
تعداد نشریات | 43 |
تعداد شمارهها | 1,685 |
تعداد مقالات | 13,837 |
تعداد مشاهده مقاله | 32,732,740 |
تعداد دریافت فایل اصل مقاله | 12,937,827 |
کاربرد مدل فازی در برنامهریزی کاربری زمین جهت توسعه شهری با هدف حفاظت از اکوسیستم طبیعی (مطالعه موردی: منطقه حفاظتشده بختگان) | ||
جغرافیا و برنامه ریزی محیطی | ||
مقاله 7، دوره 27، شماره 1 - شماره پیاپی 61، خرداد 1395، صفحه 69-88 اصل مقاله (1.91 M) | ||
شناسه دیجیتال (DOI): 10.22108/gep.2016.20794 | ||
نویسندگان | ||
امیر کرم1؛ فریده صفاکیش* 2؛ طیبه کیانی3 | ||
1دانشیار ژئومورفولوژی، دانشگاه خوارزمی تهران | ||
2دانشجوی دکتری ژئومورفولوژی، دانشگاه خوارزمی تهران | ||
3دانشجوی دکتری ژئومورفولوژی، دانشگاه اصفهان، اصفهان | ||
چکیده | ||
امروزه با افزایش رشد جمعیت مناطق حفاظتشده مورد تخریب قرارگرفتهاند، دریاچه بختگان، پارک ملی و منطقه حفاظتشده اطراف آن بهعنوان بخشی از تالاب نیریز از این قاعده مستثنی نیستند. حضور انسان و فعالیتهای او مهمترین شکل تعرض و اختلال بر روی مناطق حفاظتشده تلقی میشود. با توجه به پویا بودن و پیچیدگی و توسعه سریع و نامتوازن کالبدی شهرها استفاده از مدل در برنامهریزیها در سطح شهرها امری اجتنابناپذیر تلقی میشوند. امری که ایجاب میکند ارزیابی توان اکولوژیکی سرزمین قبل از مداخله در اراضی انجام گیرد.شهر نیریز در جنوب ناحیه حفاظتشده بختگان واقعشده است، ناحیهای که ازنظر زیستمحیطی و اکولوژیک اهمیت بسیار زیادی دارد اما امروزه به دلیل افزایش فعالیتهای اقتصادی و کشاورزی همراه با رشد جمعیت شاهد خشکاندن تالابها و تبدیل آنها به اراضی کشاورزی هستیم که نتیجه آن چیزی جزء یک اکوسیستم کویری نیست. بنابراین در این پژوهش برای ارزیابی توان اکولوژیک جهت توسعه آینده شهر نیریز و مناطق مجاور آن با استفاده از منطق فازی جهات مناسب و نامناسب با توجه به عوامل زیستمحیطی و شرایط طبیعی مشخص گردید.نقشه نهایی به دست آمده از مدل پیشنهادی نشان میدهد شمال شهر نیریز به دلیل وجود زمینهای مناسب جهت کشاورزی آبی فاقد توان جهت توسعه شهری است ولی بخشهای غرب و شرقی با توجه به معیارهای مدنظر از بالاترین توان برخوردار است. همچنین اکثر محدوده مجاور منطقه حفاظتشده بختگان دارای توان متوسط جهت توسعه شهری بوده است. بهطور کلی مناطق با توانهای عالی حدود 16/5 درصد، مناطق با توان زیاد 42/12 درصد، مناطق با توان متوسط 46/23 درصد، مناطق با توان کم 18/22 درصد و در نهایت مناطق با توان بسیار کم 75/36 درصد منطقه را تشکیل میدهد، به عبارتی حدود 59 درصد از مساحت ناحیه برای توسعه شهری نامناسب میباشد. این نقاط با امتیاز صفر بر روی نقشه نشان داده شدهاند. | ||
کلیدواژهها | ||
اکوسیستم؛ بختگان؛ توسعه فیزیکی؛ فازی؛ نیریز | ||
مراجع | ||
طاهری، سید محمود (1378) آشنایی با نظریههای فازی، چاپ دوم، جهاد دانشگاهی مشهد. قنواتی عزتاله و فاطمهدلفانیگودرزی (1392) مکانیابیبهینهتوسعهشهریباتأکیدبرپارامترهایطبیعیبااستفادهازمدل تلفیقیفازی AHP / مطالعهموردی: شهرستانبروجرد، دوفصلنامهیژئومورفولوژیکاربردیایران،شماره 1، صص 52-69. فرید، یداله (1375) جغرافیا و شهرشناسی، انتشارات دانشگاه تبریز. حسینی، هاشم، امیر کرم، امیر صفاری، عزت اله قنواتی و جاوید ابراهیم بهشتی (1390) ارزیابی و مکانیابی جهات توسعه فیزیکی شهر با استفاده از مدل منطق فازی (مطالعه موردی: شهر دیواندره)، نشریهتحقیقاتکاربردیعلومجغرافیایی،شماره23. صص 63-83. قدسی پور، ح (1385) فرایند تحلیل سلسله مراتبی، ص 236. گریماف و بوهامکارتر (١٣٧٩)سیستمهایاطلاعاتجغرافیاییبرایدانشپژوهانعلومزمین،ترجمهگروهGISسازمانزمینشناسیواکتشافاتمعدنیکشور. فرخیان، سمیه (1384) مقدمهای بر منطق فازی، قابل دسترسی در http://www.vojoudi.com/uncertainty/fuzzy_logic/farokhian.htm علمی زاده، هیوا (1382) کاربرد ژئومورفولوژی در توسعه و محدودیت کرج، مجله جغرافیا و توسعه، شماره 71، صص 67-63. شمسیپور،علیاکبرومحمدشیخی (1389) پهنهبندیمناطقحساسوآسیبپذیریمحیطیدرناحیهیغرب فارسباروشفازیوفرآیندتحلیلسلسلهمراتبی،مجلهیپژوهشهایجغرافیایطبیعی،شماره 73، 73-68. میرکتولی،جعفر ومحمدرضاکنعانی(1390)ارزیابیتواناکولوژیککاربریتوسعهیشهریبامدلتصمیمگیری چندمعیاریMCDM, GIS،مجلهیپژوهشهایجغرافیایانسانی،شماره77، صص 88_55. همدمی، قاسم، مجتبی محمدی، حسن احمدی و اسماعیل شیدای (1389) ارزیابی توان توسعه و آمایش حوضه آبخیز زرین گل استان گلستان با استفاده از GIS، نخستین کنفرانس و پژوهشهای کاربردی منابع آب ایران. لطفیزاده (2006) قابل دسترسی در: http://www.vojoudi.com/uncertainty/fuzzy-logic/fuzzy-history-01.htm An, P.,Moon, W.M., Rencz, A., (1991). Application of fuzzy set theory to integrated mineral exploration. Canadian Journal of Exploration Geophysics, 27(1), 1-11. Andriantiatsaholiniaina, L. A., V. S. Kouikoglou, et al. (2004). Evaluatingstrategies for sustainable development: fuzzy logic reasoning and sensitivityanalysis, Ecological Economics, 48(2): 149-172. Angel, S., Sheppard, S., Civco, D. L., Buckley, R., Chabaeva, A., Gitlin, L.,& Perlin, M. (2005). The dynamics of global urban expansion (p. 200). Washington, DC: World Bank, Transport and Urban Development Department. Baglio, S., Fortuna, L., Graziani, S. & Muscato, G., (1994). Membership function shape and the dynamic behaviour of systems, Adaptive Control Signal Process, v.8, p. 369–377. Bonham-Carter, G. (1994). Geographic information systems for geoscientists: modelling with GIS (No. 13). Elsevier. Chang Ni BIN, (2008). combing GIS with Fuzzy malticriteria decicsion making for landfill siting in afast geowing urban region. Jornal of Environmental management. de Gruijter J. J., Walvoort D. J. J. & Bragato G., (2011). Application of fuzzy logic to Boolean models fordigital soil assessment, Journal of Geoderma, Vol. 166(1): 15–33. Dill, R., Borba, J. A., & Murcia, F. (2004). Organization's Profitability Analysis: A Fuzzy Logic Approach. In Enampad Congress. Ertugrul Karsak, E., & Tolga, E. (2001). Fuzzy multi-criteria decision-making procedure for evaluating advanced manufacturing system investments. International journal of production economics, 69(1), 49-64. Fallah-Ghalhary, G. A., Mousavi-Baygi, M., & Nokhandan, M. H. (2009). Annual Rainfall Forecasting by Using Mamdani Fuzzy Inference System. Research Journal of Environmental Sciences, 3(4). Hough, M., (1990). Out of Place Restoring Identity the Regional Landscape, Yale Colledge. Kahraman, C., Cebeci, U., & Ruan, D. (2004). Multi-attribute comparison of catering service companies using fuzzy AHP: The case of Turkey. International Journal of Production Economics, 87(2), 171-184. Khan, Z., & Anjaneyulu, Y. (2003). Selection of hazardous waste dumpsites based on parameters effecting soil adsorption capacity–a case study. Environmental geology, 43(8), 986-990. Lin, F., Ying, H., MacArthur, R. D., Cohn, J. A., Barth-Jones, D., & Crane, L. R. (2007). Decision making in fuzzy discrete event systems. Information Sciences, 177(18), 3749-3763. Liu, Y., & Phinn, S. R. (2003). Modelling urban development with cellular autoata incorporating fuzzy-set approaches. Computers, Environment and Urban Systems, 27(6), 637-658. Malczewski, J. (1999). GIS and multicriteria decision analysis. John Wiley & Sons. Masser, I. (2001). Managing our urban future: the role of remote sensing and geographic information systems. Habitat International, 25(4), 503-512. Novriadi, H. P. M. & Darijanto, T., (2006). ApplyingFuzzy Logic Method in mineral potential mapping forepithermal gold mineralization in the Island of flores, EastNusa Tenggara using geographical information systems(GIS), Proceeding of 9th International Symposium onMineral Exploration: 62-68. Rafii, Y., Alavipanah, S. K., Malekmohammadi, B., Ramazani Mehrian, M., & Nasiri, H. (2011). Producing land cover maps using remote sensing and decision tree algorithm (Case study: Bakhtegan national park and wildlife refuge). Geography and Environmental Planning, 23(3), 93-110. Roger Jang, J. S. (1993). ANFIS: Adaptive-Network-Based FuzzyInference System, IEEE Trans. on Systems, Man and Cybernetics, vol. 23(3):665-685. Safari M, Kakaei R, Ataei M, et al. (2010). Using fuzzy TOPSIS method for mineral processing plant siteselection Case study: Sangan iron ore mine (phase 2). Arabian Journal of Geosciences. 10(4);327-329. Sands, P., & Peel, J. (2012). Principles of international environmental law. Cambridge University Press. Shetaii, SH,. Abdi, O,. (2008). Mapping of land use in mountainous regions of Zagros using ETM+ data, Journal of Agricultural Sciences and Natural Resources, 57, 129-138. Subedi S.P. (2006). International Economic Law Section A: Evolution and principles of international economic law, Revised version, University of London Press.
Sudhira, H. S., Ramachandra, T. V., & Jagadish, K. S. (2004). Urban sprawl: metrics, dynamics and modelling using GIS. International Journal of Applied Earth Observation and Geoinformation, 5(1), 29-39.
Tangestani, M., (2009). A comparative study ofDempster–Shafer and fuzzy models for landslidesusceptibility mapping using a GIS: An experience fromZagros Mountains, SW Iran, Journal of Asian EarthSciences, Vol. 35 (1): 66–73.
Tewolde, M. G., & Cabral, P. (2011). Urban sprawl analysis and modeling in Asmara, Eritrea. Remote Sensing, 3(10), 2148-2165.
Zadeh, L. A., (1965). Fuzzy sets. IEEE Information and Control, 8(3), 338–353.
Zimmermann, H.J., (1991). Fuzzy Set Theory and its Applications, second ed. Kluwer Academic Publishers, Boston, Dordrecht, London. | ||
آمار تعداد مشاهده مقاله: 1,192 تعداد دریافت فایل اصل مقاله: 1,266 |