ارزیابی عملکرد مدل تلفیقی سلول های خودکار و مدل فازی در پیش‌بینی تغییرات کاربری اراضی با مثال موردی منطقه جنوب غربی استان اصفهان
احمد امیری
1
(
کارشناسی ارشد، گروه سیستم اطلاعات مکانی و سنجش ار دور، واحد لنجان، دانشگاه آزاد اسلامی، اصفهان، ایران
)
صالح عبدالهی
2
(
استادیار، عضو هیئت علمی گروه عمران، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران
)
قاسم خسروی
3
(
استادیار، عضو هیئت علمی گروه سیستم اطلاعات مکانی و سنجش ار دور، دانشگاه آزاد اسلامی، واحد لنجان، اصفهان، ایران
)
کلید واژه: تغییرات پوشش اراضی, سلول های خودکار, مدل فازی, سنجش از دور, سیستم اطلاعات جغرافیایی,
چکیده مقاله :
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، صنعتی و مسکونی 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. تلفیق نتایج دو مدل، نشان داد که حدود 98/0 کیلومترمربع مناطق شهری در کلاس تناسب بسیار کم، 63/2 کیلومترمربع در کلاس تناسب کم، 20 کیلومترمربع در کلاس تناسب متوسط، 21/7 کیلومترمربع در کلاس تناسب زیاد و 12/6 کیلومترمربع در کلاس تناسب بسیار زیاد برای سال 2033 قرار گرفته‌اند. همچنین 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. علاوه بر این اطلاعات آماری، نتایج بدست آمده نشان داد که ادغام دو مدل فازی و سلول های خودکار، درک مناسب و دقیق تری را نسبت به تغییرات آتی توسعه شهری در تصمیم گیری های مدیران و محققین شهری ایجاد می کند.
چکیده انگلیسی :
Uncontrolled and unorganized urban growth have several negative effects on our surrounding natural environment. One of the main problems is the change of valuable natural and agricultural lands to urban, industrial and residential area. This study aimed to extract the past land use changes and predict future changes in the southwestern regions of Isfahan province over a 30-year period 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 preliminary 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 and the pred, sum and gamma values of 0.7, 0.8, 0.9 were produced using the different operators of the fuzzy model. Combining the results of the two models showed that, 0.98 km2 of urban areas were in very low, 2.63 km2 in low, 20 km2 in moderate, 7.21 km2 in high and 6.12 km2 in the very high suitability class for 2033. Moreover, 35 % of the study area is suitable for urban growth and more than 36 % of the project urban land use are located in these areas. In contrast, 54 % of the project urban land use 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. In addition to these statistical results, the process showed that the integration of these two models creates a proper and accurate understanding of future urban changes for urban planners and decision makers.