TY - JOUR ID - 10780 TI - مدل سازی توسعه فیزیکی شهر با ترکیب قابلیت‌های گوگل ارث انجین (GEE) و شبکه عصبی مصنوعی (MLP) مطالعه موردی: شهر تبریز JO - جغرافیا و برنامه‌ریزی JA - GP LA - fa SN - 2008-8078 AU - محمودزاده, حسن AU - مهدوی‌ فرد, مصطفی AU - عزیز مرادی, مجید AU - زنجانی ثانی, ملیحه AD - دانشیار جغرافیا و برنامه ریزی شهری، گروه جغرافیا و برنامه ریزی شهری، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران AD - دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده برنامه‌ریزی و علوم محیطی، دانشگاه تبریز AD - کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده برنامه‌ریزی و علوم محیطی، دانشگاه تبریز Y1 - 2021 PY - 2021 VL - 24 IS - 74 SP - 215 EP - 232 KW - موتور گوگل ارث KW - توسعه فیزیکی شهر KW - پرسپترون چند لایه KW - سنجش از دور DO - 10.22034/gp.2021.10780 N2 - امروزه ارزیابی توسعه فیزیکی شهری با استفاده از تکنیک‌های نوین سنجش از دور می‌تواند اطلاعات پایه ای را در اختیار برنامه ریزان قرار دهد و از این طریق نقشی مؤثر در مدیریت و بهبود کاربری اراضی شهر ایفا کند. هدف از این پژوهش، پایش و ارزیابی توسعه فیزیکی شهر تبریز در دوره 42 ساله (2014-1972) با استفاده از سامانه جدید (GEE) Google Earth Engine و پیش بینی تغییرات گسترش فیزیکی شهر تبریز با استفاده از مدل شبکه عصبی (MLP) است. نتایج این پژوهش نشان از قابلیت بالای فناوری GEE در استخراج پهنه‌های شهری طی دوره‌های مختلف دارد، بطوریکه این فناوری بخوبی توانست توسعه فیزیکی شهر تبریز را طی دوره 40 ساله ارزیابی کند. نتایج پیش‌بینی تغییرات حاصل از مدل MLP نشان دهنده‌ی این است که توسعه فیزیکی شهر تبریز در آینده رو به شمال شرقی و جنوب شرقی است و مدل اجرا شده از سال 1975 تا 2014 در قالب GEE و برای بیست سال آتی با استفاده از مدل تجربی شبکه عصبی مبتنی بر پرسپترون چندلایه اقدام به شبیه سازی و مدلسازی روند آتی توسعه کلانشهر تبریز نمود. UR - https://geoplanning.tabrizu.ac.ir/article_10780.html L1 - https://geoplanning.tabrizu.ac.ir/article_10780_d6debb31f60fe90ef8ab0243f90e9f26.pdf ER -