ارتقای روش MOLA با توجه به معیارهای سیمای سرزمین و بهره‌گیری از الگوریتم ژنتیک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران

2 دانشیار، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران

3 استادیار، دانشکدة فنی و مهندسی، دانشگاه گلستان، ایران

چکیده

در فرایند اختصاص مکانی کاربری­ها به یک پهنه، به‌طور معمول میان کاربری­ها رقابت وجود دارد. برای حل این رقابت، دو رویکرد تخصیص زمین به چند کاربری (MOLA) و الگوریتم ژنتیک (GA) برای شهرستان گرگان به‌کار گرفته شدند. رویکرد MOLA بر اساس تناسب و روش نزدیکی به نقطة مطلوب عمل می­کند و برای GA، با به‌کارگیری لایة تناسب و شاخص پیوستگی (Cohesion Index) کاربری تخصیص می­شود. جهت بهبود رویکرد MOLA، لایة نهایی به عنوان جمعیت اولیه در GA استفاده شد. همچنین، با تعریف شاخص پیوستگی به عنوان معیار سیمای سرزمین، تلاش شد لکه­های ایجادشده شکل منسجم­تری داشته باشند، که این ویژگی در رویکرد MOLA غایب است. نتایج نشان داد به‌کارگیری GA بر اساس خروجی رویکرد MOLA در بهبود قابلیت این رویکرد از نظر معیارهای سیمای سرزمین تأثیری بسزا دارد. اگرچه واردکردن معیارهای سیمای سرزمین باعث ازدست­رفتن بخشی از تناسب برای کاربری­ها می­شود، با متوازن‌کردن تناسب و شاخص سیمای سرزمین در GA می­توان حد متعادلی از آن­ها را لحاظ کرد. لایة ایجادشده توسط GA از لحاظ معیارهای سیمای سرزمین و تناسب، قابلیت به‌کاریگری ترکیبی از رویکردهای مختلف را در آمایش برای رسیدن به راه­حل بهینه نشان داد.

کلیدواژه‌ها


 
1. سلمان ماهینی، عبدالرسول (1392). «طرح آمایش استان گلستان». گزارش فاز اول، استانداری گلستان.
2. سلمان ماهینی، عبدالرسول؛ کامیاب، حمیدرضا (1390). سنجش از دور و سامانه­های اطلاعات جغرافیایی با نرم­افزار ایدریسی. چاپ دوم، تهران، انتشارات مهر مهدیس.
3. شایگان، مهران؛ علیمحمدی، عباس؛ منصوریان، علی (1391). «بهینه­سازی چندهدفة تخصیص کاربری اراضی با استفاده از الگوریتم NSGA-II»، فصل‌نامة سنجش از دور و GIS ایران، سال چهارم، شمارة دوم، صفحات 18-1.
4. Aerts, Jeroen; Heuvelin, Gerard (2002). "Using simulated annealing for resource allocation". International Journal of Geographical Information Science,16(6), 571-587.
5. Aerts, Jeroen; Eisinger, Erwin; Heuvelink, Gerard. B. M; Stewart, Theodor (2003). "Using linear integer programming for multi-site land-use allocation". Geographical Analysis, 35(2), 148–169.
6. Aerts, Jeroen; Van Herwijnen, Marjan; Janssen, Ron; Stewart, Theodor. J. (2005). "Evaluating spatial design techniques for solving land-use allocation problems". Journal ofEnvironmental Planning and Management, 48(1), 121–142.
7. Bettinger, Pete; Graetz, David; Boston, Kevin; Sessions, John;Chung, Woodam (2002). "Eight heuristic planning techniques applied to three increasingly difficult wildlife planning problems". Silva Fennica, 36(2), 561–584.
8. Cao, Kia; Huang, Bo;, Wang Shawen; Lin, Hui. "Sustainable land use optimization using Boundary-based Fast Genetic Algorithm", Computers, Environment and Urban Systems, 36, 257-269.
9. Cao, Kia; Huang, Bo; Zhao, Qing; Wang, Shengxiao, (2009). "Land use allocation optimization towards sustainable development based on genetic algorithm". In Geoinformatics, 2009 17th international Conference. Fairfax, USA. 1–5.
10. Cao, Kia., Batty, Michael., Huang, Bo., Liu, Yan., Yu, Le, and Jiongfeng, Chen (2011). " Spatial multi-objective land use optimization: extensions to the non-dominated sorting genetic algorithm-II, "International Journal of Geographical Information Science, 1-21.
11. Carver, Stephen. J. (1991). "Integrating multi-criteria evaluation with geographical information systems". International Journal of Geographical Information Science, 5(3), 321-339.
12. Duh, Jiunn-Der; Brown, Daniel. G. (2007). "Knowledge-informed pareto simulated annealing for multi-objective spatial allocation". Computers, Environment and UrbanSystems, 31, 235–281.
13. Feng, Cheng-Min; Lin, Jen-Jia (1999). "Using a genetic algorithm to generate alternative sketch maps for urban planning". Computers, Environment and Urban Systems, 23, 91–108.
14. Goldberg, David E. (1989).Genetic algorithms in search, optimization, and machine learning. Boston, MA: Addison-Wesley Longman.
15. Holland, John-Henry (1975).Adaptation in natural and artificial systems: an introductory analysis with applications to biology, control, and artificial intelligence. Ann Arbor, MI: University of Michigan Press.
16. Holzka¨mper, Annelie; Lausch, Angela; Seppelt, Ralf (2006). "Optimizing landscape configuration to enhance habitat suitability for species with contrasting habitat requirements". Ecological Modelling, 198, 277-292.
17. Huston Michel(2006). The Need for Science and Technology in Land Management, Online Book: The International Development Research Centre. http://www.idrc.ca/en/ev-29587-201-1-DO_TOPIC.html (Last Visit: 08.2014).
18. Janssen, Ron; Van Herwijnen, Marjan; Stewart, Theodor. J.; Aerts, Jeroen. C. J. H. (2008). "Multi objective decision support for land-use planning. Environment and Planning " B: Planningand Design, 35, 740–756.
19. Liu, Xiaoping;, Ou, Jinpei; Ai, Bin (2013). "Combining system dynamics and hybrid particle swarm optimization for land use allocation", Ecological Modeling, 257, 11-24.
20. Matthews, K. B.; Buchan, K.;Sibbald, A. R.; Craw, Susan (2006). "Combining deliberative and computer-based methods for multi-objective land-use planning". Agricultural Systems, 87, 18–37.
21. McGarigal, Kewin; Cushman, Sam. A.; Neel, Maile. C.; Ene, Eduard (2002). "FRAGSTATS: Spatial Pattern Analysis Program for Categorical Maps". University of Massachusetts, Amherst. Available from: <www.umass.edu/landeco/research/fragstats/fragstats.html> (Last Visit: 09.2014)
22. Michalewicz, Zbigniew (1996). Genetic algorithms+data structures=evolution programs. Berlin, Springer.
23. Mitchell, Melanie; Crutchfield, James P.; Hraber, Peter T. (1994). "Evolving cellular automata to perform computations: Mechanisms and impediments". Physica D, 75, 361–391.
24. Porta, Juan; Paraper, Jorge; Doallo, Ramon; Rivera, Francisco; Sante, Ines; Crecente, Rafael (2013). "High performance genetic algorithm for land use planning". Computers, Environment and Urban Systems, 37, 45-58.
25. Stewart, Theodor. J.; Janssen, Ron.; Van Herwijnen, Marjan (2004). "A genetic algorithm approach to multi objective land use planning". Computers & Operations Research, 31, 2293–2313.