بهینه سازی کاربری زمین یک تکنیک موثر برای ایجاد منافع بهینه در برنامه ریزی کاربری اراضی شهری است. رویکردها و روش‌های زیادی برای بهینه‌سازی تخصیص کاربری زمین وجود دارد. با این حال، تمرکز بر پرداختن به پایداری شهری در بهینه‌سازی کاربری زمین بسیار محدود است. در این مطالعه، ما یک رویکرد تصمیم‌گیری چند معیاره مبتنی بر GIS (GIS-MCDM) برای بهینه‌سازی مکان یک توسعه مسکونی جدید با در نظر گرفتن ابعاد پایداری (اجتماعی، اقتصادی، و مزایای زیست‌محیطی) ارائه کردیم. شهر راجشاهی در بنگلادش به عنوان مطالعه موردی در نظر گرفته شد. انواع مختلف داده ها، از جمله کاربری زمین، پوشش زمین، ارزش خدمات اکوسیستم، دمای سطح زمین و ذخیره کربن، برای تعریف معیارهای پایداری مورد استفاده قرار گرفتند. پنج معیار فیزیکی، سه معیار پایداری، و دو محدودیت برای بهینه سازی زمین مسکونی استفاده شد. برای استانداردسازی معیارها از توابع عضویت فازی استفاده شد. برای تهیه نقشه تناسب مسکونی از میانگین وزنی مرتب شده (OWA) استفاده شد. در نهایت، ماژول تخصیص زمین چندهدفه (MOLA) TerrSet v 19.0 برای ایجاد مکان‌های بهینه تحت یک سناریو تصمیم جایگزین استفاده شد. یافته‌ها نشان می‌دهند که با استفاده از رویکرد ما می‌توان به مزایای پایداری 9.00 درصد بیشتری دست یافت. با استفاده از رویکرد پیشنهادی خود، ما همچنین شش سناریو تصمیم جایگزین ایجاد کردیم. در میان راهبردهای تصمیم جایگزین، “ریسک بالا-بدون مبادله” بهینه ترین استراتژی تصمیم گیری است که بالاترین سود پایداری را در مورد ما ایجاد می کند. برای تهیه نقشه تناسب مسکونی از میانگین وزنی مرتب شده (OWA) استفاده شد. در نهایت، ماژول تخصیص زمین چندهدفه (MOLA) TerrSet v 19.0 برای ایجاد مکان‌های بهینه تحت یک سناریو تصمیم جایگزین استفاده شد. یافته‌ها نشان می‌دهند که با استفاده از رویکرد ما می‌توان به مزایای پایداری 9.00 درصد بیشتری دست یافت. با استفاده از رویکرد پیشنهادی خود، ما همچنین شش سناریو تصمیم جایگزین ایجاد کردیم. در میان راهبردهای تصمیم جایگزین، “ریسک بالا-بدون مبادله” بهینه ترین استراتژی تصمیم گیری است که بالاترین سود پایداری را در مورد ما ایجاد می کند. برای تهیه نقشه تناسب مسکونی از میانگین وزنی مرتب شده (OWA) استفاده شد. در نهایت، ماژول تخصیص زمین چندهدفه (MOLA) TerrSet v 19.0 برای ایجاد مکان‌های بهینه تحت یک سناریو تصمیم جایگزین استفاده شد. یافته‌ها نشان می‌دهند که با استفاده از رویکرد ما می‌توان به مزایای پایداری 9.00 درصد بیشتری دست یافت. با استفاده از رویکرد پیشنهادی خود، ما همچنین شش سناریو تصمیم جایگزین ایجاد کردیم. در میان راهبردهای تصمیم جایگزین، “ریسک بالا-بدون مبادله” بهینه ترین استراتژی تصمیم گیری است که بالاترین سود پایداری را در مورد ما ایجاد می کند. یافته‌ها نشان می‌دهند که با استفاده از رویکرد ما می‌توان به مزایای پایداری 9.00 درصد بیشتری دست یافت. با استفاده از رویکرد پیشنهادی خود، ما همچنین شش سناریو تصمیم جایگزین ایجاد کردیم. در میان راهبردهای تصمیم جایگزین، “ریسک بالا-بدون مبادله” بهینه ترین استراتژی تصمیم گیری است که بالاترین سود پایداری را در مورد ما ایجاد می کند. یافته‌ها نشان می‌دهند که با استفاده از رویکرد ما می‌توان به مزایای پایداری 9.00 درصد بیشتری دست یافت. با استفاده از رویکرد پیشنهادی خود، ما همچنین شش سناریو تصمیم جایگزین ایجاد کردیم. در میان راهبردهای تصمیم جایگزین، “ریسک بالا-بدون مبادله” بهینه ترین استراتژی تصمیم گیری است که بالاترین سود پایداری را در مورد ما ایجاد می کند.

کلید واژه ها:

بهینه سازی کاربری زمین ; تصمیم گیری چند معیاره ; تناسب زمین ; میانگین وزنی سفارش داده شده ; استراتژی تصمیم گیری ؛ مکان بهینه

1. مقدمه

در سال 2018، جمعیت شهری جهان 55 درصد از جمعیت جهان بود و پیش بینی می شود تا سال 2050 به 68 درصد برسد [ 1 ]. با افزایش جمعیت شهری، ابداع برنامه‌ریزی مؤثر کاربری زمین شهری که بتواند منافع بهینه را ایجاد کند، به یک نگرانی جهانی تبدیل می‌شود. این مشکل در کشورهای پر تراکم مانند بنگلادش حادتر است. به عنوان مثال، در سال 2021، جمعیت شهری بنگلادش 38.90٪ بود [ 2 ]، و پیش بینی می شد که جمعیت شهری تا سال 2050 به 57٪ افزایش یابد [ 3 ].]. این نرخ بالای جمعیت شهری باعث توسعه شهری بدون برنامه در بنگلادش می شود. رویه فعلی در برنامه‌ریزی کاربری زمین شهری، به‌ویژه در کشورهای در حال توسعه، الگوهای ناکارآمد و تخصیص کاربری‌ها را نشان می‌دهد که به نوبه خود مشکلات زیادی را در مواجهه با توسعه پایدار شهری ایجاد می‌کند [ 4 ، 5 ، 6 ]. به عنوان مثال، در بنگلادش، اذعان شده است که مشکلاتی مانند بهداشت و زهکشی، مدیریت پسماند جامد، تخریب خاک و زمین، انتشار غیرقابل کنترل از فعالیت‌های خانگی و صنعتی، ترافیک در خیابان‌ها و دفع نادرست زباله‌های خطرناک از پیامدهای آن هستند. شهرنشینی سریع [ 7 ، 8]. برای پرداختن به موضوع ناکارآمدی، مفهوم جدیدی از برنامه‌ریزی کاربری پایدار شروع به تمرکز در ادبیات و عمل برنامه‌ریزی کرده است. برنامه‌ریزی کاربری پایدار سازگاری بیشتر کاربری‌های زمین مجاور را تضمین می‌کند، تراکم را ترویج می‌کند، توسعه اقتصادی را تقویت می‌کند و نتایج اجتماعی و زیست‌محیطی مطلوبی را به همراه دارد [ 9 ، 10 ، 11 ]. مانند سایر کشورها، بنگلادش نیز شروع به تهیه برنامه ریزی مناسب توسعه شهری (به عنوان مثال، طرح ساختار، طرح منطقه شهری و طرح منطقه تفصیلی) کرده است، اما گنجاندن پایداری در برنامه ریزی توسعه شهری هنوز دور از انتظار است [ 12 ، 13 ، 14 ].
تخصیص کاربری زمین در مورد پایداری شهری شامل جنبه های اجتماعی، اقتصادی و زیست محیطی است. با این حال، در واقعیت، بسیاری از اهداف متضاد و رقابتی بین پیامدهای اجتماعی، اقتصادی و زیست محیطی وجود دارد. یک هدف ممکن است به قیمت یک هدف دیگر بهینه شود. به عنوان مثال، اگر قرار باشد توسعه مسکونی در یک منطقه کم ارتفاع انجام شود، ممکن است تقاضای مسکن شهری را برآورده کند، اما در زهکشی شهری مشکل ایجاد می کند. ساخت سازه های ساختمانی ممکن است سود اقتصادی را افزایش دهد، اما باعث بدتر شدن محیط زیست و سلامت شهری می شود. بنابراین، تخصیص دقیق زمین در برنامه ریزی کاربری زمین از اهمیت بالایی برخوردار است. بهینه‌سازی کاربری پایدار شامل بهینه‌سازی ترکیب و پیکربندی انواع کاربری‌های زمین در یک منطقه جغرافیایی به منظور برآورده کردن الزامات توسعه پایدار است. به طور معمول، این روش بین چندین هدف استفاده از زمین (به عنوان مثال، مزایای اجتماعی، اقتصادی و زیست محیطی)، با هدف به حداکثر رساندن منافع خالص در تمام نتایج، تعادل برقرار می کند. اغلب، یک هدف ممکن است فقط به قیمت سایر اهداف بهینه شود [15 ]. با این حال، مشکل اصلی این است که در مطالعات اولیه، به دلیل پیچیدگی محاسبه منافع اجتماعی، اقتصادی و زیست محیطی در تخصیص کاربری زمین، گنجاندن معیارهای پایداری بسیار محدود است. به عنوان مثال، وانگ، ژانگ و وانگ [ 16 ] تخصیص کاربری زمین را در ناحیه داوا، ناحیه ای در شمال شرقی چین بهینه کردند، اما به دلیل دشواری در تعیین کمیت مزایای اجتماعی، مزایای اجتماعی را لحاظ نکردند.
رحمان و سابو [ 17 ] یک بررسی متون سیستماتیک گسترده در مورد بهینه‌سازی کاربری زمین شهری چندهدفه با استفاده از موارد گزارش ترجیحی برای بررسی‌های سیستماتیک و متاآنالیز (PRISMA) انجام دادند. آنها در بررسی سیستماتیک خود، 55 مقاله ژورنالی (غربال‌شده از 2291 مقاله مجله) را برای شناسایی و تجزیه و تحلیل جنبه‌های مختلف مشکلات بهینه‌سازی کاربری زمین شهری مورد بررسی قرار دادند، جایی که آنها تشخیص دادند که معیارهای پایداری صرفاً در مسائل بهینه‌سازی کاربری زمین شهری مورد بررسی قرار گرفته است. در حالی که برخی از مطالعات تا حدی ابعاد پایداری را در نظر گرفتند، کمی سازی شاخص های پایداری فاقد روش های مناسب بود. به عنوان مثال، سونگ و چن [ 18تخصیص بهینه کاربری زمین با استفاده از روش NSGA-II با در نظر گرفتن چهار هدف، از جمله به حداکثر رساندن تناسب کشاورزی، تناسب ساخت و ساز، تناسب حفاظتی، و فشردگی فضایی. ژنگ و همکاران [ 19 ] تخصیص بهینه استفاده از زمین در ووهان، چین، برای متعادل کردن خدمات اکوسیستم و مزایای اقتصادی؛ کائو، ژانگ و وانگ [ 20 ] تخصیص کاربری زمین را با در نظر گرفتن سازگاری با کاربری زمین و مزایای زیست محیطی بهینه کردند. یک الگوریتم ژنتیک مرتب‌سازی غیرمسلط (NSGA) توسط Cao و همکاران استفاده شد. [ 21] برای حل یک مشکل بهینه‌سازی کاربری زمین چندهدفه (NSGA-II-MOLU) که ​​هدف آن کاهش هزینه‌های تبدیل و افزایش دسترسی بود و همچنین اطمینان از سازگاری انواع کاربری زمین با یکدیگر. با استفاده از یک الگوریتم ژنتیک، هاک و آسامی [ 22 ] تخصیص کاربری اراضی شهری را با در نظر گرفتن حداکثر کردن قیمت زمین و به حداقل رساندن ناسازگاری بین دسته‌های کاربری اراضی مجاور در یک منطقه بهینه کردند. نیما و اوهگای [ 23] از الگوریتم‌های ژنتیک برای یافتن بهترین مکان‌ها برای پارک‌های شهری و فضاهای باز بر اساس چهار تابع هدف، با استفاده از فواصل اقلیدسی بین تأسیسات و نقاط تقاضا، در یک مدل بهینه‌سازی چندهدفه استفاده کرد. اگر به اهداف بهینه‌سازی مطالعات بالا نگاه انتقادی داشته باشیم، می‌توانیم ببینیم که این مطالعات مستقیماً سه بعد پایداری را شامل نمی‌شوند.
مطالعات ذکر شده در متن بالا همچنین اشاره کرد که مشارکت عمومی برای بهینه‌سازی تخصیص کاربری زمین بسیار ناچیز است، اما تنها بهینه‌سازی کمی برای برآورده کردن توافق عمومی کافی نیست. برای ادغام تصمیم گیری افکار عمومی، رویکرد تصمیم گیری چند معیاره (MCDM) در بسیاری از رشته ها معرفی شد. MCDM مجموعه‌ای از تکنیک‌ها است که هدف آن تعیین یک ترتیب ترجیحی در بین گزینه‌های تصمیم جایگزین بر اساس عملکرد آنها بر اساس معیارهای چندگانه است [ 24 ].]. تصمیم گیری کاربری زمین یک مشکل تخصیص فضایی است که در آن سیستم اطلاعات جغرافیایی (GIS) نقش مهمی در برنامه ریزی فضایی و مدیریت برنامه ریزی کاربری زمین ایفا می کند. MCDM یکپارچه شده با GIS می تواند در بسیاری از پشتیبانی های تصمیم گیری کاربری پیچیده زمین کمک کند، و علاقه به این یکپارچه سازی روز به روز برای حل بسیاری از مسائل پیچیده فضایی افزایش می یابد. ترکیب رویه‌های MCDM با قابلیت‌های GIS به دلیل ظرفیت GIS برای مدیریت مقادیر عظیمی از داده‌های ارجاعی جغرافیایی پیچیده از منابع مختلف در مقیاس‌های مختلف مکانی، زمانی و مکانی، به طور فزاینده‌ای محبوب می‌شود که منجر به تجزیه و تحلیل زمانی کارآمد می‌شود [ 25 ].]. تصمیم گیری چند معیاره مبتنی بر GIS (GIS-MCDM) را می توان به عنوان فرآیند یکپارچه سازی و تبدیل داده های جغرافیایی (معیارهای نقشه ورودی) و قضاوت های ارزشی (ترجیحات و عدم قطعیت های تصمیم گیرندگان) به یک ارزیابی کلی از گزینه های تصمیم تعریف کرد [ 26 ] . GIS-MCDM با توجه به کاربرد آن برای حل مسائل پیچیده فضایی در تصمیم گیری بسیاری از مشکلات تخصیص کاربری زمین به کار گرفته شد. با این حال، اگرچه رویکرد GIS-MCDM مشارکت عمومی را در بر می گرفت، گنجاندن معیارهای پایداری نادیده گرفته شد. همچنین اشاره شد که تنها معیارهای فیزیکی در رویکرد GIS-MCDM در تصمیم‌گیری کاربری اراضی با توجه کمی به گنجاندن معیارهای پایداری غالب بودند. به عنوان مثال، نگوین و همکاران. [ 27] یک تحلیل تناسب زمین مبتنی بر GIS برای برنامه ریزی کاربری پایدار در سطح منطقه ای در مرکز ویتنام طراحی کرد. آنها از هفت معیار برای تحلیل مناسب بودن استفاده کردند. اگرچه از معیارهای زیست محیطی استفاده کردند، اما دو معیار دیگر (اجتماعی و اقتصادی) وجود نداشت.
با توجه به موارد فوق، هدف این مطالعه پر کردن شکاف ها با ارائه یک رویکرد تصمیم گیری چند معیاره مبتنی بر GIS (GIS-MCDM) برای بهینه سازی تخصیص کاربری مسکونی با در نظر گرفتن سه بعد پایداری (به حداکثر رساندن منافع اجتماعی، اقتصادی و زیست محیطی) است. ) و ترکیب نظر ذینفعان. این مطالعه به طور خاص به دنبال دو سؤال تحقیقاتی است: (الف) چگونه می‌توانیم معیارهای پایداری را در مسائل بهینه‌سازی کاربری زمین ادغام کنیم، و (ب) آیا گنجاندن معیارهای پایداری مزایای کلی پایداری را افزایش می‌دهد؟ سهم این مقاله دو گونه است: (الف) ادغام عوامل پایداری برای بهینه‌سازی تخصیص کاربری مسکونی و (ب) استفاده از روش توسعه‌یافته ما (محاسبه سود اجتماعی و زیست‌محیطی) در فرآیند بهینه‌سازی. قبلا، برخی از متغیرهای پراکسی برای اندازه گیری مزایای اجتماعی و زیست محیطی استفاده شد. در مطالعات قبلی خود، روشی را برای محاسبه مزایای اجتماعی و زیست محیطی در تخصیص کاربری اراضی شهری توسعه دادیم.28 ، 29 ]. در این مطالعه، ما روش‌های خود را برای تعیین کمیت مزایای اجتماعی و زیست‌محیطی تخصیص کاربری زمین به کار بردیم.
بقیه مقاله به شرح زیر سازماندهی شده است. بخش 2 مرور ادبیات را شرح می دهد. بخش 3 داده های مورد استفاده در این مطالعه و روش های دنبال شده برای بهینه سازی مکان مسکونی بر اساس عوامل و محدودیت های انتخاب شده را شرح می دهد. این بخش روش‌هایی را برای محاسبه، استانداردسازی و تجمیع عوامل برای استخراج تناسب کاربری ترکیبی زمین برای توسعه مسکونی شرح می‌دهد. بخش 4 یافته های مطالعه را ارائه و مورد بحث قرار می دهد. در نهایت، این مقاله با بخش 5 ، که حاوی نکات پایانی در مورد این مطالعه است، به پایان می رسد.

2. بررسی ادبیات

برنامه ریزی بهینه سازی کاربری اراضی شهری برای دستیابی به پایداری شهری درازمدت بسیار مهم است. با این حال، بهینه سازی تخصیص کاربری زمین شهری در مواجهه با شهرنشینی سریع، مهاجرت و تغییرات آب و هوایی به یک چالش جهانی به ویژه در کشورهای در حال توسعه تبدیل می شود [ 4 ، 30 ، 31 ، 32 ]. بهینه‌سازی/تخصیص کاربری زمین شهری پایدار ابزاری مؤثر برای دستیابی به پایداری شهری در نظر گرفته می‌شود. پایداری یکی از اهداف مهم برنامه ریزی کاربری اراضی شهری است که مستلزم در نظر گرفتن منافع اجتماعی، اقتصادی و زیست محیطی مردم است [ 33 ، 34 ].]. برنامه ریزی کاربری پایدار شامل مولفه های اجتماعی، اقتصادی و زیست محیطی است که هر یک هدف مجزایی دارند. علاوه بر این، بهینه بودن یک اصل اساسی برنامه ریزی کاربری پایدار است. به همین دلیل، بسیاری از محققان بهینه سازی کاربری زمین را انجام دادند. برای مثال، Handayanto و همکاران. [ 35 ] بهینه‌سازی ازدحام ذرات، الگوریتم‌های ژنتیک و یک روش جستجوی محلی را در یک روش بهینه‌سازی ترکیبی واحد برای برنامه‌ریزی کاربری زمین در شهر بکاسی، اندونزی ترکیب کرد. آنها از چهار معیار برای بهینه سازی تخصیص کاربری استفاده کردند. اینها به حداکثر رساندن فشردگی، سازگاری، وابستگی و تناسب هستند. لی و همکاران [ 36] یک الگوریتم بهینه‌سازی ازدحام ذرات را برای بهینه‌سازی تخصیص کاربری اراضی شهری و در عین حال به حداکثر رساندن فشردگی فضایی، ارزش خدمات اکوسیستم زمین، تناسب کاربری زمین و سود تغییر کاربری استفاده کرد. محمدی و همکاران [ 31 ] تخصیص کاربری زمین را با استفاده از الگوریتم ژنتیک مرتب‌سازی غیرقابل تسلط-II (NSGA-II) بهینه کرد در حالی که فشردگی فضایی، نسبت مساحت کف، سازگاری با کاربری زمین، و سود اقتصادی و حداکثر استفاده ترکیبی را به حداکثر رساند. با این حال، این مطالعات سعی کردند تخصیص کاربری زمین را عمدتاً بر اساس پیکربندی فضایی انواع کاربری زمین شهری که در آن پایداری شهری نادیده گرفته شده بود، بهینه کنند. در حالی که برخی مطالعات در مورد بهینه سازی کاربری پایدار زمین وجود دارد [ 37 ، 38]، آنها هر سه بعد (اجتماعی، اقتصادی و زیست محیطی) پایداری را در نظر نگرفتند.
اگرچه برخی از مطالعات اولیه تا حدی معیارهای پایداری را شامل می شدند، اما از هیچ روش مشخصی برای تعیین کمیت شاخص های پایداری استفاده نکردند. آنها از یک معیار مبتنی بر متغیر برای کمی کردن ابعاد پایداری استفاده کردند. برای مثال، ژانگ و همکاران. [ 39 ] منفعت اجتماعی را به عنوان تابعی از ارزش خدمات تامین اجتماعی تعیین کرد، یوان و همکاران. [ 38 ] منفعت اجتماعی را با استفاده از فشردگی فضایی یک منطقه اندازه‌گیری کرد و کائو و همکاران. [ 37 ] از دسترسی فضایی به عنوان نماینده ای برای پایداری اجتماعی استفاده کرد. با این حال، تمرکز انحصاری بر یک معیار واحد ممکن است راه بهینه برای ارزیابی منافع اجتماعی نباشد. جنکس و جونز [ 40به عنوان مثال، اشاره کرد که در حالی که فشردگی فضایی در شهرها مزایای اجتماعی متعددی را ارائه می‌کند، ممکن است منجر به فضای زندگی کمتر، کاهش دسترسی به فضاهای باز، مسکن ارزان‌تر و سلامت بد شود. حتی یک شهر متراکم ممکن است در صورت ناسازگاری کاربری زمین، عواقب منفی را متحمل شود. اگر کاربری‌ها با هم سازگار باشند اما عدم دسترسی وجود داشته باشد، سود اجتماعی نیز کاهش می‌یابد. بنابراین، سازگاری و دسترسی نیز از عوامل تعیین کننده منفعت اجتماعی است. به طور مشابه، ممکن است شاخص‌های دیگری نیز در معیار سود اجتماعی نقش داشته باشد. در نتیجه، ما استدلال می کنیم که بسیاری از شاخص ها را می توان به معیار سود اجتماعی نسبت داد. در نتیجه، شکلی از شاخص ترکیبی برای تعیین کمیت سود اجتماعی ضروری است. برای حل این مشکل، رحمان و سابو [ 29] یک شاخص ترکیبی برای تعیین کمیت منافع اجتماعی در تخصیص کاربری زمین ایجاد کرد. به همین ترتیب، هیچ روشی برای تعیین کمیت مزایای زیست محیطی وجود نداشت. چندین محقق از چندین روش برای اندازه گیری مزایای زیست محیطی در تخصیص کاربری اراضی شهری استفاده کردند. یوان و همکاران برای مثال، [ 38 ] از ذخیره کربن به عنوان نماینده ای برای تعیین کمیت مزایای زیست محیطی استفاده کرد، با این فرض که ذخیره کربن می تواند به حفظ سطح آلودگی هوا کمک کند. مطالعات متعددی همچنین از فشردگی فضایی به عنوان نماینده ای برای مزایای زیست محیطی استفاده کرده اند، با این فرض که یک شهر فشرده پایدارتر و قابل زیست تر است [ 41 ]، دسترسی بهتری به امکانات شهر فراهم می کند و سلامت و رفاه عمومی را ارتقا می دهد [ 42 ]، و می تواند به حداکثر رساندن مزایای کلی زیست محیطی مردم [43 ]. با این حال، مزایای زیست محیطی را نیز می توان با توجه به رویکرد پیشنهاد شده توسط رحمان و سابو [ 29 ] اندازه گیری کرد.
در بخش مقدمه، اشاره شد که مشارکت عمومی در مسئله اولیه بهینه‌سازی کاربری زمین بسیار ناچیز بود. برای غلبه بر این، رویکرد تصمیم گیری چند معیاره (MCDM) معرفی شد [ 44 ، 45 ]. با کمک یک فرآیند MCDM، تصمیم گیری با کمک به ساختار مشکل و ارائه یک زبان مشترک به همه طرف های درگیر برای بحث و یادگیری در مورد مشکل کمک می کند [ 46 ]. از بدو پیدایش، MCDM در بسیاری از زمینه ها از جمله برنامه ریزی کاربری زمین به کار گرفته شده است. برای مثال، ژانگ و همکاران. [ 47] یک تکنیک تجزیه و تحلیل تصمیم چند معیاره مبتنی بر GIS برای حل تعارضات در بازی‌های تخصیص کاربری زمین شهری پیشنهاد کرد. آنها یک استراتژی حل تعارض فضایی را برای کمک به ذینفعان و برنامه ریزان برای تدوین پیشنهادهای کاربری خاص از طریق یک فرآیند اصلاح مکرر ایجاد کردند. با این حال، آنها به معیارهای پایداری در حل تعارض اشاره نکردند. منداس و دلالی [ 48 ] تجزیه و تحلیل تصمیم گیری چند معیاره را در GIS برای توسعه تناسب زمین برای کشت گندم در منطقه Mleta در الجزایر انجام دادند. آنها همچنین معیارهای پایداری را در تجزیه و تحلیل مناسب بودن خود لحاظ نکردند. لوان و همکاران [ 49] یک ارزیابی تناسب کاربری زمین برای توسعه شهری با استفاده از رویکرد MCDM مبتنی بر GIS در دره ایلی، چین انجام داد. آنها از 13 معیار برای ارزیابی تناسب زمین استفاده کردند. اگرچه آنها برخی از زیرمعیارها را تحت عوامل اجتماعی-اقتصادی گروه بندی کردند، هنوز معیارهای پایداری به طور کامل مورد توجه قرار نگرفتند. رومانو و همکاران [ 25سیستم های اطلاعات جغرافیایی یکپارچه (GIS) و تجزیه و تحلیل تصمیم گیری چند معیاره (MCDA) برای ارزیابی پتانسیل یک منطقه ساحلی روستایی، واقع در شمال پولیا (جنوب ایتالیا)، برای بهبود توسعه پایدار آن از طریق بازسازی زمین های کشاورزی. آنها تنها از معیارهای فیزیکی برای تخصیص پایدار زمین کشاورزی استفاده کردند. در واقع، معیارهای پایداری درج خاصی وجود نداشت. بنابراین، بدیهی است که اگرچه مشارکت ذینفعان در رویکرد MCDM در بهینه‌سازی/تخصیص کاربری اراضی مورد توجه قرار گرفت، هنوز هم، گنجاندن معیارهای پایداری (اجتماعی، زیست‌محیطی و اقتصادی) ضعیف است. این امر ناگزیر مستلزم ترکیب معیارهای پایداری و یک رویکرد مشارکتی در بهینه‌سازی کاربری پایدار شهری است.
در این مطالعه، ما از رویکرد MCDM برای انتخاب مکان بهینه برای یک منطقه مسکونی جدید استفاده کردیم. ما از پنج معیار فیزیکی و سه معیار پایداری (مزایای اجتماعی، اقتصادی و زیست‌محیطی) برای تعیین مکان بهینه و در عین حال به حداکثر رساندن مزایای پایداری استفاده کردیم. ابتدا، با استفاده از تابع عضویت فازی، نقشه‌های تناسب را برای هر معیار ایجاد کردیم. سپس، یک نقشه تناسب ترکیبی با استفاده از تکنیک‌های میانگین وزنی مرتب (OWA) [ 50 ] برای سناریوهای ریسک تصمیم‌گیری مختلف ایجاد کردیم. در نهایت، ما مکان بهینه را با در نظر گرفتن مزایای کلی پایداری شناسایی کردیم.

3. مواد و روشها

3.1. منطقه مطالعه

این مطالعه در منطقه شهری راجشاهی (RMA) بنگلادش انجام شد. این یکی از هشت بخش اداری بنگلادش و یکی از هشت کلان شهر این کشور است. رجشاهی در منطقه شمال غرب کشور واقع شده است. رودخانه معروف پادما مرز جنوبی را با بخش راجشاهی تشکیل می دهد، در حالی که رودخانه معروف دیگر به نام جامونا مرز شرقی را تشکیل می دهد. رجشاهی در تراکت باریند در ارتفاع 23 متری از سطح دریا در 24°22’26′′ شمالی 88°36′04′′ شرقی واقع شده است. این شهر حدود 243 کیلومتر با پایتخت، داکا، فاصله دارد و به مرز هند و بنگلادش نزدیک است. مساحت و جمعیت این کلان شهر 365.55 کیلومتر مربع است ( شکل 1).) و به ترتیب 1.3 میلیون نفر. رجشاهی یک مرکز مهم اداری، آموزشی، فرهنگی و تجاری است. به دلیل تمرکز بالای موسسات آموزشی در این شهر و جمعیت زیاد دانشجو، از آن به عنوان شهر آموزشی بنگلادش یاد می شود. این شهر محل استقرار ستاد لشکر است. بر اساس طبقه بندی آب و هوای کوپن، راجشاهی دارای آب و هوای گرمسیری مرطوب و خشک است. بادهای موسمی، درجه حرارت بالا، رطوبت بالا و بارندگی معتدل از ویژگی های آب و هوای راجشاهی است.

3.2. مجموعه داده

در این تحقیق از مجموعه داده های متنوعی استفاده کردیم. داده های اولیه مورد استفاده در این مطالعه شامل کاربری و پوشش زمین، شبکه راه و سایر ویژگی های فیزیکی و مدل رقومی ارتفاع (DEM) می باشد. این داده ها از سازمان توسعه راجشاهی (RDA) بنگلادش تهیه شده است. این داده ها در قالب شطرنجی و شکل فایل ESRI بودند و برای استخراج نقشه های تناسب زمین برای عوامل مختلف استفاده شدند. داده های پوشش زمین از تصاویر Landsat ایجاد شده است. شرح روش شناسی تفصیلی طبقه بندی پوشش زمین را می توان در رحمان و سابو [ 51 ] یافت. علاوه بر این، ارزش خدمات اکوسیستم، دمای سطح زمین، ذخیره کربن و غیره در این مطالعه استفاده شد. شرح این داده ها و پردازش را می توان در رحمان و سابو یافت [ 28]. تمامی داده ها با استفاده از نرم افزار ArcGIS 10.8 پردازش شدند. علاوه بر این داده ها، از داده های دیگری نیز برای محاسبه منافع اجتماعی، اقتصادی و زیست محیطی استفاده شد. در بخش مربوطه توضیح داده شده است.

3.3. روش شناسی

در بخش 2 ، روش های مختلف مورد استفاده برای بهینه سازی تخصیص کاربری زمین شهری را شرح دادیم. مشخص شد که بسیاری از رویکردهای اکتشافی و رویکردهای مشارکتی برای یافتن زمین بهینه برای تخصیص آتی به کار گرفته شدند. با این حال، بسیاری از رویکردهای اکتشافی صرفاً شامل مشارکت عمومی می‌شدند، اگرچه مشارکت عمومی بخشی ضروری از تصمیم‌گیری در مورد کاربری زمین شهری است. با توجه به موارد فوق، ما از رویکرد MCDM برای بهینه‌سازی کاربری زمین استفاده کردیم.
در این مطالعه، ما از رویکرد MCDM مبتنی بر GIS برای بهینه‌سازی مکان توسعه مسکونی جدید استفاده کردیم. ما ابعاد پایداری را در فرآیند بهینه‌سازی کاربری زمین اضافه کردیم. کل فرآیند بهینه سازی مکان برای توسعه مسکونی جدید شامل دو مرحله اصلی است: (الف) ارزیابی نقشه تناسب زمین توسعه مسکونی با استفاده از ارزیابی چند معیاره (MCE) و (ب) شناسایی مکان بهینه برای توسعه مسکونی جدید. کل فرآیند در شکل 2 ارائه شده است .

3.3.1. ارزیابی تناسب زمین

در رویکرد MCDM، چهار مرحله اصلی برای ارزیابی تناسب زمین انجام می شود. اینها عبارتند از (الف) محاسبه ارزش معیارها، (ب) استانداردسازی معیارها، (ج) وزن دهی معیارها، و (د) تجمیع وزنی معیارها. شرح مختصری از این مراحل در زیر آورده شده است.
3.3.1.1. محاسبه ارزش معیار
اولین قدم در ارزیابی تناسب زمین، محاسبه ارزش معیارها است. یک معیار مبنایی برای قضاوت است که قابل سنجش و ارزیابی باشد. معیارها را می‌توان به دو دسته تقسیم کرد – عوامل و محدودیت‌ها – و می‌توانند برای ویژگی‌های یک فرد یا کل مجموعه تصمیم مورد نظر اعمال شوند. در زمینه یک فعالیت، یک عامل معیاری است که مناسب بودن یک جایگزین معین را افزایش می دهد یا از آن می کاهد. رایج ترین مقیاسی که برای تعیین کمیت آن استفاده می شود، مقیاس پیوسته است، در حالی که از محدودیت ها برای محدود کردن انتخاب های در نظر گرفته شده استفاده می شود. یک مثال عالی از یک محدودیت می تواند حذف مناطقی که به عنوان ذخیره گاه حیات وحش تعیین شده اند از توسعه باشد. محدودیت ها معمولاً به صورت یک نقشه بولی (منطقی) بیان می شوند.52 ]. در این مطالعه، ما پنج عامل فیزیکی، سه عامل پایداری و دو محدودیت را برای تحلیل تناسب زمین مسکونی انتخاب کردیم. عوامل فیزیکی و محدودیت ها بر اساس مقامات محلی و ذینفعان از طریق بحث گروهی متمرکز (FGD) و همچنین مقررات موجود برای توسعه جدید انتخاب شدند. ما همچنین عوامل پایداری را برای پرداختن به پایداری در بهینه‌سازی کاربری زمین برای توسعه مسکونی جدید اضافه کردیم. فهرست عوامل و محدودیت ها در جدول 1 نشان داده شده است .
فاصله (فاصله اقلیدسی) از جاده های اصلی، زمین مسکونی موجود، و میدان آجری با استفاده از اپراتور «DISTANCE» نرم افزار TerrSet v 19.0 و فاصله از مرکز شهر با استفاده از عملگر «COST» با الگوریتم «رشد هزینه» محاسبه شد. در همین نرم افزار موجود است. همانطور که در بخش 3.2 ذکر شد، ارزش ارتفاعی زمین از منابع ثانویه تامین شد . مزایای اجتماعی بر اساس روش توسعه یافته قبلی ما محاسبه شد [ 29 ]. مزایای زیست محیطی با استفاده از روش توسعه یافته توسط رحمان و سابو [ 28 ] محاسبه شد. سود اقتصادی بر اساس روش توسعه یافته توسط گونگ و همکاران محاسبه شد. [ 53]. در اینجا قرار نیست روش ها را تکرار کنیم. خوانندگان علاقه مند می توانند روش شناسی دقیق را در ادبیات ارجاع شده بیابند. محدودیت‌هایی از کاربری‌های زمین موجود در منطقه مورد مطالعه ایجاد شد.
3.3.1.2. استانداردسازی ارزش معیار

از آنجایی که مقیاس‌های مختلفی برای اندازه‌گیری معیارها استفاده می‌شود، لازم است قبل از ترکیب عوامل، استانداردسازی و تبدیل شوند تا اطمینان حاصل شود که نقشه‌های همه عوامل با مناسب بودن همبستگی مثبت دارند. به عنوان مثال، توسعه مسکونی زمینی اگر در نزدیکی جاده های اصلی و دور از مزارع آجری واقع شده باشد، مناسب تر است. بنابراین، ما باید تناسب را به گونه ای تغییر دهیم که ارزش بالاتر همیشه از تناسب بالاتر باقی بماند. روشهای زیادی برای استانداردسازی وجود دارد، مانند تابع عضویت فازی، نظریه احتمال بیزی و نظریه دمپستر-شفر [ 54 ]. با این حال، تابع عضویت فازی محبوب‌ترین و راحت‌ترین تابع برای این نوع مطالعه است زیرا فرآیند منطقی قوی استانداردسازی را ارائه می‌کند [ 55 ]]. بنابراین، تابع عضویت فازی (FMF) در مطالعه ما برای استانداردسازی عوامل استفاده شد. مجموعه فازی با درجه عضویت فازی (که به عنوان امکان نیز شناخته می شود) تعریف می شود که بین 0.0 و 1.0 متغیر است، که نشان دهنده پیشرفت مداوم از عضویت غیرعضو به عضویت کامل است. تعیین شکل و نوع توابع عضویت و مقادیر آستانه متغیر (محدوده مؤثر) قبل از اجرای مجموعه‌های فازی برای استاندارد کردن نقشه‌های معیار بسیار مهم است. در این مطالعه، ما از دستورالعمل های ایستمن [ 56 ] برای تعیین شکل و نوع تابع عضویت فازی در فرآیند استانداردسازی عوامل پیروی کردیم. روش‌های استانداردسازی زیادی وجود دارد، اما ساده‌ترین آنها مقیاس‌بندی خطی است که می‌تواند در رابطه (1) بیان شود.

که در آن R = امتیاز خام عامل.

مقدار استاندارد شده فاکتور متفاوت است. در این مطالعه، ما از محدوده استاندارد شده بین 0 و 1 استفاده کردیم که 0 نشان دهنده کمترین تناسب و 1 نشان دهنده بالاترین تناسب است. معیارهای ارزیابی با نوع تابع عضویت فازی، نقاط کنترل و شکل تابع مورد استفاده در این مطالعه در جدول 2 ارائه شده است.
نقشه های محدودیت با رعایت مقررات موجود تهیه شد. دو نقشه محدودیت تهیه شد: محدودیت کاربری زمین و محدودیت آب. مقررات موجود، توسعه جدید در بدنه های آبی و زمین های توسعه یافته را ممنوع می کند. فقط زمین کشاورزی برای توسعه جدید مجاز است. نقاط کنترل و سایر معیارها در جدول 2با مشورت مقامات محلی، سهامداران و نمایندگان مردم محلی از طریق FGD تعیین شد. بر اساس FGD، تصمیم گرفته شد که توسعه مسکونی جدید باید در مجاورت مرکز شهر، جاده های اصلی و زمین های مسکونی موجود صورت گیرد. بنابراین با افزایش فاصله از این عوامل، تناسب توسعه مسکونی کاهش می یابد. این کاهش در یک تابع عضویت خطی همبسته و بنابراین یک تابع عضویت فازی خطی با شکل یکنواخت کاهشی برای استانداردسازی این عوامل که نقاط کنترل را بین کمترین و بالاترین مقادیر تنظیم می‌کنند، استفاده شد. توسعه مسکونی در فاصله 500 متری مزارع آجری ممنوع است. شرکت کنندگان در FGD توافق کردند که تناسب زمین برای توسعه مسکونی بیش از 500 متر زمین آجری افزایش می یابد و حداکثر تناسب به 3000 متر می رسد. مناسب بودن پس از 3000 متر از مزرعه آجری یکسان است. این تابع را نمی توان با یک رابطه خطی ساده توصیف کرد. بهتر است با یک منحنی سیگموئیدی افزایشی توصیف شود. بنابراین، ما از یک تابع سیگموئیدی افزایش یکنواخت برای تغییر مقیاس مقادیر در تصویر فاصله از میدان آجری استفاده کردیم که نقاط کنترل را در 500 و 3000 متر تنظیم می‌کند. مقررات موجود همچنین توسعه مسکونی در زمین هایی با ارتفاع کمتر از 12 متر را ممنوع می کند. بنابراین، تناسب زمین بیش از 12 متر از ارتفاع افزایش می یابد. این رابطه بین تناسب زمین و ارتفاع همبستگی مثبت داشت. بنابراین، یک تابع عضویت فازی خطی با شکل یکنواخت در حال افزایش برای تغییر مقیاس نقاط کنترل تنظیم تصویر ارتفاع 12 و 22 متر (بالاترین مقدار) استفاده شد. در FGD تصمیم گرفته شد که توسعه مسکونی جدید را می توان در مکانی توسعه داد که مزایای اجتماعی، زیست محیطی و اقتصادی موجود کم باشد. منطق این است که توسعه جدید مزایای آن مکان ها را از بین می برد (اگرچه توسعه جدید برخی از مزایای اجتماعی، اقتصادی و زیست محیطی ایجاد می کند، اما اینها مزایای جدیدی هستند که حاصل می شود)، بنابراین از دست دادن منافع اجتماعی، اقتصادی و زیست محیطی را می توان به حداقل رساند. بنابراین، مزایای اجتماعی، اقتصادی و زیست محیطی را می توان با تخصیص زمین برای توسعه مسکونی جدید در مکان هایی که منافع موجود کمتر است به حداکثر رساند. بنابراین، در این موارد، ما از یک تابع عضویت فازی خطی کاهشی یکنواخت برای مقیاس‌بندی مجدد منافع (ارزش‌ها) اجتماعی، اقتصادی و زیست‌محیطی استفاده کردیم. منطق این است که توسعه جدید مزایای آن مکان ها را از بین می برد (اگرچه توسعه جدید برخی از مزایای اجتماعی، اقتصادی و زیست محیطی ایجاد می کند، اما اینها مزایای جدیدی هستند که حاصل می شود)، بنابراین از دست دادن منافع اجتماعی، اقتصادی و زیست محیطی را می توان به حداقل رساند. بنابراین، مزایای اجتماعی، اقتصادی و زیست محیطی را می توان با تخصیص زمین برای توسعه مسکونی جدید در مکان هایی که منافع موجود کمتر است به حداکثر رساند. بنابراین، در این موارد، ما از یک تابع عضویت فازی خطی کاهشی یکنواخت برای مقیاس‌بندی مجدد منافع (ارزش‌ها) اجتماعی، اقتصادی و زیست‌محیطی استفاده کردیم. منطق این است که توسعه جدید مزایای آن مکان ها را از بین می برد (اگرچه توسعه جدید برخی از مزایای اجتماعی، اقتصادی و زیست محیطی ایجاد می کند، اما اینها مزایای جدیدی هستند که حاصل می شود)، بنابراین از دست دادن منافع اجتماعی، اقتصادی و زیست محیطی را می توان به حداقل رساند. بنابراین، مزایای اجتماعی، اقتصادی و زیست محیطی را می توان با تخصیص زمین برای توسعه مسکونی جدید در مکان هایی که منافع موجود کمتر است به حداکثر رساند. بنابراین، در این موارد، ما از یک تابع عضویت فازی خطی کاهشی یکنواخت برای مقیاس‌بندی مجدد منافع (ارزش‌ها) اجتماعی، اقتصادی و زیست‌محیطی استفاده کردیم. منافع اقتصادی و زیست محیطی را می توان به حداقل رساند. بنابراین، مزایای اجتماعی، اقتصادی و زیست محیطی را می توان با تخصیص زمین برای توسعه مسکونی جدید در مکان هایی که منافع موجود کمتر است به حداکثر رساند. بنابراین، در این موارد، ما از یک تابع عضویت فازی خطی کاهشی یکنواخت برای مقیاس‌بندی مجدد منافع (ارزش‌ها) اجتماعی، اقتصادی و زیست‌محیطی استفاده کردیم. منافع اقتصادی و زیست محیطی را می توان به حداقل رساند. بنابراین، مزایای اجتماعی، اقتصادی و زیست محیطی را می توان با تخصیص زمین برای توسعه مسکونی جدید در مکان هایی که منافع موجود کمتر است به حداکثر رساند. بنابراین، در این موارد، ما از یک تابع عضویت فازی خطی کاهشی یکنواخت برای مقیاس‌بندی مجدد منافع (ارزش‌ها) اجتماعی، اقتصادی و زیست‌محیطی استفاده کردیم.
3.3.1.3. وزن دهی معیارها
در رویکرد MCDM، محاسبه وزن عوامل مختلف بسیار مهم است. روش های مختلفی برای استخراج وزن ها استفاده می شود، از جمله روش AHP [ 57 ]، روش آنتروپی [ 58 ]، فرآیند شبکه تحلیلی [ 59 ] و روش دلفی [ 60 ]. در میان سایرین، AHP محبوب ترین است و در سطح جهانی در فرآیند تصمیم گیری مورد استفاده قرار می گیرد. برای در نظر گرفتن نظرات ذینفعان و رسیدن به اجماع در مورد انتخاب های ترجیحی، از روش AHP برای تعیین وزن عوامل مختلف استفاده کردیم. جزئیات روش AHP را می توان در جای دیگری یافت [ 61 ، 62]. با این وجود، خلاصه ای اساسی از روش AHP در اینجا ارائه شده است. تکنیک AHP معیارها را به صورت زوجی مقایسه می کند و به هر معیار یک مقدار عددی در محدوده 1 تا 9 بر اساس قضاوت سهامداران اختصاص می دهد. این عدد نشان دهنده تقدم یک معیار بر معیار دیگر در جفت مورد نظر است [ 57]. یک FGD برای تعیین درجه اهمیتی که به شاخص‌های مختلف تعلق می‌گیرد برگزار شد. این FGD شامل ذینفعان مختلفی از جمله مقامات توسعه محلی، نمایندگان جمعیت محلی و برنامه ریزان شهری است. لازم به ذکر است که کل گروه FGD به عنوان یک فرد واحد در نظر گرفته شد. در نتیجه، مقادیر اجماع از FGD برای ارزیابی شدت اهمیت هر شاخص استفاده شد. ارزش این مقیاس، تعریف همراه آن و توضیح در جدول 3 آمده است.

هنگامی که مقادیر شدت برای هر عامل با استفاده از FGD به دست آمد، یک ماتریس جفتی ایجاد شد. سپس، مقادیر وزنی فاکتورها را می‌توان با محاسبه بردار ویژه اولیه ماتریس متقابل مربع مقایسه زوجی و سپس نرمال کردن مجموع مولفه‌ها به واحد به عنوان معادله (2) [ 64 ] به دست آورد:

با این حال، تصمیم گیرندگان ممکن است ارزیابی های غیر منسجم (ذهنی) انجام دهند که در این صورت الزامات سازگاری فوق الذکر همیشه برآورده نمی شود. در نتیجه، بررسی صحت ماتریس پس از بدست آوردن مقادیر وزن بسیار مهم بود. AHP معیارهای کمی را برای ارزیابی این ارائه می دهد. سازگاری با استفاده از نسبت قوام اندازه گیری می شود. نسبت قوام ( CR ) با استفاده از رابطه (3) محاسبه می شود:

که در آن، CI و RI به ترتیب نمایانگر شاخص سازگاری و شاخص تصادفی هستند که در آن

جایی که بزرگترین یا اصلی ترین مقدار ویژه ماتریس و n مرتبه ماتریس است. RI میانگین شاخص سازگاری حاصل بسته به مرتبه n است.

اگر CR < 0.1، ماتریس مقایسه زوجی سازگار در نظر گرفته می شود و می توان از مقادیر وزن تولید شده استفاده کرد. اگر CR > 0.1، ماتریس به طور نامنسجم قضاوت می شود و باید با تغییر مقادیر عنصر [ 63 ] اصلاح شود.
3.3.1.4. تجمیع وزنی معیارها
مفهوم قوانین تصمیم گیری یا الگوریتم های ارزیابی در GIS-MCDM مرکزی است. قاعده تصمیم گیری فرآیندی است که از طریق آن معیارها انتخاب و ترکیب می شوند تا به یک ارزیابی خاص برسند و همچنین ارزیابی ها چگونه مقایسه و عمل می کنند. به طور معمول، قوانین تصمیم گیری شامل تکنیک هایی برای ادغام معیارها در یک شاخص ترکیبی واحد و توضیح نحوه مقایسه گزینه ها با استفاده از این شاخص ترکیبی است [ 65 ]. در GIS، سه نوع اصلی از قوانین تصمیم گیری (یا ترکیبی) وجود دارد: همپوشانی بولی، ترکیب خطی وزنی (WLC) و میانگین وزنی مرتب شده (OWA).
همپوشانی بولی همه معیارها را به اعلان های منطقی تناسب کاهش می دهد و سپس آنها را با استفاده از یک یا چند عملگر منطقی، مانند تقاطع (AND) و اتحادیه (OR) ترکیب می کند. ارزیابی بولی شکل بسیار شدیدی از تصمیم گیری است. هنگامی که یک مکان با یک AND منطقی (عملگر تقاطع) جفت می شود، یک مکان باید همه معیارها را برآورده کند تا در مجموعه تصمیم گنجانده شود. اگر حتی یک شرط برآورده نشود، سایت حذف می شود. این تکنیک اساساً ریسک گریز است و مکان ها را با استفاده از محافظه کارانه ترین استراتژی ممکن انتخاب می کند – یک مکان تنها در صورتی انتخاب می شود که همه معیارها رعایت شوند. از سوی دیگر، هنگامی که یک OR منطقی (اتحادیه) استفاده می شود، عکس این موضوع صادق است – یک مکان در مجموعه تصمیم گنجانده می شود حتی اگر تنها یک معیار آزمون را پشت سر بگذارد [ 55 ]]. بنابراین، این یک تکنیک قمار است که مستلزم ریسک (ظاهراً) بالایی است و تصمیماتی با سطح ریسک متوسط ​​ایجاد نمی کند ( شکل 3 ). همپوشانی بولی منجر به انتخاب سایت های مناسب و رد سایر سایت ها بدون اطلاع از سطح مناسب بودن آنها می شود. همه معیارها وزن یکسانی در نقشه تناسب ترکیبی نهایی دارند و یک جزء با وزن بالا نمی تواند یک عامل جزئی (تبادل) را هنگام تعیین مناسب بودن سایت جبران کند [ 66 ]. این محدودیت ها را می توان با وارد کردن وزن به عوامل و ترکیب آنها برای یافتن تناسب ترکیبی سطوح مختلف حل کرد.

WLC شامل استاندارد کردن معیارهای پیوسته (عوامل) در یک محدوده عددی مشترک و سپس ترکیب آنها با استفاده از میانگین وزنی است. WLC معیارها را قادر می‌سازد تا بین کیفیت‌هایشان معاوضه ایجاد کنند. کیفیت بسیار ضعیف ممکن است با چندین کیفیت بسیار عالی جبران شود. این عملگر نه AND است و نه OR – در بین این دو حد است. نه ریسک گریز است و نه ریسک پذیر. ثابت شده است که روش های برداری برای MCDM تحت تسلط استراتژی های بولی هستند، در حالی که سیستم های شطرنجی توسط راه حل های WLC [ 26 ] تسلط دارند. WLC با معاوضه کامل و ریسک متوسط ​​تعریف می شود که دقیقاً در نیمه راه بین عملیات AND و OR است، یعنی نه ریسک گریزی بیش از حد و نه ریسک پذیری شدید ( شکل 3)). WLC را می توان با معادله (5) بیان کرد:

جایی که مناسب بودن ترکیبی ( پیکسل یا ناحیه j ام) است. w i = وزن عامل i ; x i = امتیاز معیار عوامل i ; n = تعداد کل عوامل.

با این حال، هیچ کدام برتر نیستند – آنها صرفاً دو دیدگاه مخالف در فرآیند تصمیم گیری ارائه می دهند – چیزی که می توان آن را استراتژی انتخاب نامید. رویکرد WLC به دلیل خطر ذاتی پنهان کردن یک عامل محدود کننده بین مقادیر بالای معیارهای دیگر، همیشه برای تحلیل سرزمینی مناسب نیست. بنابراین، تصمیم گیرنده کنترل محدودی بر روش های Boolean و WLC برای تصمیم گیری در مورد سطح ریسک و مبادله در تصمیم گیری دارد. برای جلوگیری از این مشکل، میانگین وزنی مرتب شده (OWA) توسط یاگر [ 50 ] پیشنهاد شد]. روش سوم، OWA، مشابه روش WLC است، با این تفاوت که OWA به وزن‌های اضافی نیاز دارد که به عنوان وزن‌های سفارشی نامیده می‌شود و ترکیب وزن‌های عامل را محاسبه می‌کند. این روش طیف گسترده ای از روش های تصمیم گیری را در امتداد دو بعد اساسی درجه مبادله و درجه ریسک مرتبط با راه حل ارائه می دهد ( شکل 3 ). OWA را می توان با معادله (6) بیان کرد:

جایی که تناسب در مکان i منطقه است، n تعداد نشانگرها است، ضریب وزن اصلی معیارها است، وزن مرتب معیارها به گونه ای است که و ، مقدار مرتب معیارها در محل i است.

در مورد OWA از دو دسته وزنه استفاده می شود. وزن اول ( ) معیارها را می توان با استفاده از روش های زیادی تعیین کرد، از جمله روش فرآیند تحلیل سلسله مراتبی (AHP)، همانطور که در بخش 3.3.1.3 توضیح داده شد . وزن دوم که به وزن سفارشی معروف است بر اساس میزان ریسک قابل قبول و نوع معیار بر اساس ترتیب افزایشی یا کاهشی به معیارهای سفارش داده شده اختصاص یافت. در این مطالعه، ما از OWA با ترکیب‌های مختلف وزن‌های مرتب شده برای تولید جایگزین‌هایی با سطوح مختلف مبادله و ریسک به دنبال دستورالعمل‌های ایستمن [ 56 ] استفاده کردیم. ترکیب وزن های مرتب شده در جدول 4 ارائه شده است .
3.3.2. تخصیص بهینه زمین مناسب
در این مطالعه، ما از ماژول تخصیص زمین چندهدفه (MOLA) نرم افزار TerrSet v 19.0 برای بهینه سازی تخصیص کاربری زمین مسکونی تحت سطوح مختلف ریسک و مبادله استفاده کردیم. MOLA یک مدل بهینه سازی فضایی در نظر گرفته می شود که کاربری های مناسب را بر اساس معیارها، عوامل و محدودیت های مختلف به واحدهای زمین خاص اختصاص می دهد [ 18 ]. ماژول MOLA این کار را از طریق یک اکتشافی تصمیم انجام می دهد. در نظر گرفته شده است که مکان ها بر اساس آستانه های مساحت کل تعیین شده توسط تصمیم گیرنده تخصیص داده شود. در اینجا 1000 هکتار زمین را برای توسعه مسکونی جدید اختصاص دادیم. این منطقه بر اساس مشورت با مقامات تصمیم گیری شد. قابل ذکر است که در مجموع از هشت عامل و دو قید استفاده شده است ( جدول 1) بهینه سازی تخصیص زمین مسکونی. از بین این عوامل، پنج معیار فیزیکی و سه معیار پایداری هستند. در رویکرد سنتی GIS-MCDM، تنها معیارهای فیزیکی برای بهینه‌سازی تخصیص زمین استفاده شد. با این حال، در این مطالعه، معیارهای پایداری (اجتماعی، اقتصادی و زیست محیطی) را برای تصمیم‌گیری تخصیص کاربری پایدار اضافه کردیم. برای مقایسه نتیجه بین رویکرد سنتی و رویکرد ما (با افزودن معیارهای پایداری)، تخصیص زمین مسکونی را هم با اضافه کردن معیارهای پایداری و هم بدون افزودن معیارهای پایداری بهینه کردیم. سپس ارزش پایداری (مزایای اجتماعی، اقتصادی و زیست محیطی) برای هر دو سناریو محاسبه شد. سپس تخصیص بهینه زمین را ایجاد کردیم، افزودن معیارهای پایداری تحت سطوح مختلف ریسک و تصمیمات مبادله. در نهایت، ما همچنین مقادیر پایداری را در سناریوهای تصمیم گیری مختلف محاسبه کردیم تا مقایسه کنیم که کدام تصمیم بالاترین مزایای پایداری را ایجاد می کند. استراتژی تصمیم گیری که می تواند منافع پایداری (اجتماعی، اقتصادی و زیست محیطی) را به حداکثر برساند، می تواند به عنوان راه حل بهینه برای تصمیم گیری در مورد استفاده از زمین تصمیم گیری شود.

4. نتیجه و بحث

4.1. معیارهای تصمیم گیری کاربری مسکونی

در این مطالعه، ما از پنج عامل فیزیکی، سه عامل پایداری و دو محدودیت برای بهینه‌سازی تصمیمات کاربری زمین مسکونی استفاده کردیم. مقادیر فاکتورها در شکل 4 ارائه شده است. این عوامل فیزیکی بسیار رایج هستند و همچنین در بسیاری از مطالعات دیگر برای مسائل مربوط به تناسب کاربری و بهینه‌سازی زمین مورد استفاده قرار گرفتند [ 27 ، 52 ، 66 ]. با این حال، عوامل پایداری برای گنجاندن در مسئله بهینه‌سازی کاربری زمین رایج نیستند.
فاصله از میدان آجری اولین عامل در این مطالعه است. در منطقه مورد مطالعه 6 آجر زار وجود دارد. مقادیر فاصله از مزارع آجری در شکل 4 الف و مقدار استاندارد شده آن در شکل 5 الف ارائه شده است. ارزش استاندارد شده مقیاس مناسب بودن توسعه مسکونی را با در نظر گرفتن معیارهای فردی نشان می دهد. از شکل 4 الف، مشاهده می شود که مزارع آجری عمدتاً در حاشیه منطقه مورد مطالعه قرار دارند. در نقشه تناسب ( شکل 4الف) مشاهده می شود که قسمت اعظم مساحت از نظر ضوابط اول برای ساخت و ساز مسکونی مناسب است. در 500 متر، هیچ ارزش مناسبی وجود ندارد زیرا، طبق مقررات موجود، توسعه مسکونی در 500 متر از مزرعه آجری ممنوع است. تناسب بیشتر از 500 متر افزایش می یابد و تا 3000 متر افزایش می یابد. پس از 3000 متر مسافت، مناسب بودن یکسان است زیرا در نظر گرفته می شود که هیچ تاثیر منفی بر توسعه مسکونی بیش از 3000 متر از مزرعه آجری وجود نخواهد داشت. در مورد فاصله از جاده اصلی ( شکل 4 ب و شکل 5 ب) در صورتی که زمین در نزدیکی جاده اصلی واقع شود، تناسب افزایش می یابد. این استراتژی در مطالعات دیگری مانند مطالعه Assefa و همکاران نیز مورد استفاده قرار گرفت. [ 52 ]. از شکل 5ب، مشاهده می شود که مناسب بودن توسعه مسکونی در سراسر منطقه نسبتاً بالاتر است زیرا جاده های اصلی به طور مساوی در سراسر منطقه توزیع شده اند. شایان ذکر است که تناسب در قسمت پایینی منطقه مورد مطالعه بسیار کم است، زیرا رودخانه وجود دارد و هیچ جاده ای در داخل منطقه وجود ندارد. در مورد مرکز شهر ( شکل 5د)، تناسب از مرکز شهر کاهش یافته است زیرا توسعه جدید در مجاورت مرکز شهر ترجیح داده می شود. بنابراین، تناسب مسکونی در امتداد حاشیه در صورت فاصله از مرکز شهر کمتر است. ارتفاع زمین یکی دیگر از معیارهای انتخاب توسعه مسکونی است. طبق مقررات موجود، ساخت و ساز مسکونی در اراضی با ارتفاع کمتر از 12 متر ممنوع است، زیرا زمین پست است و این زمین ها در معرض خطر سیل و غرقابی هستند. بنابراین، تناسب با افزایش ارتفاع زمین همانطور که در شکل 5 مشهود است، افزایش می یابده. اگرچه ارتفاع زمین در بسیاری از مطالعات دیگر نیز برای تحلیل تناسب مورد استفاده قرار گرفت، اما مقدار آستانه ارتفاع زمین متفاوت است زیرا ارتفاع زمین در مکان‌های مختلف متفاوت است. برخی مطالعات همچنین شیب زمین را برای تناسب مکان مسکونی در نظر گرفتند [ 67 ]، اما ما شیب را در نظر نگرفتیم زیرا در موارد ما بیشتر زمین مسطح است.
مقادیر مزایای پایداری نیز در نقشه‌برداری مناسب گنجانده شد. ارزش منفعت اجتماعی و ارزش استاندارد شده آن به ترتیب در شکل 4 f و شکل 5 f ارائه شده است. مطابق شکل 5f، منفعت اجتماعی در منطقه مورد مطالعه متوسط ​​است که کمترین و بالاترین مقدار آن 0.23 و 0.8 است. مناسب بودن توسعه مسکونی در جایی که ارزش سود اجتماعی کمتر باشد، بیشتر است. منطق این است که اگر توسعه مسکونی جدید در منطقه کم بهره‌برداری صورت گیرد، ضرر اجتماعی به حداقل می‌رسد. همین امر در مورد منافع اقتصادی و مزایای زیست محیطی نیز صادق است. عاقلانه است که زمینی را برای توسعه مسکونی انتخاب کنید که در آن مزایای ارزش های اجتماعی، اقتصادی و زیست محیطی کمتر باشد تا از دست دادن این مزایا به حداقل برسد. به عبارت دیگر، از این طریق می توان مزایای پایداری را به حداکثر رساند. علاوه بر عوامل فیزیکی و پایداری، از دو محدودیت نیز برای محدود کردن توسعه مسکونی جدید استفاده کردیم. این محدودیت ها در ارائه شده استشکل 4 i,j. محدودیت ها بر اساس مقررات موجود تعیین شد. مقررات موجود توسعه بدنه آبی را ممنوع می کند و تنها زمین های کشاورزی مجاز به توسعه جدید هستند.

4.2. تناسب وزنی زمین مسکونی

پس از محاسبه تناسب زمین برای عوامل فردی، تناسب زمین ترکیبی را بر اساس وزن‌هایی که به عوامل مختلف اختصاص داده شده است، محاسبه کردیم. وزن عوامل مختلف بر اساس روش AHP شرح داده شده در بخش 3.3.1.3 محاسبه شد. وزن عوامل مختلف در جدول 5 ارائه شده است.
بر اساس وزن عوامل مختلف، تناسب وزنی زمین مسکونی را با استفاده از روش OWA ایجاد کردیم. تناسب زمین از سطوح مختلف ریسک و مبادله به دست آمد. در این مطالعه، ما یک مقیاس مناسب برای شش استراتژی مختلف تصمیم گیری در مورد استفاده از زمین ایجاد کردیم: (الف) ریسک متوسط-معادل کامل، (ب) ریسک متوسط-بدون معاوضه، (ج) ریسک کم-بدون معاوضه. ، (د) ریسک کم – مقداری معاوضه، (ه) ریسک بالا – بدون معاوضه، و (ف) ریسک بالا – برخی معاوضه، به دنبال اوزان مرتب شده در جدول 4 . با این حال، برخی از مطالعات استراتژی‌های مختلفی را برای استخراج تناسب وزنی دنبال کردند. مثلا مسعودی و همکاران. [ 68] عوامل محیطی را تفکیک کرد و برای عوامل محیطی که اولین عامل محیطی وزن 1 و برای بقیه وزن‌های عامل 0 تعیین شد، سطح ریسک پایین و وزن ترتیب مجدد مبادله ای اعمال شد. با این حال، در مطالعه خود، شش استراتژی تصمیم جایگزین برای تصمیم گیرندگان ایجاد کردیم. مقیاس مناسب برای استراتژی های تصمیم گیری مختلف در شکل 6 ارائه شده است . در مورد ریسک متوسط ​​– تصمیم مبادله کامل ( شکل 6الف) کمترین و بیشترین تناسب به ترتیب 31/0 و 90/0 است. این سناریو خروجی یک ترکیب خطی وزن دار ساده است. این وضعیت میانگین تصمیم گیری است. در این سناریو مشاهده می شود که بیشتر مساحت برای زمین مسکونی چندان مناسب نیست. در مورد ریسک متوسط ​​- بدون تصمیم مبادله ( شکل 6 ب)، تناسب افزایش یافت زیرا وزن بیشتری به ارزش بالاتر هر سلول داده شد. بنابراین، مشاهده می شود که بیشتر زمین برای توسعه مسکونی بسیار مناسب است. در مورد ریسک کم – بدون تصمیم مبادله ( شکل 6ج) تناسب به طور ناگهانی کاهش یافت. دلیل آن این است که در این استراتژی، تناسب بر اساس کمترین مقدار عوامل مختلف تعیین شد. بنابراین ارزش تناسب کاهش یافت. با این حال، در سناریوی بعدی ( شکل 6 د)، مناسب بودن افزایش یافت زیرا تا حدی مبادله با تصمیم کم خطر مجاز بود. در مورد تصمیم با ریسک بالا – بدون معاوضه ( شکل 6 e)، ارزش مناسب به شدت افزایش یافت زیرا، در این مورد، تناسب بر اساس بالاترین مقدار عوامل تعیین شد. بنابراین، ارزش تناسب به شدت افزایش یافت. اگر درجاتی از مبادله با ریسک بالا مجاز بود، آنگاه تناسب تا حدودی کاهش می‌یابد ( شکل 6 f).

4.3. مکان بهینه برای توسعه مسکونی

بر اساس تناسب وزنی تحت استراتژی های تصمیم گیری مختلف، ما مکان های بهینه را برای توسعه مسکونی ایجاد کردیم. اول، ما مکان بهینه را با در نظر گرفتن عوامل پایداری (اجتماعی، اقتصادی و زیست محیطی) و بدون در نظر گرفتن عوامل پایداری ایجاد کردیم تا بفهمیم که تا چه حد سود پایداری در هر دو موقعیت به دست آمده است. نتیجه مکان بهینه در شکل 7 ارائه شده است .
از شکل 7 مشاهده می شود که در دو سناریو تفاوتی در تخصیص وجود دارد. در مورد شکل 7 الف، شکل تخصیص زمین در مقایسه با خروجی شکل 7 ب بسیار فشرده تر است. در شکل 7 ب، قسمت سمت راست زمین اختصاص داده شده به صورت خطی پراکنده شده است. برای درک تأثیر این تخصیص بر مزایای پایداری، کل مزایای پایداری را برای هر دو سناریو محاسبه کردیم. می توان اشاره کرد که ارزش کل پایداری از شکل 4 f–h محاسبه شده است. برای محاسبه سود کل پایداری، زمین محدود شده حذف شد. ارزش مزایای پایداری در جدول 6 ارائه شده است.
در رویکرد سنتی GIS-MCDM، مزایای پایداری به سختی در نظر گرفته شد. اگرچه برخی از مطالعات به برخی از جنبه‌های پایداری در بهینه‌سازی کاربری اراضی نگاه می‌کردند، روش‌هایی که آن‌ها شاخص‌های پایداری را اندازه‌گیری کردند به خوبی تثبیت نشده بود. به عنوان مثال، سونگ و چن [ 18 ] از روش NSGA-II برای یافتن بهترین تخصیص زمین با در نظر گرفتن چهار هدف استفاده کردند: به حداکثر رساندن تناسب کشاورزی، تناسب ساخت و ساز، تناسب حفاظتی و فشردگی فضایی. ژنگ و همکاران [ 19 ] خدمات اکوسیستم و مزایای اقتصادی را در حین تخصیص کاربری زمین شهری به حداکثر رساند. با این حال، در این مطالعات، ما هر سه جنبه پایداری را برای تخصیص کاربری اراضی لحاظ کردیم. از جدول 6مشاهده می‌شود که با در نظر گرفتن عوامل پایداری در فرآیند بهینه‌سازی کاربری زمین، مزایای پایداری افزایش می‌یابد. جدول 6 نشان می دهد که در مقایسه با رویکرد سنتی GIS-MCDM که در بسیاری از مطالعات به کار رفته است، سود اقتصادی 98/25 درصد و سود کلی پایداری 9 درصد افزایش یافته است. [ 69 ]، منداس و دلالی [ 48 ] و مسعودی و همکاران. [ 68 ]. اگرچه مطالعه مسعودی و همکاران. [ 68] با هدف ارزیابی تناسب کاربری های مختلف زمین برای دستیابی به برنامه ریزی کاربری پایدار، این مطالعه ابعاد اجتماعی، اقتصادی و زیست محیطی را مستقیماً شامل نمی شود. در عوض، آن مطالعه برخی از عوامل محیطی (مانند منابع آب، خاک و پوشش) را برای رسیدگی به پایداری در نظر گرفت.
مکان های توسعه مسکونی بهینه تحت استراتژی های تصمیم گیری مختلف در شکل 8 ارائه شده است. منظور ما از استراتژی های تصمیم گیری مختلف، سطح متفاوتی از ریسک و مبادله است. همانطور که در بخش 3.3.1.4 اشاره کردیم ، از دو مجموعه وزن برای استخراج تناسب جمع استفاده شد. اولین وزن عوامل از طریق AHP بدست آمد که قابل تغییر نیستند. با این حال، وزن دوم، که وزن مرتب شناخته شده است، می تواند برای کنترل سطح ریسک و مبادله تغییر کند. ما ترکیب متفاوتی از وزن های مرتب شده را برای کنترل سطح ریسک، همانطور که در جدول 4 ارائه شده است، اعمال کردیم . با این حال، برخی از مطالعات از ترکیب متفاوتی از وزن های مرتب شده برای کنترل سطح ریسک و مبادله استفاده کردند. مثلا مسعودی و همکاران. [68 ] برای عوامل محیطی سطح ریسک پایینی اعمال کرد و هیچ معاوضی برای عوامل محیطی اعمال نشد، بنابراین اولین عامل محیطی وزن 1 و برای سایر عوامل وزن صفر اعمال شد. از آنجایی که عوامل محیطی را جداگانه گروه بندی کردند، از این ترتیب استفاده کردند، اما ما عوامل را به هیچ گروهی تقسیم نکردیم. در واقع، برای مورد ما، چنین گروه اجتماعی یا محیطی مورد نیاز نبود، زیرا ما قبلاً ارزش‌های اجتماعی و محیطی را با در نظر گرفتن شاخص‌های چندگانه محاسبه کرده‌ایم، همانطور که در رحمان و سابو [ 29 ] توضیح داده شد.
شکل 8 . مکان های بهینه توسعه مسکونی جدید تحت استراتژی های تصمیم گیری مختلف نشان داده شده است. از شکل 8 مشاهده می شود که مکان بهینه توسعه مسکونی جدید تحت استراتژی های تصمیم گیری مختلف متفاوت است. در شکل 8 a,b,d,f، سه قسمت مکان بهینه وجود دارد، در حالی که در شکل 8 ج، دو مکان بهینه وجود دارد و در شکل 8 e، مکان بهینه در یک مکان متمرکز شده است. اینها جایگزین هایی برای توسعه مسکونی جدید هستند. با این حال، برای کمک به تصمیم گیرنده، ما همچنین مقادیر پایداری تخصیص زمین را تحت استراتژی های تصمیم گیری مختلف محاسبه کردیم. مقادیر پایداری در جدول 7 ارائه شده است.
جدول 7 نشان می دهد که مقادیر سود پایداری تخصیص بهینه زمین تحت استراتژی های تصمیم گیری مختلف متفاوت است. مشاهده شده است که بالاترین ارزش سود پایداری از تصمیم ریسک بالا و بدون معاوضه ( شکل 8 ه) به دست آمده است، به دنبال آن سطح ریسک پایین – مقداری مبادله ( شکل 8 د) و سطح متوسط ​​ریسک – بدون مبادله ( شکل 8 ب). کمترین ارزش پایداری از سطح بالای ریسک مشتق شده است – برخی تصمیمات مبادله ای ( شکل 8)و) در این مطالعه، ما مکان‌های کاربری مسکونی را با تمرکز بر پایداری شهری بهینه کردیم. ما همچنین ارزش پایداری را در یک سناریوی متفاوت محاسبه کردیم. با این حال، برخی مطالعات دیگر پایداری را در بهینه‌سازی کاربری زمین در نظر گرفتند اما هر سه جنبه پایداری را در نظر نگرفتند. برای مثال، کائو و همکاران. [ 37 ] و یوان و همکاران. [ 38 ] تخصیص کاربری پایدار زمین را بهینه کرد اما فقط منافع اجتماعی تخصیص کاربری زمین را در نظر گرفت. کائو، ژانگ و وانگ [ 20 ] تخصیص کاربری زمین را با در نظر گرفتن سازگاری کاربری زمین و مزایای زیست محیطی بهینه کردند.

5. نتیجه گیری ها

این مقاله یک رویکرد تصمیم‌گیری چند معیاره مبتنی بر GIS (GIS-MCDM) برای بهینه‌سازی مکان توسعه مسکونی جدید ارائه می‌کند. رویکرد سنتی GIS-MCDM تنها عوامل فیزیکی را برای بهینه‌سازی تخصیص کاربری زمین شهری در نظر می‌گیرد و ابعاد پایداری (مزایای اجتماعی، اقتصادی و زیست‌محیطی) به ندرت برای بهینه‌سازی تخصیص کاربری زمین مورد توجه قرار می‌گیرد. در این مطالعه، ما یک رویکرد GIS-MCDM برای بهینه‌سازی تخصیص کاربری مسکونی با پرداختن به عوامل اجتماعی، اقتصادی و محیطی ارائه کردیم. سهم اصلی این مقاله ادغام عوامل پایداری برای بهینه سازی تخصیص کاربری مسکونی است که قبلاً به آن پرداخته نشده بود. این مطالعه نشان داد که با استفاده از رویکرد پیشنهادی ما می‌توان حدود 9.00٪ مزایای پایداری بیشتری را به دست آورد. این ثابت می کند که رویکرد پیشنهادی در مقایسه با رویکرد سنتی بسیار کارآمدتر است. با استفاده از رویکرد پیشنهادی خود، ما شش سناریو تصمیم جایگزین برای مکان‌های بهینه برای توسعه مسکونی جدید ایجاد کردیم.شکل 8 ). در میان راهبردهای تصمیم جایگزین، “ریسک بالا-بدون مبادله” ( شکل 8 e، جدول 7)) استراتژی تصمیم گیری بیشترین سود پایداری را در مورد ما ایجاد کرد. در این مطالعه، ما از تکنیک OWA برای جمع آوری چندین معیار استفاده کردیم. همچنین برخی از توابع دیگر برای تجمیع معیارها وجود دارد، مانند Bonferroni و Choquet انتگرال، که می تواند نتیجه متفاوتی ایجاد کند، اما ما از این توابع استفاده نکردیم. این یکی از محدودیت های این تحقیق است. مطالعات آینده می توانند از برخی دیگر از توابع تجمع، مانند Bonferroni و Choquet integral برای مقایسه نتایج استفاده کنند. رویکرد پیشنهادی و یافته‌های این مطالعه می‌تواند برای حمایت از تصمیم‌گیری کاربری زمین در شهرها برای دستیابی به توسعه شهری پایدار مورد استفاده قرار گیرد. از آنجایی که جمعیت شهری جهان در حال افزایش است، ابداع یک تکنیک مناسب برای برنامه ریزی پایدار کاربری زمین شهری به یک نگرانی جهانی تبدیل می شود. با این حال، تکنیک‌های قبلی صرفاً به مسائل پایداری در بهینه‌سازی کاربری زمین پرداختند. در مقابل این پس‌زمینه، رویکرد پیشنهادی معیارهای پایداری را برای بهینه‌سازی مکان کاربری زمین شهری گنجانده است. بنابراین، رویکرد پیشنهادی پیامدهای عملی برای تصمیم‌گیرندگان در مورد برنامه‌ریزی کاربری پایدار شهری دارد.

منابع

  1. سازمان ملل متحد، وزارت امور اقتصادی و اجتماعی. چشم انداز شهرنشینی جهان: بازبینی 2018 (ST/ESA/SER.A/420) ؛ سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 2019. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  2. کنوما. جمعیت شهری بنگلادش، 1960–2021، ژانویه 2022. در دسترس آنلاین: https://knoema.com/atlas/Bangladesh/Urban-population (در 26 فوریه 2022 قابل دسترسی است).
  3. UN/DESA چشم انداز شهرنشینی جهان: بازبینی 2018، حقایق کلیدی. 2018. در دسترس آنلاین: https://population.un.org/wup/Publications/ (دسترسی در 26 فوریه 2022).
  4. جبارین، فرم‌های شهری پایدار YR: گونه‌شناسی، مدل‌ها و مفاهیم آنها. جی. پلان. آموزش. Res. 2006 ، 26 ، 38-52. [ Google Scholar ] [ CrossRef ]
  5. پرسون، سی. مشورت یا دکترین؟ کاربری زمین و برنامه ریزی فضایی برای توسعه پایدار در سوئد. سیاست کاربری زمین 2013 ، 34 ، 301-313. [ Google Scholar ] [ CrossRef ]
  6. بخش، DP; موری، AT; Phinn, SR ادغام بهینه سازی فضایی و اتوماتای ​​سلولی برای ارزیابی تغییرات شهری. ان Reg. علمی 2003 ، 37 ، 131-148. [ Google Scholar ] [ CrossRef ]
  7. آکاش، م. آکتر، جی. تامانا، تی. کبیر، MR شهرسازی و چالش های زیست محیطی در شهر داکا. در مجموعه مقالات کنفرانس RAIS، تامپا، فلوریدا، ایالات متحده آمریکا، 19 تا 20 فوریه 2018؛ صص 45-57. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  8. کودرت خدا. علل آلودگی هوا در پایتخت بنگلادش و تأثیرات آن بر سلامت عمومی نات. محیط زیست آلودگی تکنولوژی 2020 ، 19 ، 1483-1490. [ Google Scholar ] [ CrossRef ]
  9. لیگمان-زیلینسکا، آ. کلیسا، RL; Jankowski، P. بهینه سازی فضایی به عنوان یک تکنیک مولد برای تخصیص کاربری چند هدفه پایدار. بین المللی جی. جئوگر. Inf. علمی 2008 ، 22 ، 601-622. [ Google Scholar ] [ CrossRef ]
  10. ال دین، اچ اس. شلابی، ع. فاروح، او Elariane, S. اصول کیفیت زندگی شهری برای یک محله. HBRC J. 2013 ، 9 ، 86-92. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. دمپسی، ن. براملی، جی. پاور، اس. براون، سی. بعد اجتماعی توسعه پایدار: تعریف پایداری اجتماعی شهری. حفظ کنید. توسعه دهنده 2011 ، 19 ، 289-300. [ Google Scholar ] [ CrossRef ]
  12. بادان، IM; Ching، SW کاوش عملکرد فضایی موثر محله سبز در دسترس (Ang)، از جمله نسبت و فاصله استاندارد آن از کاربر در منطقه مسکونی Dhanmondi، داکا. ایجاد کنید. Space 2021 , 8 , 57–66. [ Google Scholar ] [ CrossRef ]
  13. نانسی، DSJ تراکم شهری و پایداری اجتماعی: مطالعه موردی داکا. گلوب. J. Hum.-Soc. علمی 2021 ، 21 ، 17-36. [ Google Scholar ] [ CrossRef ]
  14. روی، اس. سوگات، تی. اسلام، SMT; Anjum، N. چالش های پایداری برای داکای گسترده. محیط زیست شهری. ASIA 2021 ، 12 ، S59–S84. [ Google Scholar ] [ CrossRef ]
  15. کریمی، ع. Hockings، M. یک رویکرد اجتماعی-اکولوژیکی به درگیری استفاده از زمین برای اطلاع رسانی برنامه ریزی و مدیریت منطقه ای و حفاظتی. Landsc. Ecol. 2018 ، 33 ، 691-710. [ Google Scholar ] [ CrossRef ]
  16. وانگ، اس.-دی. ژانگ، H.-B. وانگ، X.-C. شبیه سازی بهینه سازی ساختار کاربری زمین بر اساس الگوریتم تکامل دیفرانسیل چندهدفه بهبود یافته. پول جی. محیط زیست. گل میخ. 2019 ، 28 ، 887–899. [ Google Scholar ] [ CrossRef ]
  17. رحمان، م. Szabó، G. بهینه سازی کاربری زمین شهری چند هدفه با استفاده از داده های مکانی: یک بررسی سیستماتیک. حفظ کنید. جامعه شهرها 2021 ، 74 ، 103214. [ Google Scholar ] [ CrossRef ]
  18. آهنگ، م. چن، دی. یک NSGA-II با دانش بهبود یافته برای تخصیص زمین چند هدفه (MOLA). ژئو اسپات. Inf. علمی 2018 ، 21 ، 273-287. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  19. ژنگ، دبلیو. Ke، X. شیائو، بی. ژو، تی. بهینه سازی تخصیص استفاده از زمین برای متعادل کردن خدمات اکوسیستم و مزایای اقتصادی – مطالعه موردی در ووهان، چین. جی. محیط زیست. مدیریت 2019 ، 248 ، 109306. [ Google Scholar ] [ CrossRef ]
  20. کائو، ک. ژانگ، دبلیو. وانگ، تی. بهینه‌سازی چندهدفه کاربری فضایی-زمانی: مطالعه موردی در چین مرکزی. ترانس. GIS 2019 . [ Google Scholar ] [ CrossRef ]
  21. کائو، ک. باتی، م. هوانگ، بی. لیو، ی. یو، ال. چن، جی. بهینه‌سازی کاربری زمین چندهدفه فضایی: برنامه‌های افزودنی به الگوریتم ژنتیک مرتب‌سازی غیرمسلط-II. بین المللی جی. جئوگر. Inf. علمی 2011 ، 25 ، 1949-1969. [ Google Scholar ] [ CrossRef ]
  22. هاک، ا. آسامی، ی. بهینه سازی تخصیص کاربری اراضی شهری: مطالعه موردی منطقه مسکونی Dhanmondi، داکا، بنگلادش. محیط زیست طرح. B طرح. دس 2011 ، 38 ، 388-410. [ Google Scholar ] [ CrossRef ]
  23. نیما، م. Ohgai، A. مدل سازی مکان چند هدفه پارک های شهری و فضاهای باز: بهینه سازی مداوم. محاسبه کنید. محیط زیست سیستم شهری 2010 ، 34 ، 359-376. [ Google Scholar ] [ CrossRef ]
  24. استیل، ک. کارمل، ی. کراس، جی. Wilcox, C. استفاده و سوء استفاده از تجزیه و تحلیل تصمیم گیری چند معیاره (MCDA) در تصمیم گیری محیطی. ریسک مقعدی 2009 ، 29 ، 26-33. [ Google Scholar ] [ CrossRef ]
  25. رومانو، جی. ساسو، PD; لیوزی، جی تی. Gentile، F. تجزیه و تحلیل تصمیم چند معیاره برای نقشه برداری تناسب زمین در یک منطقه روستایی جنوب ایتالیا. سیاست کاربری زمین 2015 ، 48 ، 131-143. [ Google Scholar ] [ CrossRef ]
  26. Malczewski، J. تجزیه و تحلیل تصمیم چند معیاره مبتنی بر GIS: بررسی ادبیات. بین المللی جی. جئوگر. Inf. علمی 2006 ، 20 ، 703-726. [ Google Scholar ] [ CrossRef ]
  27. نگوین، تی تی. وردودت، ا. وان، YNT؛ دلبک، ن. Tran، TC; Van Ranst، E. طراحی یک روش ارزیابی زمین مبتنی بر GIS و چند معیاره برای برنامه ریزی کاربری پایدار در سطح منطقه ای. کشاورزی اکوسیستم. محیط زیست 2015 ، 200 ، 1-11. [ Google Scholar ] [ CrossRef ]
  28. رحمان، م. Szabó، G. یک شاخص ترکیبی جدید برای اندازه‌گیری مزایای زیست‌محیطی در مسائل بهینه‌سازی کاربری زمین شهری. ISPRS Int. J. Geo-Inf. 2022 ، 11 ، 220. [ Google Scholar ] [ CrossRef ]
  29. رحمان، م. Szabó، G. یک رویکرد جغرافیایی برای اندازه‌گیری مزایای اجتماعی در مسئله بهینه‌سازی کاربری زمین شهری. Land 2021 , 10 , 1398. [ Google Scholar ] [ CrossRef ]
  30. عبدالله، AYM; مسرور، ع. عدنان، MSG; باکی، MAA؛ حسن، ق.ک. دیوان، الف. الگوهای مکانی-زمانی استفاده از زمین/تغییر پوشش زمین در منطقه ساحلی ناهمگن بنگلادش بین سال‌های 1990 تا 2017. Remote Sens. 2019 ، 11 ، 790. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  31. محمدی، م. نسترن، م. صاحبقرانی، ع. بهینه سازی کاربری فضایی پایدار از طریق الگوریتم ژنتیک مرتب سازی غیر غالب-II (NSGA-II): (مطالعه موردی: منطقه بابلدشت اصفهان). هندی J. Sci. تکنولوژی 2015 ، 8 ، 118. [ Google Scholar ] [ CrossRef ]
  32. هوانگ، بی. Zhang، W. برنامه ریزی کاربری پایدار زمین برای منطقه دریاچه مرکز شهر در چین مرکزی: رویکرد بهینه سازی چند هدفه با کمک مدل سازی رشد شهری. ج. طرح شهری. توسعه دهنده 2014 , 140 , 04014002. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. وانگ، اچ. ژانگ، ایکس. Skitmore, M. مفاهیم برای استفاده پایدار از زمین در شهرهای با تراکم بالا: شواهدی از هنگ کنگ. Habitat Int. 2015 ، 50 ، 23-34. [ Google Scholar ] [ CrossRef ]
  34. کیم، ام. شما، اس. چون، جی. لی، جی. برنامه ریزی کاربری پایدار زمین برای بهبود تاب آوری ساحلی چشم انداز اجتماعی-اکولوژیکی. پایداری 2017 ، 9 ، 1086. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  35. Handayanto، RT; تریپاتی، NK; کیم، اس ام؛ گوها، اس. دستیابی به یک فرم شهری پایدار از طریق بهینه‌سازی کاربری زمین: بینش‌هایی از طرح کاربری زمین شهر بکاسی (2010-2030). پایداری 2017 ، 9 ، 221. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  36. لی، اف. گونگ، ی. کای، ال. سان، سی. چن، ی. لیو، ی. جیانگ، پی. تخصیص کاربری پایدار زمین: مدل و کاربرد بهینه‌سازی ازدحام ذرات چند هدفه در چانگژو، چین. ج. طرح شهری. توسعه دهنده 2018 , 144 , 04018010. [ Google Scholar ] [ CrossRef ]
  37. کائو، ک. هوانگ، بی. وانگ، اس. Lin, H. بهینه سازی کاربری پایدار زمین با استفاده از الگوریتم ژنتیک سریع مبتنی بر مرز. محاسبه کنید. محیط زیست سیستم شهری 2012 ، 36 ، 257-269. [ Google Scholar ] [ CrossRef ]
  38. یوان، م. لیو، ی. او، جی. لیو، دی. تخصیص کاربری منطقه ای زمین با استفاده از یک مدل MAS و GA جفت شده: از شبیه سازی محلی تا بهینه سازی جهانی، یک مطالعه موردی در منطقه Caidian، ووهان، چین. کارتوگر. Geogr. Inf. علمی 2014 ، 41 ، 363-378. [ Google Scholar ] [ CrossRef ]
  39. ژانگ، اچ. زنگ، ی. جین، ایکس. شو، بی. ژو، ی. یانگ، ایکس. شبیه سازی تخصیص بهینه سازی کاربری زمین چند هدفه با استفاده از سیستم چند عاملی – مطالعه موردی در چانگشا، چین. Ecol. مدل. 2016 ، 320 ، 334-347. [ Google Scholar ] [ CrossRef ]
  40. جنکس، ام. جونز، سی (ویرایشات) مسائل و مفاهیم. در ابعاد شهر پایدار ; Springer: لندن، انگلستان، 2010; پ. 9. [ Google Scholar ]
  41. موراتیدیس، ک. آیا شهر فشرده قابل زندگی است؟ تأثیر محله های فشرده در مقابل محله های پراکنده بر رضایت محله. مطالعه شهری. 2017 ، 55 ، 2408-2430. [ Google Scholar ] [ CrossRef ]
  42. کوتولا، تی. Denstadli, JM; اوست، آ. بیوسکر، ای. چه چیزی لازم است تا شهر فشرده برای گروه‌های وسیع‌تر قابل زندگی باشد؟ شناسایی ویژگی های کلیدی محله و مسکن. پایداری 2019 ، 11 ، 3480. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  43. ندیم، م. عزیز، ع. الرشید، م. Tesoriere، G. عاصم، م. کامپیسی، تی. مقیاس پتانسیل توسعه شهر فشرده: مورد لاهور، پاکستان. Sustainability 2021 , 13 , 5257. [ Google Scholar ] [ CrossRef ]
  44. پاموچار، دی. استویچ، ژ. Sremac، S. مدلی جدید برای تعیین ضرایب وزنی معیارها در مدل‌های MCDM: روش سازگاری کامل (FUCOM). Symmetry 2018 , 10 , 393. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  45. Hošková-Mayerová، Š. تالهوفر، وی. Otřísal، P. Rybanský, M. تاثیر وزن عوامل جغرافیایی بر نتایج تحلیل چند معیاره در حل تحلیل های فضایی. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 489. [ Google Scholar ] [ CrossRef ]
  46. کوهلر، بی. رود، ع. Aas، Ø. بارتون، دی. مدنی مهندس محیط زیست سیستم 2019 ، 36 ، 17–31. [ Google Scholar ] [ CrossRef ]
  47. ژانگ، ی. لی، ا. Fung, T. استفاده از GIS و تجزیه و تحلیل تصمیم چند معیاره برای حل تعارض در برنامه ریزی کاربری اراضی. Procedia Environ. علمی 2012 ، 13 ، 2264-2273. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  48. منداس، ا. دلالی، الف. ادغام تجزیه و تحلیل تصمیم چند معیاره در GIS برای توسعه تناسب زمین برای کشاورزی: ​​کاربرد برای کشت گندم دوروم در منطقه ملتا در الجزایر. محاسبه کنید. الکترون. کشاورزی 2012 ، 83 ، 117-126. [ Google Scholar ] [ CrossRef ]
  49. لوان، سی. لیو، آر. پنگ، اس. ارزیابی تناسب کاربری زمین برای توسعه شهری با استفاده از رویکرد محاسبات نرم مبتنی بر GIS: مطالعه موردی دره ایلی، چین. Ecol. اندیک. 2021 , 123 , 107333. [ Google Scholar ] [ CrossRef ]
  50. Yager, R. در مورد عملگرهای تجمع میانگین وزنی در تصمیم گیری چند معیاره. IEEE Trans. سیستم مرد سایبرن. 1988 ، 18 ، 183-190. [ Google Scholar ] [ CrossRef ]
  51. رحمان، م. Szabó، G. تاثیر کاربری زمین و تغییرات پوشش زمین بر ارزش خدمات اکوسیستم شهری در داکا، بنگلادش. Land 2021 , 10 , 793. [ Google Scholar ] [ CrossRef ]
  52. آسفا، ت. جها، م. ریس، م. سرینیواسان، ر. Worqlul، ارزیابی AW از مناطق مناسب برای باغ‌های خانگی برای پتانسیل آبیاری، در دسترس بودن آب، و فن‌آوری‌های بالابر آب. Water 2018 , 10 , 495. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  53. گونگ، جی. لیو، ی. چن، دبلیو. تخصیص بهینه استفاده از زمین حاشیه شهری در گوانگژو. جی. جئوگر. علمی 2012 ، 22 ، 179-191. [ Google Scholar ] [ CrossRef ]
  54. بوژانیچ، دی. تشیچ، دی. Milićević، J. یک مدل ترکیبی فازی ahp-mabac: کاربرد در ارتش صربستان – انتخاب مکان برای آبگیری عمیق به عنوان تکنیکی برای عبور از رودخانه توسط تانک. تصمیم می گیرد. ماک Appl. مدیریت مهندس 2018 ، 1 ، 143-164. [ Google Scholar ] [ CrossRef ]
  55. جیانگ، اچ. Eastman, JR کاربرد معیارهای فازی در ارزیابی چند معیاره در GIS. بین المللی جی. جئوگر. Inf. علمی 2000 ، 14 ، 173-184. [ Google Scholar ] [ CrossRef ]
  56. Eastman, JR IDRISI Selva Manual—راهنمای GIS و پردازش تصویر . دانشگاه کلارک؛ Worcester، MA، ایالات متحده آمریکا، 2012. [ Google Scholar ]
  57. Saaty، RW فرآیند تحلیل سلسله مراتبی – چیست و چگونه استفاده می شود. ریاضی. مدل. 1987 ، 9 ، 161-176. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  58. دیاکولاکی، دی. ماوروتاس، جی. پاپایاناکیس، L. تعیین وزن هدف در مسائل چند معیاره: روش انتقادی. محاسبه کنید. اپراتور Res. 1995 ، 22 ، 763-770. [ Google Scholar ] [ CrossRef ]
  59. Kadoic، N. ویژگی های فرآیند شبکه تحلیلی، یک روش تصمیم گیری چند معیاره. کروات. اپراتور Res. Rev. 2018 , 9 , 235-244. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  60. اولسن، AA; ولکات، MD؛ هاینز، ST; Janke، KK; مک لافلین، جی چگونه از روش دلفی برای کمک به تصمیم گیری و ایجاد اجماع در آموزش داروسازی استفاده کنیم. Curr. فارم. آموزش دهید. فرا گرفتن. 2021 ، 13 ، 1376-1385. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  61. اولوليه، IB; Ogunleye، MB; Oyetunji، AK ارزیابی عوامل موفقیت حیاتی برای تحویل مسکن پایدار: رویکرد فرآیند سلسله مراتبی تحلیلی. J. Eng. دس تکنولوژی 2020 ، 19 ، 1044-1062. [ Google Scholar ] [ CrossRef ]
  62. اولوليه، IB; Oyetunji، AK; اولوکولاجو، MA; Chan، DW یکپارچه سازی مدل سازی اطلاعات ساختمان برای بهبود عملیات مدیریت تسهیلات: یک ارزیابی ترکیبی فازی از عوامل موفقیت حیاتی. جی. فیسیل. مدیریت 2021 . [ Google Scholar ] [ CrossRef ]
  63. Saaty، TL نحوه تصمیم گیری: فرآیند سلسله مراتب تحلیلی. یورو جی. اوپر. Res. 1990 ، 48 ، 9-26. [ Google Scholar ] [ CrossRef ]
  64. نگوین، تی. Bleys، B. اعمال فرآیند تحلیل سلسله مراتبی برای سازگاری با نفوذ آب شور در ویتنام. پایداری 2021 ، 13 ، 2311. [ Google Scholar ] [ CrossRef ]
  65. استار، اس. Zeleny، M. MCDM: وضعیت و آینده هنر. در تصمیم گیری چند معیاره ; هلند شمالی: آمستردام، هلند، 1977; صص 5-9. [ Google Scholar ]
  66. Malczewski، J. میانگین وزنی مرتب شده با کمی سازهای فازی: ارزیابی چند معیاره مبتنی بر GIS برای تجزیه و تحلیل تناسب کاربری زمین. بین المللی J. Appl. زمین Obs. Geoinf. 2006 ، 8 ، 270-277. [ Google Scholar ] [ CrossRef ]
  67. اوستاوغلو، ای. Aydınoglu, A. ارزیابی مناسب بودن زمین ساخت و ساز شهری در منطقه Pendik استانبول، ترکیه. خط مشی استفاده از زمین 2020 , 99 , 104783. [ Google Scholar ] [ CrossRef ]
  68. مسعودی، م. سنتری، سی. جکاب، جی. نل، ال. مجتهدی، م. ارزیابی چند معیاره و چندهدفه مبتنی بر GIS برای برنامه ریزی کاربری پایدار (مطالعه موردی: شهرستان قلعه گنج، ایران) “برنامه ریزی کاربری زمین با استفاده از MCE و Mola”. بین المللی جی. محیط زیست. Res. 2021 ، 15 ، 457-474. [ Google Scholar ] [ CrossRef ]
  69. حاجه فروش نیا، س. سوفیانیان، ع. ماهینی، ع. فاخران، س. تخصیص زمین چند هدفه (MOLA) برای پهنه بندی پناهگاه حیات وحش قمیشلو در ایران. جی. نات. حفظ کنید. 2011 ، 19 ، 254-262. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00313 g001 550
شکل 1. ( الف ) موقعیت منطقه راجشاهی در رابطه با بنگلادش. ب ) موقعیت منطقه مورد مطالعه نسبت به منطقه رجشاهی. ج ) مرز اداری منطقه مورد مطالعه.
Ijgi 11 00313 g002 550
شکل 2. فرآیند بهینه سازی کاربری زمین با استفاده از رویکرد MCDM.
Ijgi 11 00313 g003 550
شکل 3. مثلث استراتژی تصمیم گیری در زنجیره ریسک و بعد مبادله، اقتباس شده از ایستمن [ 56 ].
Ijgi 11 00313 g004 550
شکل 4. مقادیر عوامل و محدودیت های مورد استفاده در مسئله بهینه سازی کاربری زمین مسکونی: ( الف ) فاصله از زمین آجری. ب ) فاصله از جاده اصلی؛ ج ) فاصله از زمین مسکونی. ( د ) فاصله از مرکز شهر؛ ( ه ) مدل رقومی ارتفاع. ( و ) شاخص منافع اجتماعی. ز ) شاخص سود اقتصادی؛ ( ح ) شاخص منافع زیست محیطی؛ ( i ) محدودیت بدنه آب؛ ( j ) محدودیت کاربری زمین.
Ijgi 11 00313 g005 550
شکل 5. مقیاس تناسب زمین مسکونی (مقدار استاندارد شده) برای عوامل مختلف: ( الف ) فاصله از مزرعه آجری. ب ) فاصله از جاده اصلی؛ ج ) فاصله از زمین مسکونی. ( د ) فاصله از مرکز شهر؛ ( ه ) مدل رقومی ارتفاع. ( و ) شاخص منافع اجتماعی. ز ) شاخص سود اقتصادی؛ ( ح ) شاخص منافع زیست محیطی.
Ijgi 11 00313 g006 550
شکل 6. تناسب وزنی زمین مسکونی تحت استراتژی های تصمیم گیری مختلف: ( الف ) ریسک متوسط-معادل کامل. ( ب ) ریسک متوسط ​​- بدون معاوضه. ( ج ) ریسک کم – بدون معاوضه. ( د ) ریسک کم – برخی معاوضه. ( ه ) ریسک بالا – بدون معاوضه. ( f ) ریسک بالا-برخی معاوضه.
Ijgi 11 00313 g007 550
شکل 7. مکان بهینه زمین مسکونی: ( الف ) با در نظر گرفتن پایداری و ( ب ) بدون در نظر گرفتن پایداری.
Ijgi 11 00313 g008 550
شکل 8. مکان بهینه توسعه مسکونی جدید تحت استراتژی های تصمیم گیری مختلف: ( الف ) ریسک متوسط ​​و معاوضه کامل. ( ب ) ریسک متوسط ​​و بدون معاوضه. ( ج ) کم خطر و بدون معاوضه؛ ( د ) ریسک کم و مقداری مبادله. ( ه ) ریسک بالا و بدون معاوضه. ( و) ریسک بالا و مقداری معاوضه.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید