سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,573
تعداد مقالات71,033
تعداد مشاهده مقاله125,502,790
تعداد دریافت فایل اصل مقاله98,766,950
رستمی, محمدرضا, زبردست, اسفندیار. (1398). کاربست مدل های فضایی به منظور پیش بینی رشد شهر ساری. , 24(4), 61-70. doi: 10.22059/jfaup.2019.134077.671235
محمدرضا رستمی; اسفندیار زبردست. "کاربست مدل های فضایی به منظور پیش بینی رشد شهر ساری". , 24, 4, 1398, 61-70. doi: 10.22059/jfaup.2019.134077.671235
رستمی, محمدرضا, زبردست, اسفندیار. (1398). 'کاربست مدل های فضایی به منظور پیش بینی رشد شهر ساری', , 24(4), pp. 61-70. doi: 10.22059/jfaup.2019.134077.671235
رستمی, محمدرضا, زبردست, اسفندیار. کاربست مدل های فضایی به منظور پیش بینی رشد شهر ساری. , 1398; 24(4): 61-70. doi: 10.22059/jfaup.2019.134077.671235

کاربست مدل های فضایی به منظور پیش بینی رشد شهر ساری

نشریه هنرهای زیبا: معماری و شهرسازی
مقاله 5، دوره 24، شماره 4، دی 1398، صفحه 61-70    اصل مقاله (2.16 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/jfaup.2019.134077.671235
نویسندگان
محمدرضا رستمی* 1؛ اسفندیار زبردست2
1بدون سمت سازمانی
2مدیر گروه دانشکده شهرسازی پردیس هنرهای زیبا دانشگاه تهران
چکیده
رشد سریع مراکز جمعیتی و تبدیل آن‌ها به شهرهای بزرگ موجب برهم‌خوردن تعادل میان محیط انسان ساخت و طبیعی می‌گردد. از این رو به همراه رشد بسیاری از شهرها در ایران، محیط طبیعی نیز به زیر ساخت و ساز می‌روند که این امر در تضاد با اصل توسعه پایدار است.
مقاله حاضر که با هدف بررسی رهیافت‌ها و مدل‌های مربوط به پیش‌بینی رشد شهر و بکارگیری مدل مناسب برای نمونه مورد مطالعه (شهر ساری) تدوین شده است، در پی آن بوده، که پیش‌بینی دقیقی از میزان و جهت رشد شهر ساری و مناطق اطراف آن ارائه دهد تا به عنوان یک سیستم پشتیبان تصمیم‌سازی و تصمیم‌گیری راهنمای مفیدی برای برنامه-ریزی آینده شهر باشد.
نتایج این پژوهش نشان داد که مدل SLEUTHبدلیل توانایی آن برای انجام مدلسازی پویای فضایی- زمانی، عدم وابستگی به مقیاس مکانی، امکان شبیه‌سازی همزمان چهار نوع رشد شهر مناسب‌تر از سایر مدل‌های بررسی شده برای پیش‌بینی رشد شهر ساری است. همچنین یافته ها نشان می‌دهد که رشد شهر ساری تا سال 1410 به اندازه 394 هکتار می‌باشد. این رشد بیشتر در قسمت غرب، شمال غربی، شمال و شرق شهر بوده که دلیل آن را می‌توان وجود رشد ذاتی در این مناطق دانست.
کلیدواژه‌ها
الگوهای رشد شهری؛ مدل SLEUTH؛ مدل های پیش بینی رشد شهر؛ رشد شهر؛ ساری
مراجع
  1. غلامعلی فرد، مهدی (1385) ارائه مدل مکانی- ارزیابی عرضه و تقاضا زمین برای محل های دفن مواد جامد شهری با استفاده از مدل سازی دینامیک شهری در محیط GIS. تهران: دانشکده منابع طبیعی و علوم دریایی نور. دانشگاه تربیت مدرس.
  2. مومنی، ایمان (1388) مدلسازی رشد شهری شهر تهران تا سال 2050 با استفاده از مدل SLEUTH. پایان نامه کارشناسی ارشد مهندسی منابع طبیعی- محیط زیست. دانشگاه تهران.
  3. Berling-Wolff, S., & Wu, J., )2004(, Modelling urban Landscape dynamics: A case study in Phonix, USA. Urban Ecosystem, 7(3), pp. 215-240.
  4. Cheng, J., (2003), Modelling Spatial and Temporal Urban Growth (ISBN: 90-6164-212-4), 210 p, Enschede, Netherlands.
  5. Cheng, J., Masser, I. & Ottens, H., (2003), Understanding urban growth system. Theories and Methods. Proceedings of the 8th International Conference on Computer Techniques for Urban Planning and Management CUPUM'03, May 27-29, 2003, Sendai, Japan.
    1. Clarke, K. C., Hoppen, S., & Gaydos, L, (1997), Methods and techniques for regorous calibration of a cellular automaton model of urban growth. Santa Fe, New Mexico, Paper presented at the third International Conference/Workshop on Integrating GIS and Eviremental Modeling.
    2. OĞUZ, H., (2002), Modeling urban growth and land use/land cover change in the housing metropolitan area from 2002 - 2030. Texas: Submitted to Texas A&M University in partial fulfillment of the requirements for the degree of doctor of philosophy.
    3. U.S. Environmental Protection Agency,(EPA), (2000), A Summary of Models for Assessing the Effects of Community Growth and Change on Land-Use Patterns. [Online]
      Available at: http://www.epa.gov/ecocommunity/tools/reportfinal3.pdf
      [Accessed 14 9 2013].
    4. USGS, (2003), Project giogalopolis: urban and land cover modeling, US Geological Survey, Website maintained by the University of California Santa Barbara. [Online]
      Available at: http://WWW.ncgia.ucsb.edu/projects/gig/
      [Accessed 25 6 2013].
    5. Wu, B., Huang, B., & Fung, T., (2009), Projection of land use change patterns using kernel logistic regression. Photogrammetric Engineering & Remote Sensing, 75(8), pp. 971-979.
    6. White, R., and G. Engelen., (2000), Cellular automata as the basis of integrated dynamic regional modelling. Environment And Planning B-Planning & Design, Vol 24, pp. 235-246.
 

آمار
تعداد مشاهده مقاله: 1,002
تعداد دریافت فایل اصل مقاله: 869





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب