بهبود مدل‌سازي توسعه فضايي شهرها با تلفيق روش‌هاي يادگيري ماشين و مدل‌ CA-Markov (مطالعۀ موردي: كلان‌شهر قم)

يكي از پيامدهاي اجتناب‌ناپذير رشد روزافزون جمعيت جهان، گسترش شهرنشيني است؛ ازاين‌رو ارائه چشم‌اندازي از توسعه فضايي شهرها با هدف درك الگوي صحيح رشد شهر و فراهم آوردن زيرساخت‌هاي لازم از اهميت بسياري برخوردار است. ازآنجاكه كلان‌شهر قم يكي از شهرهاي درگير با مسئله رشد شهري بوده و آمار 95 درصد شهرنشيني را ثبت كرده است، تمركز اين پژوهش بر واكاوي توسعه فضايي اراضي شهري پيرامون اين كلان‌شهر است. براي نيل به هدف مذكور، ابتدا ورودي‌هاي مدل كه همان نقشه‌هاي كاربري/پوشش اراضي و نقشه شايستگي رشد شهري منطقه هستند، توليد شدند. نقشه‌هاي كاربري/پوشش اراضي منطقه براي سال‌هاي 2000، 2010 و 2020 با روش جنگل تصادفي در محيط سامانه Google Earth Engine و نقشه شايستگي رشد شهري منطقه براي سال‌هاي 2000 و 2010 به كمك تحليل‌هاي MCDM مبتني بر GIS به‌صورت مجزا توليد شد. درنهايت اين نقشه‌ها وارد الگوريتم‌هاي تركيبي ANN-CA-Markov و  SVM-CA-Markov شد و دو نقشه براي كاربري/پوشش اراضي منطقه در سال 2020 شبيه‌سازي شد. اعتبارسنجي مدل‌ها نشان داد كه الگوريتم SVM-CA-Markov با مساحت زير منحني ROC معادل 0.96 از صحت بيشتري برخوردار بود و براي مدل‌سازي افق 2040 به‌عنوان الگوريتم بهينه انتخاب شد. نتايج حاكي از توسعه فضايي روزافزون اين كلان‌شهر است؛ به‌طوري‌كه وسعت اراضي شهري اين منطقه از 139.62 كيلومتر مربع در سال 2020 به بيش از 183 كيلومترمربع در سال 2040 افزايش خواهد يافت. ارزيابي نتايج مي‌تواند به مديران مربوط در راستاي اتخاذ سياست‌هاي لازم براي مديريت هرچه‌بهتر شرايط پيش رو ياري رساند. اين امر مهم مي‌تواند از طريق برنامه‌‌ريزي براي توسعه‌ منظم شبكه معابر، گسترش فضا‌هاي سبز شهري و... محقق شود. در اين راستا سازمان‌ها و مسئولان محلي بايد ضمن اشراف كامل بر جهات توسعه اين كلان‌شهر، نظارت‌هاي هدفمند بر اين مسئله داشته باشند.