شبیه‌سازی توسعه شهری با استفاده از روش ترکیبی ارزیابی چند معیاره و مدل SLEUTH در شهر نظرآباد

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری تخصصی،گروه محیط زیست،دانشکده علوم و فنون دریایی، واحد، تهران شمال ، دانشگاه آزاد اسلامی، تهران، ایران

2 استاد تمام، گروه مهندسی محیط زیست، دانشکده علوم و فنون دریایی ،واحد تهران شمال، دانشگاه آزاد اسلامی، تهران . ایران(مسئول مکاتبات)

3 استادیار ،گروه مهندسی محیط زیست ، دانشکده علوم و فنون دریایی ، واحد تهران شمال ، دانشگاه آزاد اسلامی، تهران، ایران.

4 استادیار ،گروه مهندسی محیط زیست، دانشکده علوم و فنون دریایی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران.

چکیده

هدف از این پژوهش، بررسی ویژگی‌های رشد فیزیکی شهر نظرآباد در گذشته و پیش‌بینی تغییرات آتی آن تا سال 2050 با استفاده از مدل SLEUTH است. در این پژوهش، نقشه طبقه شهری از تصاویر ماهواره‌ای لندست سال‌های 1369، 1379، 1389 و 1399 استخراج و با استفاده از لایه‌های جاده، مستثنائات، شیب و سایه و روشن به مدل SLEUTH وارد و رشد شهری در دو سناریو تاریخی و محیط‌زیستی شبیه‌سازی گردید. برای ارائه یک پیش‌بینی مطلوب‌تر از تغییرات کاربری و پوشش زمین در آینده در مدل SLEUTH در سناریوی محیط‌زیستی از روش ارزیابی چند معیاره (MCE) با استفاده از بیست لایه که بیشترین تأثیر را بر تناسب زمین برای توسعه شهری دارند، استفاده شد. لایه‌های مورد استفاده در فرآیند MCE به توپوگرافی، زمین‌شناسی، هوا و اقلیم، منابع آبی، بیولوژیک، حرایم و فواصل شهری و کاربری اراضی مربوط بودند. نتایج سناریوی اول نشان داد که از سال 1399 تا 1429 میلادی 390 هکتار به زمین‌های شهری افزوده خواهد شد و بخشی از باغ‌ها و زمین‌های کشاورزی از بین خواهد رفت. نتایج سناریوی دوم نشان داد، 205 هکتار از زمین‌های با ارزش می‌توانند دست نخورده باقی بمانند و از این طریق جلوی تکه‌تکه شدن بیشتر الگوی کاربری زمین را در آینده گرفت. نتایج شبیه‌سازی توسعه فیزیکی شهر نظرآباد نشان داد که ترکیب مدل SLEUTH با MCE به نحو مطلوبی می‌تواند ابزار بسیار مفیدی برای مدیران شهری باشد که ارزیابی الگوهای توسعه شهری را تسهیل نماید.

کلیدواژه‌ها

موضوعات


  1. Ahern, J. (2013). Urban landscape sustainability and resilience: the promise and challenges of integrating ecology with urban planning and design. Landscape ecology, 28, 1203-1212.

    Amato, F., Maimone, B. A., Martellozzo, F., Nolè, G., & Murgante, B. (2016). The effects of urban policies on the development of urban areas. Sustainability, 8(4), 297.

    Bajracharya, P., Lippitt, C.D., & Sultana, S. (2020). Modeling urban growth and land cover change in Albuquerque using SLEUTH. The Professional Geographer, 72(2), 181-193.

    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. Indian Society of Remote Sensing, 43, 407-414.

    Cui, E., Ren, L., Sun, H. (2015). Evaluation of variations and affecting factors of eco environmental quality during urbanization. Environmental Science and Pollution Research, 22, 3958-3968.

    Chaudhuri, G., & Clarke, K. (2013). The SLEUTH land use change model: A review. Environmental Resources Research, 1(1), 88-105.

    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, 247–261.

    Clarke, K.C. (2008). A decade of cellular urban modeling with SLEUTH: Unresolved issues and problems. Ch, 3, 47-60.

    Clarke, K.C. (2018). A Short Presentation of SLEUTH. Springer International Publishing AG 2018, University of California Santa Barbara, USA.

    Cobbinah, P.B., Erdiaw-Kwasie, M.O., & Amoateng, P. (2015). Rethinking sustainable development within the framework of poverty and urbanization in developing countries. Environmental. Development, 13, 18e32.

    Falah, N., Karimi, A., & Harandi, A.T. (2020). Urban growth modeling using cellular automata model and AHP (case study: Qazvin city). Modeling Earth Systems and Environment, 6, 235-248.

    Fanni, Z. (2006). Cities and urbanization in Iran after the Islamic revolution. Cities, 23, 407–411.

    Feng, Y., & Qi, Y. (2018). Modeling patterns of land use in Chinese cities using an integrated cellular automata model. Geo-information, 7(10), 403.

    Firouznia, G., & Rabbani, M.R. (2013). Analysis of the industry’s role in the Evolution of settlements (Case study: Nazarabad). Physical Social Planning, 1(3), 103-112. (inPersian).

    Foroozesh, F., Monavari, S.M., Salmanmahiny, A., Robati, M., & Rahimi, R. (2022). Assessment of sustainable urban development based on a hybrid decision-making approach: Group fuzzy BWM, AHP, and TOPSIS–GIS. Sustain. Cities Soc. 76, 103402.

    Gandhi, S.I., & Suresh, V.M. (2012). Prediction of urban sprawl in Hyderabad city using spatial model, remote sensing and GIS techniques geography. Scientific Research, 1(2), 80-82.

    Gharaibeh, A., Shaamala, A., Obeidat, R., & Al-Kofahi, S. (2020). Improving land-use change modeling by integrating ANN with Cellular Automata-Markov Chain model. Heliyon, 6(9).

    Grimm, N.B., Faeth, S.H., Golubiewski, N.E., Redman, C.L., Wu, J., Bai, X., & Briggs, J.M. (2008). Global change and the ecology of cities. Science, 319(5864), 756-760.

    Han, B., Liu, H., & Wang, R. (2015). Urban ecological security assessment for cities in the Beijing–Tianjin–Hebei metropolitan region based on fuzzy and entropy methods. Ecological Modelling, 318, 217-225.

    Hosseinali, F., & Alesheikh, A.A. (2013). Assessing Urban Land-Use Expansion in Regional Scale by Developing a Multi-Agent System. Humanities, 20(2), 23-44.

    Ibrahim, M., El-Zaart, A., & Adams, C. (2018). Smart sustainable cities roadmap: Readiness for transformation towards urban sustainability. Sustainable Cities and Society, 37, 530–540.

    Jahanishakib, F., & Erfani, M. (2021). Simulation of Urban Land Use Growth Scenarios Using the Cellular Automata Method of SLEUTH. Journal of Environmental Studies, 47(3), 245-266. (inPersian).

    Jat, M.K., Choudhary, M., & Saxena, A. (2017). Urban growth assessment and prediction using RS, GIS and SLEUTH model for a heterogeneous urban fringe. The Egyptian Journal of Remote Sensing and Space Science, 20(2), 223-241.

    Kumar, V., & Agrawal, S. (2023). Urban modelling and forecasting of landuse using SLEUTH model. Environmental Science and Technology, 20(6), 6499-6518.

    Liu, Y., Li, L., Chen, L., Cheng, L., Zhou, X., Cui, Y., ... & Liu, W. (2019). Urban growth simulation in different scenarios using the SLEUTH model: A case study of Hefei, East China. PLoS One, 14(11), e0224998.

    Liu, D., Clarke, K. C., & Chen, N. (2020). Integrating spatial nonstationarity into SLEUTH for urban growth modeling: A case study in the Wuhan metropolitan area. Computers, Environment and Urban Systems, 84, 101545.

    Lu, T., Man-chu, L., & Yong-xue, L. (2009). Study of urban expansion simulation on the condition of ecological environment protection: A case study in Dianchi Basin in Kunming. Urban Remote Sensing Joint Event. Shanghai, China.

    1. (2005). Ecosystems and Human Well-being: Current State and Trends. Island Press, Washington, DC.

    Mahiny, 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(5), 925-944.

    Mahmoudzadeh, H., Vahedi Aghjea, A., & Herischian, M. (2019). Application of Scenario Based SLEUTH Model for Urban Growth Simulation (Case Study: Tabriz Metropolitan Area). Geographical Urban Planning Research (GUPR), 7(3), 553-580. (inPersian).

    Malik, A., & Abdalla, R. (2017). Agent-based modelling for urban sprawl in the region of Waterloo, Ontario, Canada. Modeling earth systems and environment, 3, 1-9.

    Man, X., & Chen, Y. (2020). Fractal-based modeling and spatial analysis of urban form and growth: A case study of Shenzhen in China. Geo-Information, 9(11), 672.

    Rafiee, R., Salman Mahini, A., Khorasani, N., Darvishsefat, A., and Danekar, A. (2009). Simulating Urban
    Growth in Mashhad City, Iran Throuth the SLEUTH Model. Cities, 26, 19- 26.

    Sakieh, Y., Salmanmahiny, 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.

    Saxena, A., & Jat, M.K. (2020). Analysing performance of SLEUTH model calibration using brute force and genetic algorithm–based methods. Geocarto International, 35(3), 256-279.

    Shafizadeh, H., Valavi, R., Asghari, A., Minaei, M., & Murayama, Y. (2022). On the spatiotemporal generalization of machine learning and ensemble models for simulating built‐up land expansion. Transactions in GIS, 26(2), 1080-1097.

    UNDESA. (2012). World Urbanization Prospects: the 2011 Revision. United Nations, New York.

    Wu, J. (2014). Urban ecology and sustainability: The state-of-the-science and future directions. Landscape and urban planning, 125, 209-221.

    Yao, L., Liu, J., Wang, R., Yin, K., & Han, B. (2015). A qualitative network model for understanding regional metabolism in the context of Social–Economic–Natural Complex Ecosystem theory. Ecological informatics, 26, 29-34.