19
ماري آ هاي ر دآده ب ي ن ت ب م ري ه ش د رش ي سار ل مد ان ب" ب ها ش ر كت اد : د ب س آ ي ن دآ ر ب ا و : رض ج ش ن دآ

reza yazdani مدلسازی رشد شهری

  • Upload
    khazara

  • View
    282

  • Download
    4

Embed Size (px)

Citation preview

Page 1: reza yazdani مدلسازی رشد شهری

مدلسازي رشد شهري مبتني بر داده هاي آماري

استاد : دكتر شهابياندانشجو : رضا يزداني

Page 2: reza yazdani مدلسازی رشد شهری

نواحی جدا :یک روش جدید

21تغیییر کاربری زمین شهری یکی از چالشهای محیطی قرن است .در حالیکه تحقیقات در باره تغییر کاربری زمین در خالل 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 شهر با جمعیت باالی یک میلیون نفر وجود 16تنها 1900در آغازدهه

شهر رسید.417 به 2000داشت که تا سال میلیون نفر وجود 10 تنها یک شهر در دنیا با جمعیت 1950در سال

شهر با این میزان جمعیت وجود دارد.19داشت و امروز 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 و پیشرفت های تکنولوژیک منجر به تغییرات زیستی زمین شیمیایی

و فرایند های هیدرولوژیک شده است.

Page 3: reza yazdani مدلسازی رشد شهری

مدل های رشد شهری به دالیل زیر ایجاد شده است:

کاربری زمین و سیا ست توسعه شناخته و به آن کمک میکند.1.

گذشته را شناخته و آینده را پیش بینی می کند.2.

سناریوهایی برای سیا ست گذاران و برنامه ریزان فراهم میکند.3.

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 مشکالتی 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

های دقیق تر در کشور های در حال توسعه وجود ندارد ما را به نوعی از طراحی مدل رشد شهری سوق داده که از داده هایی استفاده کنیم که در همه جا موجود باشد و آن تصاویر ماهواره

ای است.

Page 4: reza yazdani مدلسازی رشد شهری

استفاده از تصاویر ماهواره ای

تهیه یک مدل آماری

اعتبار سنجی

پیش بینی مکان تغییر کاربری زمین شهری در یک پیکسل

Page 5: reza yazdani مدلسازی رشد شهری

جنبه های نظری مدل سازی:

محققان معتقدند از انتخاب مدل باید اجتناب شود.به دلیل اینکه :عدم قطعیت بودن را لحاظ نمی کند.1.مدل هcا ممکن اسcت معcرف خcوبی نباشcند و فاکتورهcای مcوثر را در 2.

نظر نگیرند.تcاثیر 3. تحت اسcت ممکن هcا مcدل طریcق از کcاربری فcرم تعcیین

تاخیرات فاصله ای زمانی و مکانی قرار داشته با شند.

اما در مدل رشد شهری مبتنی بر داده های آماری :تصcمیم سcاز یcک سcری از خcط ومشcی هcا را بcرای انتخcاب یcک خcط 1.

مشی واحدآزمایش می کند. اسcتفاده می کنcد و انتخcاب او بcر dتصcمیم سcاز از داده هcای آمcاری 2.

است.mاساس مدل اقتصادی تcابع هcدف3. یcک انتظcار بcه حcداقل می تصcمیم سcاز ضcرر مcورد را

رساند.)مثال از بین نرفتن ارضی کشاورزی(در جcایی کcه بخشcی از طcبیعت نcا شcناخته باشcد سcیا سcت گcذار بcا در 4.

ضرر را در نظر میگیرد. نظر گرفتن جوانب حداقل

Page 6: reza yazdani مدلسازی رشد شهری

استفاده از داده های ورودی1.

داده ها تصاویر دوتایی کاربری زمین شهری و غیر شهری طي 2.دو سال است.)راستری(

این مدل داده ها را پردازش و تصاویری به صورت ماتریس تولید 3.میکند) بجز شبکه حمل و نقل ،مکان محدوده تجاری شهر و

نواحی توسعه یافته(این تصاویر یک خروجی از ماتریس ها از پیکسل ها که در 4.

که توسعه جدید شهری بین دو 55 و 33واحدهای همسایگی سال است را ارائه می کند که معیارهای ان شامل :

-فاصله تا نزدیک ترین شبکه حمل و نقل1 - فاصله تا نزدیک ترین سلول شهری2 -فاصله تا مرکز شهر3

روش شنا سی:

Page 7: reza yazdani مدلسازی رشد شهری

تحلیل آماری و اندازه گیری

یک نمونcه گcیری تصcادفی از تصcویر شcهری – غcیر شcهری اولیcه )در 1.

% از کل پیکسل ها است.1 ( انجام می دهد،که معموال T0زمان

یک شcاخص عcددی بcرای تمcام پیکسcل هcای قابcل توسcعه تعcیین می 2.شود.

بcا یcک متغcیر وابسcته و چنcدین متغcیر مسcتقل بcه 3. مجموعcه داده هcا نحcوی مcرتب می شcوند کcه بتcوان بطcور اتوماتیcک در تحلیcل رگرسcیون

از آنها استفاده کرد.

.4( اولیcه تصcاویر از اسcتفاده ) (T0با نهcایی مcدل T1و محقcق )

رگرسcیون هcای لجسcتیک چنcد گانcه بcا متغcیر وابسcته دوتcایی ایجcاد می کند.

.5Y هری بینcیر شcدم تغیcا عcهری یcیر شcوان تغیcه عنcابع بcدر این ت

است.T1 و T0 دوره زما نی

از 6. سcری یcک احتمcالی- هcای مcدل تمcام بcراورد،بcرای فراینcد این ارائcه می نتیجcه مcدل میcانگین اسcت را اهcداف متغcیر توصcیفی کcه

.دهداز ای مجموعcه بcرآورد فراینcد این گcیری انcدازه خصوصcیات از یکی ضcرایب همبسcتگی رگرسcیونی و ایجcاد مجموعcه پیش بیcنی احتمcاالت اسcت و این اطالعcات معمcوال بcرای مرحلcه اعتبcار سcنجی و پیش بیcنی

رشد شهری آینده است.

Page 8: reza yazdani مدلسازی رشد شهری

: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

سنجي مي توان استفاده كرد. اعتبار كه در سطح پيكسل انجام مي شود. ) صفر و يك- PCPسنجي

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 با استفاده از ميانگين وزني T1گيري شده را براي دوره زماني

احتماالت پيش بيني شده بدست مي آوريم.

Page 9: reza yazdani مدلسازی رشد شهری

:پيش بيني

نتايج پيش بيني براي كل شهر ارائه مي شود كه امكان تكرار آنها (T2در آينده وجود دارد ) براي پيش بيني در دوره زماني

:مثال

مطالعه سه شهر در چين :شين ژن ) مركز تكنولوژي جديد (1.فوشان ) شهر صنعتي ( 2.گوانگ ژو ) بندر تجاري و بازرگاني(3.

Page 10: reza yazdani مدلسازی رشد شهری

30m 60m

District Code (Name) AAC APC_SEAPC_T AAC APC_SEAPC_T

1(Baoan)

2(Futian)

3(Longgang)

4(Luohu)

5(Nanshan)

6(Yiantian)

7(Other)

1658 163.5 518

274 290.6 357

1043 1037 367

60 74.2 0

387 368 74

40 34.2 0

220 192.4 1

405 449.82 199

66 78.40 91

231 255.04 104

18 14.31 0

81 91.67 0

9 10.89 0

40 58.28 4

Vector distances

AAC and APC_SE

AAC and APC_T

46.62

1383.70

56.62

252.39

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

Page 11: reza yazdani مدلسازی رشد شهری

30m 60m

District Code (Name) AAC APC_SEAPC_T AAC APC_SEAPC_T11

12

13

15

29

30

31

32

33

34

38

40

41

42

43

10 13.8068 0

13 14.2006 0

79 74.2556 0

2 1.5357 0

17 20.263 0

42 45.5831 0

226 219.309 0

60 53.6306 0

149 130.9013 0

34 30.812 0

5 4.8441 0

12 15.48 0

0 0.0728 0

4 3.4886 0

2 0.5181 0

1 4.139 0

3 3.1124 0

22 17.3405 0

1 0.2938 0

5 5.4833 0

7 11.2949 0

63 60.6287 0

19 17.4685 0

35 32.4186 0

8 8.0476 0

2 1.023 0

2 3.6492 0

0 0 0

0 0.7944 0

0 0 0

Vector distances

AAC and APC_SE

AAC and APC_T

22.36

294.6

8.35

77.12

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

Page 12: reza yazdani مدلسازی رشد شهری

30m 60m

District Code (Name) AAC APC_SEAPC_T AAC APC_SEAPC_T

1(Liwan)

2(Yuexiu)

3(Dongshan)

4(Tianhe)

5(Huangpu)

6(Haizhu)

7(Fangchun)

8(Baiyun)

11(Zhencheng)

12(Panyu)

-9999(Other)

3 8.3692 13

17 16.3765 27

20 19.4493 33

539 505.5078 247

339 296.3388 60

247 219.8463 26

134 129.9877 30

574 622.2341 289

178 194.0118 13

384 365.8107 81

325 332.7527 80

0 0.7309 1

6 4.3675 6

13 9.7828 15

161 176.454 189

90 100.4953 32

108 120.5155 155

54 47.7989 70

204 192.1705 90

12 11.8201 0

119 139.1139 107

126 128.1203 126

Vector distances

AAC and APC_SE

AAC and APC_T

81.8444

695.2805

33.2664

141.0744

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

Page 13: reza yazdani مدلسازی رشد شهری

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

Page 14: reza yazdani مدلسازی رشد شهری

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

Page 15: reza yazdani مدلسازی رشد شهری

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

Page 16: reza yazdani مدلسازی رشد شهری

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

Page 17: reza yazdani مدلسازی رشد شهری

Shenzhen and Guangzhou urban /non-urban prediction for 2004

Page 18: reza yazdani مدلسازی رشد شهری

Shenzhen 60 m

District Code (Name) Summation of predicted probabilities

Predicted area in km2(360010-6)

1(Baoan)

2(Futin)

3(Longgang)

4(Luohu)

5(Nanshan)

6(Yiantian)

7(Other)

45840

3594.1

27454

2543

8806

1374.5

7152.6

165.024

12.94

98.83

9.1548

31.7016

4.9482

25.7494

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

Page 19: reza yazdani مدلسازی رشد شهری

: نتيجه

ارائه سناريوهاي چندگانه

نواحي اراضي توسعه نيافته را كه در آينده توسعه نمي يابند را 1.

تعيين كرد و نقاط شهري قابل توسعه را مشخص كند.

مسيرهاي حمل و نقل تغيير يافته را مطابق طرح راههاي كنوني 2.

و توسعه راه آهن طراحي كرد .

استفاده کننده حداقل ضرر را براساس نتيجه اقتصادي تعريف كند 3.

) مثال 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 باال 4.

و قابل توجه ايجاد كند ) مانند فرودگاه جديد (