تحلیل الگوی توسعۀ کالبدی – فضایی شهر یاسوج با استفاده از روش‌های تحلیل فضایی

جغرافیاوتوسعه ناحیه ای

مقاله 12، دوره 22، شماره 1 - شماره پیاپی 46، فروردین 1403، صفحه 337-362   

نوع مقاله: پژوهشی- مطالعه موردی

شناسه دیجیتال (DOI): 10.22067/jgrd.2024.87729.1426

نویسندگان

مهدی احساسی خواه¹؛ کرامت اله زیاری^{* 2}؛ عباس رجایی³؛ احمد پوراحمد⁴؛ حسین حاتمی نژاد⁴

¹دانشجوی دکتری جغرافیا و برنامه‌ریزی شهری، دانشگاه تهران، تهران، ایران

²استاد گروه جغرافیای انسانی و برنامه ریزی، دانشکده جغرافیا،دانشگاه تهران، تهران، ایران

³دانشیار جغرافیا و برنامه‌ریزی شهری، دانشگاه تهران، تهران، ایران

⁴استاد جغرافیا و برنامه‌ریزی شهری، دانشگاه تهران، تهران، ایران

چکیده

شناخت وضعیت کالبدی شهر و ارزیابی الگوی توسعۀ کالبدی برای هدایت آن در راستای توسعۀ پایداری شهری امری حیاتی است، چراکه امروزه اغلب پژوهشگران اعتقاد دارند ارتباط معناداری بین الگوی توسعۀ کالبدی شهر با پایداری وجود دارد. بر این اساس، هدف اصلی پژوهش، تحلیل الگوی توسعۀ کالبدی – فضایی شهر یاسوج با استفاده از روش‌های آنالیز فضایی همچون خودهمبستگی فضایی محلی (موران)، توزیع جهت‌دار، توزیع بیضوی استاندارد و لکه‌های داغ است. روش‌شناسی تحقیق، ترکیبی از روش‌های قیاسی و استقرایی است. از روش قیاسی در مطالعۀ مبانی نظری و ادبیات تحقیق و از روش استقرایی نیز برای شناخت الگوی توسعۀ کالبدی شهر یاسوج با استفاده از آمارها و اطلاعات حاصل از داده‌های ثانویه استفاده شد. نتایج تحلیل فضایی نشان می‌دهد که تراکم در هر سه شاخص جمعیت، مسکونی و ساختمانی، الگوی توزیع خوشه و خودهمبستگی فضایی دارد. به‌طوری ‌که مقدار آماره Z_Score در سال 1395 برای تراکم جمعیت 58/54، تراکم مسکونی 48/57 و تراکم ساختمانی 12/51 در مقایسه با سال‌های 1375 و 1385 افزایش چشمگیری داشته است. نتایج لکه‌های داغ برای سال‌های 1395 - 1375 در شهر یاسوج نشان می‌دهد که طی این دوره، گسترش فیزیکی شهر به‌صورت پراکنده و غیر متراکم بوده و زمینه را برای رشد اسپرال و بدون برنامۀ شهر به‌ویژه در محور شمال غربی آماده کرده است. بیشترین میزان خوشه‌های داغ فضایی تراکم‌های مختلف شهر یاسوج با 99 درصد معناداری مربوط به بلوک‌های غربی شهر و بیشترین میزان خوشه‌های سرد فضایی مربوط به بلوک‌های شمال غربی شهر است؛ ازاین‌رو، کنترل و نظارت بر ساخت‌ و سازهای شهری و جلوگیری از تخریب اراضی کشاورزی در محور غرب و شمال غرب این شهر می‌تواند راهبرد مهمی در هدایت توسعۀ کالبدی شهر یاسوج باشد.
 

کلیدواژه‌ها

الگوی توسعۀ کالبدی؛ تحلیل فضایی؛ شهر یاسوج

مراجع

1. آروین، م.، پوراحمد، ا.، و زنگنه شهرکی، س. (1395). سنجش الگوی پراکنده رویی و شناسایی حوزه‌های عمل توسعه درونی شهر (نمونه موردی: شهر اهواز). مطالعات محیطی هفت حصار، 17(5)، 62-45.
2. احدنژاد روشتی، م.، طهماسبی‌مقدم، م.، شامی، ف.، و محرمی، س. (1398). تبیین فضایی پدیده پراکنده رویی شهری (مطالعه موردی: شهر قائم‌شهر). دوفصلنامه علمی جغرافیای اجتماعی شهری، 6(1)، 13-1.
3. امینی، س.، رحمانی، ب.، و مجیدی خامنه، ب. (1396). پیامدهای اقتصادی تغییرات کاربری اراضی روستاهای پیراشهری-مورد: روستاهای دهستان جی در شهرستان اصفهان. فصلنامه اقتصاد فضا و توسعه روستایی، 6(2)، 40-17.
4. پریزادی، ط.، و صالحی، ع. (1396). تحلیل فضایی عوامل مؤثر بر ناپایداری الگوی توسعه شهری. مجله آمایش جغرافیایی فضا، 7(26)، 114-100.
5. تقوایی، م.، و سرائی، م. ح. (1383). گسترش افقی شهرها و ظرفیت‌های موجود زمین (مورد شهر یزد). تحقیقات جغرافیایی، 19(2)، 210-187.
6. زبردست، ا.، و قانونی، ح. (1400). تحلیل ارتباط پراکنده رویی شهری و آسیب‌پذیری اجتماعی(مورد پژوهی: نواحی شهر قزوین). توسعه پایدار شهری، 2(4)، 34-15.
7. ستاری، م. ح.، سرور، ر.، و مهدوی، م. (1399). ارزیابی اثرات پراکنده رویی در تغییر کاربری اراضی شهری (مطالعه موردی: کلان‌شهر تهران). شهر پایدار، 3(4)، 121-107.
8. شعبانی، ف.، سجادی، ژ.، و توکلی‌نیا، ج. (1399). زوال هویت درروند تغییر و گسترش پراکنده‌رویی شهری. مطالعات ملی، 21(3)، 122-105.
9. عبدالی، ا.، کلانتری خلیل‌آباد، ح.، و پیوسته‌گر، ی. (1398). تحلیلی بر عوامل مؤثر در پراکنده رویی نواحی شهری (نمونه موردی: شهر یاسوج). فصلنامه پژوهش و برنامه‌ریزی شهری، 10، 116-101.
10. علی‌محمدی، ع.، و قائمی‌راد، ط. (1401). تحلیل مکانی پراکنده‌رویی شهری و اثرات آن بر برابری دسترسی به بیمارستان‌ها در کلان‌شهر تهران. مطالعات برنامه‌ریزی سکونتگاه‌های انسانی (چشم‌انداز جغرافیایی)، 17، 17-1.
11. قدیری معصوم، م.، سلمانی، م.، بدری، س. ع.، فرجی سبکبار، ح. ع.، و قنبری‌نسب، ع. (1393). دگرگونی اقتصاد کشاورزی و شکل‌گیری پدیده روستانشینی شهری و روستاگرایی (موردمطالعه: روستاهای شهرستان رباط‌کریم). فصلنامه اقتصاد فضا و توسعه روستایی، 3(3)، 81-63.
12. کیانی، ا.، و سالاری سردری، ف. (1399). تحلیل ساختار و توسعه فضایی-کالبدی پراکنده رویی شهر لامرد. پژوهش‌های جغرافیای اقتصادی، 1(1)، 48-32.
13. لطفی، ص.، منوچهری میاندوآب، ا.، و آهار، ح. (1392). تحلیل الگوی گسترش کالبدی – فضایی شهر مراغه با استفاده از مدل‌های کمی. جغرافیا و برنامه‌ریزی شهری، 17(43)، 232-191.
14. ماجدی، ح.، زیردست، ا.، و مجربی کرمانی، ب. (1391). تحلیل عوامل مؤثر بر الگوی رشد کالبدی شهرهای بزرگ ایران (نمونه مطالعه: الگوی رشد کالبدی شهر رشت). هنرهای زیبا-معماری و شهرسازی، 17(3)، 60-49.
15. مبارکی، ا.، و زنگی‌آبادی، ع. (1391). بررسی عوامل مؤثر بر شکل‌گیری حاشیه‌نشینی شهر تبریز و پیامدهای آن (مطالعه موردی: محلات احمدآباد، کوی بهشت، خلیل‌آباد). جغرافیا و برنامه‌ریزی محیطی، 23(1)، 80-67.
16. مجربی کرمانی، ب. (1400). تعیین خصوصیات شکل شهری پایدار: فشردگی در برابر پراکنده‌رویی. پژوهش‌های مکانی فضایی، 6(1)، 13-5.
17. منصوریان، ح.، نقدی‌زادگان جهرمی، م.، وگومه، ز. (1400). تحلیل فضایی-زمانی فرم شهری در کلان‌شهرهای ایران. پژوهش‌های جغرافیای برنامه‌ریزی شهری، 9(2)، 506-487.
18. میثاق، ن.، میثاق، ف.، مردانه، ع.، و مددی، س. (1399). بررسی الگوی فضایی و بصری‌سازی پراکنده‌رویی شهری با استفاده از تصاویر ماهواره‌ای و آنتروپی شانون در GIS (مطالعه موردی: شهر تبریز از سال 1351-1392). بوم‌شناسی شهری، 11(21)، 208-195.
19. نوروزی، ح.، و محمدی‌دوست، س. (1397). بررسی ابعاد مختلف توسعه افقی شهر یاسوج و تأثیر آن بر اراضی کشاورزی پیرامون (با استفاده از مدل آنتروپی شانون و ضریب موران). برنامه‌ریزی منطقه‌ای، 8(32)، 92-81.

 

20. Al-Dousari, A., Mishra, A., & Singh, S. (2023). Land use land cover change detection and urban sprawl prediction for Kuwait metropolitan region, using multi-layer perceptron neural networks (MLPNN). The Egyptian Journal of Remote Sensing and Space Sciences, 26, 381–392.
21. Alzahrani, A., Aldossary, N., & Alghamdi, J. (2024). Observing the dynamics of urban growth of Al-Baha City using GIS (2006–2021). Alexandria Engineering Journal, 95, 114–131.
22. Bagheri, B., & Soltani, A. (2023). The spatio-temporal dynamics of urban growth and population in metropolitan regions of Iran. Habitat International, 136, 102797.
23. Biney, S., & Boakye, E. (2021). Urban sprawl and its impact on land use land cover dynamics of Sekondi-Takoradi metropolitan assembly, Ghana. Environmental Challenges, 4, 100168.
24. Chakraborty, A., Sikder, S., Omrani, H., & Teller, J. (2022). Cellular automata in modeling and predicting urban densification: revisiting the literature since 1971. Land, 11(7), 1113.
25. Chen, D., Lu, X., Hu, W., Zhang, Ch., & Lin, Y. (2021). How urban sprawl influences eco-environmental quality: Empirical research in China by using the Spatial Durbin model. Ecological Indicators, 131, 108113.
26. Chikowore, T., & Willemse, L. (2017). Identifying the changes in the quality of life of Southern African Development Community (SADC) migrants in South Africa from 2001 to 2011. South African Geographical Journal, 99, 86–112.
27. Dadashpoor, H., Azizi, P., & Moghadasi, M. (2019). Land use change, urbanization, and change in landscape pattern in a metropolitan area. Science of the Total Environment, 655, 707–719.
28. Ding, Y., Jia, L., Wang, Ch., & Wang, P. (2024). Urban sprawl and its effects on water competition between building industry and residents: Evidence from 31 provinces in China. Water-Energy Nexus, 7, 26–38.
29. Ewing, R. H. (2008). Characteristics, causes, and effects of sprawl: A literature review. In J. M. Marzluff, et al. (Eds.), Urban ecology (pp. 519–535). Berlin: Springer.
30. Frenkel, A., & Ashkenazi, M. (2008). Measuring urban sprawl: How can we deal with it? Environment and Planning B: Planning and Design, 35(1), 56-79.
31. Gounaridis, G., Symeonakis, E., Chorianopoulos, I., & Koukoulas, S. (2018). Incorporating density in spatiotemporal land use/cover change patterns: the case of Attica, Greece, Remote Sensing, 10(7), 1034.
32. Hamidi, S., & Ewing, R. (2014). A longitudinal study of changes in urban sprawl between2000 and 2010 in the United States. Landscape Urban Planning, 128, 72–82.
33. Hamidi, S., Ewing, R., Preuss, I. Dodds, A. (2015). Measuring sprawl and its impacts: An update. Journal of Planning Education and Research, 35(1), 35-50.
34. Hassan, Z., Shabbir, R., Ahmad, S. S., Malik, A. H., Butt, A., & Erum, S. (2016). Dynamics of land use and land cover change (LULCC) using geospatial techniques: a case study of Islamabad Pakistan, SpringerPlus, 5, 1–11.
35. Hou, W., Zhou, W., Li, J., & Li, C. (2022). Simulation of the potential impact of urban expansion on regional ecological corridors: A case study of Taiyuan, China. Sustainable Cities and Society, 83, 103933.
36. Jia, M., Zhang, H., & Yang, Zh. (2022). Compactness or sprawl: Multi-dimensional approach to understanding the urban growth patterns in Beijing-Tianjin-Hebei region, China. Ecological Indicators, 138, 108816.
37. Liang, L., Wang, Z., & Li, J. (2019). The effect of urbanization on environmental pollution in rapidly developing urban agglomerations. Journal of Cleaner Production, 237, 117649.
38. Liu, N., Liu, C., Xia, Y., & Da, B. (2018). Examining the coordination between urbanization and eco-environment using coupling and spatial analyses: A case study in China. Ecological Indicators, 93, 1163–1175.
39. Liu, Z., Liu, S., Qi, W., & Jin, H. (2018). Urban sprawl among Chinese cities of different population sizes. Habitat International, 79, 89-98.
40. Magidi, J., & Ahmed, F. (2019). Assessing urban sprawl using remote sensing and landscape metrics: A case study of City of Tshwane, South Africa (1984–2015). The Egyptian Journal of Remote Sensing and Space Sciences, 22, 335–346.
41. Marianno de Olivera, L., Costa de Mendonca, G., Costa, R. C. A., Leite de Camargo, R. A., Fernandes, L. F. S., Pacheco, A. L. F., & Pissarra, T. C. T. (2023). Impacts of urban sprawl in the Administrative Region of Ribeir˜ao Preto (Brazil) and measures to restore improved landscapes. Land Use Policy, 124, 106439.
42. Mishra, A., & Arya, D. S. (2020). Development of Decision Support System (DSS) for urban flood management: A review of methodologies and results. Paper presented at the World Environmental and Water Resources Congress, Henderson, Nevada.
43. Mishra, A., Sharma, I., & Mehrotra, R. (2021). Optimal design of water distribution network by reliability considerations. Singapore: Springer.
44. Nazmfar, H., Esmaili, A., & Eshghi Chahar Burj, A. (2017). Investigating the trend of sparwl urban growth with an emphasis on density indicators of smart growth (Case study: The four regions of Urmia city). Journal of Geography and Environmental Studies, 6(22), 7-20
45. Rodrigue, J. P. (2016). The geography of transport systems. New York: Taylor & Francis.
46. Sasang Guite, L.T. (2019). Assessment of urban sprawl in Bathinda city, India. Journal of Urban Management, 8, 195–205.
47. Shafia, A. (2018). Urban growth modeling using Cellular Automata coupled with land cover indices for Kolkata Metropolitan region. In IOP Conference Series: Earth and Environmental Science (pp. 1–9). Purposed-Led Publishing.
48. Simone Sass, K., & Alves Porsse, A. (2021). Urban sprawl and the cost of providing local public services: Empirical evidence for Brazilian municipalities. Regional Science Policy & Practice, 13, 1371–1387.
49. Steurer, M., & Bayr, C. (2020) Measuring urban sprawl using land use data. Land Use Policy, 97, 104799.
50. Tadesa Edosa, B., Geleta Erena, M., Nagasa Wolteji, B., Tolossa Werati, G., & Dangia Nagasa, M. (2024). Urban growth assessment using machine learning algorithms, GIS techniques, and its impact on biodiversity: The case of Sululta sub-city, Central Oromia, Ethiopia. City and Environment Interactions, 23, 100151.
51. United Nations. (2018). World urbanization prospects. Retrieved from https://population.un.org/wup/Publications/Files/WUP2018-Report.pdf
52. Ujoh, F., Sumari, N. S., & Xu, G. (2020). On the absurdity of rapid urbanization: Spatio-temporal analysis of land-use changes in Morogoro, Tanzania, Cities, 107(102876), 1-12.
53. (2016). World cities report 2016: Urbanization and development-Emerging futures. Retrieved from https://unhabitat.org/world-cities-report-2016
54. Wang, C., Yu, M., & Gao, Q. (2017). Continued reforestation and urban expansion in the new century of a tropical Island in the Caribbean. Remote Sensing, 9(7), 731.
55. Wang, R., Hou, H., & Murayama, Y. (2018). Scenario-based simulation of Tianjin city using a Cellular Automata-Markov model. Sustainability, 10(8), 2633.
56. Wang, S. W., Munkhnasan, L., & Lee, W. K. (2021). Land use and land cover change detection and prediction in Bhutan’s high altitude city of Thimphu, using cellular automata and Markov chain. Environmental Challenge, 2, 100017.
57. Wilson, B., & Chakraborty, A. (2013). The environmental impacts of sprawl: Emergent themes from the past decade of planning research. Sustainability, 5(8), 3302–3327.
58. Xun Liang, X. L. (2018). Delineating multi-scenario urban growth boundaries with a CA-based FLUS model and morphological method. Landscape Urban Plan, 2018, 47–63.
59. Yue, W., Zhang, L., & Liu, Y. (2016). Measuring sprawl in large Chinese cities along the Yangtze River via combined single and multidimensional metrics. Habitat International, 57, 43-52.
60. Zhang, D., Liu, X., Wu, X., Yao, Y., Wu, X., & Chen, Y. (2019). Multiple intra-urban land use simulations and driving factors analysis: A case study in Huicheng, China. GI Science and Remote Sensing 56(2), 282–308.
61. Zhao, M., Zhou, Y., Li, X., Cheng, W., Zhou, Ch., Ma, T., Li, M., & Huang, K. (2020). Mapping urban dynamics (1992–2018) in Southeast Asia using consistent nighttime light data from DMSP and VIIRS. Remote Sensing of Environment, 248, 111980.
62. Zhou, L., Gong, Y., Lopez-Carr, D., & Hunag, Ch. (2024). A critical role of the capital green belt in constraining urban sprawl and its fragmentation measurement. Land Use Policy, 141, 107148.
63. Zhuang, Z., Li, K., Liu, J., Cheng, Q., Gao, Y., Shan, J., …, & Chen, D. (2017). China’s new urban space regulation policies: A study of urban development boundary delineations. Sustainability, 9(1), 45.