ارايه مدل تصميم‌گيري چند‌شاخصه فازي مبتني بر GIS

Urban Land Use Compatibility Evaluation Model: A GIS based and Fuzzy Multi Attribute Decision Making Approach

در كشورهاي در حال توسعه، به دليل رشد سريع و بدون برنامه‌ريزي شهر در گذشته، در برخي موارد كاربري‌هاي ناسازگار در مجاورت همديگر قرار گرفته‌اند، كه اين خود منجر به پايين ماندن سطح كيفيت زندگي و كاهش كارايي كاربري‌هاي مختلف شده است. هدف اين مقاله،‌ تكوين و توسعة نوعي سامانة مكاني پشتيبان تصميم‌گيري در مسائل مربوط به ارزيابي سازگاري بين كاربري‌هاي شهري است. در اين مقاله سازگاري بين كاربري‌هاي شهري در سطح ريزدانه و در شعاع كاربري‌هاي همسايه بررسي شده است. پنج عامل آلودگي صوتي، آلودگي هوا، راحتي و آسايش، امنيت و زيبايي‌شناسي به عنوان عوامل مؤثر در ارزيابي سازگاري در نظر گرفته شده‌اند و ماتريس سازگاري به‌عنوان ابزاري به‌منظور ارزيابي سطح سازگاري بين دو كاربري شهري مورد استفاده قرار گرفته است. از تكنيك دلفي نيز براي دستيابي به توافق گروهي بين كارشناسان برنامه‌ريزي شهري استفاده شده است. به‌منظور توسعة مدل مورد نظر، از مفاهيم و ابزارها و روش‌هاي تصميم‌گيري گروهي، تصميم‌گيري چندشاخصة فازي و فرايند تحليل سلسله‌مراتبي، براي ايجاد سامانة مورد نياز در محيط GIS استفاده شده است. در اين مدل، تكنيك تصميم‌گيري چندشاخصه فازي با ابزار تحليلي GIS تلفيق شده است، تا بتوان كاربري‌هاي ناسازگار در سطح شهر را با توجه به عوامل مختلف، استخراج كرد. مدل پيشنهادي اين تحقيق به همراه محيط نرم‌افزاري توسعه‌يافتة مربوط، براي بخشي از منطقه هفت‌ شهر تهران، پياده‌سازي و آزمايش شد. نتايج مدل مي‌تواند به‌عنوان ابزاري براي كمك به مديران شهري به‌منظور مطالعة بهتر وضعيت شهري و جلوگيري از توسعة مناطق با بافت نامناسب، با هدف تضمين توسعه پايدار، به كار گرفته شود. توسعة مدل ارزيابي سازگاري كاربري‌هاي تفصيلي شهري در مقياس همسايگي، ارائه روشي به‌منظور تعيين كاربري‌هاي ناسازگار با توجه به تأثير همزمان عوامل مؤثر در سازگاري، به كارگيري تئوري فازي در محاسبة ناسازگاري بين كاربري‌ها و يكپارچه‌سازي GIS و روش‌هاي تصميم‌گيري چندمعياري در حل مسئله ناسازگاري، از نتايج مهم اين تحقيق به‌شمار مي‌آيد. شاخص سازگاري مي‌تواند به عنوان معياري به‌منظور پيشنهاد و اولويت‌بنديِ چندين كاربري مناسب براي هر زمين شهري، مورد استفاده قرار گيرد

Interpolated data are usually used in many engineering and planning activities such as geology, climatology, natural resources and hazard management. Root Mean Squared Errors (RMSE) is the most frequently used indicator for error assessment and statement. Unfortunately, this indicator is mainly non-spatial and it does not provide the required spatial details about the local reliability of the interpolated layers. Therefore, development of more efficient and practically useful methods for spatial evaluation and visualization of interpolation errors are of prime importance. In this research, after reviewing some of the important limitations of RMSE and interpolation methods, a practical approach based upon the triangulation, for modeling and mapping of the reliability of interpolation has been proposed. Triangles formed by application of the delauney triangulation to sample points have been used as the main spatial entities. Three characteristics of triangles including the area, shape (modeled by the ratio of perimeter to area), and variance of the values of their 3 corners have been used to model the interpolation errors in triangle levels. The reason for choosing these parameters is their important role in creation of errors, as well as simplicity of their calculation in GIS environment. Point data of elevation from part of Tehran metropolis has been used as the case study for examination and demonstration the usefulness of the proposed approach. Modeling has been based on the least squares fitting in a multiple regression framework. The fitted model has been used for prediction of interpolation errors. Where its validity has been evaluated by the independent, well distributed test sample points with a known elevation. Results of the proposed approach have been encouraging, and close relationship between the actual and predicted (by model) errors have been observed. Production of the map of interpolation errors, as in the proposed approach, can be useful for efficient use of the interpolated data. Also, these maps can be used as useful guides for collection of additional samples where the improvement of the interpolated data quality is required. More close examination of the proposed approach in a wider and diverse environmental condition has been recommended.