Akademik Veri Yönetim Sistemi
Niğde Ömer Halisdemir Üniversitesi (NÖHÜ) Mühendislik Bilimleri Dergisi, cilt.14, sa.2, ss.701-711, 2025 (TRDizin)
Bu çalışma, coğrafi veri madenciliği (CVM) ile bütünleşik çalışan, vektör hücresel otomat (V-HO) tabanlı kentsel büyüme simülasyon modeli (KBSM) geliştirmeyi amaçlamaktadır. Coğrafi nesnelerin gerçek geometrilerini daha doğru şekilde temsil eden V-HO modelinin KBSM çalışmalarında kullanımı giderek yaygınlaşmaktadır. Ancak raster tabanlı HO algoritmasına kıyasla, vektör veri yapısının karmaşıklığı ve düzensizliği, V-HO modellerinin uygulanmasını zorlaştırmaktadır. Bu nedenle esnek komşuluk ve hücresel işlerliğin sağlanmasındaki kısıtlılıkları aşmak amacıyla büyüme vektörleri (BV) yöntemi önerilmiştir. Modelde, arazi örtüsü/kullanımı değişimlerini etkileyen mekânsal ve zamansal dinamikler Rastgele Orman (RO) algoritması ile analiz edilmiştir. Çalışma alanı olarak İstanbul’un Sancaktepe ilçesi seçilmiş, parsel seviyesinde arazi örtüsü/kullanımı değişimleri simüle edilerek %86 doğruluk oranı elde edilmiştir. Bulgularımız, vektör veri yapısının esnekliğinden yararlanılarak daha verimli, dinamik, doğru ve yüksek çözünürlükte simülasyonlar oluşturulabileceğini göstermektedir. 2040 yılına ait simülasyon sonuçları, mevcut kentleşme eğilimlerinin devam etmesi durumunda tarım alanlarında %25, orman alanlarında %3 ve açık arazilerde %21 oranında kayıplar yaşanabileceğini ortaya koymaktadır.
This paper aims to create a vector cellular automata (VCA)-based urban growth simulation model (UGSM) integrated with geographic data mining (GDM). V-CAbased models, which more accurately represent the actual geometries of geographic objects, are becoming prevalent in UGSM studies. However, compared to the raster-CA algorithm, the complexity and irregularity of the vector data structure make implementing V-CA models difficult. Therefore, the growth vectors (GV) method suggests overcoming the limitations of flexible neighborhood and cellular operability. The model examines the spatiotemporal dynamics driving land cover/land use changes with the Random Forest (RF) algorithm. Istanbul's Sancaktepe district was selected as the study area, achieving an 86% accuracy rate in simulating land cover/use changes at the parcel level. Our findings demonstrate that vector data structure's flexibility allows more efficient, dynamic, accurate, and high-resolution UGSMs. Simulation results for 2040 indicate that if current urbanization trends continue, agricultural areas could lose 25%, forest areas 3%, and open lands 21%.