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

Abstract

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.<br /> واژه‌های کلیدی: تغییرات کاربری زمین، شبکه‌های عصبی مصنوعی، سیستم های اطلاعات جغرافیایی، مدل دگرگونی زمین.