر به عنوان ورودی در روش نقشه خود سازمان‌دهنده با دقت کلی 84.47، کاپا 68.93، ROC برابر با 90.72، FOM برابر با 43.98 و PCM برابر با 84.47 از عملکرد بهتری برخوردار بود، همچنین استفاده از خصیصه‌های اجتماعی- اقتصادی پیشنهاد شده در این تحقیق در کنار داده‌های سنجش ازدور می‌تواند به ارتقا عملکرد روش پیش‌بینی کننده کمک نماید. سرانجام با استفاده از سلول‌های خودکار پیش‌بینی رشد فیزیکی شهر در سال‌های 2017 و 2027 انجام گردید.
کلیدواژه‌های فارسی مقاله کلیدواژگان انتخاب ویژگی،مدل‌سازی رشد فیزیکی شهر،رگرسیون لجسیتک،پرسپترون چندلایه،نقشه خود سازمان‌دهنده،
عنوان انگلیسی Fusion of socio-economic and remote sensing-based attributes for Karaj physical growth modeling
چکیده انگلیسی مقاله Urban physical growth is affected by different parameters including environmental, neighborhood and socio-economic factors; however, socio-economic variables are often ignored due to the lack of socio-economic information, especially in developing countries, when the urban physical growth analysis and modeling is the aim. Accordingly, there is not many studies conducted to develop GIS-based socio-economic layers to be used along with common data, such as slope, distance to the roads and so on, in urban physical growth modeling. Therefore, this study aims to introduce an efficient method to generate GIS-based socio-economic layers to be exploited along with the information layers extracted from Landsat images and field-collected data for physical growth modeling of Karaj city. After generating the required information layers, random forest feature selection method was applied to select the most important variables. Then, the performance of the three modeling methods including multiple logistic regression, and two artificial neural networks, multi-layer perceptron (MLP) and self-organizing map (SOM) were compared using the selected attributes to model the urban physical growth from 2000 to 2010. The results indicated that SOM with overall accuracy of 84.5%, kappa coefficient of 68.9%, ROC of 90.7%, FOM of 43.98% and PCM of 84.5% performed better than the other methods for modelling of urban physical growth. Moreover, the proposed socio-economic attributes combined with the remote sensing-based data were able to improve the performance of the urban physical growth prediction. Finally, cellular automata was applied to predict the Karaj physical growth in 2017 and 2027.
کلیدواژه‌های انگلیسی مقاله کلیدواژگان انتخاب ویژگی,مدل‌سازی رشد فیزیکی شهر,رگرسیون لجسیتک,پرسپترون چندلایه,نقشه خود سازمان‌دهنده
نویسندگان مقاله شهربانو اسماعیلی |
دانشجوی کارشناسی ارشد سنجش ازدور و سیستم اطلاعات جغرافیایی، دانشگاه ازاد علوم و تحقیقات تهران

علی شمس الدینی |
هیات علمی گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تربیت مدرس

نشانی اینترنتی https://hsmsp.modares.ac.ir/article_14606_320a2ffbcfe706f1f4058681981ce37b.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات