خلاصة:
امروزه گسترش فیزیکی روزافزون و بدون برنامه ریزی شهرها، باعث کاهش کیفیت زندگی جوامع شهری و غیرشهری شده است. درک فرایند رشد شهری در برنامه ریزی و مدیریت شهری به منظور رسیدن به شهری پایدار بسیار مهم است. از طرف دیگر مدلسازی الگوهای فضایی شهری می تواند دید مناسبی در مورد اینکه چگونه شهرها تحت شرایط مختلف اجتماعی و اقتصادی و محیطی توسعه می یابند، ایجاد کند. تاکنون تلاش های زیادی در زمینه مدلسازی توسعه شهری با استفاده از اتوماسیون سلولی صورت پذیرفته است اما برای ایجاد یک مدل قابل اطمینان و معتبر هنوز برخی مسائل بصورت حل نشده باقی مانده است. پیچیدگی در فرآیند توسعه شهری، تعداد متغیرهای زیاد و وجود قوانین مختلف باعث گردیده تا کالیبراسیون مدل اتوماسیون سلولی، یکی از مسائل چالش برانگیز در شبیه سازی گسترش شهری باشد. در این تحقیق تلاش بر این بوده که با تلفیق اتوماسیون سلولی و الگوریتم ژنتیک مدلی مناسب جهت مدلسازی فرایند رشد شهری ایجاد شده و کاربردی عملی از آن در پیش بینی فرایند توسعه شهری شیراز بین سال های 1990 و2000 نشان داده شود. پارامتر های موثر در این فرایند تعداد همسایگی شهری، شیب زمین، فاصله تا راه های اصلی و مناطق غیر قابل توسعه می باشند که به هر کدام سهمی از ژن های کروموزوم اختصاص داده شده و نتایج بهینه از آن ها استخراج گشته و در نهایت از دقت کلی و شاخص کاپا برای ارزیابی مدل استفاده شده است. بدین ترتیب دقت کلی بدست آمده برابر با 91837/0 است که نشان دهنده ی این است که 837/91 درصد سلول ها درست شبیه سازی شده اند و مقدار شاخص کاپای نهایی 68406/0 بوده که نشان دهنده ی این است که نتایج شبیه سازی 406/68 درصد بهتر از زمانی است که شبیه سازی بطور تصادفی صورت پذیرد.
With the ever increasing of unplanned urbanization، the quality of citizen`s life are lessening. Understanding the process of urban growths facilitates Sustainable Urban Planning and Urban Management. The spatial patterns of urban modeling can make a useful perspective on how cities develop under different social، economic and environmental factors. So far، many efforts have been carried out in urban growth modeling using a cellular automat، but to create a reliable and credible model، some issues still remain unsolved. The complexity of the urban development process، the numerous variables and the variety of rules have caused the calibration of cellular automation models to be one of the challenging issues in the simulation of urban growth. In this study a new model for urban growth modeling is devised. The model integrates the advantages of cellular automation and genetic algorithm to predict Shiraz urban development between 1990 and 2000. Effective parameters in this process are urban neighborhoods، slope، distance to main roads and undeveloped areas. The chromosome`s contribution of genes to each parameter is then estimated. Optimum results have been exploiting، and finally the overall accuracy and Kappa index were used to evaluate the model. The overall accuracy and the final kappa index obtained were equal to 0.91837 and 0.68406 which indicate that 91.837% of the cells were simulated true and the simulation results were 68.406 % better than the random simulation.