پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,228 |
| تعداد مقالات | 67,750 |
| تعداد مشاهده مقاله | 115,083,255 |
| تعداد دریافت فایل اصل مقاله | 89,822,031 |
پایش روند تغییرات پوشش زمین در شهر کرمانشاه با مدل CA مارکوف | ||
| پژوهش‌های جغرافیای برنامه‌ریزی شهری | ||
| مقاله 8، دوره 5، شماره 3، مهر 1396، صفحه 495-514 اصل مقاله (1.19 M) | ||
| نوع مقاله: پژوهشی - کاربردی | ||
| شناسه دیجیتال (DOI): 10.22059/jurbangeo.2017.215015.549 | ||
| نویسندگان | ||
| علی اکبر شمسی‌پور* 1؛ سوسن حیدری2؛ کیوان باقری3 | ||
| 1دانشیار دانشکدۀ جغرافیا، دانشگاه تهران | ||
| 2دانش‌آموختۀ کارشناسی ارشد آب و هواشناسی ماهواره‌ای، دانشکدۀ جغرافیا، دانشگاه تهران | ||
| 3دانشجوی دکتری سنجش از دور و GIS دانشکدۀ جغرافیا، دانشگاه تهران | ||
| چکیده | ||
| برنامه‌ریزی‌های مختلف و توسعة پایدار شهری، مستلزم ارزیابی و پیش‌بینی صحیح مقادیر تغییرات کاربری اراضی نواحی شهری است. همچنین پایش تغییرات کاربری اراضی با استفاده از تصاویر ماهواره‌ای و پیش‌بینی این تغییرات با مدل‌سازی و اتخاذ سیاست‌های مدیریتی مؤثر، در راستای برنامه‌ریزی مطلوب شهری قرار دارد. هدف این پژوهش، پایش، شبیه‌سازی و پیش‌بینی گسترش شهر کرمانشاه با ترکیب مدل سلول خودکار، زنجیره‌ای مارکوف و رگرسیون لجستیک است. با این هدف نخست نقشه‌های کلاس‌های پوشش زمین کرمانشاه با استفاده از تصاویر چندزمانة ماهواره‌ای لندست سال‌های 1985، 2000 و 2013 تهیه، سپس صحت‌سنجی نقشه‌ها و آشکارسازی تغییرات انجام شده است. آشکارسازی تغییرات دورة اول (2000- 1985) و دورة دوم (2013- 2000) نشان می‌دهد که در سه دهة اخیر نواحی شهری به مقدار 6541 هکتار افزایش داشته است. براساس این تغییرات و انتخاب 7 معیار مؤثر در رشد و توسعة شهر، مدل‌سازی پتانسیل تبدیل کاربری برای سال 2013، با استفاده از روش رگرسیون لجستیک انجام شد. درادامه، برای کالیبره‌کردن مدل CA مارکوف، نقشة کاربری سال 2013 استفاده شد سپس با روش زنجیرة مارکوف برآورد احتمال میزان تغییرات و توزیع مکانی آن‌ها برای سال 2026، و نقشة کلاس‌های پوشش زمین برای چشم‌انداز 2026 با مدل زنجیرة CA مارکوف پیش‌بینی شد. نتایج آن هم نشان می‌دهد که به ترتیب مقدار زیادی از مساحت کلاس‌های مناطق کوهستانی، پوشش گیاهی، صخره‌ای و سطوح آبی به کاربری شهری تبدیل خواهند شد. | ||
| کلیدواژه‌ها | ||
| تغییر کلاس‌های پوشش زمین؛ کرمانشاه؛ مدل CA مارکوف | ||
| عنوان مقاله [English] | ||
| Monitoring the Process of Land Use/cover Changes Using Markov CA Model: a Case Study of Kermanshah City | ||
| نویسندگان [English] | ||
| Ali Akbar Shamsipour1؛ Sosan Heydari2؛ Keyvan Bagheri3 | ||
| 1Associate Professor of Climatology, University of Tehran, Iran | ||
| 2MA in Satellite Climatology, University of Tehran, Iran | ||
| 3PhD Candidate in GIS, University of Tehran, Iran | ||
| چکیده [English] | ||
| Introduction Land is one of the primary natural resources required for many activities in cities. A city is expanded not only by population, but also by changing in the spatial dimensions. Changes of land are a natural process and can't be stopped, but it can be organized. Supervising land zoning in the rules of city zoning to residential, commercial, industrial, and administrative areas is one of the important issues of urban life. Land use is one of the basic concepts in urban and regional planning. Thus, in optimized urban and environmental management, it is necessary to know about the proportion of land use changes / land cover and their causes. Remote sensing is considered for monitoring and supporting decision making for effective tools related to urban planning. The modeling for prediction of land use changes by remote sensing data is also a helpful tool that can manifest a good recognition of land use changes and present good solutions for management.The goal of the current article is to survey changes of Kermanshah city's zones through Landsat satellite images in the past three decades (1985-2013) and to predict changes until 2026 by using a combination of regression logistic, Markov chain and Markov CA models. Methodology In order to produce the land use maps, satellite images of TM Landsat 5 and OLI Landsat 8 with the resolution of 30m, for 1985, 2000, and 2013, all in July, have been used. General stages of the investigation can be categorized in four sections, which are as follow: Providing land use maps of three periods and manifesting changes. Checking the factors influencing the urban growth, land use change, and providing the potential map of town expanding in the future periods. This has been done by the regression logistic model. Estimating land use changes and spatial distribution of them by analytical methods of Markov chain. Running the Markov CA model and predicting land use changes over the study area. For the classification, the number of classes was determined by the available images and maps, conditions of the studied region, and the classes needed for vegetation maps. Finally, the classification has been done through maximum likelihood algorithm. To determine the changes, we used post-classification comparison method. Following the procedure, the potential change map was produced through regression logistic, as one of the extended linear models. Markov model was used for calibration to extract changed area matrix and change potential of each class. Finally, the change prediction map of 2026 was provided through Markov CA model. Results and discussion The results showed that in the first period (1985-2000) the pure changes of reduction in areas of vegetation and water surfaces is 4153 and 14 hectares, respectively. The pure changes of area increase in urban areas and mountains are 3947 and 221 hectares. In the second period (2000-2013), the area reduction in the mountains and the areas with water surfaces is 3261 and 22 hectares, respectively. The area increasing in towns and the areas with vegetation is 2594 and 689 hectares. In the last three decades, the most area reduction is for the vegetation and water areas, for example Ghare-sou River, and it's up to 3465 and 35 hectares, respectively. The change prediction results with Markov CA model shows that, according to the past event, the most changes will occur in the built urban areas. This is in a way that these changes that are 9565 hectares in 2013 will increase to 2790 hectares in 2026. After the above-mentioned use, the vegetation area will increase to 1053 hectares in comparison with that of 2013. This is probably resulted from the afforestation plan of Kermanshah which has been started since 2015 by Kermanshah's municipality, Assistance of Parks and Green Spaces. Again, some parts of mountain areas will be placed in the vegetation class which is because of increase in the green spaces and tree planting establishment, causing a decrease in the level of the above-mentioned areas. However, the water bodies in 2026 will increase by 52 hectares. This is due to evacuating a very large amount of the waste water entering into the Ghare-Sou River, according to the present recognition of the region. This can make an increase in this class. Conclusion One of the principal properties of the developing cities is the fast and unplanned urban residency. This is one of the main factors of land use changes on the earth. The purpose of the current study is to predict the process of Kermanshah city expansion in order to provide a comprehensive plan for developing the city in the future through the prediction models. The results of monitoring and evaluating the changes of land use/vegetation of Kermanshah during the studied years showed that 6540.48 hectares were added to Kermanshah area from 1985 to 2013. Moreover, the results of Markov CA, urban growth, and land use changes of Kermanshah for 2026 show that 1426 hectares of vegetation cover, 2462.3 hectares of mountain areas, and 63 hectares of water areas will change to urban use until that year.Using these results in Kermanshah city plans and decision makings helps us prevent the urban growth to inappropriate areas in the future and avoid undesirable problems. Besides, it is important to state that the physical development of Kermanshah can be effective if it is in a controlled and monitored way and before any growth the appropriate options for this purpose should be evaluated. | ||
| کلیدواژه‌ها [English] | ||
| land use change/vegetation, Markov CA model, Kermanshah City | ||
| مراجع | ||
|
احدنژاد، محسن، قاسمی، اکرم و لیلا کاظمی (1392)، «استفاده از الگوی راهبردی توسعة شهری در برنامه‌ریزی کاربری فضای سبز (مطالعة موردی: منطقة یک شهر زنجان)»، فصلنامة جغرافیا و برنامه‌ریزی چشم‌انداز زاگرس، سال 6، شمارة 19، صص 7-21. باقری، رضا و شتایی جویباری، شعبانی (1389)، «مدل‌سازی کاهش گستردة جنگل با استفاده از رگوسیونلجستیک (مطالعة موردی: حوضة آبخیز چهل‌چای استان گلستان)»، جنگل ایران، دورة 2، شمارة 3، صص 243-252. برات‌علی، خاکپور، ملک‌پور، محسن و کیومرث ایران‌دوست (1390)، نقش مهاجرت روستا-شهری در توسعة فیزیکی بدون برنامة شهر کرمانشاه، پایان‌نامة دانشگاه فردوسی مشهد. ثروتی، محمدرضا و همکاران (1390)، بررسی روند شهرنشینی و توسعة فیزیکی شهر کرمانشاه، نخستین همایش ملی آرمان‌شهر ایران، نور، دانشگاه آزاد اسلامی واحد نور. جلبیان، امیرحسین و محمود سلطانیان (1395)، «ارزیابی و پیش‌بینی تغییرات بیابان‌زایی در شرق و جنوب اصفهان با مدل CA-Markov»، نشریة تحلیل فضایی مخاطرات محیطی، سال سوم، شمارة 4، صص 71-88. زنگنه شهرکی، سعید، کاظم‌زاده، علی و سیروس هاشمی دره بادامی (1393)، «تحلیل زمانی-مکانی گسترش کالبدی شهر مشهد و پایش تغییرات کاربری اراضی اطراف»، جغرافیای برنامه‌ریزی شهری، دورة 2، شمارة 4، صص 483-499. سرودی، مونا و سیدعلی جوزی (1390)، «پیش‌بینی تغییرات پوشش گیاهی با استفاده از مدل مارکوف (مطالعة موردی: منطقة 4 شهرداری تهران)»، کاربرد سنجش‌ازدور و GIS در علوم منابع طبیعی، شمارة 2، صص 83-96. صیدی‌لو، محمود، امینی، الهام و فرهاد حمزه (1395)، ارزیابی گسترش فیزیکی شهر رباط‌کریم و تأثیر آن بر روی اراضی کشاورزی با استفاده از فناوری سنجش‌ازدور و سیستم اطلاعات جغرافیایی، کنفرانس بین‌المللی مهندس معماری و شهرسازی، تهران. عبدی، ناصح و همکاران (1394)، «ارزیابی و پیش‌بینی مسیر بهینة گسترش شهری سنندج با استفاده از سلول‌های خودکار- مارکوف»، پژوهش‌های جغرافیای برنامه‌ریزی شهری، دورة 3، شمارة 4، صص 431-446. عزیزی قلاتی و همکاران (1395)، «پیش‌بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل زنجیرة مارکوف-CA (مطالعة موردی: منطقة کوهمره سرخی استان فارس)»، سنجش‌ازدور و سامانۀ اطلاعات جغرافیایی در منابع طبیعی، شمارة 1، صص 59-71. علی‌محمدی سراب و همکاران (1389) «ارزیابی کارایی مدل سلول‌های خودکار در شبیه‌سازی گسترش اراضی شهری در حومة جنوب غرب تهران»، برنامه‌ریزی و آمایش فضا (مدرس علوم انسانی)، شمارة 2، صص 81-102. فلاحت کار، سامره و همکاران (1388)، بررسی توانایی مدل CA مارکوف در پیش‌بینی نقشة پوشش اراضی (مطالعة موردی: شهر اصفهان)، همایش ژئوماتیک 88، تهران، سازمان نقشه‌برداری کشور. کاظم، امیرحسین، حسینعلی، فرهاد و علی‌اصغر آل شیخ (1394)، «مدل‌سازی رشد شهری با استفاده از تصاویر ماهواره‌ای متوسط مقیاس و مبتنی بر روش خودکاره‌های سلولی (مطالعة موردی: شهر تهران)»، فصلنامة علمی-پژوهشی اطلاعات جغرافیایی، دورة 24، شمارة 94، صص 44-58. کاوه، ندا و عطاالله ابراهیمی (1392)، «پیش‌بینی تغییرات کاربری/ پوشش اراضی با مدل CA مارکوف (مطالعة موردی: رودخانه آقبلاغ)»، کاربرد سنجش‌ازدور و GIS در علوم منابع طبیعی، شمارة 2، صص 41-51. کریمی، کامران و چوقی بایرام کمکی (1394)، «پایش، ارزیابی و پیش‌بینی روند تغییرات مکانی کاربری اراضی/ پوشش زمین با استفاده از مدل زنجیره‌ای مارکوف»، سنجش‌ازدور و دور سامانه اطلاعات جغرافیایی در منابع طبیعی، سال 6، شمارة 2، صص 75-88. ماهینی، عبدالرسول (مترجم)، کامیاب، حمیدرضا (مترجم)، رونالد ایستمن، ج (1389)، سنجش از دور و سامانه‌های اطلاعات جغرافیایی کاربردی با نرم‌افزار ایدریسی، تهران، نشر مهر مهدیس. میرزایی‌زاده، وحید، نیک‌نژاد، اولادی قادیکلایی، جعفر (1394)، «ارزیابی الگوریتم‌های طبقه‌بندی نظارت‌شده غیرپارامتریک در تهیة نقشة پوشش زمین با استفاده از تصاویر لندست 8» سنجش‌ازدور و سامانة اطلاعات جغرافیایی در منابع طبیعی، سال 6، شمارة 3، صص 29-44. Asanjani, J.J, Helbich, M, Kainz, W, and Darvishi Boloorani, A, (2013), Integration of regression, Markov chain and cellular automata models to simulate urban expansion. International Journal of Applied Earth Observation and Geo information, No. 2: 265-275.
Coppin, P; Jonckheere, I; Nackaerts, K; Muys, B; (2004), Digital change detection methods in ecosystem monitoring, International Journal of RemoteSensing, Vol. 25, No. 9: 1565-1596.
Dai, F.C, and Lee, CF, (2002), Landslid characteristics and slope instability modeling using GIS, Lantau Isiand, Hong kong. Geomorphology. NO.4: 213-228.
Dawelbait, M, and Morai, F, (2012), Monitoring desertification in a savannah region in Sudan using Landsat images and spectral mixture analysis. Journal of Arid Environments. 8: 45-55.
Deep, SH; Saklani, A, (2014), Urban sprawl modeling using cellular automata. The Egyptian Journal of Remote Sensing and Space Sciences. No.17, 179-187.
Doygun, H, (2008), Effects of urban sprawl on agricultural land: a case study of Kahramanmaras, Turkey. Environ Monit Assess, No. 1: 471-478.
Feyisa, G.L; Meilby, H, Jenerette, G.D, and Pauliet, S, (2016), locally optimized separability enhancement indices for urban land cover mapping: Exploring thermal environmental consequences of rapid urbanization in Addis Ababa, Ethiopia. Remote Sensing of Environment,No. 1: 14-31.
Jensen, J. R; (2005), Introductory digital image processing: A remote sensing perspective (3rd Edn), Upper Saddle River, NJ: Prentice-Hall.
Jensen, J.R, (2007), Remote Sensing of the Environment: An Earth Resource Perspective, Pearson Prentice Hall, p: 592.
Koomen, E; Stillwell, J; Bakema, A; and Scholten, H.J (2007), Modelling Land-use Change, Progress and Applications, Netherlands, Springer, p: 410.
Lu, D; Mausel, P; Brondizio, E; Moran, E, (2004), Change detection techniques, International Journal of Remote sensing, Vol. 25, No.12: 2365- 2401.
Mayes, M.T, Mustard, J.F. and Melillo, J.M, (2015), Forest cover change in Miombo Woodlands: Modeling land cover of Africa dry tropical forests with linear spectral mixture analysis. Remote Sensing of Environment. No.165: 203-215.
Mitsova, D; Shuster, W; Wang, X, (2011), A cellular automata model of land cover change to integrate urban growth with open space conservation, Landscape and Urban Planning,Vol. 99, No. 2: 141-153.
Nouri, J; Gharagozlou, A; and Arjmandi, R, (2014), Predicting urban Land Use Changes Using a CA-Markov Model. Research ARTICLE – Earth Sciences. 1-9.
Rowbotham, D.N; and Dudycha, D, (1998), GIS modelling of slope stability in Phewa Tal watershed, Nepal. Geomorphology, No. 2: 151-170.
Sang, L; Zhang, C; Yang, J; Zhu, D; Yun, W, (2011), Simulation of land use spatial pattern of towns and villages based on CA-Markov model, Mathematical and Computer Modelling, Vol. 54, No.3: 938-943.
Wolfram, Stephen. (1984), "Cellular automata as models of complexity." Nature311.5: 419-424.
Weng, Q, (2022), Land use change analysis in the remote sensing, GIS and stochastic modelling, Journal of Environmental Management, Vol.64, No. 3: 273-284.
Wyman, M. S; Stein, T.V; (2010), Modeling social and land-use/land-cover change data to assess drivers of smallholder deforestation in Belize, Applied Geography,Vol. 30, No.3: 329-342.
Wu, Qiong, Li, Hong-qing, Wang, Ru-song, Paulussen, Juergen, He, Yong, Wang, Min, Wang, Bi-hui, Wang, zhen (2006), Monitoring and predicting land use change in Beijing using remote sensing and GIS, Landscape and urban planning, Article in press.
Marwa Waseem A. Halmy, Paul E. Gessler, Jeffrey A. Hicke, Boshra B. Salem (2015), Land use/land cover change detection and prediction in the north-western coastal desert of Egypt using Markov-CA. Applied Geography No.6: 101-112.
Aburas M. M, Hoa Y. M, Ramlib M. F, Ash’aari Z. H. (2017), Improving the capability of an integrated CA-Markov model to simulate spatio-temporal urban growth trends using an Analytical Hierarchy Process and Frequency Ratio. International Journal of Applied Earth Observation and Geoinformation, NO. 5: 65-78.
Yang X, Zheng X. O, Chen R. (2014), A land use change model: Integrating landscape pattern indexes andMarkov-CA. Ecological Modelling No.2: 1–7.
Gonga W, Yuanb L, Fanc W, StottdaCollege Ph. Analysis and simulation of land use spatial pattern in Harbin prefecture based on trajectories and cellular automata—Markov modelling. International Journal of Applied Earth Observation and Geoinformation, No. 3: 207–216.
u Han, Haifeng Jia. (2016), Simulating the spatial dynamics of urban growth with an integrated modeling approach: A case study of Foshan, China. Ecological Modelling No.3: 107–116.
Ghosh P, Mukhopadhyay A, Chanda A, Mondal P, Akhand A, Mukherjee S, Nayak S.K, Ghosh S, Mitra D, Ghosh T, Hazra S. Application of Cellular automata and Markov-chain model in geospatial environmental modeling- A review. Remote Sensing Applications: Society and Environment No.5: 64–77.
| ||
|
آمار تعداد مشاهده مقاله: 748 تعداد دریافت فایل اصل مقاله: 988 |
||