| تعداد نشریات | 127 |
| تعداد شمارهها | 7,118 |
| تعداد مقالات | 76,486 |
| تعداد مشاهده مقاله | 152,852,887 |
| تعداد دریافت فایل اصل مقاله | 114,932,614 |
تحلیل آثار گسترش افقی شهری بر رواناب و سیلاب با رویکرد مدیریت پایدار شهری (مطالعة موردی: شهر اهواز) | ||
| مجله علمی " آمایش سرزمین " | ||
| دوره 17، شماره 2، مهر 1404، صفحه 411-427 اصل مقاله (1.27 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jtcp.2025.389412.670492 | ||
| نویسندگان | ||
| محسن نیرومند1؛ پرهام پهلوانی* 1؛ بهناز بیگدلی2 | ||
| 1گروه مهندسی سیستم اطلاعات مکانی، دانشکدة مهندسی نقشهبرداری و اطلاعات مکانی، دانشکدگان فنی، دانشگاه تهران، تهران، ایران | ||
| 2دانشکدة مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران | ||
| چکیده | ||
| گسترش افقی شهری با توسعة کنترلنشده و پراکندة مناطق ساختهشده یکی از الگوهای رایج رشد شهرها به شمار میرود. این پدیده، از طریق افزایش سطوح نفوذناپذیر، الگوهای رواناب و سیلابهای شهری را تغییر میدهد و به افزایش خطر آبگرفتگی در نواحی توسعهیافته منجر میشود. پژوهش حاضر، با هدف بررسی تأثیر گسترش افقی بر گسترة رواناب و سیلاب، تغییرات پوشش اراضی شهر اهواز را طی دورة ۱۳۹۶ تا ۱۴۰۲ تحلیل کرده است. در این زمینه، از تصاویر ماهوارهای Sentinel-1 و Sentinel-2 و مدل یادگیری ماشین XGBoost جهت طبقهبندی اراضی به دو کلاس مناطق ساختهشده و غیر ساختهشده استفاده شده است. همچنین، با استفاده از شاخص آنتروپی شانون تغییرات الگوی رشد شهری ارزیابی و پهنههای رواناب و سیلاب با روش آستانهگذاری اوتسو استخراج شده است. نتایج تحلیل آنتروپی شانون نشان میدهد که مناطق ساختهشده به سمت پیرامون شهر پیشروی داشته است. این امر سبب افزایش سطوح نفوذناپذیر و تشدید رواناب شده است؛ طوری که بیش از ۲ هکتار از اراضی توسعهیافته طی دورة مطالعه تحت تأثیر رواناب قرار گرفتهاند. همچنین بیش از ۱۵ هکتار از مناطق ساختهشده در سالهای منتهی به وقوع سیلابهای فروردین ۱۳۹۸ و آذر ۱۳۹۹، طی این وقایع، دچار آبگرفتگی شدهاند. افزون بر آن، تحلیل رگرسیون چندگانه نشان میدهد گسترش شهری در کنار عامل میزان بارش نقش بسزایی در افزایش وقوع پدیدههای سیلاب و رواناب ایفا میکند. یافتههای این پژوهش بر اهمیت مدیریت هوشمند توسعة شهری از طریق بهکارگیری زیرساختهای نفوذپذیر، توسعة فضاهای سبز، و بهینهسازی سیستمهای زهکشی به منظور کاهش خطرات ناشی از رواناب و سیلاب تأکید دارد. | ||
| کلیدواژهها | ||
| تصاویر ماهوارهای Sentinel؛ روش آستانهگذاری اوتسو؛ روش یادگیری ماشین XGBoost؛ سیلاب؛ گسترش افقی شهری | ||
| مراجع | ||
|
طهماسبی، قباد؛ محمدی، علیرضا و بوچانی، محمدحسین (1400). تحلیل فضایی عوامل مؤثر بر رخداد سیلاب در شهر ایلام. آمایش سرزمین, 13(1)، 21 ـ 56.
Tahmasebi, Ghobad; Mohammadi, Alireza; and Bochani, Mohammad Hossein (2021). Spatial analysis of factors influencing flood occurrence in Ilam city. Journal of Land Use Planning, 13(1), 21–56. (in Persian)
Abass, K., Buor, D., Afriyie, K., Dumedah, G., Segbefi, A. Y., Guodaar, L., Garsonu, E. K., Adu-Gyamfi, S., Forkuor, D., & Ofosu, A. (2020). Urban sprawl and green space depletion: Implications for flood incidence in Kumasi, Ghana. International Journal of Disaster Risk Reduction, 51, 101915.
Biney, E. & Boakye, E. (2021). Urban sprawl and its impact on land use land cover dynamics of Sekondi-Takoradi metropolitan assembly, Ghana. Environmental Challenges, 4, 100168.
Brueckner, J. K. (2000). Urban sprawl: Diagnosis and remedies. International regional science review, 23(2), 160-171.
Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37-46.
Devi, N. N., Sridharan, B., & Kuiry, S. N. (2019). Impact of urban sprawl on future flooding in Chennai city, India. Journal of Hydrology, 574, 486-496.
Ding, Y., Jia, L., Wang, C., & 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.
Estoque, R. C. & Murayama, Y. (2015). Classification and change detection of built-up lands from Landsat-7 ETM+ and Landsat-8 OLI/TIRS imageries: A comparative assessment of various spectral indices. Ecological indicators, 56, 205-217.
Franci, F., Mandanici, E., & Bitelli, G. (2015). Remote sensing analysis for flood risk management in urban sprawl contexts. Geomatics, Natural Hazards and Risk, 6(5-7), 583-599.
Hatab, A. A., Cavinato, M. E. R., Lindemer, A., & Lagerkvist, C.-J. (2019). Urban sprawl, food security and agricultural systems in developing countries: A systematic review of the literature. Cities, 94, 129-142.
Hislop, S., Jones, S., Soto-Berelov, M., Skidmore, A., Haywood, A., & Nguyen, T. H. (2018). Using landsat spectral indices in time-series to assess wildfire disturbance and recovery. Remote Sensing, 10(3), 460.
Idowu, D. & Zhou, W. (2023). Global Megacities and Frequent Floods: Correlation between Urban Expansion Patterns and Urban Flood Hazards. Sustainability, 15(3), 2514.
Jacobson, C. R. (2011). Identification and quantification of the hydrological impacts of imperviousness in urban catchments: A review. Journal of environmental management, 92(6), 1438-1448.
Javed, A., Cheng, Q., Peng, H., Altan, O., Li, Y., Ara, I., Huq, E., Ali, Y., & Saleem, N. (2021). Review of spectral indices for urban remote sensing. Photogrammetric Engineering & Remote Sensing, 87(7), 513-524.
Karvonen, A. (2011). Politics of urban runoff: nature, technology, and the sustainable city. MIT Press.
Mesvari, M. & Shah-Hoseini, R. (2024). Detection and segmentation of flood-affected areas using satellite images and deep learning methods. Irrigation and Water Engineering, 14(3), 342-357.
Mesvari, M. & Shah-Hosseini, R. (2023). Flood Detection Based on UNet++ Segmentation Method Using Sentinel-1 Satellite Imagery. Earth Observation and Geomatics Engineering, 7(1).
Moharrami, M., Javanbakht, M., & Attarchi, S. (2021). Automatic flood detection using sentinel-1 images on the google earth engine. Environmental monitoring and assessment, 193(5), 248.
Pekel, J.-F., Cottam, A., Gorelick, N., & Belward, A. S. (2016). High-resolution mapping of global surface water and its long-term changes. nature, 540(7633), 418-422.
Phiri, D., Simwanda, M., Salekin, S., Nyirenda, V. R., Murayama, Y., & Ranagalage, M. (2020). Sentinel-2 data for land cover/use mapping: A review. Remote Sensing, 12(14), 2291.
Powers, D. M. (2020). Evaluation: from precision, recall and F-measure to ROC, informedness, markedness and correlation. arXiv preprint arXiv:2010.16061.
Putatunda, S. & Rama, K. (2018). A comparative analysis of hyperopt as against other approaches for hyper-parameter optimization of XGBoost. Proceedings of the 2018 international conference on signal processing and machine learning.
Senthilnath, J., Shenoy, H. V., Rajendra, R., Omkar, S., Mani, V., & Diwakar, P. (2013). Integration of speckle de-noising and image segmentation using Synthetic Aperture Radar image for flood extent extraction. Journal of earth system science, 122, 559-572.
Stamellou, E., Kalogeropoulos, K., Stathopoulos, N., Tsesmelis, D. E., Louka, P., Apostolidis, V., & Tsatsaris, A. (2021). A GIS-cellular automata-based model for coupling urban sprawl and flood susceptibility assessment. Hydrology, 8(4), 159.
Stolzenberg, R. M. (2004). Multiple regression analysis. Handbook of data analysis, 165-208.
Tahmasebi, Gh., Mohammadi, A., & Bochani (2021). Spatial Analysis of Factors Influencing Flood Occurrence in Ilam City. Scientific Journal, 13(1), 21-56. (in Persian)
Unwin, D. (2019). Integration through overlay analysis. In Spatial analytical perspectives on GIS (pp. 127-138). Routledge.
Unwin, D. J. (1996). GIS, spatial analysis and spatial statistics. Progress in Human Geography, 20(4), 540-551.
Wei, Y. D. & Ewing, R. (2018). Urban expansion, sprawl and inequality. In Elsevier, Vol. 177, 259-265.
Xu, X., Xu, S., Jin, L., & Song, E. (2011). Characteristic analysis of Otsu threshold and its applications. Pattern recognition letters, 32(7), 956-961.
| ||
|
آمار تعداد مشاهده مقاله: 378 تعداد دریافت فایل اصل مقاله: 231 |
||