مدل‌سازی رشد شهری با استفاده از روش رگرسیون لجستیک مبتنی‌بر مدل Geomod مطالعۀ موردی: شهر کردکوی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار برنامه‌ریزی محیط زیست، گروه محیط‌زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران

2 مدرس منابع طبیعی، دانشگاه پیام‌نور کرمان و دانشجوی دکتری آمایش محیط‌زیست، دانشگاه ملایر، ملایر، ایران

چکیده

مدل‌سازی الگوی رشد شهری فنی مهم برای درک فرآیندهای پیچیدة رشد شهری است. تحقیق حاضر نیز در نظر دارد رشد شهری را برای شهر کردکوی از بعد زمانی و توزیع مکانی، مدل‌سازی نماید. بدین منظور ابتدا با استفاده از تصاویر سری زمانی ماهواره لندست، نقشه‌های کاربری اراضی برای سال‌های 1366، 1379 و 1394 طبقه‌بندی و سپس با بهره‌گیری از مدل رگرسیون لجستیک میزان تأثیر متغیرهای مستقل در رابطه با گسترش شهری به صورت ضریب در معادله رگرسیون محاسبه شده و نقشه پتانسیل گسترش شهری تولید گردید. ارزیابی عملکرد رگرسیون لجستیک با استفاده از دو شاخص Pseudo R2 و ROC با مقادیر به ترتیب 37/0 و 93/0 برای دوره اول 31/0، 92/0 برای دوره دوم و 39/0 و 93/0 برای کل دوره مطالعاتی، نشانگر برازش خوب رگرسیون بوده است. در نهایت با استفاده از مدل ژئومد و با بهره‌گیری از نقشه احتمال توسعه شهری به وجود آمده رشد شهری برای سال 1420 پیش‌بینی گردید. نتایج حاصل نشان داد که در کل دورة مورد بررسی حدود 333 هکتار به وسعت مناطق شهری و مسکونی افزوده شده است که اراضی کشاورزی و مناطق جنگلی به ترتیب با 306 و 27 هکتار تبدیل اراضی، بیشترین سهم را در افزایش وسعت اراضی شهری داشته‌اند. همچنین نتایج طبقه‌بندی تصاویر ماهواره‌ای و پیش‌بینی پوشش اراضی نیز نشان داد که شهر کردکوی در سال 1394 مساحتی برابر با 517 هکتار دارد که تا سال 1420 به حدود 861 هکتار خواهد رسید. مطابق با نتایج، اقدامات مناسب برای کنترل تغییرات کاربری زمین به ویژه رشد شهر به منظور حفظ محیط‌زیست و تعادل اکولوژیکی منطقه نیاز است.

کلیدواژه‌ها


عنوان مقاله [English]

Urban expansion modeling using Logistic regression method based on Geomod model (Case study: Kordkuy city)

نویسندگان [English]

  • kamran Shayesteh 1
  • sahar Abedian 2
  • somayeh Galdavi 2
چکیده [English]

Modeling urban development patterns is an important technique for understanding complex urban growth processes. The present research intends to model temporal and spatial distribution of Kordkuy growth. Therefore, using temporal Landsat satellite images, land use object-based maps for the years 1987, 2000 and 2015 have been classified. In the next step, using logistic regression model the effective variables in relation to urban growth were studied and based on their quantitative effects, the urban growth potential map was produced. Validation of logistic regression Performance using Pseudo R2 and ROC indexes with respectively values 0.37 and 0.93 for the first period, 0.31 and 0.92 for the second period, 0.39 and 0.93 for the whole of study period, indicates a good fit of the regression. After that, using Geomod analysis and Regression model, urban growth for 2040 was also modeled. The results showed that 333 hectare have been added to residential areas in the total period of study. Agricultural lands and forest areas had the largest share in the increase in urban land area by 306 and 27 hectares of land conversion, respectively. Also satellite imagery classification and land cover prediction results showed that Kordkoy city area is 517 ha in 2015 that area of city will change to 861 hectare in 2040. According to the results, appropriate implementations are needed to control land use changes, particularly urban growth, in order to preserve environmental as well as ecological balances of the area.

کلیدواژه‌ها [English]

  • Geomod
  • Land Use
  • Regression Logistic
  • Simulation
  • Land Use Change Detection

 

آرخی، صالح؛ حسن فتحی‌زاد (1393). ارزیابی کارایی چهار روش شبکه‌ عصبی مصنوعی در تهیه‌ نقشه‌ پوشش/کاربری اراضی با استفاده از تصاویر ماهواره‌ای ETM+ (مطالعه موردی: سه منطقه دویرج، مهران و سرابله)، فصلنامه جغرافیا و توسعه. دوره 12. شماره 37. صفحات 146-133.

آری‌آگا، ادوارد (1378). روش‌های تحلیل جمعیت، ترجمه‌ فاروق امین مظفری. تبریز. انتشارات احرار.

احمد‌ی‌ندوشن، مژگان؛ علیرضا سفیانیان (1388). آشکارسازی و پیش‌بینی تغییرات پوشش اراضی شهر اراک، همایش ژئوماتیک 88. سازمان نقشه برداری کشور. تهران.

بهـرام‌سـلطانی، کـامبیز (1371). مباحـث و روش‌های شهرسازی، محیط‌ زیست. مرکز مطالعـات و تحقیقات شهرسازی و معماری ایران.

خاکپور، براتعلی؛ سعدالله ولایتی؛ سیدقاسم کیانژاد (1386). الگوی تغییر کاربری شهر بابل. مجلة جغرافیا و توسعة ناحیه‌ای، دوره 18. شمارۀ 9. صفحات 64-46.

خداداد، مهدی؛ مهدیه نخعی؛ هانیه امیدزاده (1393). نقش شهرهای کوچک در برنامه‌ریزی توسعه منطقه‌ای )مطالعه موردی: استان گلستان)، فصل‌نامه جغرافیا و برنامه‌ریزی شهری چشم‌انداز زاگرس. دوره 6. شمارۀ 21. صفحات 90-76.

داداش‌پور، هاشم؛ فردیس سالاریان (1394). تحلیل تأثیر پراکنده‌رویی بر تغییر کاربری زمین در منطقۀ شهری ساری. پژوهش‌های جغرافیای برنامه‌ریزی شهری، دورۀ 3. شماره 2. صفحات 163-145.

رهنما، محمدرحیم؛ مجتبی روستا (1392). تحلیل تغییر کاربری اراضی و چگونگی حفظ و نگهداری فضای سبز شهر جهرم در‌راستای توسعۀ پایدار. فصل‌نامۀ تحقیقات جغرافیایی. سال 28. شمارۀ 2. صفحات 126-113.

سلمان ماهینی، عبدالرسول؛ حمیدرضا کامیاب (1388). سنجش از دور و سامانه‌های اطلاعات جغرافیایی کاربردی با نرم‌افزار ایدریسی. انتشارات مهر مهدیس. 610 ص.

شیعه، اسماعیل (1377). مقدمه‌ای بر مبانی برنامه‌ریزی شهری، انتشارات دانشگاه علم و صنعت. 240 ص.

صد‌رموسوی، میرستار؛ اکبر رحیمی (1391). تحلیلی بر توسعه‌ کالبدی تبریز و تخریب اراضی کشاورزی و فضاهای سبز شهری. جغرافیا و آمایش شهری- منطقه‌ای. دورۀ 2. شمارۀ 4. صفحات 109-99.

عزیزی‌قلاتی، سارا؛ کاظم رنگزن؛ ایوب تقی‌زاده؛ شهرام احمدی (1393). مدل‌سازی تغییرات کاربری اراضی با استفاده از روش رگرسیون لجستیک در مدل LCM (پژوهش موردی: منطقه کوهمره‌سرخی استان فارس(، فصلنامه تحقیقات جنگل و صنوبر ایران. دورۀ 22.
 شماره 4. 596-585.

علوی‌پناه، سیدکاظم؛ امیرهوشنگ احسانی؛ پرویز امیدی (1383). بررسی بیابان‌زایی و تغییرات اراضی پلایای دامغان با استفاده از داده‌های ماهواره‌ای چندزمانه و چندطیفی، مجله بیابان. دورۀ 9. شماره 1. صفحات 154-143.

طاهری، محمد؛ مهدی غلامعلی‌فرد؛ علیرضا ریاحی بختیاری؛ شاهین رحیم‌اوغلی (1392). مدل‌سازی تغییرات پوشش سرزمین شهرستان تبریز با استفاده از شبکه عصبی مصنوعی و زنجیره مارکف. پژوهش‌های جغرافیای طبیعی. سال 45. شماره 4. صفحات 121-97.

کاظم، امیرحسین؛ فرهاد حسینعلی؛ علی‌اصغر آل‌شیخ (1394). مدل‌سازی رشد شهری با استفاده از تصاویر ماهواره‌ای متوسط مقیاس و مبتنی‌بر روش خودکاره‌های سلولی(مطالعة موردی: شهر تهران). فصل‌نامه علمی- پژوهشی اطلاعات جغرافیایی. دورۀ 24. شماره 94. صفحات 58-45.

کامیاب، حمیدرضا؛ عبدالرسول سلمان‌ماهینی؛ سید محسن حسینی؛ مهدی غلامعلی‌فرد (1389). اتخاذ رهیافت اطلاعات محور بـا کـاربرد روش رگرسـیون لجسـتیک بـرای مدل‌سازی توسعة شهری گرگان. محیط‌شناسی، دورۀ 36. شمارۀ 54. صفحات 96-89.

کرم، امیر؛ شیلا حجه‌فروش‌نیا؛ حمیدرضا حکیمی (1389). مدل‌سازی فضایی گسترش شهری با استفاده از روش رگرسیون لاجستیک،) مطالعه موردی:‌ شهر کرد. نشریه تحقیقات کاربردی علوم جغرافیایی). دورۀ 14. شمارۀ 17. صفحات 64-41.

گلدوی، سمیه؛ مرجان محمدزاده؛ عبدالرسول سلمان ماهینی؛ علی نجفی‌نژاد (1392). کاربرد مدل Geomod در مدل‌سازی تغییرات پوشش گیاهی و کاربری زمین، محیط زیست و توسعه. سال چهارم. شمارۀ 8. صفحات  22-13.

گلدوی، سمیه؛ مرجان محمدزاده؛ عبدالرسول سلمان ماهینی؛ علی نجفی‌نژاد (1394). پیش‌بینی الگوی رشد شهری با به‌کارگیری مدل رگرسیون لجستیک در منطقة گرگان، مجله آمایش سرزمین. دورة هفتم. شمارة اول. صفحات 117-95.

محمودزاده، حسن؛ قهرمان خوشروی (1394). کاربرد رگرسیون لجستیک در مدل‌سازی توسعه شهری. مطالعه موردی: منطقۀ شهری بناب، فصل‌نامه مطالعات شهری. دوره 4. شمارۀ 14. صفحات 46-31.

مرکز بهداشت شهرستان گرگان (1394). نتایج سرشماری سال 1394 واحد آمار مرکز بهداشت گرگان.

Briassoulis, H (2009). Factors influencing land-use and land-cover change. Land cover, land use and the global change. Journal of encyclopaedia of life support systems (EOLSS), 1, 126-146.

Brown, S., Hall, M., Andrasko, K., Ruiz, F., Marzoli, W., Guerrero, G., Masera, O., Dushku, A., & DeJong, B (2007). Baselines for land-use change in the tropics: application to avoided deforestation projects. Journal of Mitigation and Adaptation Strategies for Global Change, 12(6), 1001-1022.

Clark, W.A., & Hosking, P. L (1986). Statistical Methods for Geographers (Chapter 13). John Wiley & Sons publication, New York. 528 p.

Costanza, R., & Ruth, M (1998). Using dynamic modeling to scope environmental problems and build consensus. Environmental management, 22(2), 183-195.

Eastman, R. J 1(995). Idrisi for windows (Version 2) users Guide.Clark University, NewYork. 350P.

Echeverria, C., Coomes, D. A., Hall, M., & Newton, A. C (2008). Spatially explicit models to analyze forest loss and fragmentation between 1312 and 2020 in southern chile. Ecological Modeling. (212): 439-449.

Estoque, R. C (2013). Spatial Analysis of Ecosystem Service Value Changes in Baguio City, the Philippines, Based on Land Use/Cover Changes. PhD diss., Graduate School of Life and Environmental Sciences, University of Tsukuba, Japan.

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(4), 294-306.

FAO (1995). Planning for sustainable use of land resources: towards a new approach. Food and Agriculture Organization of the United Nations, FAO Land and Water Bulletin 2, Rome. 60 p.

Houet, T. & Hubert-Moy, L (2006). Modeling and projecting land-use and land-cover changes with a Cellular Automaton in considering landscape trajectories an improvement for simulation of plausible future states. Journal of EARSeL proceedings, 5(1), 63-76.

Kirk, M (2004). Ensuring efficient land management in peri-urban areas. World Bank Report.

www.Inweb18.worldbank.org/ESSD/essdext.nsf.

Lillesand, T., Kiefer, R. W., & Chipman, J (2014). Remote sensing and image interpretation. John Wiley & Sons, New York, PP. 763.

Liu, T., & Yang, X (2014). Monitoring land changes in an urban area using satellite imagery, GIS and landscape metrics. Journal of Applied Geography, 55, 42-54.

Pontius Jr, R. G., Cornell, J. D., & Hall, C. A. S (2001). Modeling the spatial pattern of land- use change with GEOMOD2: Application and validation for CostaRica. Journal of Agriculture Ecosystems & Environment, 1775, 1-13.

Pontius Jr, R. G., & Chen, H (2006). GEOMOD modeling, idrisi Andes help contents, Clark University, Massachusetts.

Ramachandra, T. V., Bharath, H. A., Vinay, S., Joshi, N. V., Kumar, U., & Rao, K. V (2013). Modelling urban revolution in greater bangalore, India. In 30th Annual In-House Symposium on Space Science and Technology, ISRO-IISc Space Technology Cell, Indian Institute of Science, Bangalore, 7-8 November 2013.

Salman Mahiny, A., & Turner, B. J (2003). Modeling past vegetation change through remote sensing and GIS: a comparison of neural networks and logistic regression methods. School of Resources, Environment and Society, the Australian National University, Canberra 0200, Australia.

Sudhira, H. S., & Ramachandra, T.V (2007). Characterising Urban Sprawl from Remote Sensing Data and Using Landscape Metrics; 10th International Conference on Computers in Urban Planning and Urban Management, Iguassu Falls, PR Brazil, July 1-13.

Verburg, P., Schot, P., Dijst, M., & Veldkamp, A (2004). Land use change modelling: current practice and research priorities. GeoJournal, 61(4), 309-324.