مدل سازی احتمال تغییر رشد شهری با استفاده از شبکه عصبی مصنوعی و رگرسیون لجستیک (مطالعه موردی: شهر مشهد)

در کشور های در حال توسعه، تمایل زیاد برای تمرکز جمعیت در مناطق شهری و به تبع آن رشد سریع و ناموزون شهر ها سبب شده است که طراحان و برنامه ریزان شهری، استفاده از سیاست ها و راهکار های مناسب را جهت اجتناب از تاثیرات مخرب زیست محیطی و اجتماعی- اقتصادی در دستور کار قرار دهند. در این راستا، اطلاعات مکانی و زمانی مرتبط با الگوهای نرخ رشد، درک بهتری را از فرآیند رشد شهری فراهم نموده و ابزار های مناسب را جهت اخذ سیاست های مدیریتی و برنامه ریزی در اختیار مدیران شهری قرار می دهند. لذا هدف اصلی این پژوهش، محاسبه احتمال تغییر رشد شهر مشهد با استفاده از روش های رگرسیون لجستیک و شبکه عصبی مصنوعی می باشد. برای این منظور، جهت تهیه نقشه کاربری اراضی، از تصاویر ماهواره ای لندست 7 (سال 2002) و لندست 8 (سال 2015) استفاده شد. سپس با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) ، طبقه بندی تصاویر انجام شد و نقشه های کاربری اراضی شهری با دقت کلی 948/0 و شاخص کاپای 936/0 برای سال 2002 و همچنین دقت کلی 817/0 و شاخص کاپای 775/0 برای سال 2015 استخراج شدند. در نهایت، با اجرای رگرسیون لجستیک بین نقشه کاربری اراضی شهری سال 2015 (به عنوان متغیر وابسته) و فاکتور های موثر از جمله عوامل فیزیکی و عوامل انسانی به همراه نقشه اراضی سال 2002 (به عنوان متغیر های مستقل) ، نقشه پتانسیلی پیشرفت اراضی شهری تهیه شد. ارزیابی مدل رگرسیونی ایجاد شده با استفاده از دو شاخص Pseudo-R2 و ROC نشان داد که این مدل با مقدار ROC معادل 87/0 و مقدار Pseudo-R2 برابر 345/0 دارای قابلیت بالایی جهت نمایش تغییرات و تعیین مناطق مستعد تغییر می باشد و می توان برازش مدل را نسبتا خوب در نظر گرفت.