کاربرد تکنیک‌های دورسنجی و سیستم اطلاعات جغرافیایی با هدف شبیه‌سازی توسعۀ شهری (مطالعۀ موردی: شهر مهاباد)

جغرافیا و توسعه فضای شهری

مقاله 6، دوره 3، شماره 2 - شماره پیاپی 5، اسفند 1395، صفحه 161-175   

نوع مقاله: علمی - پژوهشی

شناسه دیجیتال (DOI): 10.22067/gusd.v3i2.55931

نویسندگان

حسن محمودزاده^* ؛ خلیل دیده بان؛ سید علی صادق زاده سادات

دانشگاه تبریز

چکیده

امروزه با افزایش جمعیت و رشد سریع شهرنشینی تغییراتی اساسی در کاربری اراضی شهرها ایجاد شده است. که نیازمند مدیریت و برنامه ریزی برای توسعۀ شهری با توجه به تغییرات ایجاد شده در کاربری‌های شهری می‌باشد و شهر مهاباد از این قاعده مستثنی نمی‌باشد. در این مقاله سعی شده است با استفاده از مدل رگرسیون لجستیک میزان تغییرات کاربری اراضی شهری و توسعة آتی شهر مهاباد با در نظر گرفتن معیارهای خطوط انتقال نیرو، مخاطراتی (گسل، زمین لغزش)، سازندهای زمینةشناسی، رودخانه و شیب در بازۀ زمانی 1365-1393 و توسعة آن تا سال 1420 با استفاده از تصاویر ماهواره لندست 8 و 5 مورد بررسی قرار گیرد. برای این کار ابتدا اقدام به تهیة نقشه‌های کاربری اراضی برای دو دورة زمانی1365 و 1393 در محیط نرم‌افزاری اکوگنیشن کردیم و با بررسی نقشه‌های کاربری حاصل مقدار اراضی ساخته‌شدة شهر مهاباد در سال 1365 برابر 989.932 هکتار و در سال 1393 وسعت آن حدود دو برابر افزایش یافته و به وسعتی به مساحت 2000.02 رسیده است. تحت تأثیر این عوامل، روند رشد و توسعة شهر از وسعت کاربری‌های غیرساخته شده به مساحت 1422.3545 هکتار کاسته و بر وسعت اراضی ساخته‌شده افزوده است به‌طوری‌که با استفاده از مدل رگرسیون و معیارهای در نظر گرفته شده، مقدار پیش‌بینی آن برای سال 1420 مساحتی به مقدار 3434.02 هکتار می‌باشد. همچنین سناریوی اثرات توسعة شهر بر محیط زیست و تأثیرپذیری از مخاطرات با روش فازی در محیط آرک جی‌ای‌اس مورد بررسی واقع شد.

کلیدواژه‌ها

مدل رگرسیون لجستیک؛ شهر مهاباد؛ تغییرات کاربری؛ توسعۀ شهری

مراجع

1. بهرام‌سلطانی، ک. (1371). مجموعه‌مباحث و روش‌های شهرسازی. تهران: مرکز مطالعات تحقیقات و معماری ایران

2. بیبر ان. آر.، و هیگینز، ک. (1381). برنامه‌ریزی محیطی و توسعۀ زمین؛ راهنمایی برای برنامه‌ریزی و طراحی محلی پایدار. ترجمۀ حسین بحرینی و کیوان کریمی. تهران: انتشارات دانشگاه تهران

3. ربیعی، ح. ا.، ضیائیان، پ.، و محمدی، ع. (1384). کشف و بازیابی تغییرات کاربری و پوشش اراضی شهر اصفهان به کمک سنجش از دور و سیستم اطلاعات جغرافیایی. ویژه‌نامه جغرافیایی، (4)، 19-32

4. رسولی، ع. (1387). مبانی سنجش از دور کاربردی با تأکید بر پردازش تصاویر ماهواره‌ای. تبریز: انتشارات دانشگاه تبریز

5. رسولی، ع.، زرین‌بال، م.، و شفیعی، م. (1388). کاربرد تصاویر ماهواره‌ای با هدف تشخیص تغییرات کاربری اراضی و ارزیابی تأثیرات محیط زیستی. پژوهش‌های آبخیزداری، 21(82)، 1-11

6. شمس، م.، و حجی‌ملایری، پ. (1388). توسعۀ فیزیکی و تأثیر آن بر تغییرات کاربری شهر ملایر در دورۀ زمانی 1365-1385. فصلنامه جغرافیایی آمایش، (7)، 75-91

7. عبداللهی، م. (1382). مدیریت بحران در نواحی شهری. تهران: انتشارات سازمان شهرداری‌های کشور

8. عزیزقلاتی، س.، رنگزن، ک.، تقی‌زاده، ا.، و احمدی، ش. (1393). مدل‌سازی تغییرات کاربری اراضی با استفاده از روش رگرسیون لجستیک در مدل Lcm؛ منطقۀ مورد مطالعه: کوهمره سرخی استان فارس. علمی پژوهشی تحقیقات جنگل و صنوبر ایران، 22(4)، 585-596

9. فیضی‌زاده، ب.، جعفری، ف.، و نظم‌فر، ح. (1387). کاربرد داده‌های سنجش از دور در آشکارسازی تغییرات کاربری‌های اراضی شهری (مطالعۀ موردی فضای سبز شهر تبریز). هنرهای زیبا، (34)، 17-24

10. قربانی، م.، مهرابی، ع.، ثروتی، م.، و نظری‌سامانی، ع. (1389). بررسی تغییرات جمعیتی و اثرگذاری‌های آن بر تغییرات کاربری اراضی (منطقۀ مورد مطالعه: بالا طالقان). منابع طبیعی، 63(1) 75-88

11. کامیاب، ح.، ماهینی، ع.، حسینی، س. م.، و غلامعلی‌فرد، م. (1389). اتخاذ رهیافت اطلاعات ‌حور با کاربرد روش رگرسیون لجستیک برای مد‌ل‌سازی توسعۀ شهری گرگان. محیط‌شناسی، (54)، 89-96

12. کرم، ا.، حجه‌فروش‌نیا، ش.، و حکیمی، ح. (1389). مدل‌سازی فضایی گسترش شهری با استفاده از روش رگرسیون لجستیک. تحقیقات کاربردی علوم جغرافیایی،14(17)، 41-64

13. محمدزاده، ر. (1386). بررسی اثرات زیست‌محیطی توسعۀ فیزیکی شتابان شهرها با تأکید بر شهرهای تهران و تبریز. مجلۀ جغرافیا و توسعۀ ناحیه ای، (9)، 95-112

14. المدرسی‌الحسینی، س. ع.، کرمی، ج.، و روشن‌بخش، س. (1393). مدل‌سازی توسعۀ شهری همدان با استفاده از روش رگرسیون لجستیک سال‌های 2003-2009. در مجموعه‌مقالات نخستین همایش ملی کاربرد مدل‌های پیشرفتۀ تحلیل فضایی (سنجش از دور و GIS ایران) در آمایش سرزمین، به‌همت سیدعلی المدرسی، ص. 412-423

15. Aldrich, J. H., & Nelson, F. D. (1986). Linear probability, logit and probit models (3rd edition). Beverly Hills, CA: Sage Publications

16. Alig, R. J., Kline, J. D., & Lichtenstein, M. (2004). Urbanization on the US landscape: Looking ahead in the 21st century. Landscape Urban Plan, 69, 219–234

17. Clark, W. A., & Hosking, P. L. (1986). Statistical methods for geographers. New York, NY: John Wiley and Sons

18. Domencich, T.A., McFadden, D. (1975). Urban travel demand: Behavioural analysis. Amsterdam: North- Holland Publishing Co

19. Geist, H. L., & Lambin, E. F. (2002). Proximate causes and underlying driving forces of tropica deforestation. Bioscience, 52(2), 143-150

20. Henry, S., Boyle, P., & Lambin, E. F. (2003). Modeling inter-provincial migration in Burkina Faso, West Africa: The role of socio-demographic and environmental factors. Applied Geography, 23, 115–136

21. Hu, Zh., & Lo, C. P. (2007). Modeling urban growth in Atlanta using logistic regression. Computers, Environment and Urban Systems, 31, 667-688

22. Jongman, R. H., Bunce, R.G., & Elena-Rossello, R. (1998). A European perspective on the definition of landscape character and biodiversity: Key concepts in landscape ecology. In J. W. Dover, & R. G. H. Bunce (Eds.), Proceedings of the 1998 European congress of the International Association of Landscape Ecology (pp. 1–35). England, University of Nottingham Press

23. Kamyab, H., Salman Mahini, A., Hosseini, S.M., & Gholamalifard, M. (2010). Adopt a datadriven approach using logistic regression to model urban development Gorgan. Journal of Ecology, 36, 89-96

24. Maithani, S., Jain, R. K., & Arora, M. K. (2009). An artificial neural network based approach for modelling urban spatial growth. ITPI Journal, 4, 43–51

25. Mas, J. F., Puig, H., Palacio, J. L., & Sosa- Lopez, A. (2004). Modelling deforestation using GIS and artificial neural networks. Environmental Modelling & Software, 19, 461–471

26. Pan, D., Domon, G., De Blois, S., & Bouchard, A. (1999). Temporal (1958–1993) and spatial patterns of land use changes in Haut-Saint-Laurent (Quebec, Canada) and their relation to landscape physical attributes. Landscape ecology, 14(1), 35-52

27. Quarantelli, E. L. (2003). Urban vulnerability to disasters in developing countries, managing risks, In A. Kreimer, M. Arnold, & A. Carlin (Eds.), Building safer cities: The future of disaster risk (pp. 211-232). Washington, D.C.: The International Bank for Reconstruction and Development/ The World Bank

28. Tayyebi, A, Perry, Ph. Ch., & Tayyebi, A. H .(2013). Predicting the expansion of an urban boundary using spatial logistic regression and hybrid raster–vector routines with remote sensing and GIS. International Journal of Geographical Information Science, 28(4), 639-659

29. Wu, Q., Li, H., Wang, R., Paulussen, J., He, Y., Wang, M., Wang, B. & Wang, Z. (2006). Monitoring and predicting land use change in Beijing using remote sensing and GIS . Landscape and Urban Planning, 78(4), 322-333

30. Yuan, F., Sawaya, K. E., Loeffelholz, B. C., & Bauer, M. E. (2005). Land cover classification and change analysis of the twin cities (Minnesota) Metropolitan Area by multi-temporal landsat remote sensing. Remote Sensing of Environment 98(2-3), 317-328

31. Zhang, J., & Zhang, Y. (2007). Remote sensing research issues of the national land use change program of China. ISPRS Journal of Photogrammetry & Remote Sensing, 26(6), 461–472