通过机器学习支持的MCDM和GIS集成来管理可持续的城市绿色空间

科学领域:

• 城市规划 城市规划
• 环境科学 环境科学
• 地理信息系统 (GIS) 是指地理信息系统.

背景情况:

• 有效的城市规划需要准确识别合适的绿色空间.
• 伊兹密尔的康纳克地区在优化绿色空间分配方面面临着挑战.
• 将多标准决策 (MCDM) 与地理信息系统 (GIS) 整合起来,可以改善城市绿色空间评估.

研究的目的:

• 为了评估伊兹密尔的康纳克地区绿色空间的适用性.
• 为了比较MCDM方法 (AHP,WLC,TOPSIS) 和机器学习对绿色空间适应性分析的有效性.
• 通过使用集成的GIS和MCDM方法,提高绿色空间识别的可靠性和一致性.

主要方法:

• 分析层次过程 (AHP)
• 机器学习 (ML),特别是随机森林算法.
• 权重线性组合 (WLC) 是一种权重线性组合.
• 通过与理想解决方案相似的顺序偏好技术 (TOPSIS)
• 地理信息系统 (GIS) 的整合.

主要成果:

• 机器学习,特别是随机森林算法,为标准权重提供了最有效的动态调整.
• 75%的现有绿地被发现位于不理想的位置.
• 在康纳克地区的西部和北部地区确定了最佳的绿色区域.
• 在TOPSIS方法中,ZGS_6被确定为最适合的绿色空间区域,而ZGS_4是最不适合的.
• 综合方法在绿色空间识别方面显示出更高的可靠性.

结论:

• 整合MCDM和ML与GIS显著改善了可持续城市的规划.
• 该研究为决策者提供了关键的见解,专注于城市可持续性和宜居性.
• 该方法支持有效的资源配置和预算,用于城市绿色空间的发展.