2025/08/05 by Amin Fakhar, fakhar, amin, Marzieh Mogholi +3
Engineering · Environmental Science · #Impact of Light on Environment and Health #Remote-Sensing Image Classification #Shiraz city #Smart Cities and Technologies #Smart city #remote sensing #urban management
paper · doi:10.71834/gisrs.2025.1213143
openalex publication_date 2025/08/05 · openalex created_date 2025/12/27 · openalex updated_date 2026/07/01
در عصر حاضر، توسعه و رشد سریع شهرها، چالشهای متعددی را در حوزههای زیستمحیطی، حملونقل، منابع آب و انرژی، مدیریت پسماند و فضای سبز به همراه داشته است. پاسخ به این چالشها نیازمند رویکردهای نوین و فناوریمحور است که بتوانند فرآیندهای تصمیمگیری را بهبود بخشند و منجر به تحقق شهرهای هوشمند و پایداری بلندمدت شوند. شهرهای هوشمند، به عنوان یک مفهوم نوآورانه و چندبعدی، با بهرهگیری از فناوریهای پیشرفته، امکان نظارت، تحلیل و مدیریت مؤثر زیرساختها و دادههای شهری را فراهم میآورند.این مقاله، یک الگوی پیشنهادی برای مدیریت هوشمندانه شهری در کلانشهر شیراز ارائه میدهد که مبتنی بر بهرهگیری همزمان از فناوریهای سنجش از دور و شبکههای عصبی مصنوعی (Neural Networks) است. در مرحله بعد، روشهای تحلیل چندسطحی (MLC) به کار گرفته میشوند تا دادههای پیچیده و چندبعدی به صورت طبقهبندی و دستهبندیهای معنادار دستهبندی شوند. این روش امکان شناسایی مناطق شهری براساس معیارهای مختلف مانند میزان تراکم جمعیت، دسترسی به خدمات و امکانات شهری، وضعیت فضای سبز و میزان مصرف انرژی را فراهم میکند.هدف از این کار، ایجاد نقشههای دقیقتر و بهروزتر برای مدیریت شهری است که بتوانند تصمیمگیریهای سریعتر، دقیقتر و مبتنی بر دادهها را ممکن سازند. به عنوان نمونه، این مدل میتواند در برنامهریزی حملونقل عمومی، تخصیص منابع، مدیریت بحران و توسعه پایدار مناطق مختلف شهر موثر باشد در این مطالعه، دادههای جغرافیایی و زیستمحیطی، شامل تصاویر ماهوارهای، اطلاعات کاربری زمین، پوشش گیاهی، معابر، منابع آب و خاک منطقه، تحلیل شده و الگوهای اثرگذار در فرآیندهای مدیریت شهری شناسایی میشود.مدت زمان و هزینههای لازم برای جمعآوری دادهها و تحلیل آنها، تسهیل فرآیند تصمیمگیریهای مبتنی بر دادههای دقیق و در لحظه را به مدیران شهری میدهد. تکنیکهای یادگیری عمیق، به ویژه شبکههای عصبی، قادرند روابط پنهان و پیچیده میان عوامل مختلف را مدلسازی و پیشبینی کنند.