ارزیابی عملکرد مدل تلفیقی سلول های خودکار و مدل فازی در پیش‌بینی تغییرات کاربری اراضی با مثال موردی منطقه جنوب غربی استان اصفهان

فصلنامه علمی برنامه ریزی منطقه ای

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 29 آبان 1403

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.30495/jzpm.2024.33633.4347

نویسندگان

احمد امیری¹؛ صالح عبدالهی^{* 2}؛ قاسم خسروی³

¹کارشناسی ارشد، گروه سیستم اطلاعات مکانی و سنجش ار دور، واحد لنجان، دانشگاه آزاد اسلامی، اصفهان، ایران

²استادیار، عضو هیئت علمی گروه عمران، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران

³استادیار، عضو هیئت علمی گروه سیستم اطلاعات مکانی و سنجش ار دور، دانشگاه آزاد اسلامی، واحد لنجان، اصفهان، ایران

تاریخ دریافت: 15 تیر 1403،  تاریخ بازنگری: 18 آبان 1403،  تاریخ پذیرش: 29 آبان 1403 

چکیده

رشد و توسعه بی رویه شهری باعث مشکلات عدیده ای در محیط طبیعی اطراف سکونتگاه بشری می شود. یکی از مهم ترین این مشکلات، تغییرات کاربری اراضی ارزشمند کشاورزی و طبیعی به مناطق شهری است. این پژوهش باهدف استخراج تغییرات گذشته و پیش‌بینی تغییرات آینده منطقه جنوب غربی استان اصفهان، در بازه زمانی ۳۰ساله، با استفاده از مدل تلفیقی سلول های خودکار (CA) و منطق فازی انجام گرفته است. تصاویر سنجنده ETM+ لندست 7 وOLI لندست 8 به ترتیب برای سال‌های 2003-2013-2022 همراه با نقشه‌های توپوگرافی و زمین‌شناسی منطقه به عنوان داده های اولیه استفاده شدند. تصاویر ماهواره ای موجود به پنج پوشش اراضی کشاورزی، جنگلی، شهری، آبی و بایر طبقه‌بندی و صحت سنجی گردیدند. سپس توسط مدل CA نقشه پوشش اراضی برای سال‌های 2023 و 2033 پیش بینی و تولید شدند. در ادامه با به‌کارگیری مدل فازی، نقشه‌های پارامترهای مختلف بر اساس ماهیت و نقش آن ها در پهنه‌بندی اراضی تشکیل و با به‌کارگیری توابع مدل فازی، تناسب نوع پوشش اراضی پیش بینی شده یا موجود ارزیابی گردیدند. نتایج نشان داد، 35% از منطقه مورد مطالعه برای رشد شهری بسیار مناسب و حدود 36% از مناطق شهری پیش بینی شده در این نواحی قرار گرفته اند. در مقابل 54% از مناطق شهری پیش بینی شده در نواحی متوسط و در نهایت حدود 10% در نواحی نامناسب قرار گرفته اند که باید مورد توجه مدیران شهری منطقه قرار گیرند.ادغام دو مدل، درک دقیق تری را نسبت به تغییرات آتی توسعه شهری در تصمیم گیری های مدیران شهری ایجاد می کند.

عنوان مقاله [English]

Evaluation of integrated CA-Markov model and fuzzy model in predicting land use changes in southwestern region of Isfahan province

نویسندگان [English]

Ahmad Amiri¹؛ saleh abdullahi²؛ , Ghasem Khosravi³

¹Master student, Department of Spatial Information Systems and Remote Sensing, Lanjan Branch, Islamic Azad University, Isfahan, Iran

²Assistant Professor, Department of Civil Engineering, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran

³Assistant Professor, Department of Spatial Information Systems and Remote Sensing, Lanjan Branch, Islamic Azad University, Isfahan

چکیده [English]

Uncontrolled urban growth has several negative effects on our surrounding natural environment. One of the main problems is the change of valuable natural and agricultural lands to urban areas. This study aimed to extract the past land use changes and predict future changes in the southwestern regions of Isfahan province over 30 years using a hybrid model of cellular automata (CA) and fuzzy logic. Landsat 7 ETM+ and OLI Landsat 8 images for 2003-2013-2022 were used together with topographic and geological maps of the region as data. Satellite images were classified and validated into five land uses classes including agriculture, forest, urban, water and barren lands. The CA model then predicted and produced land use maps for 2023 and 2033. Next, to evaluate the suitability of the projected land use in each location, the selected parameters were mapped based on their nature and role in the study area using the different operators of the fuzzy model. Results showed that 35 % of the study area is suitable for urban growth and more than 36 % of the project urban land uses are located in these areas. In contrast, 54 % of the project urban land uses are located in the class of moderate suitable, and finally about 10 % the project urban land use is located in the class of not suitable, which should be the main concern of the local government. Integration of these two models creates an accurate understanding of future urban changes for decision makers.

مراجع