پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,037 |
| تعداد مشاهده مقاله | 125,515,329 |
| تعداد دریافت فایل اصل مقاله | 98,776,478 |
شبیه‌سازی توسعه شهری با استفاده از روش ترکیبی ارزیابی چند معیاره و مدل SLEUTH در شهر نظرآباد | ||
| محیط شناسی | ||
| مقاله 4، دوره 50، شماره 2، شهریور 1403، صفحه 167-186 اصل مقاله (1.77 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jes.2024.370630.1008468 | ||
| نویسندگان | ||
| میثم اقبالی1؛ سید علی جوزی* 2؛ رخشاد حجازی3؛ مژگان زعیم دار4 | ||
| 1دانشجوی دکتری تخصصی،گروه محیط زیست،دانشکده علوم و فنون دریایی، واحد، تهران شمال ، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 2استاد تمام، گروه مهندسی محیط زیست، دانشکده علوم و فنون دریایی ،واحد تهران شمال، دانشگاه آزاد اسلامی، تهران . ایران(مسئول مکاتبات) | ||
| 3استادیار ،گروه مهندسی محیط زیست ، دانشکده علوم و فنون دریایی ، واحد تهران شمال ، دانشگاه آزاد اسلامی، تهران، ایران. | ||
| 4استادیار ،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 | ||
| ارزیابی تناسب شهری؛ مدل‌سازی رشد شهری؛ برنامه‌ریزی شهری؛ مدل SLEUTH | ||
| عنوان مقاله [English] | ||
| Simulation of urban development using the combined method of multi-criteria evaluation and SLEUTH model in Nazarabad city | ||
| نویسندگان [English] | ||
| Meysam Eghbali1؛ seyed ali Jozi2؛ Rokhshad Hejazi3؛ Mojgan Zaeimdar4 | ||
| 1Ph.D. Student, Department of Environment, North Tehran Branch, Islamic Azad University, Tehran, Iran | ||
| 2Professor, Department of Environment, North Tehran Branch, Islamic Azad University, Tehran, Iran | ||
| 3Assistant Professor, Department of Environment, North Tehran Branch, Islamic Azad University, Tehran, Iran | ||
| 4Assistant Professor, Department of Environment, North Tehran Branch, Islamic Azad University, Tehran, Iran | ||
| چکیده [English] | ||
| The purpose of this study is to investigate the physical growth characteristics of Nazarabad city in the past and predict its future changes until 2050 using the SLEUTH model. In this study, the urban map was extracted from the Landsat satellite images of 1990, 2000, 2010 and 2020, and using the layers of slope, land use, excluded layer, urban extent, transportation network, and hill shade, it was entered into the SLEUTH model and urban growth was simulated in two historical and environmental scenarios. To provide a more favorable prediction of future land use changes in the SLEUTH model in the environmental scenario, the multi-criteria evaluation (MCE) method was used using twenty layers that have the greatest impact on land suitability for urban development. The layers used in the MCE process were related to topography, geology, weather and climate, water resources, biological, urban distances and land use. The results of the first scenario showed that from 2020 to 2050, 390 hectares will be added to the urban land and part of the gardens and agricultural land will be lost. The results of the second scenario showed that 205 hectares of valuable land could remain intact, thus preventing further fragmentation of the land use pattern in the future. The simulation results of the physical development of Nazarabad city showed that the combination of SLEUTH model with MCE can be a very useful tool for city managers to facilitate the evaluation of urban development patterns. | ||
| کلیدواژه‌ها [English] | ||
| urban suitability assessment, urban growth modeling, urban planning, SLEUTH model | ||
| مراجع | ||
|
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.
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. | ||
|
آمار تعداد مشاهده مقاله: 198 تعداد دریافت فایل اصل مقاله: 190 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب