تحلیل الگوی توسعه و رشد و پراکندگی شهری با استفاده از تصاویر ماهواره‌ای (محدوده موردبررسی: شهر کاشمر)

جغرافیا و مخاطرات محیطی

مقاله 13، دوره 11، شماره 3 - شماره پیاپی 43، مهر 1401، صفحه 269-283   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/geoeh.2022.76794.1231

نویسندگان

علی حاجی زاده شیخوانلو^{* 1}؛ حبیب خاوری¹؛ مهناز رمضانی²

¹کارشناس ارشد سنجش‌ازدور و سیستم‌های اطلاعات جغرافیایی، دانشگاه خوارزمی تهران، ایران

²کارشناس ارشد جغرافیا و برنامه‌ریزی شهری، دانشگاه پیام نور واحد ساری، ایران

چکیده

یکی از چالش‌های برنامه ریزان در قرن حاضر، رشد سریع شهرنشینی است. در ایران رشد زیاد شهرنشینی دلیل هجوم مهاجران به شهرها و نبود برنامه‌ریزی مناسب و کارآمد برای اسکان مهاجران سبب بروز مناطق حاشیه‌ای پیرامون شهرها، گسترش شهر به اطراف و تخریب اراضی مرغوب و باغ‌ها شده است. هدف این پژوهش تحلیل الگوی توسعه و گسترش شهری کاشمر بین سال‌های 1379-1399 و پیش‌بینی تغییرات کاربری اراضی تا افق‌های پیش رو است. در این پژوهش با استفاده از الگوریتم حداکثر احتمال در نرم‌افزار ENVI نقشه کاربری اراضی طبقه‌بندی شده و با استفاده از الگوریتم LEI در نرم‌افزار GIS گونۀ رشد شهری به دست آمد. نتایج نشان داد که بر اساس مدل مارکوف طی سال‌های 1379 تا 1389 و 1399 درصد محدوده ساخته شده، کشاورزی و باغات رشد یافته است و از میزان اراضی بایر و مراتع کاسته شده همچنین تغییرات مساحت کاربری‌ها برای افق 1420 نسبت به حال حاضر نیز به همین صورت است. بیشترین تغییرات اختصاص به کاربری محدوده ساخته شده دارد. همچنین برای پیش‌بینی سال هزار و چهارصد و بیست رشد شهر کاشمر 7.12 درصد از نوع گسترش به سمت حاشیه شهر (infilling) و حدود 91.59 درصد از نوع توسعه از لبه شهر (edge-expansion) خواهد بود و حدود 1.28 درصد توسعه بیرونی (Outlaying) خواهد داشت؛ لذا مدیران و برنامه ریزان شهری با تأکید بر نتایج این تحقیق می‌توانند از رشد افقی و افسارگسیختۀ شهر در دوره‌های آینده جلوگیری نمایند.

کلیدواژه‌ها

زنجیره مارکوف؛ گونه شناسی رشد؛ لندست؛ LEI؛ کاشمر

مراجع

ابراهیمی، حمید؛ رسولی، علی‌اکبر؛ احمدپور، احمد. 1396. مدلسازی تغییرات دینامیک کاربری اراضی با استفاده از پردازش شیءگرا تصاویر ماهواره‌ای و مدل CA_ Markov(مطالعه موردی:شهر شیراز). فصلنامه علمی_پژوهشی  اطلاعات جغرافیایی، دوره 27،شماره108، زمستان 1397.

https://www.sepehr.org/article_34625.html

اسدی، احمد؛ اکبری، ابراهیم؛ شفیعی، نجمه. 1398. پیش‌بینی توسعه فیزیکی شهر قائن با استفاده از تصاویر   ماهواره‌ای. فصلنامه علمی-پژوهشی برنامه‌ریزی فضایی (جغرافیا). سال دهم، شماره یکم، (پیاپی 36)، بهار1399.

https://doi.org/10.22108/sppl.2019.114824.1336

اسدی، احمد؛ محمدپورسنگانی، زینت؛ حاجی‌زاده شیخوانلو، علی. 1400. شبیه‌سازی و پیش‌بینی رشد و گسترش شهری با استفاده از تکنیک سنجش‌ازدور (نمونه موردی: تربت‌جام سال‌های 2000 تا 2019). جغرافیا و مخاطرات محیطی، بهار 1400، شماره37، ص 143-160.

https://geoeh.um.ac.ir/article_39382.html

حسین‌آبادی، سعید؛ اکبری، ابراهیم؛ نقدبیشی، افسانه.1398. ارزیابی و پیش‌بینی تغییرات کاربری اراضی با استفاده از طبقه‌بندی شی گرا و مدل زنجیره مارکوف (مطالعه موردی: شهر بیرجند و پیرامون آن). جغرافیا و مخاطرات محیطی، شماره سی و سوم، بهار 1399، صص 188-169.

https://geoeh.um.ac.ir/article_34046.html

حیدریان، پیمان؛ رنگزن، کاظم؛ ملکی، سعید؛ تقی زاده، ایوب. 1392. پایش تغییرات کاربری اراضی با استفاده از روش مقایسه پس از طبقه‌بندی تصاویر ماهواره لندست (مطالعة موردی: اراضی شهر تهران). سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی .4(4), 1-10.

https://girs.bushehr.iau.ir/article_516552.html

رضایی مقدم، محمدحسین؛ رضایی بنفشه درق، مجید؛ فیضی زاده، بختیار؛ نظم فر، حسین. 1389. طبقه‌بندی پوشش اراضی کاربری اراضی بر اساس تکنیکشی گرا و تصاویر ماهواره‌ای. مطالعه موردی: استان آذربایجان غربی. پژوهش‌های آبخیزداری (پژوهش و سازندگی). (پیاپی 87)):19-32

https://journals.iau.ir/article_537511_d40c916b3ddc13176c9830ba5a426f2a.pdf

رفیعیان، امید؛ درویش صفت، علی اصغر؛ بابایی کفاکی، ساسان؛ متاجی، اسداله.1390. ارزیابی طبقه‌بندی‌های پیکسل- پایه و شی- پایه تصاویر هوایی برای تشخیص گونه‌های درختی (مطالعه موردی: جنگلکاری چمستان نور). مجله جنگل ایران. 1390.

http://www.ijf-isaforestry.ir/article_4638.html

ضیاییان، فیروزآبادی پرویز؛ شکیبا، علیرضا؛ متکان، علی اکبر؛ صادقی، علی. 1387 سنجش‌ازدور (RS), سیستم اطلاعات جغرافیایی (GIS) و مدل سلول‌های خودکار (CA) به‌عنوان ابزاری برای شبیه‌سازی تغییرات کاربری اراضی شهری. (مطالعه موردی: شهر شهرکرد). علوم محیطی. (1387)، 7 (3)، 133-148.

 https://envs.sbu.ac.ir/article_94444.html

 عزیزی قلاتی، سارا؛ رنگزن، کاظم؛ سدیدی، جواد؛ حیدریان، پیمان؛ تقی زاده، ایوب. 1395. پیش‌بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل زنجیرة مارکوف-CA (مطالعة موردی: منطقه کوهمره سرخی استان فارس. سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی.7(1), 59-71.

https://girs.bushehr.iau.ir/article_521996.html

محمودزاده، حسن. 1393. ارزیابی و تحلیل اکولوژیکی توسعه فضایی کلانشهر تبریز، رساله دکتری جغرافیا و برنامهریزی شهری، دانشکده جغرافیا و برنامه‌ریزی دانشگاه تبریز.

 https://www.virascience.com/thesis/793053/

میرزایی زاده، وحید؛ نیک نژاد، مریم؛ اولادی قادیکلایی، جعفر. 1394. ارزیابی الگوریتم‌های طبقه‌بندی نظارت شده غیرپارامتریک در تهیه نقشه پوشش زمین با استفاده از تصاویر لندست 8. سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی. 6 (3)، 29-44.

https://girs.bushehr.iau.ir/article_516794.html

نیازی، یعقوب. 1388. مقایسه دو روش طبقه‌بندی حداکثر احتمال و شبکه عصبی مصنوعی برای تهیه نقشه‌های کاربری اراضی مطالعه موردی: منطقه سد ایلام، جغرافیا و توسعه. 8 (20) 119-132.

https://gdij.usb.ac.ir/article_633.html

 

AL-Sharif, A.A.A., Pradham, B., (2013), Monitoring and predicting land-use change in Tripoli Metropolitan City using an integrated Markov chain and cellular automata models in GIS, Saudi Society for Geosciences 2013. https://doi.org/10.1007/s12517-013-1119-7

Aslami, F., Ghorbani, A., Sobhani, B., Panahandeh, M. (2015). Comparing artificial neural network, support vector machine, and object-based methods in preparation of land use/cover maps using Landsat-8 images. Journal of RS and GIS for Natural Resources, 6(3), 1-14. (in Persian). https://girs.bushehr.iau.ir/article_516792.html?lang=en

Bagnan ,Hasi and Yamagata, Yoshiki.,2014. Land-cover change analysis in 50 global cities by using a combination of Landsat data and analysis of grid cells. Environmental Research Letters, Volume 9, Number 6.  https://doi.org/10.1088/1748-9326/9/6/064015

Cahya, D L., Martini, E., and K M Kasikoen.,2018. Urbanization and Land Use Changes in Peri-Urban Area using Spatial Analysis Methods (Case Study: Ciawi Urban Areas, Bogor Regency). IOP Conf. Ser.: Earth Environ. Sci. 123, 012035.  https://doi.org/10.1088/1755-1315/123/1/012035

Chavez, P. S. (1988). An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote sensing of environment, 24(3), 459-479. https://doi.org/10.1016/0034-4257(88)90019-3

Fan, Fenglei, Wang, Yunpeng, and Wang, Zhishi, 2008, Temporal and spatial change, detecting (1998–2003) and predicting of land use and land cover in Core corridor of Pearl pp: 127-147. https://doi.org/10.1007/s10661-007-9734-y

Gilmore, M. S., Wilson, E. H., Barrett, N., Civco, D. L., Prisloe, S., and Hurd, J. D . (2008). Integrating multi-temporal spectral and structural information to map wetland vegetation in a lower Connecticut River tidal marsh. Remote Sensing of Environment, 112, 4048-4060. https://doi.org/10.1016/j.rse.2008.05.020

Kim M; Madden, M; Warner, T; ''Forest type mapping using object-specific texture measures from multispectral IKONOS imagery: segmentation quality and image classification issues'', Photogrammetric Engineering & Remote Sensing, 2009. https:// doi.org/ 10.14358/ PERS.75.7.819

Li, E; Du, P; Samat, A; Xia, J; Che, M; ''An automatic approach for urban land-cover classification from Landsat-8 OLI data'', International Journal of Remote Sensing, 36, 24, 5983-6007, 2015. https://doi.org/10.1080/01431161.2015.1109726

Miranda-Aragón, L., Treviño-Garza, E. J., Jiménez- Pérez, J., Aguirre-Calderón, O. A., González Tagle, M. A., Pompa-García, M. and Aguirre-Salado, C. A. (2012). Modeling susceptibility to deforestation of remaining ecosystems in North Central Mexico with logistic regression. Journal of Forestry Research, 23(3), 345-35. https://doi.org/10.1007/s11676-012-0230-z