شبیه‌سازی و پیش‌بینی الگوی رشد شهری تا سال 2050 با استفاده از مدل SLEUTH-3R‌ (مطالعه موردی: ناحیه ساحلی شهرستان پارسیان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی محیط زیست، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران

2 گروه محیط زیست، دانشکده شیلات و محیط زیست، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران

چکیده

هدف این پژوهش شناسایی الگوهای تاریخی وپیش‌بینی اندازه و نحوه رشد آینده شهری و تغییرات کاربری اراضی در مناطق ساحلی است. موضوعی که با وجود اهمیت سرزمین‌های ساحلی تاکنون به آن پرداخته نشده‌است. این مطالعه در ناحیه ساحلی شهرستان پارسیان و با استفاده از مدل SLEUTH-3R به عنوان نسخه‌ایی جدید از مدل‌های سلول‌های خودکار انجام شد. بر اساس نتایج، رشد شهری در این منطقه بیش از همه تحت تاثیر پستی و بلندی‌ها بوده و ایجاد لکه‌های سکونت‌گاهی با شبکه حمل و نقل رابطه‌ایی خطی دارد. همچنین رشد شهرها بیشتر از اراضی درونی شهری شکل گرفته وایجاد لکه‌های پراکنده شهری و رشد ناشی از حاشیه‌های شهر با نسبت کمتری در شکل‌گیری سکونت‌گاه‌های این منطقه نقش دارند. از سوی دیگر، مساحت مناطق شهری از سال 2019 تا 2050، از 1200 هکتار به 3481 هکتار افزایش خواهد یافت که معادل نرخ رشد برابر با 58/73 است. احتمال انتقال سایر کاربری‌ها به شهر نیز نشان می‌دهد که در حدود 47 درصد از مساحت اراضی بایر به کاربری شهری تبدیل خواهد شد. نتایج این مطالعه می‌تواند چشم انداز مناسبی برای تصمیم‌گیران در طرح‌ریزی سرزمین و مدیریت منابع طبیعی فراهم نموده و در راستای توسعه پایدار شهری در این منطقه نقش بسزایی داشته باشد.

کلیدواژه‌ها


جعفرنژاد، ج؛ عبدالرسول، س. م. (1394). مدل‌سازی روند توسعه شهری با استفاده از مدل SLEUTH، جهت مدیریت منابع آبی و توسعه پایدار در منطقه (مورد مطالعاتی شهرستان آزادشهر). همایش ملی آب، انسان و زمین.
رسولی، ‌م؛ سلمان‌ماهینی، ‌ع؛ کامیاب، ح. ر. (1395). تعیین ضرایب مؤثر بر رشد شهری در مدل SLEUTH برای شهرستان‌های علی آباد، رامیان و آزاد شهر. آمایش جغرافیایی فضا، 21(6)، 1–12.
رفیعی، ر. (1386). مکان‌یابی ایستگا‌ه‌های انتقال پسماند جامد شهری با توجه به روند رشد شهر (مطالعه موردی: شهر مشهد). دانشگاه تهران
زارعی، ر؛ آل شیخ، ع. ا. (1391). مدل‌سازی توسعه شهری با استفاده از اتوماسیون سلولی و الگوریتم ژنتیک (منطقه مورد مطالعه: شهر شیراز). پژوهش و برنامه‌ریزی شهری، 3(11)، 1–16.
زارعی، م؛ موذنی، م.(1390). بررسی عوامل مخرب برپارک ملّی دریایی نایبند تحت تاثیرفشارناشی از توسعه منطقه. همایش منطقه‌ای جنگل‌ها و محیط زیست ضامن توسعه پایدار.
سالنامه آماری استان هرمزگان، (1397). سازمان مدیریت و برنامه‌ریزی استان هرمزگان.
ساکیه، ی. (1394). تعیین محورهای توسعه پایدار شهر کرج بر اساس شبیه‌سازی توسعه شهر و توان محیط زیست، پایان نامه کارشناسی ارشد، گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه تهران.
علوی پناه، س، ک. (1384). کاربرد سنجش از دور در علوم زمین، انتشارات دانشگاه تهران.
کامیاب، ح؛ سلمان ماهینی، ع؛ حسینی، س؛ غلامعلی فرد، م. (1390). کاربرد شبکه عصبی مصنوعی در مدل‌سازی توسعه شهری (مطالعه موردی: شهر گرگان). پژوهش‌های جغرافیای انسانی (پژوهش‌های جغرافیایی)، 43(76)، 99–113.
کامیاب، ح؛ سلمان ماهینی،ع. (1397). مقدمه‌ایی بر مدل‌سازی توسعه شهری و کاربردهای آن (چاپ اول). دانشگاه علوم کشاورزی و منابع طبیعی گرگان.
کریمی، م. (1391). درس‌نامه سامانه‌های پشتیبان برنامه‌ریزی مکانی، دانشکده نقشه برداری، دانشگاه خواجه نصیرالدین طوسی.
مبرقعی، ن. (1389). لزوم تحقق مدیریت یکپارچه محیط زیست شهری
مزیدی، ا؛ نارنگی فرد، م. (1395). ارزیابی پیامد تغییرات کیفیت پوشش گیاهی بر دامنه‌های دمایی در منطقه یک شهر شیراز. فضای جغرافیایی، 16(56)، 201–220.
مطالعات یکپارچه مناطق ساحلی، (1394). طرح تدقیق مطالعات مدیریت یکپارچه‌ی مناطق ساحلی استان هرمزگان.
مومنی، ا. (1389). مدل‌سازی رشد شهری شهر تهران تا سال 2050 با استفاده از مدل .SLEUTH مرکز مطالعات و برنامه‌ریزی شهر تهران.
Agyemang, F. S. K., Silva, E., Poku-Boansi, M., kamuzu, F., Silva, E., & Poku-Boansi, M. (2019). Understanding the urban spatial structure of Sub-Saharan African cities using the case of urban development patterns of a Ghanaian city-region. Habitat International, Volume 85, Pages 21-33.
Anand, A.(2017), Unit 14 Accuracy Assessment, 31 publications, world bank.
Bihamta, N., Soffianian, A., Fakheran, S., & Gholamalifard, M. (2015). Using the SLEUTH Urban Growth Model to Simulate Future Urban Expansion of the Isfahan Metropolitan Area, Iran. Journal of the Indian Society of Remote Sensing, 43(2), 407–414.
Clarke, K. C., & Gaydos, L. J. (1998). Loose-coupling a cellular automaton model and GIS: long-term urban growth prediction for San Francisco and Washington/Baltimore. International Journal of Geographical Information Science : IJGIS, 12(7), 699–714..
Clarke, K. C., Hoppen, S., & Gaydos, L. (1997). A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area. Environment and Planning B: Planning and Design, 24(2), 247–261.
Chaudhuri, G., & Clarke, K. C. (2013). Temporal accuracy in urban growth forecasting: A study using the SLEUTH model. Transactions in GIS, 2, 302–320.
Dadashpoor, H., Azizi, P., & Moghadasi, M. (2019). Analyzing spatial patterns, driving forces and predicting future growth scenarios for supporting sustainable urban growth: Evidence from Tabriz metropolitan area, Iran. Sustainable Cities and Society, 47, 101502.
Eslahi, M.(2017). Urban growth simulations in order to represent the impacts of constructions and environmental constraints on urban sprawl.Ph.D Thesis, Geographic Information Sciences and Technologies, University of PARIS-EST.
Jantz, C. A., Goetz, S. J., Donato, D. I., & Claggett, P. R. (2010). Designing and implementing a regional urban modeling system using the SLEUTH cellular urban model. Computers, Environment and Urban Systems, 34(1), 1–16.
Jantz, C., Drzyzga, S., & Maret, M. (2014). Calibrating and Validating a Simulation Model to Identify Drivers of Urban Land Cover Change in the Baltimore, MD Metropolitan Region. In Land (Vol. 3, Issue 3).
Li, F., Wang, L., Chen, Z., Clarke, K. C., Li, M., & Jiang, P. (2018). Extending the SLEUTH model to integrate habitat quality into urban growth simulation. Journal of Environmental Management, 217, 486–498.
Mahini, A. S., Gholamalifard, M. (2007). Dynamic spatial modeling of urban growth through cellular automata in a GIS environment. International Journal of Environmental Research(IJER), 1(3), 272–279.
Mahini, A. S., & Clarke, K. C. (2012). Guiding SLEUTH land-use/land-cover change modeling using multicriteria evaluation: Towards dynamic sustainable land-use planning. Environment and Planning B: Planning and Design, 39, 925–944.
Mahini, A. S., & Clarke, K. C. (2013). Simulating hydrologic impacts of urban growth using SLEUTH, multi criteria evaluation and runoff modeling. Environmental Informatics, 22, 27–38.
Martellozzo, F., Amato, F., Murgante, B., & Clarke, K. (2018). Modelling the impact of urban growth on agriculture and natural land in Italy to 2030. Applied Geography, 91, 156–167.
Maithani, S. (2010). Application of cellular automata and GIS techniques in urban growth modelling: A new perspective. India Journal, 7, 36–49.
Norman, L. M., Feller, M., & Phillip, G. D. (2009). Forecasting urban growth across the United States- Mexico border. Computers, Environment and Urban Systems, 33, 150–159.
Norman, L. M., Feller, M., & Villarreal, M. L. (2012). Developing spatially explicit footprints of plausible land-use scenarios in the Santa Cruz Watershed, Arizona and Sonora. Landscape and Urban Planning, 107, 225–235.
Sakieh, Y., Amiri, B. J., Danekar, A., Feghhi, J., & Dezhkam, S. (2015). Simulating urban expansion and scenario prediction using a cellular automata urban growth model, SLEUTH, through a case study of Karaj City, Iran. Journal of Housing and the Built Environment, 30(4), 591–611. http://www. jstor.org/ stable/43907352.
Sakieh, Y., Salman Mahiny, A., Jafarnezhad, J., Mehri, A., Kamyab, H., & Galdavi, S. (2015). Evaluating the strategy of decentralized urban land-use planning in a developing region. Land Use Policy, 48, 534–551.
Salmanmahiny, A. & Karimi, S. (2011). Linking Urban Sprawl to Surface Runoff Potential for Soil Erosion through SLEUTH, L-THIA and RUSLE models-The Case of Gorgan Township in North East of Iran.
Saxena, A., & Jat, M. K. (2019). Capturing heterogeneous urban growth using SLEUTH model. Remote Sensing Applications: Society and Environment, 13, 426–434.
Saxena, A., & Jat, M. K. (2020). Land suitability and urban growth modeling: Development of SLEUTH-Suitability. Computers, Environment and Urban Systems, 81, 101475.
United Nations, Department of Economic and Social Affairs, Population Division (2019). World Population Prospects 2019, Online Edition. Rev. 1.
Project Gigalopolis. (2021).
Wolfram, S. (1984). Cellular automata as models of complexity. Nature, 311(5985), 419–424.