تعداد نشریات | 41 |
تعداد شمارهها | 1,121 |
تعداد مقالات | 9,573 |
تعداد مشاهده مقاله | 17,367,563 |
تعداد دریافت فایل اصل مقاله | 12,118,425 |
پایش تحولات نظام کاربری اراضی و پیش بینی تغییرات بر اساس مدل زنجیره مارکوف (مورد مطالعه: روستاهای حریم شهر سبزوار) | ||
برنامه ریزی توسعه کالبدی | ||
دوره 9، شماره 4 - شماره پیاپی 28، اسفند 1401، صفحه 31-46 اصل مقاله (1.66 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.30473/psp.2023.62705.2574 | ||
نویسندگان | ||
محمدجواد صفایی1؛ رحمان زندی* 2؛ مهدی زنگنه1؛ نرگس سپهری صدر1 | ||
1گروه برنامه ریزی شهری و روستایی، دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، سبزوار، ایران | ||
2گروه سنجش از دور و GIS، دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، سبزوار، ایران. | ||
چکیده | ||
خزش شهری از ویژگیهای شناخته شده اکثر شهرهای کشورهای درحال توسعه است؛ به طوری که این خزش ناموزون، مناطق شهری به نواحی روستایی پیرامونی، منجر به توسعه بدقواره شهر، تخریب اراضی طبیعی و تبدیل اراضی با کیفیت کشاورزی به سایر کاربریها شده است. در پی چنین ضرورتی پژوهش حاضر با هدف بررسی و پیشبینی تغییرات کاربری اراضی روستاهای حریم شهر سبزوار صورت گرفته است. نوع تحقیق از حیث هدف کاربردی، و روش انجام آن توصیفی-استنباطی و از منظر انجام پژوهش تحلیلی_ترکیبی است. در این پژوهش چهار کاربری عمده فضاهای ساخته شده، باغی، پوشش گیاهی و بایر مورد بررسی و پیش بینی قرار گرفتهاند. دوره زمانی تصاویر از سال 1985 تا 2020 جهت بررسی تغییرات کاربری ها و تا سال 2040 جهت پیش بینی در نظر گرفته شده است. جهت پردازش تصاویر از مدلهای ضریب کاپا و زنجیره مارکوف در قالب برنامههای GIS، ENVI ، Tersset وSAGA استفاده شده است. نتایج پژوهش نشان میدهد که توسعه کاربریهای ساخته شده، تغییرات طبقات پوشش گیاهی و باغی و کاهش کاربری بایر را در پی خواهد داشت. پیشبینی مدل مارکوف نشان میدهد،مساحت فضاهای ساخته شده در سال 1985 برابر با 13 کیلومترمربع بوده که در سال 2020، به 42 کیلومترمربع افزایش یافته و پیشبینی میشود که در سال 2040 به 54 کیلومترمربع برسد که نسبت به سال 2020 سالانه رشد 3/1 درصدی را در پی خواهد داشت. | ||
کلیدواژهها | ||
کاربری زمین؛ روستاهای حریم؛ سبزوار | ||
عنوان مقاله [English] | ||
Monitoring land use system changes and predicting changes based on Markov chain model (Case study: Sabzevar city) | ||
نویسندگان [English] | ||
Mohammadjavad Safaee1؛ Rahman Zandi2؛ 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. | ||
چکیده [English] | ||
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. | ||
کلیدواژهها [English] | ||
Land use, Surrounding villages, Sabzevar | ||
مراجع | ||
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. | ||
آمار تعداد مشاهده مقاله: 277 تعداد دریافت فایل اصل مقاله: 260 |