پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 41 |
| تعداد شماره‌ها | 1,145 |
| تعداد مقالات | 9,843 |
| تعداد مشاهده مقاله | 18,142,541 |
| تعداد دریافت فایل اصل مقاله | 12,672,789 |
پایش و پیشبینی تغییرات کاربری و پوشش زمین در شهرهای بزرگ؛ کاربرد مدل CA-Markov در مطالعه شهر رشت | ||
| برنامه ریزی توسعه کالبدی | ||
| دوره 8، شماره 1 - شماره پیاپی 21، خرداد 1400، صفحه 111-133 اصل مقاله (4.03 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30473/psp.2021.52088.2284 | ||
| نویسندگان | ||
| اسماعیل علی‌اکبری* 1؛ احمد پوراحمد2؛ رقیه حیدری3 | ||
| 1استاد | ||
| 2استاد تمام دانشگاه تهران | ||
| 3دانشجوی دکتری دانشگاه پیام نور | ||
| چکیده | ||
| پایش و پیشبینی مستمر تغییرات کاربری و پوشش زمین در شهرهای بزرگ برای مدیریت رشد و پایداری اکوسیستم شهری امری حیاتی است. این مقاله تغییرات کاربری و پوشش زمین در شهر رشت را تا سال ۱۳۹۸ پایش و تا ۱۴۰۸ مدل سازی و پیشبینی کرده است. روش مقاله توصیفی- تحلیلی، داده های سری زمانی نقشههای کاربری ، پوشش زمین و روش پردازش دادهها، از طریق بکارگیری مدل ترکیبی CA-Markovاست. اعتبار مدل در پیشبینی، با ضریب کاپا 78/0 و دقت کلی 82/0 تأیید شده است. یافته‌ها مؤید افزایش سطوح کلاس کاربری شهری از 4915 هکتار درسال ۱۳۷۲ به 9960 هکتار درسال ۱۳۹۸ و پیش بینی رشد به 10555 هکتار (114 درصد) تا سال ۱۴0۸ است. در مقابل پوشش کشاورزی از 29504 به 28390 هکتار تا سال ۱۴0۸ کاهش خواهد یافت. آهنگ کاهشی مشابه در پوشش شالیزار و مناطق جنگلی در مجموع نشان می‌دهد افزایش سطوح کاربری شهری، در جریان دست اندازی شهر به پوشش زمین و تبدیل کلاس غیر شهری درون، پیرامون و حریم شهر رخ داده است. آثار زیانبار بی‌ثباتی زمین و ناپایداری منابع پوششی، مسئله اصلی شهر و اکوسیستم شهری در حال و آینده است. در کوتاه مدت، مدیریت رشد کالبدی شهر بر مبنای سیاست‌های مهار رشد در بیرون، به ویژه کنترل بردار اصلی آن، یعنی تغییر و تبدیل پوشش زمین قابل توجه و برنامهریزی است. در بلندمدت توسل به راهبردهای سیاست توسعه از درون، یعنی توسعه جدید و مجدد، برای پایدارسازی رشد و روند تدریجی دوره گذار به کلانشهر شدن بسیار اهمیت دارد. | ||
| کلیدواژه‌ها | ||
| تغییرات کاربری زمین؛ شهرهای بزرگ؛ شهر رشت؛ مدل CA-Markov | ||
| عنوان مقاله [English] | ||
| Monitoring and Predicting Land Use and Land Cover Changes in Large Cities; Application of CA-Markov Model in Rasht, Iran | ||
| نویسندگان [English] | ||
| ahmad pourahmad2؛ roghaye heydari3؛ | ||
| 2University of Tehran | ||
| 3Payame Noor University | ||
| چکیده [English] | ||
| Continuous monitoring and forecasting of land use change in large cities is critical to both growth management and the sustainability of the urban ecosystem. The present study monitors land use and land cover changes in Rasht until 2019. It has also modeled and predicted changes until 2030. The applied method of the article is descriptive-analytical, the data is time series of land use maps and the data processing method is the CA-Markov hybrid model. The validity of the model in the forecast has been confirmed with a kappa coefficient of 0.78 and an overall accuracy of 0.82. The results showed that the levels of urban land use class increased from 4915 hectares in 1993 to 9960 hectares in 2019 and the growth rate is predicted to reach 10555 hectares (114%) by 2030. In contrast, agricultural land cover will be reduced from 29,504 to 28,390 hectares by 2030. Overall, the declining rate in agricultural lands, paddy fields and forested areas shows that the increase in urban land use has occurred due to the encroachment of the city on land cover and the conversion of non-urban class inside and outside the city. The detrimental effects of land instability and resource instability are a major issue for the city and the current and future urban ecosystem. What is important for stabilizing the growth and gradual process to the metropolitan stage is that the management of the physical growth of the city should pay attention to both short-term and long-term periods. In the short term, it must control land cover change and transformation based on external growth control policies, and in the long term, it must focus on inward development policy strategies. | ||
| کلیدواژه‌ها [English] | ||
| Land Use Changes, Large Cities, Rasht, CA-Markov Model | ||
| مراجع | ||
|
احمدی، فرید(1394). کاربرد سنجش از راه دور در مدیریت بهینه کاربری اراضی. همایش ملی مدیریت زمین در ایران. تهران: مؤسسه پژوهشهای برنامهریزی، اقتصاد کشاورزی و توسعه روستایی، مدیریت خدمات پژوهشی. اسماعیلی، علی و حمید، اشجعی(1398). تغییرات کاربری زمین از طریق زنجیره مارکوف و استفاده از سیستمهای اطلاعات جغرافیایی و سنجش از دور(مورد شناسی: استان قم). فصلنامه جغرافیا و آمایش شهری – منطقهای، 9(31)، 172-153. امان‌پور، سعید، کاملی‌فر، محمدجواد و بهمئی، حجت(1396). تحلیلی بر تغییرات کاربری اراضی در کلان‌شهرها با استفاده از آنالیز تصاویر ماهوارهای در محیط ENVI (مطالعه موردی: کلانشهر اهواز). فصلنامه علمی- پژوهشی اطلاعات جغرافیایی(سپهر)، 26(102). 150-139. بییر، آن. آر و هیگینز، کاترین(1393). برنامهریزی محیطی برای توسعه زمین، راهنمایی برای برنامهریزی و طراحی محلی پایدار، ترجمه سیدمحسن حبیبی و کیوان کریمی، چاپ پنجم، تهران: دانشگاه تهران. پورمحمدی، محمدرضا(1390). برنامهریزی کاربری اراضی شهری. تهران: سمت. رایگانی، بهزاد، جهانی، علی، ستاری‌راد، میر و شوقی، نرگس (1397). پیشبینی تغییرات کاربری زمین برای سال 2030 با استفاده از سنجش از دور و تصاویر چند زمانۀ لندست (مطالعه موردی: شهر مشهد). آمایش سرزمین، 10(2)، 269-249. روستایی، شهریور، علی‌اکبری، اسماعیل و حسین‌زاده، رباب. (1395). بررسی عوامل کلیدی تأثیرگذار بر رشد شهرهای بزرگ(مورد مطالعه شهر ارومیه). پژوهش و برنامهریزی شهری، 7(26)، 53-74. زیاری، کرامت‌الله (1388). برنامهریزی کاربری اراضی شهری. تهران: انتشارات دانشگاه تهران. صادق‌روش، محمدحسن(1395). پهنه‌بندی قابلیت زمین‌های دشت خضرآباد برای کشت زعفران با استفاده از منطق فازی. فصلنامه بوم‌شناسی گیاهان زراعی، 12(3)، 61-47. علی‌اکبری، اسماعیل(1396). تحلیل تحولات نظام شهری و پویش شهرنشینی کشور در دوره بعد از انقلاب. گزارش طرح پژوهشی، معاونت پژوهش دانشگاه پیام‌نور. مرادی، عباس، تیموری، حسن و دژکام، صادق(1394). پایش تغییرات فیزیکی سیمای سرزمین شهر کرج با استفاده از تحلیل سینوپتیک و تصاویر ماهوارهای. برنامهریزی و آمایش فضا، 19(1)، 146-127. میثاق، نورالدین، نیسانی‌سامانی، نجمه وتومانیان، آرا (1397). شبیه‌سازی رشد شهری تبریز با استفاده از مدل CA-Markov و تصمیمگیری چندمعیاره. پژوهشهای جغرافیای انسانی، 50(1)، 231-217. Akintunde, J. A., Adzandeh, E. A., & Fabiyi, O. O. (2016). Spatio-temporal pattern of urban growth in Jos Metropolis, Nigeria. Remote Sensing Applications. Society and Environment, 4, 44-54.
Belay, T., & Mengistu, D. A. (2019). Land use and land cover dynamics and drivers in the Muga watershed, Upper Blue Nile basin, Ethiopia. Remote Sensing Applications. Society and Environment, 15, 100249.
Du, R. (2016). Urban growth: Changes, management, and problems in large cities of Southeast China. Frontiers of Architectural Research, 5(3), 290-300.
Fisher, P. F., Comber, A. J., & Wadsworth, R. (2005). Land use and land cover: contradiction or complement. Re-presenting GIS, 85-98.
Jahanishakib, F., Mirkarimi, S. H., Salmanmahiny, A., & Poodat, F. (2018). Land use change modeling through scenario-based cellular automata Markov: improving spatial forecasting. Environmental monitoring and assessment, 190(6), 332.
Jensen, J. R. (2009). Remote sensing of the environment: An earth resource perspective 2/e. Pearson Education India.
Liu, D., Zheng, X., Zhang, C., & Wang, H. (2017). A new temporal–spatial dynamics method of simulating land-use change. Ecological modelling, 350, 1-10.
Lu, Q., Chang, N. B., Joyce, J., Chen, A. S., Savic, D. A., Djordjevic, S., & Fu, G. (2018). Exploring the potential climate change impact on urban growth in London by a cellular automata-based Markov chain model. Computers, Environment and Urban Systems, 68, 121-132.
Moghadam, H. S., & Helbich, M. (2013). Spatiotemporal urbanization processes in the megacity of Mumbai, India: A Markov chains-cellular automata urban growth model. Applied Geography, 40, 140-149.
Sudhira, H. S., Ramachandra, T. V., & Jagadish, K. S. (2004). Urban sprawl: metrics, dynamics and modelling using GIS. International Journal of Applied Earth Observation and Geoinformation, 5(1), 29-39.
Supriatna, J., Koestoer, R. H., & Takarina, N. D. (2016). Spatial Dynamics Model for Sustainability Landscape in Cimandiri Estuary, West Java, Indonesia. Procedia-Social and Behavioral Sciences, 227, 19-30.
Varga, O. G., Pontius Jr, R. G., Singh, S. K., & Szabó, S. (2019). Intensity Analysis and the Figure of Merit’s components for assessment of a Cellular Automata–Markov simulation model. Ecological indicators, 101, 933-942. Xu, C., Liu, M., Zhang, C., An, S., Yu, W., & Chen, J. M. (2007). The spatiotemporal dynamics of rapid urban growth in the Nanjing metropolitan region of China. Landscape ecology, 22(6), 925-937.
Xue, L., Zhu, B., Wu, Y., Wei, G., Liao, S., Yang, C., ... & Han, Q. (2019). Dynamic projection of ecological risk in the Manas River basin based on terrain gradients. Science of The Total Environment, 653, 283-293.
Zheng, F., & Hu, Y. (2018). Assessing temporal-spatial land use simulation effects with CLUE-S and Markov-CA models in Beijing. Environmental Science and Pollution Research, 25(32), 32231-32245. | ||
|
آمار تعداد مشاهده مقاله: 579 تعداد دریافت فایل اصل مقاله: 545 |
||