تحلیل و ارزیابی روند توسعه فضایی کلانشهر شیراز در افق1410 با استفاده از مدل تحول زمین و تکنیک هلدرن

الموضوعات : فصلنامه علمی و پژوهشی پژوهش و برنامه ریزی شهری

ببراز کریمی ¹ , یعقوب پیوسته گر ² , مسعود تقوایی ³

1 - دانشجوی دکتری جغرافیا و برنامه ریزی شهری، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، ایران
2 - استادیار گروه معماری و شهرسازی، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، ایران
3 - استاد گروه جغرافیا و برنامه ریزی شهری،دانشکده علوم جغرافیایی و برنامه ریزی،ا دانشگاه اصفهان

تاريخ الإرسال : 20 الثلاثاء , جمادى الأولى, 1439 تاريخ التأكيد : 22 الثلاثاء , رجب, 1441 تاريخ الإصدار : 27 الإثنين , شعبان, 1441

الکلمات المفتاحية: توسعه, شیراز, فضایی, هلدرن, LTM,

ملخص المقالة :

         افزایش جمعیت و توسعه شهرنشینی، فشار فزاینده­ای را بر زمین وارد نموده و تخریب زمین­های پیرامون شهرها را موجب شده و از چالش­های اساسی در برنامه­ریزی شهری در دهه­های اخیر بوده است. روش تحقیق توصیفی _تحلیلی می­باشد و از لحاظ هدف، کاربردی است. جهت تحلیل روند توسعه فضایی کلان شهر شیراز، از تصاویر ماهواره­ای سال های 1365 تا 1395 استفاده شده و برای مدلسازی تغییرات در سال1410، از پارامترهای مؤثر در توسعه شهر و مدل تحول زمین استفاده گردید. نتایج تحلیل تصاویر ماهواره­ای برای سال­های 1365تا 1395 نشانگر تغییرات فزاینده کاربری­های کشاورزی و فضاهای سبز به کاربری اراضی ساخته شده می­باشد. در دوره 30 ساله باعث تخریب بیش از 508 هکتار از فضای سبز و بیش از 3373 هکتار زمین زراعی شده است. نتایج حاصل از مدل هلدرن نیز در این دوره نشانگر آنست که 59 درصد رشد فیزیکی شهر مربوط به افزایش جمعیت شهر و41 درصد آن مربوط به رشد افقی و اسپرال شهر شیراز بوده است. با ادامه این روند توسعه آتی شهر شیراز با مشکلات فزاینده زیست محیطی و اکولوژیکی مواجه خواهد شد، فضاهای سبز شهری و اراضی کشاورزی بیشتری در پیرامون شهر شیراز تا سال 1410 به زیر ساخت و ساز خواهد رفت و مشکلات موجود شهری دو چندان می گردد. همچنین بعد از 1410 برای توسعه شهری جدید نیاز به افزایش محدوده شهری و در نتیجه تخریب محیط زیست اطراف شهر و زمین­های کشاورزی اتفاق خواهد افتاد.

المصادر:

1. Ashrafi, Yousef, (2008) A New Approach to Urban Planning in the Analytical Approach, Urban Management Quarterly, No. 80-130, 2.


2. Asghari Zamani, Akbar, (2007), Evaluation and Prediction of Spatial-Physical Expansion of Iranian Cities, Case Study of Zanjan, PhD Thesis, Faculty of Humanities and Social Sciences, Tabriz University.


3. Taghvai, Masoud, Beyk Mohammadi, Hassan, Zali, Nader, Kassaei, Mitra (2018), Investigating the Factors Affecting the Executive Approach of Spatial Planning in Qom Province, Journal of Space Planning and Preparation, Volume 21, Number 1.


4. Rezaei, Mohammad Reza , karimi, babraz. (2016), Prioritizing and Determining Development Strategies of Shiraz City Using AHP, Quarterly Journal of Urban Research and Planning, Spring 2016 - Number 24.


5. Rafieian, Mojtaba & Shahin Rad, Mahnoush (2008) Urban Development Strategy for Urban Development Planning (with emphasis on Kerman Strategic Plan), Iranian Journal of Social Studies, Volume 2, Number 2.


6. Karam, Abdolamir, (2005), Land suitability analysis for anatomical development in northwestern Shiraz using Multi-criteria Evaluation (MCE) approach. Journal of Geographical Research, No. 54


7. Kiani, Akbar, (2004), Simulation and Evaluation of the Effectiveness of Smart Sensors and Cellular Atomata in Physical Development Analysis of Cloud City Map, Case Study of Tehran Metropolis. Ph.D. in Geography and Planning, Tarbiat Modares University


8. Agirre-Basurko, E., Ibarra-Berastegi, G., Madariaga, I., .2006. Regression and multilayer perceptron-based models to forecast hourly O3 and NO2 levels in the Bilbao area. Environmental Modelling & Software 21, 430–446.


9. Bruckner, JK.,(2000), Urban Sprawl: Diagnosis and Remedies. Int Reg Sci Rev 23(2):160–171


10. Bell, K. P., Irwin, E. G., (2002), Spatially explicit micro-level modelling of land use change at the rural–urban interface. Agricultural Economics 27T 217–232


11. Brown,.G., de Bie,.K., Weberd,.D.(2015) Identifying public land stakeholder perspectives for implementing place-based land management, Landscape and Urban Planning 139 (2015) 1–15.


12. Dom Nozzi (2003) road to ruin:an introduction to sprowl an how to care it. Amazon. ie=utf&s=book.


13. Lee, D. 1994. Retrospective on Large-Scale Models. Journal of the American Planning Association, 60(1): 35–44.


14. .Mayunga S D, Coleman D J, Zhang Y. (2007), A semi-automated approach for extracting buildings from Quick Bird imagery applied to informal settlement mapping. International Journal of Remote Sensing, 28(10): 2343- 2357


15. Morris, Marya. (2000.) Incentive zoning (PAS 494). Chicago: American Planning
    Association,Planning Advisory Service.


16. Nazareyan, asghar,karimi, babraz (2008): site selection of fire fighting by gis in shiraz, Journal of cheshmandaz e zagros, no 2.( in Persian)


17. Pijanowski, B.C., S.H. Gage, D.T. Long & W. C. Cooper.(2000). A Land Transformation Model: Integrating Policy, Socioeconomics and Environmental Drivers using a Geographic Information System; In Landscape Ecology: A Top Down Approach, Larry Harris and James Sanderson eds.


18. .Swenson, J.J., Franklin, J., (2000), The effects of future urban development on habitat fragmentation in the Santa Monica Mountains. Landscape Ecol. 15, 713–730.


19. Takayama, M., H. Couclelis.1997. Map Dynamic Integrating Cellular Automata and GIS Through Geo Algebra. International Journal of Geographical Information Science.11(1)73-91.


20. Yu, Nong, Qingyun, DU, 2011. Urban Growth Pattern Modeling Using Logistic Regression, Geo-spatial Information Science 14(1):62-67


21. Boutt, D. F., Hyndman, D. W., Pijanowski, B. C., & Long, D. T. (2001). Identifying potential land use derived solute sources to streambaseflow using ground watermodels andGIS. Groundwater, 39(1), 24–34.


22. Brown, D. G., Pijanowski, B. C., & Duh, J. D. (2010). Modeling the relationships between landuse and land-cover on private lands in the Upper Midwest, USA. Journal of Environmental Management, 59, 247–263.


23. Fishman, M., Barr, Dean S., & Loick, W. J. (1991). Using neural nets in market analysis. Technical Analysis of Stocks & Commodities, 4, 18–21.


24. Fukushima, K.,Miyake, S., & Takayuki (1983). Neocognitron: a neural network model for a mechanism of visual pattern recognition. IEEE Transactions on Systems,Man,and Cybernetics,SMC, 13(5), 826–834.


25. Drummond, S., Joshi, A., & Sudduth, K. (1998). Application of neural networks: precision farming. IEEE Transactions on Neural Networks, 211–215.


26. Skapura, D. (1996). Building neural networks. New York: ACMPress.