‫مدلسازي رشد شهري مبتني بر داده هاي آماري‬

‫استاد ‪ :‬دكتر شهابيان‬
‫دانشجو ‪ :‬رضا يزداني‬

‫نواحی جدا ‪:‬یک روش جدید‬
‫تغیییر کاربری زمین شهری یکی از چالشهای محیطی قرن ‪ 21‬است‬
‫‪.‬در حالیکه تحقیقات در باره تغییر کاربری زمین در خلل قرن گذشته‬
‫اهیت جنگل زدایی ‪،‬تبدیل مراتع و از بین رفتن زمین های کشاورزی‬
‫و گسترش شهری نشان می دهد‪،‬با اینحال توسعه شهری از نکات‬
‫قابل توجه این قرن است‪.‬‬
‫در آغازدهه ‪1900‬تنها ‪ 16‬شهر با جمعیت بالی یک میلیون نفر وجود‬
‫داشت که تا سال ‪ 2000‬به ‪ 417‬شهر رسید‪.‬‬
‫در سال ‪ 1950‬تنها یک شهر در دنیا با جمعیت ‪ 10‬میلیون نفر وجود‬
‫داشت و امروز ‪ 19‬شهر با این میزان جمعیت وجود دارد‪.‬‬
‫مناطق شهری با توسعه و تغییر محیط های پیرامون ما در مقیاس‬
‫های زمانی و مکانی از طریق تغییر آب و هوا از دست رفتن محیط‬
‫زیست و تنوع زیستی و تقاضای بیشتر برای منابع طبیعی بر محیط‬
‫زیست تاثیر می گذارد ‪.‬اندازه و شکل مکانی وسعت شهرها تاثیر‬
‫مستقیم بر انرژی و جریان مواد داشته و بر عملکرد زمین به عنوان‬
‫یک سیستم تاثیر می گذارد و همچنین افزایش و تنوع کاربری زمین‬

‫مدل های رشد شهری به دلیل زیر ایجاد شده است‪:‬‬
‫‪ .3‬کاربری زمین و سیا ست توسعه شناخته و به آن کمک میکند‪.‬‬
‫‪ .4‬گذشته را شناخته و آینده را پیش بینی می کند‪.‬‬
‫‪ .5‬سناریوهایی برای سیا ست گذاران و برنامه ریزان فراهم میکند‪.‬‬
‫عملکرد این مدلها مبتنی توانایی آنها در پیش بینی دقیق رشد‬
‫شهری است که نگرانی اصلی برنامه ریزان شهری است‪.‬‬
‫مدل های رشد شهری کنونی بیشتر در شهرهای غربی در‬
‫کشورهای صنعتی تمرکر یافته که داده ها در آنجا به اسانی و در‬
‫حجم زیاد قابل دسترسی است‪.‬‬
‫در حالیکه بیشترین رشد شهری در آینده در کشورهای در حال‬
‫توسعه در حال وقوع است ‪.‬متاسفانه محققان مشکلتی در‬
‫زمینه دسترسی به داده ها وصحت آنها در شهرهای کمتر توسعه‬
‫یافته و در حال توسعه دارند که‪،‬انجام مطالعات را دشوار می‬
‫سازد‪.‬‬
‫فهمیدن این مساله که یک راه حل قابل پیش بینی برای کسب داده‬

‫استفاده از تصاویر ماهواره ای‬

‫تهیه یک مدل آماری‬

‫اعتبار سنجی‬

‫پیش بینی مکان تغییر کاربری زمین شهری در یک پیکسل‬

‫جنبه های نظری مدل سازی‪:‬‬
‫محققان معتقدند از انتخاب مدل باید اجتناب شود‪.‬به دلیل اینکه ‪:‬‬
‫‪ .4‬عدم قطعیت بودن را لحاظ نمی کند‪.‬‬
‫‪ .5‬مدل ها ممکن است معرف خوبی نباشند و فاکتورهای موثر را در‬
‫نظر نگیرند‪.‬‬
‫‪ .6‬تعیی ن فرم کاربری از طری ق مدل ه ا ممک ن اس ت تح ت تاثیر‬
‫تاخیرات فاصله ای زمانی و مکانی قرار داشته‬
‫با شند‪.‬‬
‫اما در مدل رشد شهری مبتنی بر داده های آماری ‪:‬‬
‫‪.10‬تصمیم ساز یک سری از خط ومشی ها را برای انتخاب یک خط‬
‫مشی واحدآزمایش می کند‪.‬‬
‫‪.11‬تصمیم ساز از داده های آماری ‪ d‬استفاده می کند و انتخاب او بر‬
‫اساس مدل اقتصادی ‪ m‬است‪.‬‬
‫‪ .12‬تص میم س از ضرر مورد انتظار ی ک تاب ع هدف را ب ه حداق ل می‬
‫رساند‪(.‬مثل از بین نرفتن ارضی کشاورزی)‬

‫روش شنا سی‬
‫‪:‬‬
‫‪ .1‬استفاده از داده های ورودی‬
‫‪ .2‬داده ها تصاویر دوتایی کاربری زمین شهری و غیر شهری طي‬
‫دو سال است‪(.‬راستری)‬
‫‪ .3‬این مدل داده ها را پردازش و تصاویری به صورت ماتریس تولید‬
‫میکند( بجز شبکه حمل و نقل ‪،‬مکان محدوده تجاری شهر و‬
‫نواحی توسعه یافته)‬
‫‪ .4‬این تصاویر یک خروجی از ماتریس ها از پیکسل ها که در‬
‫واحدهای همسایگی ‪3 3‬و ‪5 5‬که توسعه جدید شهری بین دو‬
‫سال است را ارائه می کند که معیارهای ان شامل ‪:‬‬
‫‪-1‬فاصله تا نزدیک ترین شبکه حمل و نقل‬
‫‪ -2‬فاصله تا نزدیک ترین سلول شهری‬
‫‪-3‬فاصله تا مرکز شهر‬

‫تحلیل آماری و اندازه گیری‬
‫‪ .3‬یک نمونه گیری ت صادفی از تصویر شهری – غیر شهری اولیه (در‬
‫زمان ‪ ) T0‬انجام می دهد‪،‬که معمول ‪ %1‬از کل پیکسل ها است‪.‬‬
‫‪ .4‬یک شاخص عددی برای تمام پیکسل های قابل توسعه تعیین می‬
‫شود‪.‬‬
‫‪ .5‬مجموع ه داده ه ا ب ا ی ک متغ یر وابس ته و چندی ن متغ یر مس تقل به‬
‫نحوی مرتب می شوند که بتوان بطور اتوماتیک در تحلیل رگرسیون‬
‫از آنها استفاده کرد‪.‬‬
‫‪ .6‬با استفاده از تصاویر اولیه (‪ )T0‬و نهایی (‪ )T1‬محقق مدل رگرسیون‬
‫های لجستیک چند گانه با متغیر وابسته دوتایی ایجاد می کند‪.‬‬
‫‪ Y .7‬در ای ن تاب ع ب ه عنوان تغی یر شهری ی ا عدم تغی یر شهری بین‬
‫دوره زما نی ‪ T0‬و ‪T1‬است‪.‬‬
‫‪ .8‬این فرایند براورد‪،‬برای تمام مدل های احتمالی‪ -‬یک سری از اهداف‬
‫متغیر توصیفی که نتیجه مدل میانگین است را ارائه می دهد‪.‬‬
‫یک ی از خص وصیات اندازه گیری ای ن فراین د برآورد مجموعه ای از‬

‫اعتبار سنجي ‪:‬‬
‫اعتبار قدم مهم در همه مدل هاي تغيير كاربري زمين است‪.‬داده‬
‫هاي اين مدل نتايجي به دست مي دهند كه از آنها براي اعتبار‬
‫اعتبار‬
‫سنجي مي توان استفاده كرد‪.‬‬
‫سنجي ‪ PCP‬كه در سطح پيكسل انجام مي شود‪ ( .‬صفر و يك‪-‬‬
‫یاصفر تا صد)‬
‫در مرحله بعد همه مجموعه هاي مستقل دوباره محاسبه و به‬
‫همراه مجموعه ضرايب متغير برآورد و از مرحله كاليبراسيون براي‬
‫بررسي احتمال براي هر مدل استفاده مي شود ‪.‬‬
‫سپس ‪:‬‬
‫احتمال تغيير پيش بيني شده براي پيكسل هاي قابل توسعه نمونه‬
‫گيري شده را براي دوره زماني ‪ T1‬با استفاده از ميانگين وزني‬
‫احتمالت پيش بيني شده بدست مي آوريم‪.‬‬

‫پيش بيني ‪:‬‬
‫نتايج پيش بيني براي كل شهر ارائه مي شود كه امكان تكرار آنها‬
‫در آينده وجود دارد ( براي پيش بيني در دوره زماني ‪) T2‬‬
‫مثال ‪:‬‬
‫مطالعه سه شهر در چين ‪:‬‬
‫‪ .1‬شين ژن ( مركز تكنولوژي جديد )‬
‫‪ .2‬فوشان ( شهر صنعتي )‬
‫‪ .3‬گوانگ ژو ( بندر تجاري و بازرگاني)‬

Validity through sample enumeration; validation sample runs at different resolutions for the city of shenzhen

District Code (Name)
1(Baoan)
2(Futian)
3(Longgang)
4(Luohu)
5(Nanshan)
6(Yiantian)
7(Other)
Vector distances
AAC and APC_SE
AAC and APC_T

30m

60m

AAC APC_SEAPC_T

AAC APC_SEAPC_T

1658
274
1043
60
387
40
220

405
66
231
18
81
9
40

163.5
290.6
1037
74.2
368
34.2
192.4
46.62
1383.70

518
357
367
0
74
0
1

449.82
78.40
255.04
14.31
91.67
10.89
58.28
56.62
252.39

199
91
104
0
0
0
4

Validation through sample enumeration; validation sample runs at different resolutions for the city f Foshan

District Code (Name)
11
12
13
15
29
30
31
32
33
34
38
40
41
42
43

30m

60m

AAC APC_SEAPC_T

AAC APC_SEAPC_T

10
13
79
2
17
42
226
60
149
34
5
12
0
4
2

1
3
22
1
5
7
63
19
35
8
2
2
0
0
0

13.8068
14.2006
74.2556
1.5357
20.263
45.5831
219.309
53.6306
130.9013
30.812
4.8441
15.48
0.0728
3.4886
0.5181

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

4.139
3.1124
17.3405
0.2938
5.4833
11.2949
60.6287
17.4685
32.4186
8.0476
1.023
3.6492
0
0.7944
0

Vector distances
AAC and APC_SE
AAC and APC_T

22.36
294.6

8.35
77.12

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

Sample runs for validation through sample enumeration at different resolutions for the city of Guangzhou;
comparison with aggregation from thresholding

District Code (Name)
1)Liwan(
2)Yuexiu(
3)Dongshan(
4)Tianhe(
5)Huangpu(
6)Haizhu(
7)Fangchun(
8)Baiyun(
11)Zhencheng(
12)Panyu(
-9999)Other(

30m

60m

AAC APC_SEAPC_T

AAC APC_SEAPC_T

3
17
20
539
339
247
134
574
178
384
325

8.3692
16.3765
19.4493
505.5078
296.3388
219.8463
129.9877
622.2341
194.0118
365.8107
332.7527

13
27
33
247
60
26
30
289
13
81
80

0
6
13
161
90
108
54
204
12
119
126

0.7309
4.3675
9.7828
176.454
100.4953
120.5155
47.7989
192.1705
11.8201
139.1139
128.1203

Vector distances
AAC and APC_SE
AAC and APC_T

81.8444
695.2805

33.2664
141.0744

1
6
15
189
32
155
70
90
0
107
126

Fitted probability of change to urban between 1988 and 1996 and standard deviation of pixel predicted
probabilities for Shenzhen)at 60m resolution

Fitted probability of change to urban between 1988 and 1996 and standard deviation of pixel
predicted probabilities for Foshan)at 30 m resolution(

Fitted probability of change to urban between 1988 and 1996 and standard deviation of pixel predicted
probabilities for Guangzhou )at 60m resolution(

Predicted probability of change to urban between 1996 and 2004 and standard deviation of pixel
predicted probabilities for Shenzhen )at 60 m resolution(

Shenzhen and Guangzhou urban /non-urban prediction for 2004

Sample enumeration forecasting; predicted change between 1996 and 2004 for Shenzhen )at 60
resolution(

Shenzhen 60 m
District Code (Name)

1(Baoan)
2(Futin)
3(Longgang)
4(Luohu)
5(Nanshan)
6(Yiantian)
7(Other)

Summation of predicted
probabilities

Predicted area in
km2(360010-6)

45840
3594.1
27454
2543
8806
1374.5
7152.6

165.024
12.94
98.83
9.1548
31.7016
4.9482
25.7494

‫نتيجه ‪:‬‬
‫ارائه سناريوهاي چندگانه‬
‫•‬

‫نواحي اراضي توسعه نيافته را كه در آينده توسعه نمي يابند را‬
‫تعيين كرد و نقاط شهري قابل توسعه را مشخص كند‪.‬‬

‫•‬

‫مسيرهاي حمل و نقل تغيير يافته را مطابق طرح راههاي كنوني‬
‫و توسعه راه آهن طراحي كرد ‪.‬‬

‫•‬

‫استفاده کننده حداقل ضرر را براساس نتيجه اقتصادي تعريف كند‬
‫( مثل خسارت به اراضي كشاورزي و سياسي را اتخاذ كند كه تابع‬
‫ضرر توجيه كننده عدم قطعيت مدل را به حداقل برساند‪.‬‬

‫•‬

‫كاربر مي تواند نقاطي از اراضي جديد توسعه يافته با اهميت بال‬
‫و قابل توجه ايجاد كند ( مانند فرودگاه جديد )‬

Sign up to vote on this title
UsefulNot useful