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

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

A Genetic Algorithm Enhancement of MOLA Approach Using Landscape Metrics

There is competition between land uses in spatial land use allocation. In this research two approaches including Multi Objective Land Allocation (MOLA) and optimization with Genetic Algorithm (GA) were used for conflict resolution. The MOLA approach is based on suitability and proximity to ideal point whereas in GA, a suitability layer together with a cohesion index was used for land use allocation. The output from MOLA application was fed into the GA approach as the initial population and contiguity index as a landscape metric was used in the process to improve the result. With inclusion of contiguity in the GA approach which is absent in MOLA, and has no precedence in Iran, the final patches in the land use pattern were compacter and better shaped. Results showed GA application using MOLA output improves landscape metrics specifications in the final land use plan. However, including landscape metrics compromises suitability for land use, but there is possibility of balancing suitability and landscape indices in the GA application process. The final layer created through GA showed capability of considering suitability and landscape metrics simultaneously in land use planning towards achieving an optimal solution.