• Home
  • Evaluation of Effective Factors in the Process of Physical Development of Tabriz City Using Remote Sensing Methods

Share To

Article Url


Manuscript ID : UF-2307-1138 (R2) Visit : 220 Page: -

Article Type: Original Research

Evaluation of Effective Factors in the Process of Physical Development of Tabriz City Using Remote Sensing Methods

Subject Areas : Urban Futurology

Mohammad Ibrahim Afifi 1 , Vahid Sohrabi 2

1 - Associate Professor of Geography Department, Larestan Branch, Islamic Azad University, Larestan, Iran
2 - PhD student in geography and urban planning, Larestan Branch, Islamic Azad University, Larestan, Iran

Received: 2023-07-15 Accepted : 2024-04-29 Published : 2024-07-07

Keywords: Evaluation, Physical Development, Remote Sensing, Vegetation, Tabriz.,

Abstract :

The rapid growth of urbanization has put heavy pressure on the land and surrounding resources and has caused a reduction in vegetation, open spaces and serious social and environmental problems. Therefore, an essential step for managing and planning urban development, as well as evaluating its cumulative effects, is to investigate and simulate the physical development of the city. The purpose of this study is to understand the effective factors in the process of physical development of Tabriz metropolis according to the category of sustainable urban spatial development from the ecological aspect and maintaining its environmental conditions in the next two decades. For this purpose, according to the optimal separation capability of users, in the image classification process, the object-oriented image analysis method was used, which also relies on spectral information and information related to texture, shape, and content, and using Landsat 5 multi-temporal satellite images. and 7 and Shigra satellite image processing techniques of land use changes in the time period 4891-1102 have been evaluated with an emphasis on the spatial expansion of Tabriz metropolis. Based on the results, the area of Tabriz metropolis (the mother city of Tabriz and satellite cities) has increased from 7220.34 hectares in 1984 to 22346.82 hectares in 2012. A significant area of recent development has taken place on floodplains and areas vulnerable to earthquakes, which requires the management of the future development of the surrounding cities. For this purpose, factors affecting the physical development of Tabriz metropolis based on research background in the form of 42 indicators were identified and mapped using multivariate evaluation methods based on linear combination and fuzzy CLW and by extracting lands prone to future physical development along with the dependent variable of urban changes. During the years of 1984-2012, with the use of VokraM-aC automatic Markov chain cells, the future pattern of land use was predicted in the form of an environmental protection approach and in accordance with the principles of sustainable development until 2038. Agricultural and garden lands will be damaged.

References:

اصغری سراسکانرود، صیاد؛ ریاحی نیا، مریم. (1399). پتانسیل یابی منابع آب زمینی در دشت خرم آباد با استفاده از دو روش منطق فازی و شبکه عصبی مصنوعی، پژوهش¬های ژیومورفولوژی کمی، سال نهم، شماره 2، پائیز1399، صص 158-141. gmpj.2020.11823. https://www.geomorphologyjournal.ir/article_118230.html
بحرینی، حسین. (1398). تهران چگونه شهری است و چه باید باشد؟، مجله محیط شناسی؛ شماره 15: ویژه¬نامه تهران. https://civilica.com/doc/1577687
بریاسولیس، هلن. (1389). الگوهای تحلیلی تغییر کاربری زمین؛ ترجمه رفیعیان مجتبی، محمودی مهران؛ انتشارات آذرخش؛ تهران.
پورمحمدی، محمدرضا؛ جمالی، فیروز؛ اصغری زمانی، اکبر. (1397). ارزیابی و پیشبینی گسترش فضایی – کالبدی شهرهای ایران، مطالعه موردی شهر زنجان، پژوﻫﺶ های ﺟﻐﺮاﻓﯿﺎیی، شماره 63، بهار1397، صص29-46. https://www.sid.ir/paper/5586/14
حیدری مظفر، مرتضی؛ شهاوند، مرتضی. (1400). پهنه بندی دشت کوبتر آهنگ به منظور احداث سد زیرزمینی به روش ترکیب نقشه های فازی، فصلنامه اطلاعات جغرافیایی، دوره 30، شماره117، بهار1400 .20.1001.1.25883860.1400.30.117.7.4. https://doi.org/10.22131/sepehr.2021.244453
خورشیدی علی کردی، محمدصادق؛ حقیقت، معصومه؛ طالب بیدختی، ناصر؛ نیکو، محمدرضا. (1398). مدل حل اختلاف چند هدفه¬ی بهره برداری تلفیقی از منابع آب سطحی و زیرزمینی بر مبنای رویکرد برنامه ریزی آرمانی، مجله مهندسی منابع آب، سال دوازدهم، شماره 43، صص :131-151. https://sid.ir/paper/169566/fa
رستمی، رحیمه؛ باقری، میلاد؛ ارگانی، میثم؛ حسن¬وند، مصطفی. (1398). ارزیابی پتانسیل و الگوی رشد بهینه شهر تبریز مبتنی بر استفاده از شبکه‌های عصبی، پژوهش¬های جغرافیایی انسانی، دوره 51، شماره 3، پائیز 1398، ص 731-745. 10.22059/jhgr.2019.275737.1007860
رسولی، علی¬اکبر؛ محمودزاده، حسن. (1389). مبانی سنجش از دور دانش پایه، انتشارات علیمران؛ 192.
روهینا، آیت؛ احمدی، حسن؛ معینی، ابوالفضل؛ شهریور، عبدال. (1399). مناطق مستعد احداث سد زیرزمینی با استفاده از منطق بولین و روش ahp در آبخیز امام زاده جعفر گچساران، فصلنامه پژوهش¬های آبخیزداری، دوره 33، شماره 4، شماره پیاپی 129، زمستان 1399، ص16-2. 10.22092/wmej.2020.126600.1228. https://wmrj.areeo.ac.ir/article_121795.html
شکوئی، حسین. (1373). دیدگاه‌های نو در جغرافیای شهری، انتشارات سمت؛ 568.
شهابی، هیمن؛ نیازی، چیا. (1398). بررسی فاکتورهای موثر در مکان¬یابی ایستگاه¬های امداد و نجات جاده سقز – سنندج با استفاده از مدل ترکیب خط وزنی، همایش ژئوماتیک 88، تهران. https://www.sid.ir/paper/463396/fa
شیعه، اسماعیل. (1389). مقدمه¬ای بر مبانی برنامه¬ریزی شهری، انتشارات دانشگاه علم و صنعت؛ 240.
عفیفی، محمد ابراهیم؛ سهرابی، وحید. (1401). ارزیابی وضعیت بیابان زایی در دشت شهر بابک با استفاده از مدل مدالوس و داده های سنجش از دور، فصلنامه اکو سیستم های طبیعی ایران، دوره14، شماره 1، شماره پیاپی 51، خرداد 1402، ش 59-38. https://sanad.iau.ir/fa/Article/983390?FullText=FullText
عفیفی، محمد ابراهیم؛ سهرابی، وحید. (1401). پایش یخچال¬های اشترانکوه حوضه آبریز گهر لرستان و ارتباط آن با کاهش پوشش گیاهی با استفاده از تصاویر modis و شاخص ndsi بین سال¬های1380-1395، فصلنامه اکو سیستم¬های طبیعی ایران،دوره 13، شماره 3، پیاپی 49، ص 75-58. https://sanad.iau.ir/journal/nei/Article/700854?jid=700854
علمرادی، هژیر؛ روحی مقدم، عین اله؛ خالقی، مهسا؛ بامری، ابوالفضل. (1401). پیش بینی و پهنه بندی کیفیت آب زیرزمینی با استفاده از مدل های سیستم اطلاعات جغرافیایی gis و روش¬های یادگیری ماشین(مطالعه موردی:دشت زاهدان)، فصلنامه هیدرولوژی، سال هفتم، شماره2، زمستان 1401. 10.22034/hydro.2022.48571.1250. https://www.sid.ir/paper/1053702/fa
علی نژاد، خلیل؛ عفیفی، محمد ابراهیم؛ موغلی، مرضیه. (1401). ارزیابی زیست محیطی بیابان زایی در حوضه آبخیز شهر اصفهان با استفاده از مدالوس و داده های سنجش از دور، فصلنامه کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی، دوره13، شماره4، شماره پیاپی50، اسفند 1401، ش 22-42. https://sanad.iau.ir/journal/gisrs/Article/703787?jid=703787
فردوسی، بهرام. (1399). امکان سنجی و کاربرد سیستم پشتیبانی تصمیم¬گیری در توسعه فیزیکی شهر، نمونه موردی شهر سنندج، پایان¬نامه کارشناسی¬ارشد رشته جغرافیا و برنامه¬ریزی شهری، دانشکده علوم انسانی دانشگاه تربیت مدرس.
کامیاب، حمیدرضا؛ ماهینی عبدالرسول سلمان؛ حسینی سید محسن؛ مهدی غلامعلی فرد. (1400). اتخاذ رهیافت اطلاعات محور با کاربرد روش رگرسیون لجستیک برای مدل¬سازی توسعه شهری گرگان، فصلنامه محیط¬شناسی، شماره 54، تابستان 1400. https://jes.ut.ac.ir/article_21477.html
مالچفسکی، ی، (1400). سامانه اطلاعات جغرافیایی و تحلیل تصمیم چند معیاری، ترجمه اکبر پرهیزکار، عطا غفاری گیلانده، انتشارات سمت، تهران.
مهندسین مشاور معماری و شهرسازی زیستا. (1400). طرح مجموعه شهری تبریز، وزارت مسکن و شهرسازی، سازمان مسکن و شهرسازی استان آذرباییجان شرقی.
ویلیامز کاتی؛ برتون الزابت؛ جنکنز مایک. (1399). دستیابی به شکل پایدار شهری (شکل پایداری و حمل و نقل)؛ ترجمه واراز مرادی مسیحی؛ شرکت پردازش و برنامه¬ریزی شهری؛ تهران.
Afifi, Mohammad Ibrahim, Sohrabi, Vahid (2022), Evaluation of desertification status in the Shahrbabak plain using the Medawos model and remote sensing data, Iranian Natural Ecosystems Quarterly, Volume 14, Number 1, Issue 51, May 2022, pp. 38-59. [In Persian] https://sanad.iau.ir/fa/Article/983390?FullText=FullText
Afifi, Mohammad Ibrahim, Sohrabi, Vahid (2022), Monitoring the glaciers of the Gahar Lorestani basin and its relationship with vegetation cover reduction using modis images and ndsi index between 2001-2016, Iranian Natural Ecosystems Quarterly, Volume 13, Number 3, Issue 49, 2021, pp. 58-75. [In Persian] https://sanad.iau.ir/journal/nei/Article/700854?jid=700854
Ali Nezhad, Khalil, Afifi, Mohammad Ibrahim, Moghli, Marzieh (2022), Environmental assessment of desertification in the Isfahan watershed using Medawos and remote sensing data, Journal of Geographic Information Systems and Remote Sensing in Planning, Volume 13, Number 4, Issue 50, March 2022, pp. 42-22. [In Persian] https://sanad.iau.ir/journal/gisrs/Article/703787?jid=703787
Almoradi, Hejir, Rouhimeh, Aynollah, Khalkhi, Mahsa, Bamri, Abolfazl (2022), Prediction and zoning of groundwater quality using GIS geographic information system models and machine learning methods (case study: Zahedan plain), Hydrology Quarterly, Volume 7, Number 2, Winter 2022. [In Persian] https://www.sid.ir/paper/1053702/fa
Anderson, W.P; Kanaroglou, P.S; Miller, E.J. (2021) urban form, energy and the environment: a review of issues, evidence and policy; Urban Studies; 33 (1), 7-35. https://ideas.repec.org/a/sae/urbstu/v33y1996i1p7-35.html
Asghari Saraskanrood, Sayyad, Riyahi Nia, Maryam (2020), Groundwater resource potential in Khorramabad plain using fuzzy logic and artificial neural network, Quantitative Geomorphological Research, Volume 9, Number 2, Fall 2020. [In Persian] https://www.geomorphologyjournal.ir/article_118230.html
Bahreini, Hossein (2019); How is Tehran a city and what should it be? Environmental Science Magazine; Number 15: Tehran Special Issue. [In Persian] https://civilica.com/doc/1577687/
Benz, U.C., Hoffmann, P., Willhauck,G., Lingenfelder, I. & Heynen, M. (2019). Multi-resolution, objectoriented fuzzy analysis of remote sensing data for GIS-ready information. ISPRS Journal of photogrammetry and Remote Sensing 58: 239-258. https://www.researchgate.net/publication/
Bhatta, B (2019); Analysis of Urban Growth and Sprawl from Remote Sensing; DataSpringer; London; p 191.
Bogart, W. (2019). Don’t Call It Sprawl: Metropolitan Structure in the 21 st Century; New York: Cambridg Unoversity Press، 196 pp Definiens Professional RefrenceBook. Definiens AG, (2006), D-80339 München Germany.
Briassoulis, Helen (2010); Analytical models of land use change; Translated by Rafieyan Mojtaba, Mahmoudi Mehran; Azarkhsh Publications; Tehran. Rasouli, Ali Akbar; Mahmoudzadeh, Hassan (2010); Fundamentals of remote sensing, Alimran Publications; 192. [In Persian]
E. Holden., (2004). Ecological footprints and sustainable urban form, Journal of Housing and Built Environment. No 19. Pp. 91-109.https://www.researchgate.net/publication/226423712_Ecological_footprints_and_sustainable_urban_form
Ferdowsi, Bahram (2020), Feasibility and application of decision support system in physical development of the city, a case study of Sanandaj city, Master's thesis in Geography and Urban Planning, Faculty of Humanities, Tarbiat Modares University. [In Persian]
Geotge Zian, Mike Crane. (2015). Assessments of urban growth in the Tampa Bay watershed using remote sensing data, Journal of Remote Sensing of Environment. No 97. Pp. 203-215 . https://www.researchgate.net/publication/223469168_Assessment_of_Urban_Growth_in_Tampa_Bay_Watershed_Using_Remote_Sensing_Data
Heydari Mozaffar, Morteza, Shahavand, Morteza (2021), Classification of the Kobtar Ahang plain for the construction of an underground dam using a combination of fuzzy maps, Geographic Information Quarterly, Volume 30, Number 117, Spring 2021. [In Persian] https://doi.org/10.22131/sepehr.2021.244453
Hwang, H. 2019. Web-based multi-attribute analysis model for engineernig project evaluation, Journal of Computer & industrial engineering. No 46. Vol 46, Issue 4, July, PP 669-678. https://www.researchgate.net/publication/222701637_Web-based_multi-attribute_analysis_model_for_make-or-buy_decisions
Jamal Joker Arsanjania, Marco Helbich, Wolfgang Kainz, Ali Darvishi Boloorani. (2012). Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion, International Journal of Applied Earth Observation and Geoinformation. No 21. Pp. 265-275. https://www.researchgate.net/publication/257129056_Integration_of_logistic_regression_Markov_chain_and_cellular_automata_models_to_simulate_urban_expansion
Jian-zhou Gong, Yan-sui Liu, Bei-cheng Xia, Guan-wei Zhao. (2019). Urban ecological secutity assessment and forecasting, based on a cellular automata model: A case study of Guangzhou, China, Journal of Ecological Modelling. No 220. Pp. 3612-3620. https://www.researchgate.net/publication/317612180_Urban_Ecological_Security_Simulation_and_Prediction_Using_an_Improved_Cellular_Automata_CA_ApproachA_Case_Study_for_the_City_of_Wuhan_in_China
José I. Barrodo, Luca Demicheli. (2013). Urban sustainability in developing countries’ megacities: modelling and predicting futture urban groeth in Lagos, Journal of Urban sustainability in developing countries’ megacities. No 5. Pp. 297-310. https://www.researchgate.net/publication/222676443_Urban_sustainability_in_developing_countries%27_megacities_Modelling_and_predicting_future_urban_growth_in_Lagos
Kamyab, Hamid Reza; Mahini, Abdolrasoul Salman; Hosseini, Seyed Mohsen; Mahdi Gholamali Fard (2021), Adopting an information-based approach using logistic regression method for urban development modeling in Gorgan, Environmental Science Quarterly, Number 54, Summer 2021. [In Persian] https://jes.ut.ac.ir/article_21477.html
Khorshidi, Ali Kordi, Mohammad Sadegh, Haqiqat, Ma'soumeh, Taleb Bidakhti, Naser, Nikoo, Mohammad Reza (2019), A multi-objective conflict resolution model for integrated surface and groundwater resources management based on ideal planning approach, Water Resources Engineering Journal, Volume 12, Number 43, pp: 131-151. [In Persian] SID. https://sid.ir/paper/169566/fa.
Malchewski, Y., 2021. Geographic Information System and Multi-Criteria Decision Analysis, translated by Akbar Parhizkar, Ata Ghaffari Gilandeh, Samt Publications, Tehran. Zista Architectural and Urban Planning Consultants, 2021. Tabriz urban complex plan, Ministry of Housing and Urban Development, East Azerbaijan Housing and Urban Development Organization. [In Persian]
Nancy E. McIntyre, K. Knowles-Yánez, and D. Hope. (2017). Urban Ecology as an Interdisciplinary Field: Difference in yhe use of “Urban” Between the Social and Natural Sciences, Journal of Urban Ecosystems. No 4. Pp. 5-24.
Poumohammadi, Mohammad Reza, Jamali, Firouz, Asghari Zamani, Akbar (2018), Evaluation and prediction of spatial-physical expansion of Iranian cities, a case study of Zanjan city, Geographical Research, Number 63, Spring 2018, pp. 29-46. [In Persian] https://www.sid.ir/paper/5586/14
Rohina, Ayat, Ahmadi, Hassan, Moeini, Abolfazl, Shahrivar, Abdul (2020), Suitable areas for the construction of underground dams using Boolean logic and AHP method in the Imamzadeh Jafar Gachsaran watershed, Watershed Research Quarterly, Volume 33, Number 4, Winter 2020. [In Persian] https://wmrj.areeo.ac.ir/article_121795.html
Rostami, Rahimeh, Bagheri, Milad, Organi, Meysam, Hasanvand, Mostafa (2019), Evaluation of potential and optimal growth pattern of Tabriz city based on the use of neural networks, Human Geography Research, Volume 51, Number 3, Fall 2019. [In Persian] 10.22059/jhgr.2019.275737.1007860
Shahabi, Haiman; Niazi, Chia (2019); Investigating effective factors in locating rescue stations on the Saqqez-Sanandaj road using a combined weighted line model, Geomatics 88 Conference, Tehran. [In Persian] https://www.sid.ir/paper/463396/fa
Shakui, Hossein (1994); New perspectives in urban geography, Samt Publications; 568. [In Persian]
Shi'a, Ismail (2010); An introduction to urban planning principles, University of Science and Technology Publications; 240. [In Persian]
Sudhira, H.S; Ramachandra, T.V (2017). Characterising Urban Sprawl from Remote Sensing Data and Using Landscape Metrics; 10th International Conference on Computers in Urban Planning and Urban Management, Iguassu Falls, PR Brazil, July 11-13. https://www.researchgate.net/publication/237590571_Characterising_urban_sprawl_from_remote_sensing_data_and_using_landscape_metrics
Tolga, E., Demircan, L., Kahraman, C.2015. Operating system selection using fuzzy replacement analysis and analytic hierarchy process, Journal Production economics. No 97. Vol 97, Issue 1, 18 July, PP 89-117. https://www.researchgate.net/publication/223395472_Operating_system_selection_using_fuzzy_replacement_analysis_and_analytic_hierarchy_process
Williams, Cathy; Elzabeth Burton; Mike Jenkins (2020); Achieving Sustainable Urban Form (Sustainability and Transportation); Translated by Vara Moradi Masih; Urban Processing and Planning Company; Tehran. [In Persian]
Yu, C. (2012). A GP-AHP method for solving group decision-making fuzzy AHP problems, Journal of Computer & Operation Research. No 29, Issue 14, December, PP 1969-2012 https://www.researchgate.net/publication/220306350_Use_of_fuzzy_AHP_for_evaluating_the_benefits_of_information-sharing_decisions_in_a_supply_chain
Full-Text:


img0 

Journal of Urban Futurology

Volume 4, Number 1, Spring 2024

 

 

Online ISSN: 2783-4344

https://uf.zahedan.iau.ir/

img0 

Journal of Urban Futurology

 

Evaluation of Effective Factors in the Process of Physical Development of Tabriz City Using Remote Sensing Methods

 

Mohammad Ibrahim Afifi1, Vahid Sohrabi2

 

1- Associate Professor of Geography Department, Larestan Branch, Islamic Azad University, Larestan, Iran

2- PhD student in geography and urban planning, Larestan Branch, Islamic Azad University, Larestan, Iran

 

Article info

Abstract

Article type:

Research Article

 

Received:

2023/07/15

Accepted:

2024/04/29

pp:

117- 139

 

Keywords:

Evaluation, Physical Development,

Remote Sensing, Vegetation,

Tabriz.

The rapid growth of urbanization has put heavy pressure on the land and surrounding resources and has caused a reduction in vegetation, open spaces and serious social and environmental problems. Therefore, an essential step for managing and planning urban development, as well as evaluating its cumulative effects, is to investigate and simulate the physical development of the city. The purpose of this study is to understand the effective factors in the process of physical development of Tabriz metropolis according to the category of sustainable urban spatial development from the ecological aspect and maintaining its environmental conditions in the next two decades. For this purpose, according to the optimal separation capability of users, in the image classification process, the object-oriented image analysis method was used, which also relies on spectral information and information related to texture, shape, and content, and using Landsat 5 multi-temporal satellite images. and 7 and Shigra satellite image processing techniques of land use changes in the time period 4891-1102 have been evaluated with an emphasis on the spatial expansion of Tabriz metropolis. Based on the results, the area of ​​Tabriz metropolis (the mother city of Tabriz and satellite cities) has increased from 7220.34 hectares in 1984 to 22346.82 hectares in 2012. A significant area of ​​recent development has taken place on floodplains and areas vulnerable to earthquakes, which requires the management of the future development of the surrounding cities. For this purpose, factors affecting the physical development of Tabriz metropolis based on research background in the form of 42 indicators were identified and mapped using multivariate evaluation methods based on linear combination and fuzzy CLW and by extracting lands prone to future physical development along with the dependent variable of urban changes. During the years of 1984-2012, with the use of VokraM-aC automatic Markov chain cells, the future pattern of land use was predicted in the form of an environmental protection approach and in accordance with the principles of sustainable development until 2038. Agricultural and garden lands will be damaged.

 

img0 

Citation: Afifi, M. I., & Sohrabi, V. (2024). Evaluation of effective factors in the process of physical development of Tabriz city using remote sensing methods. Journal of Urban Futurology, 4(1), 117- 139.

1691989224302 © The Author(s).              Publisher: Islamic Azad University, Zahedan Branch.

 

[1]  Corresponding author: Mohammad Ebrahim Afifi, Email: afifi.ebrahim6353@gmail.com, Tell: +989171816353

 

 

Extended Abstract

Introduction

The rapid growth of urbanization has put heavy pressure on the land and surrounding resources, causing a reduction of vegetation, open spaces and serious social and environmental problems. Therefore, an essential step for managing and planning urban development, as well as evaluating its cumulative effects, is to investigate and simulate the physical development of the city.

With the increase in the population of Tabriz, there has been significant growth in the built-up lands in the region, leading to many changes in land use around the city and the destruction of the fertile lands in the suburbs. The continuation of this process could cause irreparable damage to the ecological resources of the region. In the field of land cover and land use changes, models play an important role in exploring possible future development. The descriptive and forecasting capabilities of these models can be used as tools for raising awareness among those involved in land use and land cover decisions, functioning as an early warning system. The purpose of this study is to understand the effective factors influencing the physical development of Tabriz metropolis, considering sustainable urban spatial development from an ecological perspective and maintaining its environmental conditions over the next two decades.

Methodology

For this purpose, considering the capability of optimal separation of users, in the image classification process, an object-oriented image analysis method was used., The basic units of processing in object-oriented analysis are image objects (segments), not pixels. Object-oriented classification is a process that links land cover classes to image objects, and each of the image objects is assigned to the considered classes with a certain degree of membership. The classification process was carried out using highly specialized software such as eCognition and Definiens Professional Earth version 7, as a repeatable process to obtain the highest degree of membership for each image object. This method relied on spectral information and information related to texture, shape, and content, using Landsat 5 and 7 multi-temporal satellite images and satellite image processing techniques. Shigra evaluated land use changes during the period from 1984 to 2012, with an emphasis on the spatial expansion of Tabriz metropolis.

Results and discussion

Based on the results, the area of Tabriz metropolis (the main city of Tabriz and satellite cities) has increased from has increased from 7220.34 hectares in 1984 to 22346.82 hectares in 2012. A significant area of recent development has taken place on floodplains and areas vulnerable to earthquakes, which requires the management of the future development of the surrounding cities. For this purpose, 42 factors affecting the physical development of Tabriz metropolis were identified and mapped based on research, using multivariate evaluation methods based on linear combination and fuzzy CLW, and by extracting lands prone to future physical development along with the dependent variable of urban changes. 

Investigations and analyses carried out on land use change maps in GIS and comparison tables of land use changes and land cover, based on the classified images of consecutive years of the region, showed the following changes in the lands of the region:

·       During the period of 1984-2011, barren lands decreased from 151,962.6 hectares in 1984 to 147,052 hectares in 2011.

·       Built-up land increased from 7,220.34 hectares in 1984 to 22,346.82 hectares at the end of the period.

·       Agricultural land decreased from 25,369.83 hectares in 1984 to 22,489.02 hectares in 2011.

·       Garden lands decreased from 10,242.63 hectares in 1984 to 6,653.43 hectares in 2011.

·       Pasture land decreased from 25,248.15 hectares in 1984 to 21,583.80 hectares in 2011.

·       Water lands decreased from 669.24 hectares in 1984 to 587.70 hectares in 2011.

By overlapping the built-up land class during 1984-2011 on the digital height model, the spatial expansion trend of Tabriz metropolis was visually extracted. The metropolis has seen significant growth, while during this statistical period, the population of the cities in the group did not experience such growth. The problem of urban sprawl intensity can be illustrated by the radar graph comparing the changes in the percentage of the area to the percentage of population changes in Tabriz metropolis between 1984 and 2011. The changes in the area of the cities of Tabriz metropolis have been much faster than the population changes in Tabriz metropolis.

Conclusion

If the results of this research are implemented, minimal damage will be inflicted on agricultural and garden lands during the city's future development. To reduce the horizontal expansion of the city and mitigate associated problems, it is recommended to closely monitor urban areas, utilize clustering and high-rise development methods (compact city), and develop barren and empty lands within the city (infill development). Prioritizing the guidance of urban development in areas other than agricultural land should be a key focus for the management of Tabriz metropolis.

Funding

There is no funding support.

Authors’ Contribution

The authors contributed equally to the conceptualization and writing of the article. All authors approved the content of the manuscript and agreed on all aspects of the work. Declaration of competing interest: none.

Conflict of Interest

The authors declared no conflict of interest.

Acknowledgments

We are grateful to all the scientific consultants of this paper.

 

 

ارزیابی عوامل مؤثر در روند توسعه فیزیکی شهر تبریز با استفاده از روش‌های سنجش ‌از دور

 

 محمدابراهیم عفیفی1، وحید سهرابی 2

 

1-دانشیار گروه جغرافیا، واحد لارستان، دانشگاه آزاد اسلامی، لارستان، ایران.

2- دانشجوی دکترای جغرافیا و برنامه‌ریزی شهری، واحد لارستان، دانشگاه آزاد اسلامی، لارستان، ایران.

 

 

اطلاعات مقاله

چکیده

نوع مقاله:

مقاله پژوهشی

 

دریافت:

24/04/1402

پذیرش:

10/02/1403

صص:

139- 117

 

واژگان کلیدی:

ارزیابی،

توسعه فیزیکی،

سنجش‌ازدور،

پوشش گیاهی،

تبریز.

رشد سریع شهرنشینی، فشارهای سنگینی بر سرزمین و منابع اطراف آن‌ها وارد کرده و موجب کاهش پوشش گیاهی، فضاهای باز و مشکلات جدی اجتماعی و زیست‌محیطی شده است. ازاین‌رو یک گام اساسی برای مدیریت و برنامه‌ریزی توسعه شهری و همچنین ارزیابی اثرات تجمعی آن، بررسی و شبیه‌سازی توسعه فیزیکی شهر می‌باشد. هدف از این مطالعه، درک عوامل مؤثر در روند توسعه فیزیکی کلان‌شهر تبریز باتوجه‌به مقوله توسعه فضایی پایدار شهری از بعد اکولوژیکی و حفظ شرایط زیست‌محیطی آن در دو دهه آتی می‌باشد. بدین منظور با توجه به قابلیت تفکیک بهینه کاربران، در فرآیند طبقه‌بندی تصاویر، از روش تحلیل تصویر شی‌گرا استفاده شد که آن نیز با تکیه بر اطلاعات طیفی و اطلاعات مربوط به بافت، شکل و محتوا و با استفاده از تصاویر ماهواره‌ای چند زمانه لندست 5 و 7 و تکنیک‌های پردازش تصاویر ماهواره‌ای شی‌گرا تغییرات کاربری اراضی در مقطع زمانی 2011-1984 با تأکید بر گسترش فضایی کلان‌شهر تبریز، مورد ارزیابی قرار گرفته است. بر اساس نتایج حاصله، مقدار مساحت کلان‌شهر تبریز (مادرشهر تبریز و شهرهای اقماری) از 0227/43 هکتار در سال 1984 به 64322/28 هکتار در سال 2012 رسیده است. مساحت قابل‌توجهی از توسعه اخیر بر بستر سیلابی و پهنه‌های آسیب‌پذیر از زلزله صورت گرفته که لزوم مدیریت توسعه آتی شهرهای محدوده را می‌طلبد. بدین منظور عوامل مؤثر بر توسعه فیزیکی کلان‌شهر تبریز بر اساس پیشینه تحقیق در قالب 42 شاخص، شناسایی و با استفاده از روش‌های ارزیابی چندمتغیره مبتنی بر ترکیب خطی وزن‌دار فازی CLW نقشه‌سازی شدند و با استخراج اراضی مستعد توسعه فیزیکی آتی به همراه متغیر وابسته تغییرات شهری طی سال‌های 2012-1984 با استفاده سلول‌های خودکار زنجیره مارکوف vokraM-aC به پیش‌بینی الگوی آتی کاربری اراضی در قالب رویکرد حفاظت زیست‌محیطی و منطبق بر اصول توسعه پایدار تا سال 2038 پرداخته شد که در صورت استفاده از نتایج این تحقیق، در توسعه‌های آینده شهر کمترین آسیب به اراضی زراعی و باغی خواهد رسید.

 

img0 

استناد: عفیفی، محمدابراهیم؛ و سهرابی، وحید. (1403). ارزیابی عوامل مؤثر در روند توسعه فیزیکی شهر تبریز با استفاده از روش‌های سنجش ‌از دور. فصلنامه آینده پژوهی شهری، 4(1)، 117-139.

1691989224302© نویسندگان                                                          ناشر: دانشگاه آزاد اسلامی واحد زاهدان.

 

 

 

مقدمه

در سال‌های اخیر رشد شهرنشینی در ایران و افزایش مهاجرت به شهرهای بزرگ کشور، باعث گسترش ناگهانی و غیرطبیعی این شهرها و تخریب زمین‌های حاصلخیز و منابع طبیعی شده و آسیب‌های جبران‌ناپذیری به طبیعت وارد کرده است. با افزایش جمعیت شهر تبریز، رشد زیادی در اراضی ساخته‌شده در منطقه به وجود آمده و باعث تغییرات زیاد کاربری‌ها در پیرامون شهر و تخریب زمین‌های حاصلخیز موجود در حومه شهر شده است؛ به‌گونه‌ای که ادامه این روند می‌تواند آسیب‌های جبران‌ناپذیری به منابع  زیست‌محیطی منطقه وارد آورد. در واقع در زمینه تغییرات پوشش زمین و کاربری اراضی، مدل‌ها نقش مهمی در کاوش توسعه آینده احتمالی آن دارند و از قابلیت­های تشریحی و پیش‌بینی آینده‌ای که مدل‌ها دارا هستند می‌توان به‌عنوان ابزاری برای آگاهی افراد درگیر در تصمیم‌گیری‌های کاربری و پوشش زمین، استفاده کرد به‌طوری‌که از قابلیت پیش‌بینی‌کنندگی مدل‌ها می‌توان به‌عنوان سیستم هشداردهنده اولیه استفاده کرد، بدین ترتیب که تصمیم‌گیران را از نتایج توسعه آینده و مناطق دارای اولویت برای تحلیل‌ها و سیاست‌های میانجی آگاه کرد. مدل­هاي پیش­بینی کاربري اراضی براي برنامه­ریزی استفاده پایدار از زمین یک نیاز ضروري است (Camus Seko, 2016: 21- Mes. 2016: 19- Seluklagat, 2017: 43).

این مسئله به‌ویژه در کشور‌های درحال‌توسعه که فعالیت­هایی نظیر: جنگل‌زدایی، توسعه بی‌رویه اراضی کشاورزي موجب شدت بخشیدن به پدیده بیابان‌زایی شده، موردنیاز است (Eni and Dragovic, 2018: 1). به‌علاوه، پیش‌بینی تغییرات کاربري اراضی و برقراري ارتباط بین این تغییرات با عواقب اقتصادي - اجتماعی حاصل از آن اهمیت بسیار بالایی براي مدیریت پایدار اراضی دارد.

سنجش ‌از دور كه فناوري كليدي جهت ارزيابي وسعت و ميزان تغييرات پوشش اراضي است (عفیفی، 1396: 50). از طريق اين فن می‌توان با استفاده از مجموعه تصاوير چندزمانه پردازش آن‌ها با يكي از روش­هاي مناسب موجود و با سرعت و دقت بالا نسبت به آشكارسازي تغييرات موردنظر در منطقه اقدام كرد. به‌کارگیری داده‌های سنجش ‌ازدور می‌توان به شيوه­هاي علمي و كارآمد به مديريت مناطق حساس پرداخت. در مدل­سازی­های زمانی و مکانی، فناوری سنجش ‌از دور و سیستم اطلاعات جغرافیایی نقش محوری را ایفا می‌کنند، به‌گونه‌ای که این فناوری با فراهم آوردن داده‌های چند طیفی و چندزمانه‌ای که از نظر هزینه و زمان مقرون‌به‌صرفه بوده و هم اطلاعات ارزشمندی را برای درک و فهم و پایش الگوها و پروسه پوشش زمین موجب می‌شود؛ بنابراین داده‌های به‌دست‌آمده به‌وسیله این فناوری می‌تواند به‌عنوان مهم‌ترین منبع در فراهم‌سازی داده‌های پایه‌ای برای مدل­سازی تغییرات پوشش زمین برای سیستم اطلاعات جغرافیایی باشد. با پیش‌بینی تغييرات كاربري می‌توان مقدار گسترش و تخريب منابع را مشخص و اين تغييرات را در مسيرهاي مناسب هدايت كرد. عفیفی (1396) در خصوص کارایی مدل زنجیره‌ای مارکوف بایستی مطرح کرد که با استفاده از این مدل، نسبت تبدیل کاربری­های مختلف و امکان پیش‌بینی آن‌ها در آینده فراهم می‌شود. فتح الهی رودباری و همکاران (1397) به مدل‌سازی تغییرات اراضی کاربری با استفاده از مدل‌سازی تغییر زمین LCM در شهرستان نکا پرداختند. کریمی و کمکی (1400) با استفاده از مدل زنجیره‌ای مارکوف به پایش، ارزیابی و پیش‌بینی روند تغییرات مکانی اراضی/پوشش دشت بس طاق پرداختند در این مطالعه تعیین نقشه‌های کاربری پس از انجام تصریحات بر روی تصاویر ماهواره‌ای، تعیین نمونه‌های آموزشی و ارزیابی دقت طبقه‌بندی‌ها با استفاده از ضریب کاپا صورت گرفت. نتايج نشان می‌دهد كه طبقه فاقد پوشش/بایر، پوياترين کاربری‌های موجود در منطقه بوده كه درصد مساحت اين اراضي طي 1366 تا 1393 به ترتيب برابر (21/64 درصد) افزایشی و (31/14 درصد)كاهشي بوده كه بيانگر تخريب كلي و جايگزيني كاربري‌هاي ضعیف‌تر در منطقه است. اصلاح و همکاران، (1400) در تحقیقی به بررسی کارایی مدل زنجیره‌ای مارکوف در برآورد تغییرات کاربری اراضی و پوشش زمین با استفاده از تصاویر ماهواره‌ای LANDSAT پرداختند. در این تحقیق از تصاویر ماهواره‌ای چندزمانه لندست مربوط به سال‌های 1975، 1990 و 2005 میلادی استفاده‌شده است. نتایج حاکی از آن است که بیشترین درصد اختلاف مربوط به کلاس اراضی مزروعی (646222/0 درصد) بوده و کمترین درصد اختلاف در کلاس فضای سبز (00551/0 درصد) دیده می‌شود. بدین ترتیب می‌توان کارایی خوب این مدل را توجیه کرد. احدنژاد روشتی و همکاران (1390) در مقاله‌ای تحت عنوان ارزیابی و پیش‌بینی گسترش فیزیکی شهرها با استفاده از تصاویر ماهواره‌ای چندزمانه و سیستم اطلاعات جغرافیایی، تغییرات اراضی حاشیه شهری در طی سال‌های 1390 – 1363 را ارزیابی و سپس تغییرات را برای سال 1400 پیش‌بینی کردند. تصاویر مورداستفاده در این تحقیق مربوط به سنجنده TM ماهواره لندست برای سال‌های 1363، 1370،1379 و 1390 بود. در این تحقیق علاوه بر بارزسازی، برای کشف و ارزیابی تغییرات صورت‌گرفته بین سال‌های 1363 تا 1390از روش فازی مبتنی بر شدت انطباق 1 و مقایسه بعد از طبقه‌بندی 2 استفاده شد همچنین برای پیش‌بینی روند تغییرات تا سال 1400از روش ترکیبی زنجیره مارکوف و سلول‌های خودکار استفاده شد. نتایج به‌دست‌آمده نشان می‌دهد که در طی 27 سال موردبررسی، کاربری‌های اراضی در حدود 34 درصد تغییر کرده‌اند که این تغییر عمدتاً ناشی از فعالیت‌های انسانی و افزایش جمعیت بوده است.

غلامعلی فرد و همکاران (1400) تغییرات پوشش اراضی با استفاده از شبکه عصبی مصنوعی و زنجیره مارکف را در سواحل میانی استان بوشهر در یک دوره 23 ساله (1390 تا 1367) مدل‌سازی کردند. نتايج نشان داد كه در طول دوره مطالعه، تغييرات شديد از اراضي باز به اراضي كشاورزي و رهاسازي زمین‌های كشاورزي در منطقه مشاهده‌شده است. از سال 1367 تا 1384 به میزان 76/19715 هكتار به وسعت اراضي كشاورزي افزوده‌شده و بين سال‌های 1384 تا 1390 تنها 48 /14% از كاربري كشاورزي بدون تغيير مانده است و وسعت زيادي از كشاورزي رهاسازي شده است. احمد و همکاران (2019) با مقاله‌ای تحت عنوان مدل‌سازی رشد شهری با استفاده از تصاویر چندزمانه ماهواره‌ای، رشد شهر داکا را با استفاده از تصاویر ماهواره لندست در سال­های  1985 و 1999 تحلیل نمودند و سپس رشد شهری برای سال 2009 پیش‌بینی شد. بدین‌صورت که ابتدا تصاویر در پنج کلاس، طبقه‌بندی‌شده و سپس بر اساس، سه مدل مارکوف تصادفی، سلول‌های خودکار - زنجیره مارکوف و پرسترون چندلایه - زنجیره مارکوف رشد شهر داکا برای سال 2009 شبیه‌سازی گشت سپس بهترین مدل سازگار با واقعیت که پرسترون چندلایه - زنجیره مارکوف بود، انتخاب‌شده و به‌وسیله آن رشد شهری برای سال 2019 پیش‌بینی گردید. رمضانی و جعفری (1399) تحقیقی به آشکارسازی تغییرات کاربری و پوشش اراضی در افق 1404 با استفاده از مدل زنجیره‌ای CA مارکوف (مطالعه موردی: اسفراین) پرداختند. نتایج این مطالعه کاهش 5000 و 400 هکتاري را به ترتیب در سطح بایر و اراضی کشاورزي نشان داد. به‌علاوه، مدل پیش‌بینی کرد که سطح بایر فقیر 30 هکتار و اراضی شهری 450 هکتار در 13 سال آینده (1404-1388) افزایش دارد. دژکام و همکاران (1399) در تحقیقی به‌پیش بینی تغییرات کاربری و پوشش زمین در شهرستان رشت با استفاده از مدل سلول‌های خودکار و زنجیره مارکوف پرداختند. نتایج نشان داد که در طی 20 سال گذشته، مناطق انسان‌ساخت 7/56 درصد افزایش‌یافته و منجر به نابودی حدود 11 درصد از زمین‌های کشاورزی و 4 درصد از پوشش جنگلی منطقه شده است. اعتبارسنجی مدل نشان داد که مدل از توان قابل‌قبولی در پیش‌بینی تغییرات منطقه برخوردار است. وانگ و همکاران2 (2020) تغییرات کاربري اراضی منطقه Changping در پکن را با استفاده از تصاویر ماهواره لندست براي سال 2000 پیش‌بینی کردند.

کویر و همکاران3 (2019) نیز در مطالعه‌ای اثرهاي تغییرات کاربري اراضی درگذشته و آینده را بر روي منطقه حفاظت‌شده‌ای در جنوب اسپانیا با استفاده از مدل زنجیرهايCA ، مارکوف بررسی کردند. نتایج این مطالعه در منطقه توسعه کشاورزي و مناطق شهري و رهاسازي کاربری‌های گذشته را نشان داد. در این مطالعات و مطالعات مشابه دیگر، علاوه بر مشخص شدن وضعیت تغییرات کاربري اراضی در زمان موردنظر با استفاده از مدل مارکوف، کارایی این مدل در مطالعات پیش‌بینی تغییرات کاربري اراضی در تمام این مطالعات از گذشته تاکنون تأییدشده است (Soule & Keklagt, 2017:3).

مس و همکاران4 (2016) مدل مارکوف - ژنتیک تاکنون در مطالعات مختلفی مورداستفاده قرارگرفته است. سو و همکاران5 (2020) پایش و پیش‌بینی کاربری‌های منطقه پکن چین را طی یک بازه زمانی ۱۶ساله موردمطالعه قرار دادند و از مدل زنجیره مارکوف و رگرسیون برای پیش‌بینی استفاده کردند. بررسي مقدار تغيير و روند تخريب منابع در سال‌های گذشته و پیش‌بینی اين تغييرات در سال‌های آينده مسلماً گام مهمي در مهار و كنترل تغييرات غيراصولي، برنامه‌ریزی و استفاده بهينه از منابع سرزمين می‌باشد، بنابراين هدف از تحقيق حاضر بررسي روند تغييرات كاربري اراضي براي طي ساليان گذشته و پیش‌بینی تغييرات كاربري اراضي و پوشش زمين به كمك مدل زنجیرهای ماركوف در شهر تبریز استان آذربایجان شرقی می‌باشد. با پیش‌بینی تغییرات کاربری می‌توان میزان گسترش و تخریب منابع را مشخص کرده و این تغییرات را در مسیرهای مناسب هدایت کرد.

مواد و روش پژوهش

منطقه موردمطالعه

کلان‌شهر عنوانی است که در مورد شهرهای بزرگ و پرجمعیت به کار می‌رود. یک کلان‌شهر معمولاً از یک شهر مرکزی و تعدادی شهر اقماری تشکیل‌شده است. منطقه کلان‌شهر تبریز با 220 هزار و 712 هکتار شامل شهرهای تبریز، صوفیان، خواجه، باسمنج، سردرود، خسروشهر، سهند، ایلخچی، اسکو و سایر روستاهای محدوده‌اش می‌باشد. از شمال به شهرستان مرند و از جنوب به مراغه و از شرق به شبستر و از غرب به هریس منتهی می‌شود که 81/4 درصد کل وسعت استان آذربایجان شرقی را در برمی‌گیرد (شکل 1). از لحاظ طبیعی ارتفاعات سهند از جنوب، دریاچه ارومیه از شرق و ارتفاعات میش و داغ از شمال محدوده موردمطالعه را دربرگرفته‌اند. در کل کلان‌شهر تبریز دارای نه شهر می‌باشد که بررسی سالنامه‌های آماری نشان می‌دهد تعداد جمعیت محدوده موردمطالعه در سال 1355، 647 هزار و 542 نفر بوده که در سال 1390 با روند صعودی به یک‌میلیون و 615 هزار و 336 نفر افزایش‌یافته و باتوجه‌به این روند، ضرورت مدل‌سازی رشد شهری برای جلوگیری از رشد پراکنده شهری و تخریب اراضی مرغوب کشاورزی بیش‌ازپیش احساس می‌شود (مهندسین مشاور زیستا، 1400: 5).

 

img0 

شکل 1- موقعیت جغرافیایی محدوده موردمطالعه

(ترسیم: نگارندگان، 1403)

 

برای رسیدن به اهداف اصلی مطالعه، تصاویر ماهواره‌ای چند زمان‌های سنجنده TM و +ETM در تاریخ‌های یاد شده در جدول 1 و شکل 2 از کلان‌شهر تبریز، در فریم 34-168 انتخاب و به همراه پارامترهای مؤثر در توسعه شهری و نرم‌افزارهای Envi، Idrisi، eCognition و ArcGIS به کار گرفته شدند (جدول 1 و شکل 2).

 

جدول 1- منابع اطلاعات موجود از انواع تصاویر ماهواره‌ای

سال تصاویر اخذ شده

سنجنده

قدرت تفکیک

23/6/1984

TM

30 متر

19/08/1990

TM

30 متر

14/07/2000

ETM+

30 متر

19/06/2011

TM

30 متر

(منبع: تحقیقات نگارندگان: 1402)

زمین مرجع کردن تصاویر و تصریحات ارتفاعی با استفاده از نقشه‌های توپوگرافی با خطای RMS 42/0 پیکسل (در حد کمتر از نیم پیکسل) با استفاده از نقشه‌های توپوگرافی 25000/1 و تصریحات اتمسفری بر پایه روش کاهش ارزش عددی پیکسل‌های تیره با درنظرگرفتن تأثیر محدوده‌های آبی صورت گرفت.

باتوجه‌به توانمندی تفکیک مطلوب کاربری‌ها، در روند طبقه‌بندی تصاویر از روش تحلیل شیءگرای تصاویر استفاده شد که علاوه بر اطلاعات طیفی به اطلاعات مربوطه به بافت، شکل و محتوا نیز استناد می‌گردد. واحدهای اساسی پردازش در تحلیل‌های شیءگرا، شی­های تصویری (سگمنت‌ها) هستند نه پیکسل‌ها. طبقه‌بندی شیءگرا فرایندی است که کلاس‌های پوشش اراضی را به اشیای تصویری پیوند می‌دهد و هر یک از شی­های تصویری با درجه عضویت معین به کلاس‌های در نظر گرفته شده اختصاص می‌یابند. فرایند طبقه‌بندی در محیط نرم‌افزارهای بسیار تخصصی مانند: ecognition و Definiens Professional Earth نسخه 7 به‌صورت یک فرایند تکرارپذیر انجام گرفت تا بالاترین درجه عضویت برای هر کدام از شی­های تصویری حاصل آید (رسولی و محمودزاده، 1389: 50).

 

img0 

شکل 2- تغییرات بصری کلان‌شهر تبریز در سال‌های 2011-1984

(ترسیم: نگارندگان بر اساس پردازش تصاویر ماهواره‌ای سال‌های 1984، 1990، 2000، 2011)

 

در روش سگمنت سازی FNEA، همگنی طیفی (hcolor) یک شی تصویری از مجموع انحراف معیار برای هر k باند تصویر (kσ) که در وزن باندها (wk) ضرب می‌شود، محاسبه می‌گردد.

 
              رابطه 1                                                                                                           

 

در سگمنت­سازی طیفی برای دخالت‌دادن اشکال بافتی تصاویر از محیط هندسی اشیا، معیار همگنی شکلی (hshape) نیز محاسبه می‌شود که شامل دو معیار فشردگی و نرمی می‌باشد.

معیار انحراف فشردگی شکل (cpt) از نسبت طول حاشیه هندسی اشیا و ریشه دوم تعداد پیکسل‌ها (n) محاسبه می‌شود.

   رابطه 2       

 

معیار نرمی - کوتاه‌ترین طول حاشیه اشیا – (smooth) از نسبت طول هندسی اشیا (l) به طول حاشیه (b) محاسبه می‌شود.

 

رابطه 3             

 

معیار همگنی شکلی از ترکیب دو فاکتور بالا به شکل فرمول زیر بیان می‌شود.

 

رابطه 4                                                                                      

 

برای کمک به مرحله بهینه‌سازی و کاهش‌دادن یکپارچه همگنی در فرایند سگمنت­سازی، در هر ترکیب جداگانه، یک شی تصویری با شی مجاور ترکیب می‌شود تا افزایش همگنی در حداقل مشخص شده، انجام گیرد. درجه مناسبت برای هر جفت شی مجاور با تغییر همگنی (∆h) بعد و قبل از ترکیب مجازی (mg) با معیار طیفی (∆hcolor) بیان می‌شود که در همگنی انحراف معیار وزنی باندها در اندازه‌ها اشیا پیکسل (n) به دست می‌آید.

 

رابطه 5                                                        

 

تغییر در همگنی شکل که به علت ترکیب مجازی ایجاد می‌شود، برای فشردگی به‌صورت ذیل محاسبه می‌شود.

 

رابطه 6

برای نرمی به‌صورت زیر محاسبه می‌شود:

 

رابطه 7

 

زمانی که کوچک‌ترین رشد ممکن از آستانه مقیاس سگمنت­سازی مشخص شده به‌وسیله کاربر تجاوز نماید، مرحله ترکیب متوقف می‌شود که با عنوان پارامترهای مقیاس نام‌گذاری شده است. بایستی دقت نماییم که پارامتر مقیاس بزرگ، اشیای تصویری بزرگ‌تری را در سگمنت­سازی تولید می‌کند. در نهایت برای سگمنت­سازی چند مقیاسی از فرمول زیر برای تابع سگمنت­سازی (Sf) استفاده می‌شود:

 

رابطه 8                                                                                          

 

 

در مرحله پایانی با تعریف اطلاعات برای کلاس‌های مختلف و تعریف شرایط طبقه‌بندی برای هر کدام از کلاس‌ها با تفکیک شی‌های نمونه‌های آموزشی طبقه‌بندی تصاویر انجام شده و ارزیابی صحت نتایج طبقه‌بندی، با استفاده از ماتریس خطای طبقه‌بندی به اتمام می‌رسد (Benz and et al, 2004: 239).

در مطالعه حاضر با بررسی میدانی و برداشت نمونه‌های تعلیمی با GPS، باتوجه‌به پراکنش کاربری‌ها از لحاظ پوشش و کاربری اراضی در محدوده کلان‌شهر تبریز، شش کلاس کاربری به این شرح انتخاب شد: اراضی بایر، اراضی ساخته شده، اراضی کشاورزی، اراضی باغی، اراضی مرتعی و اراضی آبی (شکل 3 و جدول 2).

 

جدول 2- تنظیم تصویر قبل از اجرای طبقه‌بندی

تنظیمات

TM 1984, TM1990,ETM+2000, TM2011

ترکیب باندی مناسب

4-3-2

وزن باندها

1-3-1

پارامتر مقیاس

10

معیار همگنی شکل و فشردگی

معیار شکل 2/0، معیار فشردگی 5/0

(منبع: تحقیقات نگارندگان: 1402)

 

با همپوشانی نقاط تعلیمی و ایجاد تصاویر کاذب‌رنگی مختلف سعی شد در انتخاب نمونه‌های آموزشی، پراکندگی مناطق برداشت نمونه در تمام تصویر رعایت شود تا توزیع نمونه‌ها نرمال باشد. بعد از طبقه‌بندی تصاویر سال‌های 1984، 1990، 2000 و 2011 نقشه‌های رستری استخراج‌شده برای تولید نقشه نهایی تغییرات برداری شدند.

 

بحث و نتایج

توزیع فضایی تغییرات حادث‌شده در طی سال‌های 1984 تا 2011 در شکل 4 نمایش داده شده است. در این نقشه‌ها با استفاده از تابع پیوند (Union) شش لایه اطلاعاتی طبقه‌بندی‌شده مربوط به کاربری‌های سال‌های 2011-1984 بر روی همدیگر همپوشانی شده‌اند (شکل 4). با بررسی‌ها و تحلیل‌های انجام شده بر روی نقشه‌های تغییرات کاربری در GIS جداول مقایسه تغییرات کاربری و پوشش اراضی بر اساس تصاویر طبقه‌بندی‌شده سال‌های متوالی منطقه به دست آمد (جدول 3). تغییرات روی‌داده در اراضی منطقه این‌گونه می‌باشد که در طی دوره 2011-1984 کلاس اراضی بایر با مساحت 6/151962 هکتار در سال 1984 به 147052 هکتار در سال 2011 کاهش پیداکرده است. اراضی ساخته‌شده که در سال 1984 حدود 34/7220 هکتار بوده، در پایان دوره به 82/22346 هکتار افزایش پیدا کرده است. اراضی کشاورزی با مساحت 83/25369 هکتار در سال 1984 به 02/22489 هکتار در سال 2011 کاهش پیدا کرده است. اراضی باغی با مساحت 63/10242 هکتار در سال 1984 به 43/6653 هکتار در سال 2011 کاهش پیدا کرده است. اراضی مرتعی با مساحت 15/25248 هکتار در سال 1984 به 80/21583 هکتار در سال 2011 کاهش پیدا کرده است. اراضی آبی با مساحت 24/669 هکتار در سال 1984 به 70/587 هکتار در سال 2011 کاهش پیدا کرده است. با همپوشانی کلاس اراضی ساخته شده طی سال‌های 2011-1984 بر روی مدل رقومی ارتفاع در شکل 5 روند گسترش فضایی کلان‌شهر تبریز به صوت بصری استخراج گردید (شکل 5). کلان‌شهر شده، درحالی‌که طی این دوره آماری جمعیت شهرهای مجموعه از چنان رشدی برخوردار نبوده و مسئله شدت پراکنش شهری را می‌توان نمودار راداری مقایسه تغییرات درصد مساحت نسبت به درصد تغییرات جمعیت در کلان‌شهر تبریز بین سال‌های 1363 تا 1390 نشان می‌دهد، تغییرات مساحت شهرهای کلان‌شهر تبریز خیلی سریع‌تر از تغییرات جمعیت شهرهای کلان‌شهر تبریز می‌باشد. این مسئله باعث چند برابر شدن مساحت شهرهای نامنظم شهرهای مجموعه، در بستر اراضی باغی اطراف شهرها مشاهده نمود.

img0 

شکل 3-کاربری زمین استخراج‌شده در سال‌های 1984 تا 2011

(منبع: نگارندگان بر اساس پردازش تصاویر ماهواره‌ای سال‌های 1984، 1990، 2000، 2011)

 

img0 

شکل 4-کاربری زمین استخراج‌شده در سال‌های 1984 تا 2011

(منبع: نگارندگان، بر اساس پردازش تصاویر ماهواره‌ای سال‌های 1984 -2011)

 

جدول 3- مقایسه تغییرات کاربری و پوشش اراضی بر اساس تصاویر طبقه‌بندی‌شده 1984 و 2011

2011-1984

اراضی بایر

اراضی ساخته‌شده

اراضی کشاورزی

اراضی باغی

اراضی مرتعی

اراضی آبی

مجموع کلاس‌ها

اراضی بایر

127718

0

57/6738

29/1753

76/10580

36/261

147052

اراضی ساخته‌شده

84/10068

34/7220

89/2026

01/2708

33/273

41/49

82/22346

اراضی کشاورزی

30/5703

0

75/16116

87/525

19/8

91/134

02/22489

اراضی باغی

45/1026

0

27/324

04/5189

02/106

65/7

43/6653

اراضی مرتعی

04/7151

0

48/87

15/66

13/14279

0

80/21583

اراضی آبی

93/294

0

87/75

27/0

72/0

91/215

70/587

مجموع کلاس‌ها

6/151962

34/7220

83/25369

63/10242

15/25248

24/669

0

تغییرات کلاس

56/24244

0

08/9253

59/5053

02/10969

33/453

0

تفریق تصاویر

58/4910-

48/15126

81/2880-

20/3589-

35/3664-

54/81-

0

(منبع: تحقیقات نگارندگان: 1402)

img0 

شکل 5- تغییرات سطح کاربری اراضی ساخته‌شده

(منبع: نگارندگان، بر اساس پردازش تصاویر ماهواره‌ای سال‌های 2011-1984)

 

این مسئله به‌خصوص در شهرهای تبریز، سردرود، ایلخچی، خسروشهر و اسکو باعث رشد گسسته شهرها شده و به قابلیت اکولوژیکی آن‌ها آسیب شدیدی وارد کرده است (شکل 6).

 

img0 

شکل 6- نمودار راداری مقایسه تغییرات درصد مساحت نسبت به درصد تغییرات جمعیت در سال‌های 1363 تا 1390

(ترسیم: نگارندگان، 1402)

 

img0 

شکل 7- تغییرات درصد سطوح کاربری اراضی کلان‌شهر تبریز بین سال‌های 1984 تا 2011

(منبع: نگارندگان، بر اساس پردازش تصاویر ماهواره‌ای سال‌های 1984- 2011)

 

مجموع درصد تغییرات کاربری نشان می‌دهد که در رشد اراضی ساخته‌شده، بیشترین سهم به‌طور نسبی از کاهش اراضی باغی، اراضی کشاورزی و ارضی مرتعی ناشی شده است (شکل 7).

روش ترکیب خطی وزنی (WLC) در فازی‌سازی داده‌ها

برای شناسایی اراضی مناسب توسعه با رویکرد زیست‌محیطی در کلان‌شهر تبریز با استناد به تحقیقات انجام‌گرفته از متغیرهای زمین‌شناسی، فاصله از گسل، درصد شیب، جهات شیب، بافت خاک، عمق خاک، روان‌گرایی خاک، شرایط زهکشی خاک، ارتفاع، بارش، دما، فاصله از رودخانه، کاربری اراضی، فاصله از مراکز شهری، فاصله از مراکز درمانی، فاصله از مناطق تجاری، فاصله از مناطق صنعتی، فاصله از مراکز اداری، فاصله از مراکز تفریحی رفاهی، فاصله از آثار فرهنگی، فاصله از مراکز آموزشی، فاصله از راه‌های اصلی، فاصله از خطوط انتقال نیرو و تعداد سلول‌های شهری در پنجره 3×3 استفاده‌شده است (جدول 4). برای تهیه و آماده‌سازی بانک اطلاعاتی لایه‌های یاد شده از نرم‌افزار ArcGIS10 و مدل Wlc فازی در محیط نرم‌افزار Idrisi استفاده شد و سپس متغیر وابسته تغییرات شهری طی سال‌های 1984 تا 2011 به همراه متغیرهای مستقل یاد شده برای مدل‌سازی تا سال 2038 در قالب سلول‌های خودکار زنجیره مارکوف آماده‌سازی شدند.

مدل ارزیابی چندمعیاره به‌منظور بررسی هدف یا اهداف تعریف شده‌ای بر اساس چندین معیار طراحی شده است. ترکیب لایه‌ها در این مدل‌ها به صورت‌های مختلف (And، Or، wlc و...) بوده که در تحقیق حاضر از روش ترکیب خطی وزن‌دار فازی WLC به دلیل انعطاف‌پذیری بیشتر نسبت به سایر روش‌ها استفاده گردید. استانداردسازی لایه‌ها یکی از بخش‌های مهم این مدل می‌باشد. به‌علاوه وزن هر یک از فاکتورها نیز از حساسیت بالایی برخوردار است و مجموع وزن فاکتورها در این روش WLC می‌بایستی 1 باشد. برای رسیدن به این هدف از اوزان به‌دست‌آمده در روش AHP6 استفاده شد.

روش ترکیب خطی وزنی، رایج‌ترین تکنیک در تحلیل ارزیابی چند معیاری است. این تکنیک، روش امتیازدهی نیز نامیده می‌شود. این روش بر مبنای مفهوم میانگین وزنی استوار است. تحلیلگر یا تصمیم‌گیرنده مستقیماً بر مبنای اهمیت نسبی هر معیار موردبررسی، وزن‌هایی به معیارها می‌دهد. سپس از طریق ضرب‌کردن وزن نسبی در مقدار آن خصیصه، یک مقدار نهایی برای هر گزینه (مثلاً عنصر تصویر در تحلیل فضایی) به دست می‌آید. پس از آنکه مقدار نهایی هر گزینه مشخص شد، گزینه‌ای که بیشترین مقدر را داشته باشد، مناسب‌ترین گزینه برای هدف موردنظر خواهد بود (شهابی و همکاران، 1288: 44). هدف موردنظر می‌تواند تعیین تناسب زمین برای یک کاربرد خاص یا ارزیابی پتانسیل یک رخداد ویژه باشد. در این روش قاعده تصمیم‌گیری، مقدار هر گزینه Ai را به‌وسیله رابطه 1 محاسبه می‌کند:

 

رابطه 9  

 

در رابطه°1Wj وزن شاخص j ام، Xij ام مقداری است که مکان  i ام در رابطه ‌با شاخص j ام به خود پذیرفته است. به‌عبارت‌دیگر این مقدار می‌تواند بیانگر درجه مناسب‌بودن مکان i ام در ارتباط با شاخص j ام باشد. N تعداد کل شاخص‌ها بوده و Ai مقداری است که در نهایت به مکان i ام تعلق می‌گیرد. همان‌طور که قبلاً بیان شد، در این روش می‌بایست مجموع وزن‌ها برابر یک باشد که در صورت عدم وجود چنین شرایطی باید در مرحله آخر، Ai بر مجموع کل وزن‌ها تقسیم گردد. در این صورت خروجی Ai نیز عددی بین صفر و یک خواهد. البته ازآنجاکه بیشتر یا کمتر بودن مقدار خروجی می‌تواند دلیلی برای مناسب‌تر بودن یا نامناسب‌تر بودن یک گزینه باشد، می‌توان از نرمال کردن وزن‌ها صرف‌نظر کرد. در نهایت گزینه ایده‌آل، گزینه‌ای خواهد بود که دارای بیشترین Ai باشد (پرهیزگار و غفاری گیلان ده، 1385: 73). روش ترکیب خطی وزنی می‌تواند با استفاده از سیستم اطلاعات جغرافیایی و قابلیت‌های همپوشانی این سیستم اجرا شود. فنون همپوشانی در سیستم اطلاعات جغرافیایی اجازه می‌دهد که برای تولید یک‌لایه نقش‌های ترکیبی (نقشه برونداد) با هم ترکیب و تلفیق شوند (شهابی و نیازی، 1388: 3).

فرایند تحلیل سلسله‌مراتبی در سال 1971 به‌وسیله ساعتی به‌عنوان یک ابزار تحلیل تصمیم وسیع برای مشکلات مدل‌های برساخت همانند سیاست، اقتصاد، اجتماع و علم مدیریت به وجود آمد که بر اساس آن ارزش‌ها برای مجموع‌های از اهداف به‌صورت دوبه‌دو مقایسه می‌شوند (1970: Yu, 2002). در سال 2011 ساعتی و وارگس با به‌کارگیری هر دو مفهوم عقلانیت و شهود AHP را برای انتخاب بهترین راه‌حل، از بین چندین راه‌حل به کار گرفتند (Tolga, 2004, 90).

ارزیابی کارایی راه‌حل‌ها در AHP دارای مراحل زیر می‌باشد:

الف- ایجاد ماتریس مقایسه دوبه‌دو برای معیارهای تصمیم‌گیری،

ب- محاسبه ارجحیت معیارهای نسبت به یکدیگر و

ج- تحلیل پایداری (Hwang, 2004: 672).

جدول 4 مقادیر آستانه و نوع تابع فازی، برای استانداردسازی نقشه‌های معیار در منطق فازی را نشان داده است. برای انجام عملیات تلفیق فازی و استخراج نقشه مطلوبیت مکانی توسعه شهری به روش WLC، باتوجه‌به قابلیت‌های گسترده نرم‌افزار Idrisi در مسائل آنالیز تصمیم‌گیری چندمعیاره، از این نرم‌افزار استفاده گردید و نقشه‌های محدودیت و نقشه‌های معیار با اعمال نمودن اوزان متناظر به‌عنوان وزن‌های معیار تلفیق شدند (شکل 8 و 9).

پس از استخراج نقشه‌ها با اعمال ضریب همبستگی بین لایه‌های یاد شده، لایه‌های دارای ضریب همبستگی بالای 9/0 از روند تحلیل حذف شد و بین لایه‌های باقیمانده در محیط نرم‌افزار Export Chice ارجحیت لایه‌ها نسبت به یکدیگر تعیین و وزن نهایی هر لایه با ضریب ناپایداری 04/0 به دست آمد که باتوجه‌به کمتر بودن آن از 1/0 مدل نهایی به روش ترکیب خطی وزن‌دار اجرا شد (شکل 10 و 11).

 

جدول 4- حد آستانه و نوع تابع فازی برای استانداردسازی نقشه‌های معیار در منطق فازی

ابعاد توسعه شهری

لایه نقشه

حد آستانه

نوع تابع فازی

نام تابع فازی

طبیعی

زمین‌شناسی

d یا b

C یا a

Symmetric

Sigmodial

فاصله از گسل

-

-

افزایشی

Linear

درصد شیب

16753

0

کاهشی

Sigmodial

جهات شیب

15

0

Symmetric

Sigmodial

بافت خاک

-

-

Symmetric

Sigmodial

عمق خاک

-

-

Symmetric

Sigmodial

روان‌گرایی خاک

-

-

Symmetric

Sigmodial

شرایط زهکشی خاک

-

-

Symmetric

Sigmodial

ارتفاع

2489

1296

کاهشی

Linear

بارش

354

244

افزایشی

Linear

دما

12.42

5.32

افزایشی

Linear

فاصله از رودخانه

900

300

افزایشی

Sigmodial

کاربری اراضی

-

-

Symmetric

Sigmodial

انسانی (کالبدی، اجتماعی، اقتصادی)

فاصله از مراکز شهری

16663

0

کاهشی

Sigmodial

فاصله از مراکز بهداشتی درمانی

200

100

کاهشی

Linear

فاصله از مناطق تجاری

3000

300

کاهشی

Linear

فاصله از مناطق صنعتی

1500

200

افزایشی

Linear

فاصله از مراکز اداری

3000

100

کاهشی

Sigmodial

فاصله از مراکز تفریحی رفاهی

3200

900

کاهشی

Sigmodial

فاصله از آثار فرهنگی

700

0

کاهشی

Sigmodial

فاصله از مراکز آموزشی

1200

700

کاهشی

Sigmodial

فاصله از راه‌های اصلی

700

150

کاهشی

Jshaped

فاصله از خطوط انتقال نیرو

3000

90

افزایشی

Sigmodial

تعداد سلول‌های شهری در پنجره 3 × 3

-

-

Symmetric

Sigmodial

(منبع: تحقیقات نگارندگان: 1402)

 

 

 

شکل 8- مدل مفهومی تعیین اراضی مناسب توسعه و پیش‌بینی تغییرات

(ترسیم: نگارندگان، 1402)

img0 

شکل 9- وزن نهایی و ضریب ناپایداری در محیط نرم‌افزار Export Choice

(ترسیم: نگارندگان، 1402)

 

img0 

شکل 10- مجموعه لایه‌های اطلاعاتی استانداردشده

 (ترسیم: نگارندگان، 1402)

img0 

شکل 11- نقشه نهایی درجه­بندی مطلوبیت اراضی مناسب برای توسعه در کلان‌شهر تبریز بر اساس مدل ((MCE WLC Fuzzy

(ترسیم: نگارندگان، 1402)

 

سلول‌های خودکار زنجیره مارکوف

سلول‌های خودکار مدل‌هایی هستند که در آن سلول‌های مجاور و پیوسته، از قبیل سلول‌هایی که ممکن است شامل شبکه چهارگوش نیز باشند، حالت یا خصیصه‌های آن‌ها را از طریق کاربرد تکراری قوانین ساده تغییر می‌دهند. مدل‌های CA می‌توانند مبتنی بر سلول‌های باشند که در چندین بعد تعریف می‌شوند. قواعد تغییر حالت سلول از یک حالت به حالت دیگر می‌توانند به‌صورت ترکیباتی از رشد و یا کاهش، از قبیل تغییر به یک سلول توسعه‌یافته و یا بدون توسعه باشند. این تغییر تابع و منبع، تغییراتی است که در سلول مجاور رخ می‌دهد. همسایگی معمولاً به‌صورت سلول‌های مجاور و یا سلول‌هایی که نزدیک هم هستند، تعریف می‌شوند. این مدل اولین بار به‌وسیله یک ریاضی‌دان انگلیسی به نام آلن تا رینگ پیشنهاد گردید. به‌عنوان‌مثال ساده‌ترین حالت توسعه شهرها رشد پیوسته هست. درصورتی‌که هشت سلول مجاور یک سلول توسعه یابد، سلول موردنظر نیز توسعه می‌یابد و به رشد خود ادامه می‌دهد. درصورتی‌که همسایگی کوچک‌تر باشد و فقط سلول‌های شمال، جنوب، غرب و یا شرق توسعه یابند، این توسعه محدودتر می‌شود. مدل‌های CA می‌توانند در بسیاری از نرم‌افزارها اجرا شوند (فردوسی، 1384: 62). مدل‌سازی زنجیره مارکوف اساساً یک تکنیک شبیه‌سازی از تغییر کاربری زمین برای ایجاد ابزاری برای تجسم و پیش‌بینی احتمال‌های تغییر کاربری زمین (احتمال‌های انتقال) در بین طبقات کاربری زمین با سیستم اطلاعات جغرافیایی (GIS) ترکیب‌شده است. تحلیل زنجیره مارکوف به روش‌های تحلیلی فرایندهای احتمالی تعلق دارد. فرایند مارکوف یک فرایند احتمالی با مشخصات خاص است که آن را از دیگر فرایندهای احتمالی تمیز می‌دهد. برای یک سیستم بهره، مجموعه‌ای از حالات گسسته (کلاس‌ها) S1 و S2 و ... و Sn (انواع مختلف کاربری زمین) وجود دارد. این فرایند در یک‌زمان معین تنها می‌تواند یکی از این حالات را داشته و به‌طور پیاپی از یک حالت به حالت دیگر جابجا شود. احتمال این جابه‌جایی به حالت کنونی بستگی داشته و به حالت‌های قبلی بستگی ندارد؛ این‌یک فرض مشخص مشخصه‌ای از فرایندهای مارکوف است. احتمال جابه‌جایی از حالت i به حالت j احتمال انتقال Pij نامیده می‌شود و برای هر ترتیبی از سری حالات داده می‌شود. این احتمال‌ها می‌تواند به شکل ماتریس انتقال p نشان داده شود.

 

رابطه 10                                                                                                                               

img0 

شکل 12- مدل مفهومی تعیین اراضی مناسب توسعه و پیش­بینی تغییرات

(ترسیم: نگارندگان، 1402)

 

ازآنجاکه عناصر ماتریس غیرمنفی هستند و جمع عناصر در هر ردیف برابر 1 است، هر عنصر از ماتریس یک بردار احتمال نامیده می­شود و ماتریس p یک ماتریس احتمال است. این ایده به‌راحتی به ناحیه­ای که به تعدادی سلول تقسیم‌شده و هر سلول می­تواند توسط یک نوع معین از کاربری زمین در زمان معین اشغال‌شده، منتقل شود. سپس احتمال­های انتقال بر مبنای داده­های مشاهده‌شده در دوره زمانی محاسبه می­شود؛ به این طریق که یک سلول از یک نوع کاربری زمین به کاربری زمین دیگری در دوره زمانی آینده تغییر کُند (یا حرکت کُند) را نشان می­دهد. این احتمال تنها به حالتی که سلول در زمان داده‌شده در آن است، بستگی دارد، یعنی به حالت کنونی نوع کاربری زمین و به انواع کاربری زمینی که درگذشته اشغال کرده بودند، بستگی ندارد. به‌طور آشکار، توجیه­پذیری و قابل‌قبول بودن به فاصله زمانی موردبررسی بستگی دارد. با فرض ماتریس p احتمال­های انتقال، کاربرد آن در پیش­بینی تغییرات کاربری زمین در آینده به‌صورت زیر است. به یک بردار lt که بتوانند توزیع کاربری زمین انواع مختلف در آغاز دوره زمانی را به تصویر بکشد، نیاز است. بردار lt، توزیع انواع کاربری زمین در انتهای دوره پیش­بینی را نشان می­دهد که توسط فرمول زیر تعیین می‌شود:

 

Lt= l×P رابطه 11                                                                                                                                                            

 

توزیع انواع کاربری زمین بعد از k دوره زمانی (از یک مدت معین) با به توان رساندن ماتریس p پیدا می‌شود: (رفیعیان، 1389: 347).

 

=l × Pk رابطه 12                                                                                                

 

باتوجه‌به دوره زمانی قابل تصاویر ماهواره‌ای مورداستفاده (27 سال) با استفاده از مدل زنجیره مارکوف برای 27 سال آتی (یعنی سال 2038) ماتریس­های مساحت و احتمال با استفاده از تصاویر طبقه‌بندی‌شده سال 1984 و 2011 محاسبه شد (جدول 6 و 7) و به‌عنوان ورودی در مدل سلول­های خودکار زنجیره مارکوف به همراه متغیر وابسته تغییرات شهری حاصل از تفریق کلاس اراضی ساخته‌شده در سال‌های 2011-1984 و شش کلاس مطلوبیت کاربری­ها با رویکرد حفظ شرایط اکولوژیکی سه دهه رشد آتی کلان‌شهر تبریز اجرا شد که نتایج در شکل 13 و جداول 8 و 9 آمده است. با نگاهی به ماتریس تغییرات طی سال­های 2011 تا 2038 در صورت استفاده از مناطق مشخص‌شده برای توسعه مستخرج از این مدل حداقل آسیب­ها متوجه کلاس کاربری کشاورزی و باغی خواهد بود. لازم به یادآوری است، جمعیت سال 1417 شهرها بر اساس جمعیت سال 1390 و به روش ترکیبی در محیط نرم‌افزار Spectrum محاسبه‌شده است.

 

جدول 5- ماتریس مورد انتظار در انتقال مساحت بین کاربری­ها

اراضی آبی

اراضی مرتعی

اراضی باغی

اراضی کشاورزی

اراضی ساخته‌شده

اراضی بایر

سلول‌ها

5677

137645

19757

109778

193807

1167247

اراضی بایر

7449

7449

7449

7449

211053

7449

اراضی ساخته‌شده

943

1087

4028

134929

25180

83711

اراضی کشاورزی

2

551

31834

4380

22556

14604

اراضی باغی

8

115286

1204

93

3103

120126

اراضی مرتعی

1791

0

80

1410

517

2732

اراضی آبی

(منبع: تحقیقات نگارندگان: 1402)

 

جدول 6- ماتریس احتمال تغییرات بین کاربری­ها

اراضی آبی

اراضی مرتعی

اراضی باغی

اراضی کشاورزی

اراضی ساخته‌شده

اراضی بایر

سلول‌ها

0035/0

0842/0

0121/0

0672/0

1186/0

7144/0

اراضی بایر

03/0

03/0

03/0

03/0

85/0

03/0

اراضی ساخته‌شده

0038/0

0043/0

0161/0

54/0

1008/0

335/0

اراضی کشاورزی

0

0075/0

4306/0

0592/0

3051/0

1975/0

اراضی باغی

0

1/15286

1/204

9/3

3/103

1/20126

اراضی مرتعی

2742/0

0

0122/0

216/0

0791/0

4184/0

اراضی آبی

(منبع: تحقیقات نگارندگان: 1402)

 

 

جدول 7- تغییرات سطح کاربری اراضی ساخته‌شده و جمعیت کلان‌شهر تبریز

سال

(1984)1363

(1990)1369

(2000)1379

(2011)1390

(2038)1417

شهر

جمعیت

مساحت

جمعیت

مساحت

جمعیت

مساحت

جمعیت

مساحت

جمعیت

مساحت

تبریز

896781

99/5931

1065484

07/6851

1273850

97/11023

1494998

15589

1905240

98/285669

باسمنج

7277

31/32

8066

02/43

0549

09/111

11190

26/212

14081

46/1273

سردرود

13272

09/63

14892

58/86

19883

25/143

26856

67/243

34843

63/672

خسروشهر

9285

82/125

10672

63/126

12472

77/235

12447

11/426

15478

49/1102

صوفیان

6261

93/123

7433

93/123

8474

23/145

9126

95/162

12255

19/368

خواجه

3679

54/9

4070

54/9

3969

53/10

3801

99/36

3842

88/216

ایلخچی

7537

01/80

9096

19/80

11803

73/166

15231

77/236

16917

80/972

اسکو

13218

11/88

14273

11/88

15135

63/216

12332

82/428

14998

53/856

سهند

0

0

0

0

0

0

24704

75/579

36803

05/2228

(منبع: نگارندگان بر اساس پردازش تصاویر ماهواره‌ای سال‌های 2011-1984 و سرشماری مرکز آمار ایران)

 

جدول 8- مقایسه تغییرات کاربری و پوشش اراضی بر اساس تصاویر طبقه‌بندی‌شده 2038-2011

 

اراضی بایر

اراضی ساخته‌شده

اراضی کشاورزی

اراضی باغی

اراضی مرتعی

اراضی آبی

مجموع کلاس‌ها

اراضی بایر

42/118605

84/384

65/1294

85/851

68/7132

22/158

52/128486

اراضی ساخته‌شده

27/16893

97/21143

94/1814

89/1891

56/385

62/37

87/42168

اراضی کشاورزی

24/4440

45/351

99/19089

35/127

75/33

15/120

73/24164

اراضی باغی

30/1437

77/400

37143

92/3742

88/47

58/5

09/5778

اراضی مرتعی

41/4972

66/6

99/18

98/28

51/13971

63/0

71/19000

اراضی آبی

06/579

68/49

28/116

76/5

45/0

05/265

28/1016

مجموع کلاس‌ها

13/147047

82/22346

02/22489

43/6653

80/21583

70/587

0

تغییرات کلاس

71/28441

82/1202

03/3399

51/2910

29/7612

65/322

0

تفریق تصاویر

61/18560-

0519822

71/1675

34/875-

09/2583

58/428-

0

(منبع: تحقیقات نگارندگان: 1402)

 

img0 

شکل 13- پیش‌بینی تغییرات کاربری اراضی با توجه به مدل سلول‌های خودکار زنجیره مارکوف در کلان‌شهر تبریز

(ترسیم: نگارندگان، 1402)

نتیجه­گیری و ارائه پیشنهادها

در این مقاله ابتدا با استفاده از تصاویر ماهواره‌ای لندست سنجنده TM و +ETM در طی دوره ۲۷ ساله از سال 1363 تا 1390 در کلان‌شهر تبریز تغییرات کاربری اراضی با روش شیءگرا و ماتریس CrossTab ارزیابی شد. نتایج حاکی از آن است که منطقه موردمطالعه در سال 1363 در حدود 34/7220 هکتار کاربری اراضی ساخته‌شده داشته است که این مقدار در سال 1390 به حدود 82/22346 هکتار افزایش‌یافته است. با توجه به اینکه جمعیت کلان‌شهر تبریز (تبریز، شهرهای اقماری) در سال 1363 نزدیک به 957 هزار و 310 نفر بوده و در سال 1390 به یک‌میلیون و 336 هزار نفر رسیده است، تراکم در شهر تبریز به‌عنوان شهر مرکزی در طی همین سال، از 151 نفر در هکتار به 96 نفر کاهش‌یافته است. کاهش تراکم یکی از عواملی است که منجر به پدیده گستردگی شهری و به‌تبع آن تغییرات کاربری­ها شده که این مسئله را در کاهش اراضی باغی و کشاورزی به میزان 01/6470 هکتار در نتیجه گسترش افقی بوده است. اکثر شهرهای ایران، در مراحل اولیه شکل­گیری با هدف استفاده از خاک­های مرغوب به‌منظور زراعت، در میان اراضی زراعی استقرار یافته­اند و به‌مرورزمان همراه با گسترش روستاها و تبدیل آن‌ها به شهر و سپس توسعه شهرها، اراضی مرغوب زیر پیکر شهرها مدفون‌شده و بالطبع بخش وسیعی از بهترین و با ارزش‌ترین اراضی بلافصل شهرها به زیر ساخت­وساز رفته است. برای جلوگیری از این مسئله با استفاده از تکنیک تحلیل چندمعیاره ترکیب خطی وزن‌دار نقشه مطلوبیت مکانی توسعه شهری با استفاده از بیست‌وچهار عامل شناسایی و تعیین گردید و سپس با استفاده از مدل سلول­های خودکار زنجیره مارکوف برای 27 سال آتی، روند توسعه فیزیکی کلان‌شهر تبریز استخراج شد. با نگاهی به ماتریس تغییرات و نقشه پیش­بینی سال 2038 مشخص می­شود، در صورت استفاده از نتایج این تحقیق کمترین آسیب­ها متوجه کاربری باغات و کشاورزی در دهه­های آتی خواهد بود؛ بنابراین راهکار افزایش فشردگی کالبدی و استفاده از شیوه­های مربوط به آن به‌منظور هدایت توسعه کلان‌شهر تبریز به سمت پایداری بیشتر، باید در دستور کار برنامه­ریزان و متولیان امور شهری قرار گیرد. در واقع بی­توجهی به ضوابط و مقررات گسترش کالبدی – فضایی شهر در سال­های اخیر، به‌خصوص 30 سال گذشته، مایه نابودی اراضی کشاورزی یا تبدیل عامدانه آن‌ها به کاربری بایر شهری و سپس به کاربری­های ساخته‌شده، گردیده است. با مشخص شدن نوع الگوی توسعه کلان‌شهر تبریز و تأثیر آن بر زمین­های کشاورزی، پیشنهاد می­شود به‌منظور کاهش پراکنش افقی این شهر و در نتیجه کاهش مشکلات ناشی از آن نظارت بیشتر بر محدوده­های شهری، استفاده از شیوه­های انبوه­سازی و بلندمرتبه‌سازی (شهر فشرده)، استفاده از زمین­های بایر و خالی موجود در داخل شهر (توسعه میان‌افزار)، هدایت سمت توسعه شهر در جهاتی غیر از زمین­های کشاورزی در اولویت دست­اندرکاران مدیریت کلان‌شهر تبریز باشد.

 

منابع

اصغری سراسکانرود، صیاد؛ ریاحی نیا، مریم. (1399). پتانسیل یابی منابع آب زمینی در دشت خرم آباد با استفاده از دو روش منطق فازی و شبکه عصبی مصنوعی، پژوهش­های ژیومورفولوژی کمی، سال نهم، شماره 2، پائیز1399، صص 158-141. gmpj.2020.11823. https://www.geomorphologyjournal.ir/article_118230.html

بحرینی، حسین. (1398). تهران چگونه شهری است و چه باید باشد؟، مجله محیط شناسی؛ شماره 15: ویژه­نامه تهران. https://civilica.com/doc/1577687

بریاسولیس، هلن. (1389). الگوهای تحلیلی تغییر کاربری زمین؛ ترجمه رفیعیان مجتبی، محمودی مهران؛ انتشارات آذرخش؛ تهران.

پورمحمدی، محمدرضا؛ جمالی، فیروز؛ اصغری زمانی، اکبر. (1397). ارزیابی و پیشبینی گسترش فضایی – کالبدی شهرهای ایران، مطالعه موردی شهر زنجان، پژوﻫﺶ های ﺟﻐﺮاﻓﯿﺎیی، شماره 63، بهار1397، صص29-46. https://www.sid.ir/paper/5586/14

حیدری مظفر، مرتضی؛ شهاوند، مرتضی. (1400). پهنه بندی دشت کوبتر آهنگ به منظور احداث سد زیرزمینی به روش ترکیب نقشه های فازی، فصلنامه اطلاعات جغرافیایی، دوره 30، شماره117، بهار1400 .20.1001.1.25883860.1400.30.117.7.4. https://doi.org/10.22131/sepehr.2021.244453

خورشیدی علی کردی، محمدصادق؛ حقیقت، معصومه؛ طالب بیدختی، ناصر؛ نیکو، محمدرضا. (1398). مدل حل اختلاف چند هدفه­ی بهره برداری تلفیقی از منابع آب سطحی و زیرزمینی بر مبنای رویکرد برنامه ریزی آرمانی، مجله مهندسی منابع آب، سال دوازدهم، شماره 43، صص :131-151. https://sid.ir/paper/169566/fa

رستمی، رحیمه؛ باقری، میلاد؛ ارگانی، میثم؛ حسن­وند، مصطفی. (1398). ارزیابی پتانسیل و الگوی رشد بهینه شهر تبریز مبتنی بر استفاده از شبکه‌های عصبی، پژوهش­های جغرافیایی انسانی، دوره 51، شماره 3، پائیز 1398، ص 731-745.  10.22059/jhgr.2019.275737.1007860

رسولی، علی­اکبر؛ محمودزاده، حسن. (1389). مبانی سنجش از دور دانش پایه، انتشارات علیمران؛ 192.

روهینا، آیت؛ احمدی، حسن؛ معینی، ابوالفضل؛ شهریور، عبدال. (1399). مناطق مستعد احداث سد زیرزمینی با استفاده از منطق بولین و روش ahp در آبخیز امام زاده جعفر گچساران، فصلنامه پژوهش­های آبخیزداری، دوره 33، شماره 4، شماره پیاپی 129، زمستان 1399، ص16-2.     10.22092/wmej.2020.126600.1228. https://wmrj.areeo.ac.ir/article_121795.html

شکوئی، حسین. (1373). دیدگاه‌های نو در جغرافیای شهری، انتشارات سمت؛ 568.

شهابی، هیمن؛ نیازی، چیا. (1398). بررسی فاکتورهای موثر در مکان­یابی ایستگاه­های امداد و نجات جاده سقز – سنندج با استفاده از مدل ترکیب خط وزنی، همایش ژئوماتیک 88، تهران. https://www.sid.ir/paper/463396/fa

شیعه، اسماعیل. (1389). مقدمه­ای بر مبانی برنامه­ریزی شهری، انتشارات دانشگاه علم و صنعت؛ 240.

عفیفی، محمد ابراهیم؛ سهرابی، وحید. (1401). ارزیابی وضعیت بیابان زایی در دشت شهر بابک با استفاده از مدل مدالوس و داده های سنجش از دور، فصلنامه اکو سیستم های طبیعی ایران، دوره14، شماره 1، شماره پیاپی 51، خرداد 1402، ش 59-38. https://sanad.iau.ir/fa/Article/983390?FullText=FullText

عفیفی، محمد ابراهیم؛ سهرابی، وحید. (1401). پایش یخچال­های اشترانکوه حوضه آبریز گهر لرستان و ارتباط آن با کاهش پوشش گیاهی با استفاده از تصاویر modis  و شاخص ndsi بین سال­های1380-1395، فصلنامه اکو سیستم­های طبیعی ایران،دوره 13، شماره 3، پیاپی 49، ص 75-58. https://sanad.iau.ir/journal/nei/Article/700854?jid=700854

علمرادی، هژیر؛ روحی مقدم، عین اله؛ خالقی، مهسا؛ بامری، ابوالفضل. (1401). پیش بینی و پهنه بندی کیفیت آب زیرزمینی با استفاده از مدل های سیستم اطلاعات جغرافیایی gis و روش­های یادگیری ماشین(مطالعه موردی:دشت زاهدان)، فصلنامه هیدرولوژی، سال هفتم، شماره2، زمستان 1401.  10.22034/hydro.2022.48571.1250. https://www.sid.ir/paper/1053702/fa

علی نژاد، خلیل؛ عفیفی، محمد ابراهیم؛ موغلی، مرضیه. (1401). ارزیابی زیست محیطی بیابان زایی در حوضه آبخیز شهر اصفهان با استفاده از مدالوس و داده های سنجش از دور، فصلنامه کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی، دوره13، شماره4، شماره پیاپی50، اسفند 1401، ش 22-42. https://sanad.iau.ir/journal/gisrs/Article/703787?jid=703787

فردوسی، بهرام. (1399). امکان سنجی و کاربرد سیستم پشتیبانی تصمیم­گیری در توسعه فیزیکی شهر، نمونه موردی شهر سنندج، پایان­نامه کارشناسی­ارشد رشته جغرافیا و برنامه­ریزی شهری، دانشکده علوم انسانی دانشگاه تربیت مدرس.

کامیاب، حمیدرضا؛ ماهینی عبدالرسول سلمان؛ حسینی سید محسن؛ مهدی غلامعلی فرد. (1400). اتخاذ رهیافت اطلاعات محور با کاربرد روش رگرسیون لجستیک برای مدل­سازی توسعه شهری گرگان، فصلنامه محیط­شناسی، شماره 54، تابستان 1400. https://jes.ut.ac.ir/article_21477.html

مالچفسکی، ی، (1400). سامانه اطلاعات جغرافیایی و تحلیل تصمیم چند معیاری، ترجمه اکبر پرهیزکار، عطا غفاری گیلانده، انتشارات سمت، تهران.

مهندسین مشاور معماری و شهرسازی زیستا. (1400). طرح مجموعه شهری تبریز، وزارت مسکن و شهرسازی، سازمان مسکن و شهرسازی استان آذرباییجان شرقی.

ویلیامز کاتی؛ برتون الزابت؛ جنکنز مایک. (1399). دستیابی به شکل پایدار شهری (شکل پایداری و حمل و نقل)؛ ترجمه واراز مرادی مسیحی؛ شرکت پردازش و برنامه­ریزی شهری؛ تهران.

References:

Afifi, Mohammad Ibrahim, Sohrabi, Vahid (2022), Evaluation of desertification status in the Shahrbabak plain using the Medawos model and remote sensing data, Iranian Natural Ecosystems Quarterly, Volume 14, Number 1, Issue 51, May 2022, pp. 38-59. [In Persian] https://sanad.iau.ir/fa/Article/983390?FullText=FullText

Afifi, Mohammad Ibrahim, Sohrabi, Vahid (2022), Monitoring the glaciers of the Gahar Lorestani basin and its relationship with vegetation cover reduction using modis images and ndsi index between 2001-2016, Iranian Natural Ecosystems Quarterly, Volume 13, Number 3, Issue 49, 2021, pp. 58-75. [In Persian] https://sanad.iau.ir/journal/nei/Article/700854?jid=700854  

Ali Nezhad, Khalil, Afifi, Mohammad Ibrahim, Moghli, Marzieh (2022), Environmental assessment of desertification in the Isfahan watershed using Medawos and remote sensing data, Journal of Geographic Information Systems and Remote Sensing in Planning, Volume 13, Number 4, Issue 50, March 2022, pp. 42-22. [In Persian] https://sanad.iau.ir/journal/gisrs/Article/703787?jid=703787 

Almoradi, Hejir, Rouhimeh, Aynollah, Khalkhi, Mahsa, Bamri, Abolfazl (2022), Prediction and zoning of groundwater quality using GIS geographic information system models and machine learning methods (case study: Zahedan plain), Hydrology Quarterly, Volume 7, Number 2, Winter 2022. [In Persian] https://www.sid.ir/paper/1053702/fa   

Anderson, W.P; Kanaroglou, P.S; Miller, E.J. (2021) urban form, energy and the environment: a review of issues, evidence and policy; Urban Studies; 33 (1), 7-35. https://ideas.repec.org/a/sae/urbstu/v33y1996i1p7-35.html

Asghari Saraskanrood, Sayyad, Riyahi Nia, Maryam (2020), Groundwater resource potential in Khorramabad plain using fuzzy logic and artificial neural network, Quantitative Geomorphological Research, Volume 9, Number 2, Fall 2020. [In Persian] https://www.geomorphologyjournal.ir/article_118230.html 

Bahreini, Hossein (2019); How is Tehran a city and what should it be? Environmental Science Magazine; Number 15: Tehran Special Issue. [In Persian] https://civilica.com/doc/1577687/  

Benz, U.C., Hoffmann, P., Willhauck,G., Lingenfelder, I. & Heynen, M. (2019). Multi-resolution, objectoriented fuzzy analysis of remote sensing data for GIS-ready information. ISPRS Journal of photogrammetry and Remote Sensing 58: 239-258. https://www.researchgate.net/publication/

Bhatta, B (2019); Analysis of Urban Growth and Sprawl from Remote Sensing; DataSpringer; London; p 191.

Bogart, W. (2019). Don’t Call It Sprawl: Metropolitan Structure in the 21 st Century; New York: Cambridg Unoversity Press، 196 pp Definiens Professional RefrenceBook. Definiens AG, (2006), D-80339 München Germany.

Briassoulis, Helen (2010); Analytical models of land use change; Translated by Rafieyan Mojtaba, Mahmoudi Mehran; Azarkhsh Publications; Tehran. Rasouli, Ali Akbar; Mahmoudzadeh, Hassan (2010); Fundamentals of remote sensing, Alimran Publications; 192. [In Persian]  

E. Holden., (2004). Ecological footprints and sustainable urban form, Journal of Housing and Built Environment. No 19. Pp. 91-109.https://www.researchgate.net/publication/226423712_Ecological_footprints_and_sustainable_urban_form

Ferdowsi, Bahram (2020), Feasibility and application of decision support system in physical development of the city, a case study of Sanandaj city, Master's thesis in Geography and Urban Planning, Faculty of Humanities, Tarbiat Modares University. [In Persian]   

Geotge Zian, Mike Crane. (2015). Assessments of urban growth in the Tampa Bay watershed using remote sensing data, Journal of Remote Sensing of Environment. No 97. Pp. 203-215 . https://www.researchgate.net/publication/223469168_Assessment_of_Urban_Growth_in_Tampa_Bay_Watershed_Using_Remote_Sensing_Data

Heydari Mozaffar, Morteza, Shahavand, Morteza (2021), Classification of the Kobtar Ahang plain for the construction of an underground dam using a combination of fuzzy maps, Geographic Information Quarterly, Volume 30, Number 117, Spring 2021. [In Persian] https://doi.org/10.22131/sepehr.2021.244453

Hwang, H. 2019. Web-based multi-attribute analysis model for engineernig project evaluation, Journal of Computer & industrial engineering. No 46. Vol 46, Issue 4, July, PP 669-678. https://www.researchgate.net/publication/222701637_Web-based_multi-attribute_analysis_model_for_make-or-buy_decisions

Jamal Joker Arsanjania, Marco Helbich, Wolfgang Kainz, Ali Darvishi Boloorani. (2012). Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion, International Journal of Applied Earth Observation and Geoinformation. No 21. Pp. 265-275. https://www.researchgate.net/publication/257129056_Integration_of_logistic_regression_Markov_chain_and_cellular_automata_models_to_simulate_urban_expansion

Jian-zhou Gong, Yan-sui Liu, Bei-cheng Xia, Guan-wei Zhao. (2019). Urban ecological secutity assessment and forecasting, based on a cellular automata model: A case study of Guangzhou, China, Journal of Ecological Modelling. No 220. Pp. 3612-3620. https://www.researchgate.net/publication/317612180_Urban_Ecological_Security_Simulation_and_Prediction_Using_an_Improved_Cellular_Automata_CA_ApproachA_Case_Study_for_the_City_of_Wuhan_in_China

José I. Barrodo, Luca Demicheli. (2013). Urban sustainability in developing countries’ megacities: modelling and predicting futture urban groeth in Lagos, Journal of Urban sustainability in developing countries’ megacities. No 5. Pp. 297-310. https://www.researchgate.net/publication/222676443_Urban_sustainability_in_developing_countries%27_megacities_Modelling_and_predicting_future_urban_growth_in_Lagos

Kamyab, Hamid Reza; Mahini, Abdolrasoul Salman; Hosseini, Seyed Mohsen; Mahdi Gholamali Fard (2021), Adopting an information-based approach using logistic regression method for urban development modeling in Gorgan, Environmental Science Quarterly, Number 54, Summer 2021. [In Persian]  https://jes.ut.ac.ir/article_21477.html 

Khorshidi, Ali Kordi, Mohammad Sadegh, Haqiqat, Ma'soumeh, Taleb Bidakhti, Naser, Nikoo, Mohammad Reza (2019), A multi-objective conflict resolution model for integrated surface and groundwater resources management based on ideal planning approach, Water Resources Engineering Journal, Volume 12, Number 43, pp: 131-151. [In Persian]  SID. https://sid.ir/paper/169566/fa. 

Malchewski, Y., 2021. Geographic Information System and Multi-Criteria Decision Analysis, translated by Akbar Parhizkar, Ata Ghaffari Gilandeh, Samt Publications, Tehran. Zista Architectural and Urban Planning Consultants, 2021. Tabriz urban complex plan, Ministry of Housing and Urban Development, East Azerbaijan Housing and Urban Development Organization. [In Persian]  

Nancy E. McIntyre, K. Knowles-Yánez, and D. Hope. (2017). Urban Ecology as an Interdisciplinary Field: Difference in yhe use of “Urban” Between the Social and Natural Sciences, Journal of Urban Ecosystems. No 4. Pp. 5-24.

Poumohammadi, Mohammad Reza, Jamali, Firouz, Asghari Zamani, Akbar (2018), Evaluation and prediction of spatial-physical expansion of Iranian cities, a case study of Zanjan city, Geographical Research, Number 63, Spring 2018, pp. 29-46. [In Persian] https://www.sid.ir/paper/5586/14 

Rohina, Ayat, Ahmadi, Hassan, Moeini, Abolfazl, Shahrivar, Abdul (2020), Suitable areas for the construction of underground dams using Boolean logic and AHP method in the Imamzadeh Jafar Gachsaran watershed, Watershed Research Quarterly, Volume 33, Number 4, Winter 2020. [In Persian] https://wmrj.areeo.ac.ir/article_121795.html 

Rostami, Rahimeh, Bagheri, Milad, Organi, Meysam, Hasanvand, Mostafa (2019), Evaluation of potential and optimal growth pattern of Tabriz city based on the use of neural networks, Human Geography Research, Volume 51, Number 3, Fall 2019. [In Persian] 10.22059/jhgr.2019.275737.1007860 

 Shahabi, Haiman; Niazi, Chia (2019); Investigating effective factors in locating rescue stations on the Saqqez-Sanandaj road using a combined weighted line model, Geomatics 88 Conference, Tehran. [In Persian] https://www.sid.ir/paper/463396/fa  

 Shakui, Hossein (1994); New perspectives in urban geography, Samt Publications; 568. [In Persian]  

Shi'a, Ismail (2010); An introduction to urban planning principles, University of Science and Technology Publications; 240. [In Persian]  

Sudhira, H.S; Ramachandra, T.V (2017). Characterising Urban Sprawl from Remote Sensing Data and Using Landscape Metrics; 10th International Conference on Computers in Urban Planning and Urban Management, Iguassu Falls, PR Brazil, July 11-13. https://www.researchgate.net/publication/237590571_Characterising_urban_sprawl_from_remote_sensing_data_and_using_landscape_metrics

Tolga, E., Demircan, L., Kahraman, C.2015. Operating system selection using fuzzy replacement analysis and analytic hierarchy process, Journal Production economics. No 97. Vol 97, Issue 1, 18 July, PP 89-117. https://www.researchgate.net/publication/223395472_Operating_system_selection_using_fuzzy_replacement_analysis_and_analytic_hierarchy_process

Williams, Cathy; Elzabeth Burton; Mike Jenkins (2020); Achieving Sustainable Urban Form (Sustainability and Transportation); Translated by Vara Moradi Masih; Urban Processing and Planning Company; Tehran. [In Persian]  

Yu, C. (2012). A GP-AHP method for solving group decision-making fuzzy AHP problems, Journal of Computer & Operation Research. No 29, Issue 14, December, PP 1969-2012 https://www.researchgate.net/publication/220306350_Use_of_fuzzy_AHP_for_evaluating_the_benefits_of_information-sharing_decisions_in_a_supply_chain

 

 

 

[1]  نویسنده مسئول: محمدابراهیم عفیفی، پست الکترونیکی: afifi.ebrahim6353@gmail.com ، تلفن: 09171816353

[2]  Wang et al

[3]  Quier et al

[4]  Mes et al

[5]  Su et al

[6]  Analyrical Hierarchy process


Related articles

The rights to this website are owned by the Raimag Press Management System.
Copyright © 2021-2024

Home| Login| About Us| Contact Us|
[فارسی] [العربية] [fa] [ar]