چکیده:
استفاده از مدلهای کمی برای شبیهسازی رشد و توسعه فیزیکی شهرها به واسطه وجود عوامل مختلف و پیچیدگی ذاتی محیط شهری همواره با چالشها و عدم قطعیتهایی همراه است.پژوهش حاضر مدلی از توسعه شهری را بر مبنای اصول سلولهای خودکار و رهیافت منطق فازی ارائه نموده است.دراین راستا ابتدا مهمترین شاخصهای مؤثر بر رشدشهری و ساختار شبکهای شاخصها باروش دیماتل بدست آمده،سپس باکمک ساختار تهیه شده وزن هر شاخص با روش فرآیند تحلیل شبکه (ANP) محاسبه شده است.برای شبیهسازی رشد شهری در محدوده مورد مطالعه(شهر اهواز) برای سال 2020 از 3 تصویر ماهوارهای مربوط به سالهای 2003، 2007 و 2013 استفاده شده است.بعد از انجام عملیات پیشپردازش، طبقهبندی تصاویر برای هر سه دوره باروش حداکثر شباهت صورت گرفته است.برای بررسی صحت نقشهها در دو مرحله از شاخص کاپا استفاده شده،ابتدا نقشههای سالهای مبدا طبقهبندی و صحت آنها با واقعیت بررسی شد و پس آن برای شبیهسازی نقشه سالهای دیگراقدام شده است و مجددا صحت ارزیابی شده است.از آنجا که میزان صحت مدل برای دورههای دارای نقشه واقعیت قابل قبول ارزیابی شد، بنابراین برای شبیهسازی رشد شهری سال 2020 مدل رگرسیون خطی و ماتریس احتمالات تبدیل مورد استفاده قرار گرفته است.نتایج تحقیق نشان دهنده صحت قابل قبول مدل ارائه شده میباشد.همچنین مدل بکارگرفته شده در شبیهسازی شهری از واقع بینی بیشتری نسبت به مدل کلاسیک CA برخوردار بوده است.درسطح محدوده مورد مطالعه نیز نتایج گواه آن است که رشد و توسعه شهر اهواز در دورههای مختلف درجهت خاصی توسعه نیافته بلکه کاملا جسته و گریخته و درتمامی جهات صورت گرفته است.
This study is proposed a model of urban expansion based on cellular automata principles and fuzzy logic approach. The most effective indicators were first selected using the DEMATEL method. The weight of each indicator was then obtained with the help of the prepared structure using the Analytic Network Process (ANP). Three satellite images of 2003, 2007, and 2013 were used to simulate urban growth of Ahvaz in the year 2020. The selected base year was 2003. After performing preprocessing operations, the images were classified using the maximum likelihood method. The combination of fuzzy logic and the classic cellular automata model was made operational by defining the transition rules using the degrees of fuzzy membership. The Kappa index was employed in two stages to study accuracy of the images. The images of the base year were first classified and their accuracy was examined, and the accuracy of the simulated images with respect to reality was also investigated for the year 2007 and then simulation of the images of the other years was performed. Since the degree of accuracy of the model was considered acceptable, the linear regression model and the matrix of transition probabilities were employed for simulation in 2020. Results indicated the model enjoyed acceptable accuracy. It also yielded more realistic results in urban simulations compared to the classic CA method. Moreover, and growth and development of Ahvaz in different periods did not take place in any specific direction but rather was completely irregular and occurred in all directions.