مدل سازي توسعه شهري كلان شهر تهران با استفاده از الگوريتم بهينه يابي توده اي ذرات

Urban Growth Modeling Using PSO

رشد جمعیت شهرها در جهان به سبب جاذبه های اقتصادی، اجتماعی و داشتن امكانات ، در طول چند دهه گذشته به گونه ای بوده است كه از 9/22% در سال 1985 به 47% در سال 2010 رسیده است. افزایش بی رویه جمعیت و مهاجرت جمعیت از روستاها به شهرها باعث تشدید فرایند توسعه شهرها شده است به گونه ای كه در اكثر موارد این توسعه ها بدون برنامه، بدون كنترل و بدون تناسب با رشد جعیت و از همه مهمتر رشد زیرساختهای شهری بوده است. در این شرایط استفاده از داده های سنجش از دور و بستر سیستم های اطلاعات مكانی در كنار مدل های محاسباتی، امكان پویش، مدلسازی و پیش بینی فرایند توسعه شهر ها را به ارمغان اورده است. به طوری كه از این مدل ها می توان به عنوان ابزاری توانا و مبتنی بر دانش جهت نظارت و پویش این پدیده استفاده كرد. و توسعه غیراصولی شهرها مخصوصا" در كشورهای در حال توسعه، نتایجی از قبیل ازبین رفتن منابع، عدم همخوانی زیر ساخت های موجود شهر با رشد شهر، تغییر كاربری های مناسب كشاورزی به كاربری شهری و افزایش هزینه از قبیل مسكن، حمل و نقل را بدنبال خواهد داشت. در این شرایط مدلسازی رشد شهری می تواند به عنوان ابزاری مفید، برنامه ریزان را در پیش بینی نیازهای آینده شهر یاری نماید. از این رو از گذشته تا كنون، مدل های مختلفی توسط محققان توسعه یافته است تا از طریق به كارگیری این مدل ها بتوان پیچیدگی پویایی رشد شهر و روند رشد را شبیه سازی نمود. الگوریتم بهینه یابی توده ای ذرات یكی از این مدل ها بوده است كه به دلیل داشتن امكان اموزش و یادگیری ، در بسیاری از زمینه های روز علمی بعنوان یك ابزار توانا ایفای نقش كند. در این تحقیق از تصاویر ماهواره ای مربوط به سالهای 1988و 2000 مربوط به شهر تهران استفاده شده است. متغیرهای موثر در فرایند مدلسازی عبارتند از:فاصله از راه، فاصله از مناطق مسكونی، فاصله از گسل، تعداد سلول های شهری در پنجره 3*3، فاصله از مركز شهر و شیب. معیار درصد تناظر سطوح و شاخص عامل نسبی در این مدلسازی برای ارزیابی دقت مدلسازی به كار گرفته شدند كه به ترتیب برابر هستند با 2579/1 و 6448/0 كه هر دو معیار دقیق بودن مدلسازی را تائید می كنند.

World urban population has been dramatically increased from 22.9% in 1985 to 47% in 2010 which has caused an unprecedented urban environmental degradation and shortage of adequate urban infrastructure needed to support the population. Efforts have been made to predict potential urban developments in accordance with the existing and/or planned infrastructure based on smart city development plans. The problem analysis, planning and monitoring phases of sustainable urban management policies require reliable information and practical methods on the urban environment and its dynamics. Land use change aims to understand the dynamic processes, and therefore interpretability of models is becoming crucial. In this research, PSO method as a meta-heuristic method has been employed for urban land use change modeling. The study area is Tehran metropolis, capital of Iran. Landsat imageries acquired at 1988 and 2000 were used to compare the urban changes and to build and test our model. This study has considered a number of influencing factors to predict potential urban land use change modeling. Distance to principle roads, distance to residence regions, distance to fault, number of urban cell in a 3 by 3 window, distance to city center and slope have been considered as principle parameters affecting land use change. Percent Area Match (PAM) and Relative Operative Curve (ROC) obtained from modeling of these changes were 1.2579 and 0.6448, respectively.