An artificial neural network based aproach for modelling urban spatial growth
Download 0.85 Mb.
|
AN ARTIFICIAL NEURAL NETWORK BASED APROACH FOR MODELLING URBAN SPATIAL GROWTH
|
AN ARTIFICIAL NEURAL NETWORK BASED APROACH FOR MODELLING URBAN SPATIAL GROWTH ШАҲАРНИНГ ФАЗОВИЙ ЎСИШИНИ МОДЕЛЛАШТИРИШ УЧУН СУНЪИЙ НЕЙРОН ТАРМОҚҚА АСОСЛАНГАН ЁНДАШУВ ABSTRACT The present study attempts to develop an Artificial Neural Network (ANN) based model for simulating urban spatial growth. In this model remote sensing data is used to provide the empirical inputs about urban growth and other spatial information. GIS is used for handling of this spatial data, to obtain site attributes and training data for neural network, and to provide spatial functions for constructing the model. The Artificial Neural Network is used to reveal the relationships between future urban growth probability and site attributes, as ANN can capture the non–linear complex behavior of urban systems. A three layer feed forward neural network architecture is used in this study, which is trained using the back propagation algorithm to calculate the land use transition probability. The model results are evaluated using the percent correct match (PCM) metric and Moran spatial autocorrelation index to find out how accurately the model is able to predict the urban morphology. The model was applied to simulate the urban growth of Saharanpur city in Uttar Pradesh. Ушбу тадқиқот шаҳар фазовий ўсишини симуляция қилиш учун сунъий нейрон тармоқ (АНН) асосидаги моделни ишлаб чиқишга ҳаракат қилмоқда. Ушбу моделда масофадан зондлаш маълумотлари шаҳар ўсиши ва бошқа фазовий маълумотлар тўғрисида емпирик маълумотларни тақдим етиш учун ишлатилади. ГИС ушбу фазовий маълумотлар билан ишлаш, сайт атрибутлари ва нейрон тармоқ учун ўқув маълумотларини олиш ва моделни яратиш учун фазовий функцияларни таъминлаш учун ишлатилади. Сунъий нейрон тармоқ келажакдаги шаҳарларнинг ўсиш еҳтимоли ва сайт атрибутлари ўртасидаги муносабатларни очиш учун ишлатилади, чунки АНН шаҳар тизимларининг чизиқли бўлмаган мураккаб хатти–ҳаракатларини акс еттириши мумкин. Ушбу тадқиқотда уч қатламли олдинга йўналтирилган нейрон тармоқ архитектураси қўлланилади, у ердан фойдаланиш ўтиш еҳтимолини ҳисоблаш учун орқа тарқалиш алгоритми ёрдамида ўқитилади. Model натижалари фоиз тўғри ўйин (ПCМ) метрикаси ва Moran фазовий автокорреляция индекси ёрдамида model шаҳар морфологиясини қанчалик аниқ башорат қила олишини аниқлаш учун баҳоланади. Model Uttar-Прадешдаги Саҳарпур шаҳрининг шаҳар ўсишини симуляция қилиш учун қўлланилган. 1 INTRODUCTION Urban areas are growing at a very fast rate in developing countries as well as developed world. It is estimated that by the end of this century, fifty percent population will live in urban areas, which occupy only three percent of the total landmass. In the present decade, at least eighty percent population growth occurred in towns and cities. Towns and cities have acted as focal points in the cultural landscape of India also, though with some significant breaks in between. With over 12000 settlements and 5000 towns and cities, India has an urban area of gigantic magnitude. In 1981, India’s urban population surpassed that of the United States. In terms of absolute number of urban settlements and size of urban population, India is possibly one of the largest urbanized nation in the world today (Ramachandran). Ривожланаётган мамлакатларда ва ривожланган дунёда шаҳар ҳудудлари жуда тез суръатлар билан ўсиб бормоқда. Тахминларга кўра, ушбу асрнинг охирига келиб, еллик фоиз аҳоли умумий қуруқликнинг атиги уч фоизини егаллаган шаҳарларда яшайди. Ҳозирги ўн йилликда шаҳар ва шаҳарларда аҳолининг камида саксон фоиз ўсиши содир бўлди. Шаҳар ва шаҳарлар Ҳиндистоннинг маданий ландшафтида ҳам диққат марказида бўлиб келган, аммо улар орасида баъзи муҳим танаффуслар бўлган. 12000 дан ортиқ аҳоли пунктлари ва 5000 шаҳар ва шаҳарлари билан Ҳиндистон улкан катталикдаги шаҳар майдонига ега. 1981 йилда Ҳиндистоннинг шаҳар аҳолиси Қўшма Штатларникидан ошиб кетди. Шаҳар аҳоли пунктларининг мутлақ сони ва шаҳар аҳолисининг сони бўйича Ҳиндистон бугунги кунда дунёдаги енг йирик шаҳарлашган давлатлардан бири бўлиши мумкин (Ramachandran). The magnitude is so large that it warrants a close look into existing policies concerned with planning and development of urban areas. From 1960 onwards Master plans are being prepared for the India cities. Many a times the planning objectives are not fulfilled due to unprecedented haphazard urban growth. The anticipation of services and opportunities in cities fuels this growth. Due to large number of factors, including organizational structures and procedures, lack of effective planning, implementation of control system, etc; urban planners in developing countries feel like running behind the true facts (Hofstee 1988). In such real time data vacuum, the planner or administrator is forced to take policy decisions concerning vital urban development policies without sufficient and reliable information. Катталиги шунчалик каттаки, у шаҳарларни режалаштириш ва ривожлантириш билан боғлиқ мавжуд сиёсатни диққат билан кўриб чиқишни кафолатлайди. 1960 йилдан бошлаб Ҳиндистон шаҳарлари учун Бош режалар тайёрланмоқда. Шаҳарларнинг мисли кўрилмаган тартибсиз ўсиши туфайли режалаштириш мақсадлари кўп marta бажарилмайди. Шаҳарларда хизматлар ва имкониятларни кутиш бу ўсишни кучайтиради. Кўп сонли омиллар, жумладан, ташкилий тузилмалар ва процедуралар, самарали режалаштиришнинг йўқлиги, назорат тизимини жорий етиш ва бошқалар туфайли; ривожланаётган мамлакатларда шаҳарсозлар ҳақиқий фактлар ортида югуришни ҳис қилишади (Ҳофстее 1988). Бундай Реал вақтда маълумотлар вакуумида режалаштирувчи ёки маъмур етарли ва ишончли маълумоциз шаҳарларни ривожлантиришнинг муҳим сиёсатига оид сиёсий қарорларни қабул қилишга мажбур. It is therefore imperative to study the causes and dynamics of urban growth and provide models of urban growth to the planning bodies to be able to forecast urban growth patterns and structure the policies in short and long term to implement the intended plans. An endeavor has been made in this study to demonstrate the application of the neural networks to the modelling of urban spatial growth. Шунинг учун шаҳарларнинг ўсиши сабаблари ва динамикасини ўрганиш ва режалаштириш органларига шаҳарларнинг ўсиш моделларини тақдим етиш, шаҳарларнинг ўсиш тартибини прогноз қилиш ва мўлжалланган режаларни амалга ошириш учун қисқа ва узоқ муддатли истиқболда сиёсатни тузиш имкониятига ега бўлиш зарур. Ушбу тадқиқотда нейрон тармоқларининг шаҳар фазовий ўсишини моделлаштиришга татбиқ етилишини намойиш етишга ҳаракат қилинди. 2 DEFINING URBAN SPATIAL GROWTH 2 ШАҲАРНИНГ ФАЗОВИЙ ЎСИШИНИ АНИҚЛАШ Urban development is one kind of emergent phenomenon of urban system, which is very complex and hard to measure. Generally, urban development phenomena can be divided into two different types. One is urban spatial growth the other is urban redevelopment. The former is the main application field of Artificial Neural Networks (ANN) modelling for this research. Urban growth indicates a transformation of the vacant land or natural environment to construction of urban fabrics including residential, industrial and infrastructure development. It mostly happens in the fringe areas (Shenghe and Sylvia, 2002). From system view, urban growth is a spontaneous and self-organization process (Wu, 2000). Spontaneous growth results in a homogeneous and sparse spatial pattern, which contains more random components, whereas self–organizational growth results in spatial agglomeration pattern, (Cheng, 2003a). Contemporary urban growth consists of three interrelated problems of spatial dynamics: the decline of central or core cities which usually mark the historical origins of growth, the emergence of edge cities which both compete with and complement the functions of the core, and the rapid urbanization of the periphery of cities which represent the spatially most extensive indicator of such growth. Clearly, urban growth is one complex spatial changing phenomenon in urban system in which a number of components interact non-linearly with each other i.e. land use, transportation, culture, population, policies, economics and so on. Шаҳарсозлик-бу жуда мураккаб ва ўлчаш қийин бўлган шаҳар тизимининг пайдо бўладиган ҳодисаларидан биридир. Одатда, шаҳарсозлик ҳодисаларини икки хил турга бўлиш мумкин. Улардан бири шаҳарнинг фазовий ўсиши, иккинчиси шаҳарни қайта қуриш. Биринчиси, ушбу тадқиқот учун сунъий нейрон тармоқларини (АНН) моделлаштиришнинг асосий дастур соҳаси. Шаҳарларнинг ўсиши бўш ер ёки табиий муҳитнинг шаҳар матоларини қуришга, шу жумладан турар-жой, саноат ва инфратузилмани ривожлантиришга ўзгаришини кўрсатади. Бу асосан чекка жойларда содир бўлади (Шенгҳе ва Силвия, 2002). Тизим нуқтаи назаридан шаҳар ўсиши ўз-ўзидан ва ўз-ўзини ташкил етиш жараёнидир (Ву, 2000). Спонтан ўсиш кўпроқ тасодифий компонентларни ўз ичига олган бир ҳил ва сийрак фазовий нақшга олиб келади, ўз–ўзини ташкилий ўсиш еса фазовий агломерация нақшига олиб келади (Cheng, 2003а). Замонавий шаҳар ўсиши фазовий динамиканинг ўзаро боғлиқ учта муаммосидан иборат: одатда ўсишнинг тарихий келиб чиқишини белгилайдиган Марказий ёки асосий шаҳарларнинг пасайиши, ядро функциялари билан рақобатлашадиган ва тўлдирадиган чекка шаҳарларнинг пайдо бўлиши ва тез урбанизация фазовий жиҳатдан енг кенг тарқалган шаҳарларни ифодаловчи шаҳарларнинг атрофи бундай ўсиш кўрсаткичи. Шубҳасиз, шаҳар ўсиши шаҳар тизимидаги мураккаб фазовий ўзгарувчан ҳодисалардан бири бўлиб, унда бир қатор компонентлар бир-бири билан чизиқли бўлмаган ўзаро таъсир қилади, яъни. ердан фойдаланиш, transport, маданият, аҳоли, сиёсат, иқтисодиёт ва бошқалар. Although, cities may be different from several points of view, but despite these differences, cities have some characteristics that make them similar. Dynamism and growth are two of the elements which characterize most of the urban areas. Гарчи шаҳарлар бир нечта нуқтаи назардан фарқ қилиши мумкин, аммо бу фарқларга қарамай, шаҳарлар уларни ўхшаш қиладиган баъзи хусусиятларга ега. Динамизм ва ўсиш шаҳарларнинг аксарият қисмини тавсифловчи елементлардан иккитасидир. 3 NEED OF MODELING URBAN SPATIAL GROWTH 3 ШАҲАР ФАЗОВИЙ ЎСИШИНИ МОДЕЛЛАШТИРИШГА ЕҲТИЁЖ Looking through the history of modelling, it is quite clear that its progress is dependent on the advances in other areas such as system sciences (including mathematics, physics and chemistry), computer science and techniques, and various application domains. Progress in system sciences and computer science has brought about a new revolution in quantitative geography. The “quantitative revolution” in economics, geography and the social sciences reached the planning profession in 1960s (Wegener, 2001). The emergence of “the old three system theories” (general system theory, information theory and cybernetics) and computer techniques in the 1940s spurred the first modelling revolution, which is based on linear equations but is not spatially explicit. Famous paradigms include the Lowry urban development model (Lowry, 1964), the spatial interaction model (Wilson, 1970) and the input-output model (Leontief, 1970). It is persuasive that the advances in remote sensing (RS), geographical information science (GIS) and system theories, especially the developing complexity and non-linear theories (the most promising science in the 21st century), is undoubtedly stimulating a new development wave of modelling. The reasons are threefold. First, complexity theory brings hopes for reunderstanding the systems or phenomena under study. A recent resurgence of interest in complexity issues is evident as new theories and methods have mushroomed in the last few decades (Wu and David, 2002). Second, new mathematical methods create new means to represent and quantify the complexity. Third, remote sensing and GIS guarantee the availability of data on various spatial and temporal scales. Моделлаштириш тарихини кўриб чиқсак, унинг тараққиёти тизим фанлари (шу жумладан математика, физика ва кимё), информатика ва техника ва турли хил дастур соҳалари каби бошқа соҳалардаги ютуқларга боғлиқлиги аниқ. Тизим фанлари ва информатика соҳасидаги тараққиёт миқдорий географияда янги инқилобни келтириб чиқарди. Иқтисодиёт, география ва ижтимоий фанлардаги" миқдорий инқилоб " 1960-йилларда режалаштириш касбига еришди (Вегенер, 2001). "Ески учта тизим назарияси" нинг пайдо бўлиши (умумий тизим назарияси, ахборот назарияси ва кибернетика) ва компютер техникаси 1940-йилларда чизиқли тенгламаларга асосланган, аммо фазовий жиҳатдан аниқ бўлмаган биринчи моделлаштириш инқилобига туртки бўлди. Машҳур парадигмаларга Лоури шаҳарсозлик модели (Лоури, 1964), фазовий ўзаро таъсир модели (Уилсон, 1970) ва кириш-чиқиш модели (Леонтиеф, 1970) киради. Масофадан зондлаш (РС), географик ахборот фанлари (ГИС) ва тизим назариялари, айниқса ривожланаётган мураккаблик ва чизиқли бўлмаган назариялар (21-асрдаги енг истиқболли фан) ютуқлари, шубҳасиз, моделлаштиришнинг янги ривожланиш тўлқинини рағбатлантиради. Сабаблари уч баравар. Биринчидан, мураккаблик назарияси ўрганилаётган тизимлар ёки ҳодисаларни қайта тушунишга умид қилади. Сўнгги бир неча ўн йилликларда янги назариялар ва усуллар қўзиқорин пайдо бўлганлиги сабабли мураккаблик масалаларига қизиқишнинг яқинда тикланиши аниқ (Ву ва Девид, 2002). Иккинчидан, янги математик усуллар мураккабликни ифодалаш ва миқдорини аниқлаш учун янги воситаларни яратади. Учинчидан, масофадан зондлаш ва ГИС турли фазовий ва вақтинчалик шкалалар бўйича маълумотлар мавжудлигини кафолатлайди. With the help of modelling and simulation, we can reduce uncertainty and increase our understanding of the urban system. Planning is a future-oriented activity, strongly conditioned by the past and present, planners need to enhance their analytical, problem solving and decision making capabilities. Urban modelling can facilitate scenario building and provide an important aid to future directed decision- making (Cheng 2003a). In this way, urban planning will become more scientific and rational and the subjectivity in planning process will decrease. Моделлаштириш ва симуляция ёрдамида биз ноаниқликни камайтиришимиз ва шаҳар тизими ҳақидаги тушунчамизни оширишимиз мумкин. Режалаштириш-бу ўтмиш ва ҳозирги замон билан чамбарчас боғлиқ бўлган келажакка йўналтирилган фаолият, режалаштирувчилар ўзларининг аналитик, муаммоларни ҳал қилиш ва қарор қабул қилиш имкониятларини оширишлари керак. Шаҳар моделлаштириш сценарийларни яратишни осонлаштириши ва келажакда қарор қабул қилишда муҳим ёрдам бериши мумкин (Cheng 2003а). Шундай қилиб, шаҳарсозлик янада илмий ва оқилона бўлади ва режалаштириш жараёнида субъективлик пасаяди. By modelling urban system, researchers can test and evaluate some theoretical hypotheses and ideas in a controlled environment, since different urban models work as different social labs, where various experiments can be done. It equips urban research with more experiment method compared with past, pure theoretical research (Jiao 2003). While a model will always fall short of incorporating all aspects of the ‘real world’, it provides valuable information on the system’s behavior. With the advent of high end computers, computational modelling has become more feasible, paving way to many approaches and visualizations in GIS environment. Thus models of land use change serve as useful tools for: Моделлаштириш орқали шаҳар тизими, тадқиқотчилар баъзи назарий гипотезалар ва ғояларни бошқариладиган муҳитда синаб кўришлари ва баҳолашлари мумкин, чунки турли хил шаҳар моделлари турли хил тажрибалар ўтказилиши мумкин бўлган турли хил ижтимоий лабораториялар сифатида ишлайди. Шаҳар тадқиқотларини ўтмишдаги, соф назарий тадқиқотлар билан таққослаганда кўпроқ тажриба усули билан жиҳозлайди (Жиао 2003). Model ҳар доим ъ ҳақиқий дунё ъ нинг барча жиҳатларини ўз ичига олмайди, бу тизимнинг хатти-ҳаракатлари тўғрисида қимматли маълумотларни беради. Юқори даражадаги компютерларнинг пайдо бўлиши билан ҳисоблаш моделлаштириш янада қулайроқ бўлиб, ГИС муҳитида кўплаб ёндашувлар ва визуализацияларга йўл очди. Шундай қилиб, ердан фойдаланишни ўзгартириш моделлари қуйидагилар учун фойдали восита бўлиб хизмат қилади: • Exploring the various mechanisms by which land use change occurs and social, economic and spatial variable that drive it (Batty and Longely, 1994); • Projecting potential future environmental and economic impacts of land use change (Alig, 1986; Theobald, Miller & Hobbs, 1997); and • Evaluation of influence of alternative policies and management regimes on land use and development patterns (Constanza, et al 1995). * Ердан фойдаланиш ўзгариши ва уни бошқарадиган ижтимоий, иқтисодий ва фазовий ўзгарувчанликнинг турли механизмларини ўрганиш (Batty ва Лонгелй, 1994) ; * Ердан фойдаланиш ўзгаришининг келажакдаги потенциал екологик ва иқтисодий таъсирини лойиҳалаш (Алиг, 1986; Тҳеобалд, Miller ва Хоббс, 1997); ва * Муқобил сиёсат ва бошқарув режимларининг ердан фойдаланиш ва ривожланиш моделларига таъсирини баҳолаш (Cонстанза, ва бошқ 1995). 4 ARTIFICIAL NEURAL NETWORKS 4 СУНЪИЙ НЕЙРОН ТАРМОҚЛАРИ A Neural Network is a massively parallel distribution processor that has a natural property for storing experimental knowledge and making it available for use, resembling the brain in two ways: Нейрон тармоқ-бу експериментал билимларни сақлаш ва уни ишлатиш учун табиий хусусиятга ега бўлган, мияга икки жиҳатдан ўхшаш бўлган массив parallel тарқатиш процессори: • Knowledge is acquired by the network through a learning process; and • Inter neuron connection strengths known as synaptic weights are used to store the knowledge (Aleksander and Morton 1990). * Билим тармоқ томонидан ўқув жараёни орқали олинади; ва * * Синаптик оғирликлар деб номланувчи Интернеурон уланиш кучлари билимларни сақлаш учун ишлатилади (Aleksandr ва Morton 1990). Artificial Neural Networks (ANN) can be termed as powerful tools for modelling complex systems, finding their way in cybernetics, bio-chemical modelling, etc. The urban areas are highly complex systems, so application of Artificial Neural Networks (ANN) to modelling urban growth is quite relevant. Unlike the more commonly used analytical methods, the ANN is not dependent on particular functional relationships, it makes no assumptions regarding the distributional properties of the data, and requires no a priori understanding of variable relationships. This independence makes the Artificial Neural Networks (ANN) a potentially powerful modelling tool for exploring nonlinear complex problems like urban growth (Olden and Jackson, 2001). According to published literature on various applications of Artificial Neural Networks (ANN), its strength lies in prediction and performing “what-if” types of experiment (Corne et al., 1999). Artificial Neural Networks (ANN) based modelling fits into the category of regression-type model, the aim of which is to establish a functional relationship between a set of spatial predictor variables that are used to predict the locations of the change in the urban landscape. Сунъий нейрон тармоқлари (АНН) мураккаб тизимларни моделлаштириш, кибернетика, био-кимёвий моделлаштириш ва ҳоказоларда ўз йўлларини топиш учун кучли воситалар деб аташ мумкин. Шаҳар ҳудудлари жуда мураккаб тизимлардир, шунинг учун сунъий нейрон тармоқларини (АНН) шаҳар ўсишини моделлаштириш учун қўллаш жуда долзарбдир. Кўпроқ ишлатиладиган аналитик усуллардан фарқли ўлароқ, АНН маълум функционал муносабатларга боғлиқ емас, у маълумотларнинг тақсимот хусусиятлари тўғрисида ҳеч қандай тахмин қилмайди ва ўзгарувчан муносабатларни априори тушунишни талаб қилмайди. Ушбу мустақиллик сунъий нейрон тармоқларини (АНН) шаҳар ўсиши каби чизиқли бўлмаган мураккаб муаммоларни ўрганиш учун потенциал кучли моделлаштириш воситасига айлантиради (Olden ва Жексон, 2001). Сунъий асаб тармоқлари (АНН) турли иловалар ҳақида чоп етилган адабиётлар кўра, унинг кучи башорат ва тажриба "нима-агар" турларини амалга ётади (Cорне ва бошқ., 1999). Сунъий нейрон тармоқлари (АНН) асосидаги моделлаштириш тоифасига мос келади регрессия типидаги model, унинг мақсади шаҳар ландшафтидаги ўзгариш жойларини башорат қилиш учун ишлатиладиган фазовий башорат қилувчи ўзгарувчилар тўплами ўртасида функционал муносабатларни ўрнатишдир. The main objective of the research is to develop Artificial Neural Network (ANN) based model for urban spatial growth modelling. The research is aimed at demonstration of ANN in modelling complex urban systems and effectiveness of remote sensing and GIS in such studies as spatial data providers and spatial data handlers respectively. Research objectives in this broader scenario are as follows: Тадқиқотнинг асосий мақсади шаҳар фазовий ўсишини моделлаштириш учун сунъий нейрон тармоқ (АНН) асосидаги моделни ишлаб чиқишдир. Тадқиқот АНН-ни мураккаб шаҳар тизимларини моделлаштиришда ва самарадорлигини намойиш етишга қаратилган масофадан туриб зондлаш ва ГИС каби тадқиқотларда фазовий маълумотларни етказиб берувчилар ва фазовий маълумотларни қайта ишловчилар навбати билан. Ушбу кенгроқ сценарийда тадқиқот мақсадлари қуйидагилардан иборат: • To demonstrate the use of GIS and remote sensing as spatial data providers and spatial data handlers in urban modelling; • To demonstrate the use of Artificial Neural Network (ANN) in modeling urban growth; • To identify the factors affecting urban growth in the study area; and • To check the accuracy of the model. * Шаҳар моделлаштиришда фазовий маълумотларни етказиб берувчилар ва фазовий маълумотларни қайта ишловчилар сифатида ГИС ва масофадан зондлашдан фойдаланишни намойиш етиш; * Шаҳар ўсишини моделлаштиришда сунъий нейрон тармоқ (АНН) дан фойдаланишни намойиш қилиш; * Тадқиқот соҳасидаги шаҳар ўсишига таъсир қилувчи омилларни аниқлаш; ва * Моделнинг тўғрилигини текшириш учун. The urban growth model is designed based only on the physical parameters affecting urban growth, like distance variables, due to nonavailability of socio-economic-political variables and to avoid the complexity of modelling with such stochastic factors. Spatial rules used to build the interactions between the predictor cells and potential locations for transition are assumed to remain constant. Шаҳар ўсиши модели ижтимоий-иқтисодий-сиёсий ўзгарувчиларнинг мавжуд емаслиги ва бундай стохастик омиллар билан моделлаштиришнинг мураккаблигини олдини олиш учун фақат масофа ўзгарувчилари каби шаҳар ўсишига таъсир қилувчи жисмоний параметрларга асосланган ҳолда ишлаб чиқилган. Башоратчи ҳужайралар ва ўтиш учун потенциал жойлар ўртасидаги ўзаро таъсирларни яратиш учун ишлатиладиган фазовий қоидалар доимий бўлиб қолади деб тахмин қилинади. The spatial database consisting of land use maps of different years and various spatial variables were generated by visually interpreting the following temporal time series remote sensing data and converting the analogue maps into digital format in Arc / Info software: Турли йиллардаги ердан фойдаланиш хариталари ва турли хил фазовий ўзгарувчилардан ташкил топган фазовий маълумотлар базаси қуйидаги вақтинчалик вақт сериясини масофадан зондлаш маълумотларини визуал равишда талқин қилиш ва analog хариталарни арc / Инфо дастурий таъминотида рақамли форматга айлантириш орқали яратилган: • IRS-1D, PAN + LISS-III MERGED imagery of Saharanpur of November 2001; and • Land use / Land cover Map of 1993 based on field survey and Aerial Photographs of 1988. * ИРС-1Д, ПАН + ЛИСС-ИИИ ноябр Саҳаранпур тасаввур бирлаштирилди 2001; ва * 1993 йилдаги дала тадқиқотлари ва 1988 йилдаги аерофотосуратлар асосида ердан фойдаланиш / қуруқлик харитаси. The study area of Saharanpur City lies within 77°30' E to 77°35' E longitude and 29°55' N to 30°0' N latitude and is situated in the GangaYamuna plains of Uttar Pradesh province of India. The total study area covers an area 80.1 sq. km and has a flat terrain gently sloping toward south. Two perennial rivers Dhamaula and Pandhoi flow through the city. Pandhoi river flows through the town from north to south. The River Dhamaula comes from eastern side and flows towards west to meet the Pandhoi river. The city is well connected to other areas by railway and road network. Most of the original settlement of the city is located on the western side of Dhamaula River. As per the census reports, in 1921, the city had a population of 62,000 which increased to 3,75,000 in 1991. The city had a rapid growth rate after 1947 mainly due to rehabilitation of refugees who came after partition of the country in 1947. The population growth during 1971-81 & 1981-91 was 31.04percent and 26.94% respectively. Saharanpur city is famous for its production of traditional wooden sculpture and furniture works. In the early nineteenth century, industrialization began with the establishment of cigarette factory and paper mill. The city in regional setting has a very significant place as a transport node and centre for paper, straw board, tobacco and agricultural product based industries. Саҳарпур шаҳрининг тадқиқот майдони 77 ичида жойлашган хнумх ъ Е дан 77 гача хнумх ъ е дан хнумх гача хнумх ъ узунлик ва 29 хнумх ъ Н дан 30 гача хнумх хнумх гача хнумх хнумх хнумх кенглик ва Ganga Ямуна текисликларида жойлашган Uttar-Pradesh вилояти Ҳиндистон. Умумий ўқув майдони 80,1 кв. км ва текис релефга ега бўлиб, жануб томон юмшоқ қияликка ега. Икки кўп йиллик дарёлар Дҳамаула ва Пандҳои шаҳар орқали оқади. Пандхой дарёси шаҳар орқали шимолдан жанубга оқиб ўтади. Дарё Дҳамаула Шарқий томондан келиб, Пандхой дарёсини кутиб олиш учун Ғарб томон оқади. Шаҳар темир йўл ва автомобил йўллари тармоғи орқали бошқа ҳудудлар билан яхши боғланган. Шаҳарнинг асл аҳоли пунктининг аксарияти ғарбий томонда жойлашган Дҳамаула дарёси. Аҳолини рўйхатга олиш ҳисоботларига кўра, 1921 йилда шаҳарда 62000 аҳоли истиқомат қилган ва бу 3,75,000 йилда 1991 кишига кўпайган. Шаҳар 1947 йилдан кейин тез ўсиш суръатларига ега еди, асосан 1947 йилда мамлакат бўлиниб кетганидан кейин келган қочқинларни реабилитация қилиш ҳисобига. 1971-81 ва 1981-91 йиллар давомида аҳолининг ўсиши мос равишда 31,04 фоиз ва 26,94% ни ташкил етди. Саҳарпур шаҳри анъанавий ёғоч ҳайкалтарошлик ва мебел ишларини ишлаб чиқариш билан машҳур. Ўн тўққизинчи асрнинг бошларида саноатлаштириш сигарет фабрикаси ва қоғоз фабрикасини ташкил етиш билан бошланди. Минтақавий шароитда шаҳар transport тугуни ва қоғоз, сомон тахтаси, tamaki ва қишлоқ хўжалиги маҳсулотларига асосланган саноат маркази сифатида жуда муҳим ўрин тутади. 5 IMPLEMENTING THE MODEL 5 МОДЕЛНИ АМАЛГА ОШИРИШ 5.1 Remote Sensing and GIS for Obtaining Site Attributes 5.1 сайт атрибутларини олиш учун масофадан зондлаш ва ГИС A GIS database which contains both raster and vector data was built to provide the basic spatial information for the simulation. Maps showing the built up and unbuilt area for year 1993 and 2001 were made by interpretation of aerial photographs and satellite data respectively (Fig. 1 and Fig. 2), from these two maps, a map showing the built up area change from year 1993 to 2001 was derived (Fig. 3).Other spatial data layers such as, major roads, minor roads (Fig. 4), city center were also made from the above mentioned datasets. Although the original database contained both vector and raster data, they were finally converted into a raster format for the simulation. All the data were converted into a raster format with each cell representing an area of 20X20 meter on the ground Standard GIS operations like Euclidian distance, focal sum, etc; were carried out to retrieve site attributes such as distance to major roads (Fig. 5) and minor roads, amount of built up in neighbourhood, etc; and to prepare training data for ANN. A total of five spatial variables were chosen for the simulation of urban growth (Table1). They include various distance-based variables, neighbourhood functions, etc. Studies have shown that these variables are closely related to urban growth process (White and Engelen, 1993, Wu and Webster 1998, Li and Yeh, 2000). For the simulation each cell is represented by a set of site attributes. These attributes are passed through the network for getting the output values that is the conversion probabilities. Thus, Land use conversion can be predicted based on site attributes although the relationships may be quite complex. Симуляция учун асосий фазовий маълумотларни тақдим етиш учун raster ва вектор маълумотларини ўз ичига олган ГИС маълумотлар базаси қурилган. 1993 ва 2001 йиллар учун қурилган ва қурилмаган майдонни кўрсатадиган хариталар мос равишда аерофотосуратлар ва сунъий йўлдош маълумотларини талқин қилиш йўли билан тузилган (анжир. 1 ва анжир. 2), ушбу иккита харитадан 1993 йилдан 2001 йилгача қурилган майдон ўзгаришини кўрсатадиган харита олинган (анжир. 3).Каби бошқа фазовий маълумотлар қатламлари, асосий йўллар, кичик йўллар (Фиг . 4), шаҳар маркази, шунингдек, юқорида айтиб ўтилган маълумотлар қилинган. Асл маълумотлар базасида вектор ва raster маълумотлар мавжуд бўлса-да, улар ниҳоят симуляция учун raster форматига айлантирилди. Барча маълумотлар Евклид масофа каби замин standart ГИС операциялари бўйича 20х20 метр майдони вакили ҳар бир ҳужайра билан бир raster форматда айлантирилган, бош йиғиндиси, етc; бундай йирик йўллар масофа сифатида сайт сифатларини олиш учун амалга оширилди (Фиг. 5) ва кичик йўллар, маҳаллада қурилган миқдори ва бошқалар; ва АНН учун ўқув маълумотларини тайёрлаш. Шаҳар ўсишини симуляция қилиш учун жами бешта фазовий ўзгарувчи танланган (1-жадвал). Уларга масофага асосланган турли хил ўзгарувчилар, маҳалла функциялари ва бошқалар киради. Тадқиқотлар шуни кўрсатдики, бу ўзгарувчилар шаҳарларнинг ўсиш жараёни билан чамбарчас боғлиқ (оқ ва Енгелен, 1993, Ву ва Вебстер 1998, Ли ва Еҳ, 2000). Симуляция учун ҳар бир ҳужайра сайт атрибутлари тўплами билан ифодаланади. Ушбу атрибутлар конверсия еҳтимоли бўлган чиқиш қийматларини олиш учун тармоқ орқали узатилади. Шундай қилиб, ердан фойдаланиш конвертациясини сайт атрибутлари асосида тахмин қилиш мумкин, аммо муносабатлар жуда мураккаб бўлиши мумкин. Fig. 1 Builtup Area in Saharanpur – 1993 Шакл. 1 Саҳаранпурдаги қурилган майдон – 1993 йил Fig. 2 Builtup Area in Saharanpur 2001 Шакл. 2 Саҳаранпурда 2001 йилда қурилган майдон Fig. 3 Increase in Builtup Area 1993-2001 Шакл. 3 1993-2001 йилларда қурилган майдоннинг кўпайиши Fig. 4 Road Network Map Шакл. 4 Йўл Тармоғи Харитаси Fig. 5 Distance from Major Roads (in Mtrs.) Шакл. 5 йирик йўллар масофа (Мтрс йилда.) Table 1 GIS based Predictor Variables 1-жадвал ГИС асосидаги башоратчи ўзгарувчилар
5.2 ANN based Calibration and Simulation 5.2 АНН асосидаги калибрлаш ва симуляция In order to develop a neural network with adequate predictive capacity, it is necessary to choose a training algorithm of good convergence capability, design good network architecture and prepare an optimum training data set for correct data representation. A three layer feed forward neural network of 5-8-6-1 architecture was chosen for simulation and was trained using the Back propagation algorithm. The well trained network with least RMSE and acceptable generalization difference of error with test data was taken up for simulation. The complete set of all the driving factor variables is passed through the same architecture using the best training weights and biases, to obtain a simulated map of change in built up area for 1993-2001 (Fig.6). Етарли башорат қилиш қобилиятига ега бўлган нейрон тармоқни ривожлантириш учун яхши конвергенция қобилиятининг ўқув алгоритмини танлаш, яхши тармоқ архитектурасини лойиҳалаш ва маълумотларни тўғри намойиш қилиш учун optimal ўқув маълумотлар тўпламини тайёрлаш керак. Симуляция учун 5-8-6-1 архитектурасининг уч қатламли беслеме нейрон тармоғи танланган ва орқа тарғибот алгоритми ёрдамида ўқитилган. Синов маълумотлари билан хатоларнинг енг кам РМСЕ ва мақбул умумлашма фарқига ега бўлган яхши ўқитилган тармоқ симуляция учун қабул қилинди. Барча ҳаракатлантирувчи омил ўзгарувчиларининг тўлиқ тўплами 1993-2001 йилларда қурилган майдондаги ўзгаришларнинг симуляция қилинган харитасини олиш учун енг яхши машғулот оғирликлари ва ноаниқликлари ёрдамида бир хил архитектура орқали ўтказилади (анжир.6). 5.3 Model Accuracy Assessment 5.3 Model Аниқлигини Баҳолаш The model was based on five input driving variables of urban growth and the ANN calibrated output of the model for year 2001 is compared with the actual urban growth for year 2001 for Saharanpur city. The percent correct match (PCM) metric has been adopted to address the issue of model accuracy. In the percent correct match (PCM) metric cells that were predicted to transition to built-up (by the model output) are compared to the cells that actually did transition during the same period of study. The percentage of cells falling into category is then divided by actual number of cells transitioning to obtain a percent correct match (PCM) metric, calculated as follows: Model шаҳар ўсишининг бешта ҳаракатлантирувчи ўзгарувчисига асосланган еди ва 2001 йил учун моделнинг Анн калибрланган чиқиши Саҳаранпур шаҳри учун 2001 йил учун ҳақиқий шаҳар ўсиши билан таққосланади. Моделнинг аниқлиги масаласини ҳал қилиш учун фоиз тўғри ўйин (ПCМ) метрикаси қабул қилинган. Ин фоиз тўғри ўйин (ПCМ) ўрнатилган (model чиқиши бўйича) ўтишга тахмин қилинган метрик ҳужайралар худди шу ўрганиш даврида ўтишни амалга оширган ҳужайралар билан таққосланади. Кейин тоифага кирадиган ҳужайралар улуши а олиш учун ўтадиган ҳужайраларнинг ҳақиқий сонига бўлинади фоиз тўғри ўйин (ПCМ) метрикаси, қуйидагича ҳисобланади: PCM = (cells correctly predicted to change * 100) / (cells actually transitioned) = (12299/18476)*100 = 66.56% ПCМ = (ҳужайралар тўғри ўзгартириш башорат * 100) / (ҳужайралар аслида ўтиш) = (12299/18476)*100 = 66.56% The PCM matrix calculates the accuracy based on a per pixel basis, but does not give any idea about how accurately the model has been able to predict the urban morphology. Moran spatial autocorrelation index has been calculated for the simulated 2001 and actual 2001 built up area in order to measure how accurately the model has been able to predict the urban spatial pattern or morphology. Spatial autocorrelation is a measure of the similarity of objects within an area. Two objects which are close together and that have very similar aspatial descriptors are highly spatially correlated. Two objects close together that have very different aspatial descriptors are not very spatially auto correlated (the objects are considered spatially independent). A Moran spatial autocorrelation index greater than zero indicates a regionalized, smooth, clustered type of pattern and a Moran spatial autocorrelation index equal to zero indicates an, uncorrelated, random pattern. The Moran spatial autocorrelation index for simulated 2001 year urban built up area was 0.927 and the Moran index for actual 2001 year built up was 0.973. ПCМ матрицаси ҳар бир пиксел асосида аниқликни ҳисоблаб чиқади, аммо model шаҳар морфологиясини қанчалик аниқ башорат қила олганлиги ҳақида ҳеч қандай тасаввур бермайди. Moran фазовий автокорреляция индекси model шаҳар фазовий нақшини ёки морфологиясини қанчалик аниқ башорат қила олганлигини ўлчаш учун симуляция қилинган 2001 ва 2001 йилдаги ҳақиқий қурилган майдон учун ҳисоблаб чиқилган. Фазовий автокорреляция майдон ичидаги объектларнинг ўхшашлигининг ўлчовидир. Бир-бирига яқин бўлган ва жуда ўхшаш аспатиал тавсифловчиларга ега бўлган иккита объект фазовий жиҳатдан ўзаро боғлиқдир. Жуда хилма-хил аспатиал тавсифловчиларга ега бўлган бир-бирига яқин иккита объект жуда фазовий автоматик корреляция қилинмаган (объектлар фазовий мустақил деб ҳисобланади). Нолдан катта Moran фазовий автокорреляция индекси минтақалаштирилган, силлиқ, кластерли нақш турини ва Нолга тенг Moran фазовий автокорреляция индекси ўзаро боғлиқ бўлмаган тасодифий нақшни билдиради. Симуляция қилинган 2001 йил шаҳар қурилган майдон учун Moran фазовий автокорреляция индекси 0,927 ва ҳақиқий 2001 йил учун Moran индекси 0,973 еди. 6 CONCLUSIONS 6 хулоса The aim of this research was to develop a model to predict the trend of urban growth using GIS and artificial neural networks. Remote sensing data helped in model calibration by providing a temporal dataset. Urban growth at the city edges, as seen from the study, is the most dynamic zone where the non-urban land is always under foreshadow of being converted into built up area. The uncontrolled and aimless overspill of the city makes it difficult for the city administration to plan in advance and provide basic services to all these areas. The proposed model will help in predicting the trend of urban growth, thus helping to take stock of the future urban growth and avoid ill effects, if any, through planning measures. The study has illustrated the following points: Ушбу тадқиқотнинг мақсади ГИС ва сунъий нейрон тармоқлари ёрдамида шаҳарларнинг ўсиш тенденциясини башорат қилиш моделини ишлаб чиқиш еди. Масофадан зондлаш маълумотлари вақтинчалик маълумотлар тўпламини тақдим етиш орқали моделни калибрлашда ёрдам берди. Тадқиқотдан кўриниб турибдики, шаҳар чеккаларида шаҳарларнинг ўсиши енг динамик зонадир, бу ерда шаҳар бўлмаган ерлар ҳар доим қурилган майдонга айлантирилишини англатади. Шаҳарнинг назорациз ва мақсадсиз ҳаддан ташқари кўпайиши шаҳар маъмуриятига олдиндан режалаштиришни ва ушбу соҳаларнинг барчасига асосий хизматларни кўрсатишни қийинлаштиради. Таклиф етилаётган model шаҳар ўсиши тенденциясини башорат қилишга ёрдам беради ва шу билан келажакдаги шаҳар ўсишини ҳисобга олишга ва агар мавжуд бўлса, режалаштириш чоралари орқали ёмон таъсирлардан қочишга ёрдам беради. Тадқиқот қуйидаги фикрларни кўрсатди: • The researched neural network model is simple and convenient in application, but can generate very complex features of urban systems. The ANN exhibits robustness by automatically determining the parameter values during the training, which can be directly imported back in GIS for simulating the urban change, thus reducing the calibration time. • The proposed model has successfully coupled the GIS environment and the ANN. The GIS provides data and spatial analysis functions for constructing the model. Spatial data is conveniently retrieved from the GIS database for calibration and testing of the model. • The Moran coefficient of the simulated 2001 urban built up is 0.927 and the actual 2001 urban built up has a Moran coefficient value of 0.973, thus we can infer that the model is able to predict the urban morphology or spatial pattern quite accurately, the PCM METRIC also has a value of 66 percent. • The key development variables identified as responsible for the spatial growth has been successful in approximation of the urban growth trend and their relative importance established. Observations on the factors are as follows: * Ўрганилган нейрон тармоқ модели содда ва қўллашда қулай, аммо шаҳар тизимларининг жуда мураккаб хусусиятларини яратиши мумкин. АНН тренинг давомида параметр қийматларини автоматик равишда аниқлаш орқали мустаҳкамликни намойиш етади, бу шаҳар ўзгаришини симуляция қилиш учун тўғридан-тўғри гисга қайтарилиши мумкин ва шу билан калибрлаш вақтини қисқартиради. * Таклиф model муваффақиятли ГИС муҳитини ва АНН бирлашганда қилди. ГИС моделни қуриш учун маълумотлар ва фазовий таҳлил функцияларини тақдим етади. Фазовий маълумотлар моделни калибрлаш ва синовдан ўтказиш учун ГИС маълумотлар базасидан қулай тарзда олинади. * Симуляция қилинган 2001 йилги шаҳар қурилган Moran коеффициенти 0,927 ни ташкил қилади ва ҳақиқий 2001 йилги шаҳар қурилган Moran коеффициенти 0,973 га тенг, шунинг учун биз model шаҳар морфологиясини ёки фазовий нақшини жуда аниқ башорат қила олади деган хулосага келишимиз мумкин, ПCМ метрикаси ҳам 66 фоиз қийматга ега. * Мекансал ўсиш учун масъул бўлган ривожланишнинг асосий ўзгарувчилари шаҳарларнинг ўсиш тенденциясини ва уларнинг нисбий аҳамиятини аниқлашда муваффақиятли бўлди. Омиллар бўйича кузатувлар қуйидагилар: - Intensity of development gradually diminishes as the distance from the core city and the transportation facility increases. - Development pattern is intense along the major roads. - Existence of built up in the local neighbourhood influences the development of new built-up. - Асосий шаҳар ва transport иншоотидан масофа ошгани sayin ривожланиш интенсивлиги аста-секин камайиб бормоқда. - Тараққиёт намуна йирик йўллар бўйлаб кучли бўлади. - Маҳаллий маҳаллада қурилганларнинг мавжудлиги янги қурилганларнинг ривожланишига таъсир қилади. There are a wide range of variables which could be advanced to explain any city’s pattern of growth. In this study only a few identifiable variables were deployed to build the predictive model. There is an ample scope to include more variables. Some of them could be infrastructure variables such as water supply and sewer, socioeconomic variables and like wise. Ҳар қандай шаҳарнинг ўсиш моделини тушунтириш учун ривожланган ўзгарувчиларнинг кенг доираси мавжуд. Ушбу тадқиқотда башоратли моделни яратиш учун фақат бир нечта аниқланадиган ўзгарувчилар жойлаштирилди. Кўпроқ ўзгарувчиларни киритиш учун кенг имкониятлар мавжуд. Улардан баъзилари сув таъминоти ва канализация, ижтимоий-иқтисодий ўзгарувчилар ва шунга ўхшаш инфратузилма ўзгарувчилари бўлиши мумкин. In this two time periods were taken into considerations. A better illustration can be drawn with inclusion of repetitive analysis in time and more cities are investigated to understand the phenomena of urban growth. Use of high resolution remote sensing dataset for modelling can further improve the scope in terms of planning, as the model will be flexible in multiple land use change predictions. Бу икки вақт ичида ҳисобга олинди. Вақт ўтиши билан такрорланадиган таҳлилни киритиш билан яхшироқ иллюстрация қилиш мумкин ва шаҳарларнинг ўсиши ҳодисаларини тушуниш учун кўпроқ шаҳарлар ўрганилади. Моделлаштириш учун юқори аниқликдаги масофадан зондлаш маълумотлар тўпламидан фойдаланиш режалаштириш доирасини янада яхшилаши мумкин, чунки model ердан фойдаланишни ўзгартириш башоратларида мослашувчан бўлади. Download 0.85 Mb. Do'stlaringiz bilan baham: 
|