پديد آورندگان :
جهاني، علي پژوهشكده محيط زيست و توسعه پايدار - دانشكده محيط زيست - گروه ارزيابي و مخاطرات محيط زيست طبيعي، تهران، ايران , هاتف ربيعي، زهرا دانشكده محيط زيست، كرج , صفاريها، مريم دانشگاه تهران - دانشكده منابع‌طبيعي - گروه احياي مناطق خشك و كوهستاني
كليدواژه :
پيچيدگي منظر , پارك شهري , مدل‌سازي , شبكه عصبي مصنوعي , زيباشناختي
چكيده فارسي :
برنامه‌ريزان گردشگري جوياي فضاهاي جديدي هستند كه بتوانند آن را كشف كرده و از فضاهاي كسل كننده و تكراري فاصله گرفته و مكاني منطبق با پيچيدگي و تمايلات خاص امروزي بوجود آورند. هدف از اين پژوهش مدل سازي پيچيدگي در ساختار منظر پارك‌هاي شهري با استفاده از شبكه عصبي مصنوعي به منظور پيش‌بيني كيفيت مناظر پارك‌هاي شهري جهت توسعه گردشگري شهري است. پژوهش حاضر در ده پارك تهران با مساحت بيش از 10 هكتار (ساعي، ملت، نهج البلاغه، ايران زمين، لاله، آب و آتش، طالقاني، جمشيديه، قيطريه و نياوران) و در چهار منطقه شهري انجام شده است. در اين مطالعه جهت ارزيابي پيچيدگي منظر پارك شهري از تركيب ديدگاه كاربرمحور و روش مدل سازي شبكه عصبي مصنوعي و با استفاده از 17 عنصر عيني منظر انجام شده است. با توجه به نتايج مدل با ساختار 1-14-17 (17 متغير ورودي، 14 نورون در لايه مخفي و يك متغير خروجي) با توجه به بيشترين مقدار ضريب تبيين در سه دسته داده آموزش، اعتبارسنجي و آزمون معادل 0/93، 0/85 و 0/87، بهترين عملكرد بهينه‌سازي ساختار را نشان مي‌دهد. بر اين اساس نسبت سطوح سخت، ميانگين قطر درختان و ساختمانها با ضريب اثرگذاري 0/21، 0/15و 0/12 به ترتيب بيشترين تأثير را در پيچيدگي مناظر در پارك-هاي شهر تهران از خود نشان مي‌دهند. مدل ارائه شده در اين پژوهش به عنوان يك سيستم پشتيبان تصميم‌گيري در طراحي ساختار پارك‌هاي شهري جهت جذب گردشگر بوده و امكان پيش‌بيني سطح پيچيدگي منظر را با توجه به متغيرهاي محيطي آنها فراهم مي‌كند.
چكيده لاتين :
People are looking for new spaces that they can discover, and keep distance from dull and repetitive spaces, to create a place that is compatible with today's complexity and specific desires. The purpose of this study is to model the complexity of landscape in urban parks using artificial neural network in order to predict the complexity of landscape in urban parks and determination of the effect of different landscape variables on it. The present study was carried out in ten parks with an area of more than 10 hectares in Tehran city (Saei, Mellat, Nahj al-Balagheh, Iran Zaman, Laleh, Abo Atash, Taleghani, Jamshidieh, Gheitarieh and Niavaran) and in four municipality districts (1, 2, 3, and 6). The purpose of this study was to evaluate the complexity of landscape in urban park using a combination of user-based approach and artificial neural network modeling using 17 objective elements of landscape. According to the results, the model with 17-14-1 structure (17 input variables, 14 neurons in hidden layer and one output variable) according to the highest value of coefficient of determination in the three categories of training, validation and test datasets equal with 0.93, 0.85, and 0.87 created the best optimization performance. Accordingly, hard surfaces ratio, the mean of trees diameter and buildings, with the coefficients of 0.21, 0.15, and 0.12, respectively, are the most influential factors on the complexity of landscape in Tehran city parks, respectively. The presented model in this study is known as a decision support system in engineering design of urban parks and enables prediction of the complexity of landscape according to the environmental variables. .
