Monitoring land use system changes and predicting changes based on Markov chain model (Case study: Sabzevar city) | ||
| برنامه ریزی توسعه کالبدی | ||
| Volume 9, Issue 4 - Serial Number 28, March 2023, Pages 31-46 PDF (1.66 M) | ||
| Document Type: Research Paper | ||
| DOI: 10.30473/psp.2023.62705.2574 | ||
| Authors | ||
| Mohammadjavad Safaee1; Rahman Zandi* 2; mahdi Zanganeh1; Narges Sepehrisadr1 | ||
| 1Department of Urban and Rural Planning, Faculty of Geography and Environmental Sciences, Hakim Sabzevari University, Sabzevar, Iran | ||
| 2Department of Remote Sensing and GIS, Faculty of Geography and Environmental Sciences, Hakim Sabzevari University, Sabzevar, Iran. | ||
| Abstract | ||
| Urban sprawl is a well-known feature of most cities in developing countries. Unbalanced urban expansion towards the surrounding rural areas has led to the disorderly development of the city, the destruction of natural lands and the conversion of suitable agricultural lands to other uses. The current research was conducted with the aim of investigating and predicting land use changes in villages around Sabzevar city. The current research is descriptive-inferential in terms of its practical purpose, and analytical-composite research from the point of view of doing it. In this research, four major uses of built spaces, gardens, vegetation and barren spaces have been investigated and predicted. The time period of the images from 1985 to 2020 is considered to examine the changes in uses and to 2040 for forecasting. To process images, Kappa coefficient and Markov chain models have been used in GIS, ENVI, Tersset and SAGA programs. The results show that the development of built uses will cause changes in vegetation and garden classes and reduce barren land use. Markov model prediction shows that the area of built spaces in 1985 was equal to 13 square kilometers, which increased to 42 square kilometers in 2020 and is predicted to reach 54 square kilometers in 2040, with an annual growth of 1.3 percent. | ||
| Keywords | ||
| Land use; Surrounding villages; Sabzevar | ||
| References | ||
|
اکبری، ابراهیم، زندی، رحمان و کلاته میمری، رقیه (1398). تحلیل و پیش بینی گسترش شهر مشهد با استفاده از تصاویر ماهوارهای چندزمانه و زنجیره مارکوف (طی سال های 1404-1379). جغرافیا و مخاطرات محیطی. 8 (30 )، 149-166.
حیدریزادی، زاهده و عبدالرضا، محمدی (1395). پیش بینی تغییرات کاربری اراضی در دشت مهران با استفاده از مدل سلولهای خودکار-مارکوف. نشریه مهندسی اکوسیستم بیابان، ۵ (۱۰)، ۶۸-۵۷.
رایگانی، ابراهیم و اسلامی، مسعود (1397). بررسی تاثیر عوامل طبیعی (محیطی) در شکلگیری و ماندگاری شهر تاریخی دهدشت. مطالعات شهر ایرانی اسلامی, 8(31 ), 51-62.
زندی، رحمان، زنگنه، مهدی و مقدم، مهسا (1398). ارزیابی، مدلسازی و پیشبینی توسعهی شهری نیشابور با تأکید بر زلزله، مطالعات جغرافیایی مناطق خشک، ۹ (۳۶)، ۳۱-۱۶.
سعیدی، عباس (1390). روابط و پیوندهای روستایی شهری در ایران، نشر مهر مینو ، تهران.
سعیدی، عباس، رحمانی، بیژن و فتحی، بهرام (1400). تحلیل جریان فضایی در سطح ناحیه با تاکید بر پیوستگی روستایی_ شهری (مطالعه موردی: ناحیه دالاهو، استان کرمانشاه)، جغرافیا و روابط انسانی.4(1)،370-350.
فرج الهی، اصغر، عسگری، حمیدرضا، اونق، مجید، و محبوبی، محمدرضا و سلمان ماهینی، عبدالرسول (1394). پایش و پیش بینی روند تغییرات مکانی و زمانی کاربری/ پوشش اراضی (مطالعه موردی: منطقه مراوه تپه, گلستان)، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی ( کاربرد سنجش از دور و GISدر علوم منابع طبیعی ). 6(4)، 1-14.
کریمی، محمد، کیاورز، مجید و کلانتری، محسن (1397). پایش و پیشبینی تغییرات کاربری اراضی و گسترش فیزیکی شهر بابل در دوره زمانی 1419– 1364 با استفاده از تصاویر چند زمانه لندست، برنامه ریزی توسعه کالبدی. 7(11): 52-32.
مرکز آمار ایران، سرشماری نفوس و مسکن: 1335 تا 1395.
ممبنی، مریم و عسگری، حمیدرضا (1397). پایش، بررسی و پیش بینی روند تغییرات مکانی کاربری اراضی/پوشش زمین با استفاده از مدل زنجیره ای مارکوف مطالعه موردی: شوشتر- خوزستان، اطلاعات جغرافیایی، 27(105)، 35-47.
مهندسین مشاور پرداراز (1388)، طرح جامع شهر سبزوار.
Banai, R. (2014). Urban Sprawl: Definition, Data, Methods of Measurement, and Environmental, Consequences. Journal of Sustainability Education, 7, 2151-7452. Bianca, M. (2012). Post-communist land use changes related tourban sprawl in the Romanian metropolitan areas. Journal of Studies andResearch in Human Geography, 6 (1), 35-46. Available from:www.humangeographies.org.ro. Accessed date: 2013/08/29. Deep, S., & Saklani. (2014). Urban sprawl modeling using cellular automata. The Egyptian Journal of Remote Sensing and Space Science, 17 (2), 179-187. Doygun, H. (2005). Urban development in Adana,Tourkey, and its environmental consequences. International Journal of Environmental studies, Routledge, 62. Eglin, R. (2010). A New Village Region: Region Rural Sprawl. Journal Transformer, 3 (11), 213-234. Gao, J., Liu, Y., & Chen, Y. (2006). Land cover changes during agrarian restructuring in Northeast China. Applied Geography, 26, 312–322. Guan, D., GAO, W., Watari, K., & Fukahori, H. (2008). Land use change of Kitakyushu based on landscape ecology and Markov model. Journal of Geographical Sciences, 18, 455-468. Herold, M., Goldenstein, N., & Clark, K. (2003). The spatiotemporal form of urban growth: measurements, analysis and modeling. Remote sensing of environment, 286-302. Hosseinzadeh, D., & Houshyar, H. (2006). The effective elements and viewpoints on the physical development of cities in Iran. Journal of geography and regional development, 213-226. Iqbal, S., Billa, M., & Alak, p. (2016) Urban land use change analysis using RS and GIS in Sulakbahar ward in Chittagong city, Bangladesh. Internatinal Jounal of Geomatics and geosciences, 7 (1), 1-10. Jenerette, G.D., & Wu. J. (2001). Analysis and simulation of land use change in the central Arizon Phoenix region, USA. Landdscape Ecology, 16, 611-625. Li, H., Takuro, I., Weici, S., Tadashi, N., & Hokao Kazunori. (2011). Modeling urban land use change by the integration of cellular automaton and Markov model. Ecological Modelling, 222، 20, Netherlands. Li, S., & Nadolniyak, D. (2013). Agricultural Land Development in Lee County Florida: Impacts of Economic and Natural Risk Factors in a Coastal Area. Southern Agricultural Economics Association, Annual Meeting. Liu, T., & Yang, X. (2015). Monitoring land changes in an urban area using satellite imagery, GIS and landscape metricsOriginal. Applied Geography, 56, 42-54. Lu, D., Mausel, P., Brondi zio, E., & Maron, E. (2004). Change detection techniques. Remote sensing, 2365-2407. Nazarian, A. (2008). Dynamics of Iran’s urban system. Tehran: Mobtakeran. Pandey, B., & Seto, K. C. (2014). Urbanization and Agricultural Land Loss in India: Comparing Satellite Estimates with Census Data. Journal of Environmental Management, 148 (1), 53-66, http://Dx.Doi.Org/10.1016/J.Jenvman.2014.05.014. Ploumidis, S. (2013). ‘Peasantist nationalism’in inter-war Greece (1927–41). Byzantine and Modern Greek Studies, 37(1), 111-129. Sahana, M., Hong, H., & Sajjad, H. (2018). Analyzing urban spatial patterns and trend of urban growth using urban sprawl matrix: A study on Kolkata urban agglomeration, India. Science of the Total Environment, 628, 1557-1566. Sang ,L., Zhang, Ch., Yang, J., Zhu, D., & Yun, W. (2011) Simulation of land use spatial pattern of towns and villages based on CA-Markov model. Mathematical and computer modeling, 54, 938-943 Taffa, C., Mekonen, T., Mulugeta, M., & Tesfaye, B. (2017). Data on spatiotemporal urban sprawl of dire dawa city, eastern Ethiopia. Data in brief, 12, 341. Ting Liu, Xiaojun Yang, (2015). Monitoring land changes in an urban area using satellite imagery, GIS and landscape metricsOriginal Research Article Applied Geography, Volume 56, January 2015, Pages 42-54. Van Nguyen, T., Van Nguyen, N., Le, H. T. T., La, H. P., & Bui, D. T. (2017). Detection and Prediction of Urban Expansion of Hanoi Area (Vietnam) Using SPOT-5 Satellite Imagery and Markov Chain Model. In International Conference on Geo-Spatial Technologies and Earth Resources. Wakeel, A., Rao, K. S., Maikhuri, R. K., & Saxena, K. G. (2005). Forest management and land use/cover changes in a typical micro watershed in the mid elevation zone of Central Himalaya, India. Forest Ecology and Management, 213, 229–242. Warner, A., Blonski, G., Gasser, R., & Zanoni, V. (2001). An approach to application Validation of multispectral sensors using AVIRIS data, 9pp. Xian, G., & Crane, M. (2005). Assessments of urban growth in the Tampa Bay watershed using remote sensing data. Journal of Remote Sensing of Environment, 97 (2), 203-215. | ||
|
Statistics Article View: 544 PDF Download: 570 |
||