تحلیل عوامل رشد شهر ایلام با استفاده از مدل رگرسیون لجستیک

جغرافیا و توسعه فضای شهری

مقاله 1، دوره 6، شماره 1 - شماره پیاپی 10، شهریور 1398، صفحه 1-17   

نوع مقاله: علمی - پژوهشی

شناسه دیجیتال (DOI): 10.22067/gusd.v6i1.42194

نویسندگان

صالح آرخی¹؛ براتعلی خاکپور²؛ بهنام عطا^{* 2}

¹دانشگاه گلستان

²دانشگاه فردوسی مشهد

چکیده

این تحقیق با هدف پیش ­بینی پراکنش مکانی رشد شهر ایلام و به منظور ردیابی عوامل مؤثر بر رشد شهر صورت گرفت. در این بررسی تأثیر هفت فاکتور فاصله از جاده‌ها، فاصله از مراکز درمانی، فاصله از مراکز آموزشی، فاصله از اراضی بایر و فاصله از پارک و باغ، شیب و جهت دامنه بر روی رشد شهر، مورد مطالعه قرار گرفت. در این مطالعه، برای بررسی تغییرات گستره شهر، داده­های سنجنده MSS مربوط به سال­ 1355 و سنجنده TM مربوط به سال 1386 مورد پردازش و طبقه­بندی قرار گرفتند. تصاویر مورد بررسی به دو کلاسه شهر و غیر شهر طبقه­ بندی شدند و به منظور بررسی عوامل رشد، نقشه رشد شهر با متغیرهای مکانی فیزیوگرافی و انسانی وارد مدل شد. برای مدل­سازی و برآورد پراکنش مکانی رشد شهر مورد مطالعه از روش آماری رگرسیون لجستیک استفاده شد. نتایج نشان می­ دهد که در طول 31 سال حدود 1515 هکتار به سطح شهر اضافه شده است. با توجه به نتایج مدل­سازی مشخص شد که در مناطق نزدیک به مرز پارک و باغ رشد شهری بیشتری صورت گرفته است. همچنین رابطه رگرسیونی نشان می­ دهد که متغیرهای فاصله از جاده­ ها، فاصله از مراکز درمانی، فاصله از مراکز آموزشی، فاصله از اراضی بایر با رشد شهری رابطه معکوس داشته‌اند یعنی با افزایش این متغیرها میزان رشد شهر کاهش پیدا می‌کند. در نهایت، یک مدل مکانی ساده که توانایی پیش‌بینی پراکنش مکانی رشد شهر را با استفاده از رگرسیون لجستیک دارد، ارائه شد.

کلیدواژه‌ها

مدل سازی؛ رشد شهری؛ رگرسیون لجستیک؛ GIS؛ شهر ایلام

مراجع

1. امینی، م.ر.، شتایی، ش.، معیری، م.ه.، غضنفری، ه. (1385). بررسی تغییرات گستره جنگل‌ زاگرس و ارتباط آن با عوامل فیزیوگرافی و انسانی با استفاده از GIS و RS، مطالعه موردی: جنگل‌های آرمرده بانه. پایان‌نامه جهت اخذ مدرک کارشناسی ارشد جنگلداری، گرگان: دانشگاه گرگان.

2. بهرام‌سلطانی، ک. (۱۳۷۱). مجموعه مباحث و روش‌های شهرسازی، محیط زیست. مرکز مطالعات و تحقیقات شهرسازی و معماری ایران

3. حبیبی، ک ‌و نظری عدلی، س. (۱۳۸۶). پیاده سازی ماتریس‌های همجواری در سیستم اطلاعات مکانی به منظور تعیین و یا تغییر کاربری‌های شهری. تهران: همایش ژئوماتیک ۱۳۸۶.

4. رضایی، ب.، رستم زاد، ه.، فیضی زاده، ب. (1386). بررسی و ارزیابی روند تغییرات سطوح جنگل با استفاده از سنجش از دور و GIS (مطالعه مورد: جنگل های ارسباران 1987-2005). مجله پژوهش های جغرافیایی، 62، 143-159.

5. رنجبر، ا. (1381). بررسی و برآورد روند تخریب جنگل‌ها با استفاده از GIS و داده‌های سنجش از دور. پایان‌نامه جهت اخذ مدرک کارشناسی ارشد سنجش از دور، تهران: دانشگاه خواجه نصیرالدین طوسی.

6. سازمان مدیریت و برنامه ریزی استان ایلام. (1385). جایگاه استان ایلام در تحقق جهت‌گیری‌های آمایش سرزمین. سالنامه آماری ایلام (جمعیت)، ایلام: سازمان مدیریت و برنامه ریزی استان ایلام.

7. شتایی، ش.، حسینعلی زاده، م.، ایوبی، ش.ا. (1386). بررسی قایلیت داده‌های طیفی سنجنده ETM+ در برآورد مقدار ماده آلی سطحی خاک، مجله علمی پژوهشی مرتع، 1 (1)، 67-78.

8. شیعه، ا. (۱۳۷۷). مقدمه‌ای بر مبانی برنامه‌ریزی شهری. تهران: انتشارات علم و صنعت تهران.

9. محمدزاده، ر. (1386). بررسی زیستمحیطی توسعۀ شتابان شهرها با تأکید بر شهرهای تهران و تبریز. مجلۀ توسعۀ ناحیهای، 9، 112-93.

10. محمدی، م. (۱۳۵۱). گزارش خاک شناسی نیمه تفصیلی شهر مشهد منطقه قوچان؛ استان خراسان. نشریه مؤسسه تحقیقات خاک و آب، 333.

11. مسگری، س. (1381). بررسی تغییرات سطوح جنگل‌ها با استفاده از GIS و سنجش از دور، تهران: طرح پزوهشی دانشکده فنی، دانشگاه خواجه نصیر الدین طوسی.

12. نجفی، ا. (1389). قابلیت‌ها و محدویت‌های ژئومورفولوژیکی توسعه فیزیکی شهر ایلام، پایان نامه جهت اخذ مدرک کارشناسی ارشد ژئومورفولوژی، تهران: دانشگاه تهران.

13. Allen, J., & Lu, K. (2003). Modeling and prediction of future urban growth in the Charleston Region of South Carolina: A GIS-based integrated approach. Conservation Biology, 8(2), 2.

14. Arsanjani, J. J., Helbich, M., Kainz, W., & Darvishi Boloorani, A. (2013). Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion. International Journal of Applied Earth Observation and Geoinformation, 21(10), 265-275.

15. Bagheri, R., & Shataee, S. (2010). Modeling forest areas decreases, using logistic regression (Case study: Chehel-Chay Catchment, Golestan Province. Iranian Journal of Forest, 2(4), 243-252.

16. Bella, K. P., & Irwin, E. G. (2002). Spatially explicit micro-level modeling of land use change at the rural urban interface. Agricultural Economics, 27(3), 217-232.

17. Braimoh, A., & Vlek, P. L. G. (2003, January). Modeling land use change in Northern Ghana. Paper presented at the Conference of Technological and Institutional Innovations for Sustainable Rural Development, Gottingen, Germany.

18. Chavez, P. S. (1996). Image-based atmospheric corrections revisited and improved. Photogrammetric Engineering and Remote Sensing, 62(12), 1025-1036.

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

20. Dellepian, S. G., & Smith, P. C. (1999). Quality assessment of image classification algorithms for land cover mapping: A review and a proposal for a cost based approach. International Journal of Remote Sensing, 20(1), 1461-1486.

21. Eastman, J. R. (2002). Idrisi for windows, user’s guide version 32: Introduction. Worcester, MA: Clark School of Geography.

22. Fang, S., Gertner, G. Z., Sun, Z., & Anderson, A. A. (2005). The impact of interactions in spatial simulation of the dynamics of urban sprawl. Landscape and Urban Planning, 73(12), 294-306.

23. Geoghegan, J., Cortina Villar, S., Klepeis, P., Macario Mendoza, P., Ogneva-Himmelberger, Y., Roy Chowdhury, R. R., ... & Vance, C. (2001). Modeling tropical deforestation in the Southern Yucatan Peninsular Region: Comparing survey and satellite data. Agriculture, Ecosystems, and Environment, 85(1-3), 25-46.

24. He, Z., & Lo, C. (2007). Modeling urban growth in Atlanta using logistic regression. Computers, Environment and Urban Systems, 31(6), 667-688.

25. 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). UK: IALE.

26. Lambin, E. F., & Strahlers, A. H. (1994). Change-Vector analysis in multi-temporal space: A tool to detect and categorize land cover change processes using high temporal resolution satellite data. Remote Sensing of Environment, 48(2), 231-244.

27. Liao, J. G., & McGee, D. (2003). Adjusted coefficients of determination for logistic regression. American Statistician, 57(3), 161-165.

28. Mesgari, S., & Ranjbar, A. (2003, April). Analysis and estimation of deforestation using satellite imagery and GIS. Paper presented at the 6th Annual International Conference and Exhibition, New Delhi, India.

29. Oñate-Valdivieso, F., & Sendra, J. B. (2010). Application of GIS and remote sensing techniques in generation of land use scenarios for hydrological modeling). Journal of Hydrology, 395(12), 256-263.

30. Pauchard, A., Aguayo, M., Pena, E., & Urrutia, R. (2006). Multiple effects of urbanization on the biodiversity of developing countries: The case of a fast-growing metropolitan area (Concepcion, Chile). Biological Conservation, 26(6), 553-575.

31. Rossiter, D. G., & Loza, A. (2016). Analyzing land cover change with logistic regression in R. Technical Report ITC, Enschede. Retrieved from http:// www.css.cornell.edu/ faculty/ dgr2/ teach/R/R_lcc.pdf

32. Schneider, L., & Pontius, R. G. (2001). Modeling land use change in the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems and Environment, 85(18), 83-94.

33. Sluiter, R., & De Jong, S. M. (2007). Spatial patterns of Mediterranean land abandonment and related land cover transitions. Landscape Ecology, 22(4), 559-576.

34. WU, F., & Yeh, A. G. (1997). Changing spatial distribution and determinants of land development in Chinese cities in the transition from a centrally planned economy to a socialist market economy: A case study of Guangzhou. Urban Studies, 34(11), 1851-1880.