Urban expansion and physical development simulation using fuzzy cellular automata (FCA).Case Study: Ahwaz City

Subject Areas :

Saaid zangane shahrAki ¹ , Morteza omidi Pour ² , yousef tazesh ³ , ateena moenmehr ⁴

1 - Professor of Geography and Urban Planning, Tehran, Iran
2 - PhD student in Remote Sensing and GIS Tehran, Iran
3 - PhD student in Geography and Urban Planning, Islamic Azad University of Yasouj.Iran
4 - Ph.D. Student of Geography and Rural Planning, Tarbiat Modarres University, Iran

Received: 2018-01-31 Accepted : 2018-09-17 Published : 2018-11-06

Keywords: Modeling, GIS, Remote Sensing, Urban growth, Fuzzy Cellular Automata,

Abstract :

This study is proposed a model of urban expansion based on cellular automata principles and fuzzy logic approach. The most effective indicators were first selected using the DEMATEL method. The weight of each indicator was then obtained with the help of the prepared structure using the Analytic Network Process (ANP). Three satellite images of 2003, 2007, and 2013 were used to simulate urban growth of Ahvaz in the year 2020. The selected base year was 2003. After performing preprocessing operations, the images were classified using the maximum likelihood method. The combination of fuzzy logic and the classic cellular automata model was made operational by defining the transition rules using the degrees of fuzzy membership. The Kappa index was employed in two stages to study accuracy of the images. The images of the base year were first classified and their accuracy was examined, and the accuracy of the simulated images with respect to reality was also investigated for the year 2007 and then simulation of the images of the other years was performed. Since the degree of accuracy of the model was considered acceptable, the linear regression model and the matrix of transition probabilities were employed for simulation in 2020. Results indicated the model enjoyed acceptable accuracy. It also yielded more realistic results in urban simulations compared to the classic CA method. Moreover, and growth and development of Ahvaz in different periods did not take place in any specific direction but rather was completely irregular and occurred in all directions.

References:

1. آذر، عادل و فرجی، حجت (1387)، علم مدیریت فازی، تهران، انتشارات مرکز مطالعات و بهره‌وری ‌ایران.

2. آقاابراهیمی،  بابک و همکاران(1387)،" ارزیابی چالش‌های شرکت‌های ایرانی در پروژه‌های نفت و گاز به روش” DEMATEL  "، دوره 24، شماره 45،صفحه 121-129.

3. اصغربور، محمدجواد (1377)، تصمیم‌گیری‌های چند معیاره. تهران، انتشارات دانشگاه تهران.

4. امینی فسخودی، عباس(1384)، کاربرد استنتاج منطق فازی در مطالعات برنامه ریزی و توسعه منطقه ای، شماره 17.

5. رضازاده، راضیه و میراحمدی، مهرداد(1388)؛ "مدل اتوماسیون سلولی، روشی نوین در شبیه‌سازی رشد شهری"، نشریه علمی پژوهشی فناوری آموزش، سال چهارم، جلد 4 ، شماره 1.

6. ضیائیان فیروزآبادی و همکاران(1388)،"سنجش از دور(RS)، سیستم اطلاعات جغرافیایی(GIS) و مدل سلول‌های خودکار (CA) به عنوان ابزاری برای شبیه‌سازی تغیرات کاربری اراضی شهری"، مجله علوم محیطی سال هفتم، شماره اول.

7. عطایی، محمد(1389)، تصمیم گیری چند معیاره فازی، شاهرود، انتشارات دانشگاه صنعتی شاهرود.

8. فرجی سبکبار، حسنعلی و همکاران(1392)،" ارزیابی مکان استقرار شعب بانک‌ها و مؤسسه‌های مالی و اعتباری منطقه 6 شهر تهران با استفاده از روش دیماتیل و فرآیند تحلیل شبکه‌ای"، پژوهش‌های جغرافیای انسانی، دوره 45، شماره 3.

9. قدسی‌پور، سید حسن (1385)، فرآیند تحلیل سلسله مراتبی تهران، انتشارات دانشگاه امیر کبیر تهران، چاپ پنجم.

10. مهندسین مشاور عرصه(1389)، طرح راهبردی توسعه و عمران شهر اهواز، سازمان مسکن و شهرسازی استان خوزستان، مرحله اول، مقطع دوم، جلد سوم.

11. Alig, R.J., 1986, Econometric Analysis of the Factors Influencing Forest Acreage Trends inthe Southeast, Forest Science, 32, 119–134

12. Batty, M., Longley, M., 1994, Urban Modeling in Computer-Graphic and GeographicInformation System Environments, Environment and Planning B, 19, 663–688

13. Batty, M. 1997. Cellular automata and urban form: a primer. Journal of the American Planning Association 63: 266–74.

14. Dietzel, C. and Clarke, K. C. 2006. The effect of disaggregating land use categories in cel- lular automata during model calibration and forecasting. Computers, Environment, and Urban Systems 30: 78–101.

15. Pauchard, A., Aguayo, M., Peña, E., Urrutia. R., 2006, Multiple Effects of Urbanization onthe Biodiversity of Developing Countries: The Case of a Fast-growingMetropolitan Area (Concepción, Chile), Biological Conservation, 127:272-281.

16. Singh, A. K. (2003) Modelling land use land cover changes using cellular automata in a geo-spatial  environment. M.Sc Thesis, International institute for geo-information science and earth observation.

17. Sui, D. and Hui, Z., 2001, Modeling the Dynamics of Landscape Structure in Asia’s Emerging Desakota  egions: a Case Study in Shenzhen, Landscape and  Urban Planning 53.

18. White, R., Engelen, G. and Uljee, I. 1997. The use of constrained cellular automata for high- resolution modelling of urban land-use dynamics. Environment and Planning B 24: 323–43

19. Wolfram, S. 1994. Cellular automata and complexity: collected papers. Reading, MA:  Addison-Wesley.

20. Zadeh L.A.,1965, Fuzzy sets". Information and Control 8: 338–353.