%0 Journal Article %T پایش و مدلسازی تغییرات الگوی توسعه شهری با استفاده از تصاویر ماهواره ای و مدل شبکه عصبی مصنوعی(مطالعه موردی بخش یک شهرستان رفسنجان) %J جغرافیای اجتماعی شهری %I دانشگاه شهید باهنر کرمان %Z 2645-7784 %A موغلی, مرضیه %A شهسوار, محسن %A خبازی, مصطفی %D 2022 %\ 09/23/2022 %V 9 %N 2 %P 171-194 %! پایش و مدلسازی تغییرات الگوی توسعه شهری با استفاده از تصاویر ماهواره ای و مدل شبکه عصبی مصنوعی(مطالعه موردی بخش یک شهرستان رفسنجان) %K توسعه شهری %K شبکه عصبی %K تصاویر ماهواره ای %K رفسنجان %R 10.22103/JUSG.2022.2080 %X مقدمه: استفاده بیش‌ازحد و نادرست از منابع طبیعی موجود، نیازمند افزایش ارزیابی اجزا منابع و بررسی تغییراتی است که درگذشته اتفاق افتاده است. بنابراین آشکارسازی، پیش‌بینی تغییرات لازمه مراقبت از یک اکوسیستم به‌ویژه در مناطقی با تغییرات سریع و اغلب بدون برنامه‌ریزی در کشور‌های درحال‌توسعه می‌باشد. داده و روش: روش پژوهش حاضر از نظر هدف کاربردی و از حیث روش، توصیفی- تحلیلی است. و با استفاده از تکنیک های بصری و ترسیمی از تصاویر سنجنده‌های TM لندست 5 در سال‌های 1998،1992،1986، ETM+ لندست 7 در سال‌های 2010،2004 و سنجنده OLI لندست 8 در سال2016 بهره گرفته است. به‌علاوه از نقشه‌های رقومی منطقه برای بررسی تصحیح هندسی تصاویر و همچنین به‌عنوان داده‌های کمکی در تفسیر تصاویر و پیش‌بینی تغییرات، استفاده گردید. پس از تأیید کیفیت هندسی و رادیومتری تصاویر با توجه به ویژگی‌های منطقه، کاربری‌های موجود، با روش تفسیر تلفیقی تصاویر هر شش مقطع زمانی به چهار کلاس مناطق شهری، باغات پسته، اراضی بایر و نمکزار با الگوریتم حداکثر احتمال طبقه بندی  شد و پس از اعتبار سنجی میانگین دقت کاپا 83 درصد و میانگین دقت کلی 89 درصد برای شش نقشه کاربری اراضی تولیدشده بدست آمد. یافته‌ها: نقشه‌های کاربری اراضی تولید شده از کلاس ‌بندی و پیش‌بینی‌شده از مدل‌ها در سال‌های 2016،2010،2004،1998 مقایسه و صحت آن با استفاده از شاخص کاپا ارزیابی شد. نتایج نشان داد میانگین دقت کاپا برای مدل شبکه عصبی76 درصد بود. نتیجه‌گیری: نشان‌دهنده هماهنگی بین مقدار و مکان تغییرات واقعی و پیش‌بینی‌شده و درنتیجه عملکرد نسبتاً خوب برنامه LCM در پیش‌بینی تغییرات کاربری اراضی است. %U https://jusg.uk.ac.ir/article_3669_5f11b6a8319e5b8af981104196373f56.pdf