پیشبینی توسعه شهری شهرستان خوی (آذربایجان غربی، ایران) با استفاده از مدل CA-MARKOV

پوشش و کاربری اراضی مناطق شهری در کشورهای در حال توسعه، همواره تحت تاثیر فعالیتهای انسانی و حوادث طبیعی دستخوش تغییرات بوده عمدتا سبب تخریب و نابودی محیط زیست و منابع طبیعی میگردد. اغلب این تغییرات در جهت تبدیل اراضی کشاورزی، مراتع، جنگلها و اراضی بایر به نفع کاربری »اراضی ساخته شده« همچون ساختمانها و شبکه های ارتباطی است. پویا بودن کاربری اراضی مناطق شهری از یکسو و لزوم دسترسی به این اطلاعات جهت اخذ تصمیم گیری های مرتبط با اطلاعات مکانی از سوی دیگر، ضرورت تعیین رشد شهری و پیش بینی های آتی آن را نشان میدهد. در این زمینه، طراحان و برنامه ریزان شهری به اطلاعات مکانی و زمانی مرتبط با الگو و میزان رشد، به منظور درک بهتر فرآیند رشد شهری و تاثیرات آن نیاز دارند. تحقیق حاضر، ضمن بررسی و مدلسازی توسعه شهری در دو دهه گذشته، به پیشبینی توسعه شهر خوی طی دو دهه آینده می پردازد تا اطلاعات ارزشمند لازم برای مدیریت شهری را فراهم سازد. در این تحقیق، شبیه سازی و پیش بینی رشد شهری با سلولهای خودکار زنجیره مارکوف (CA-Markov) انجام شده است. در مرحله اول بعد از اعمال پیش پردازش لازم، تصاویر چندزمانه (تصاویر سالهای ۲۰۰۰، ۲۰۱۰ و (۲۰۲۰ با استفاده از الگوریتم طبقه بندی ماشین بردار پشتیبان به کلاسهای کاربری متنوعی طبقه بندی شد. در جریان این فرآیند، به منظور بهبود دقت تفکیک کلاسهای کاربری، از شاخص های طیفی و ویژگی های مکانی (بافت) مستخرج از تصاویر استفاده شد. در مرحله دوم، مدل تلفیقی CA-Markov با استفاده از نقشه های کاربری چندزمانه (تصاویر طبقه بندی شده) کالیبره شده و با استفاده از آن رشد شهری در سال ۲۰۲۰ پیش بینی شده و نتایج بصورت کمی با استفاده از نقشه مرجع ارزیابی شد. با توجه به دقت بالای مدل کالیبره شده از همان مدل برای پیش بینی کاربری اراضی سال ۲۰۳۰ استفاده شد. نتایج تحقیق حاضر، حاکی از کارآیی بالای مدل تلفیقی CA-Markov در پایش روند توسعه شهر در سالهای گذشته و پیش بینی رشد شهری برای سالهای آتی براساس الگوی رشد تشخیص داده شده سالهای قبل است. تحقیق حاضر اطلاعات ارزشمندی در خصوص روند تغییرات و توسعه آتی شهرستان خوی فراهم نموده و از این نظر میتواند برای مدیران و سیاست گذاران این شهرستان برای برنامه ریزی آتی مفید واقع شود.

کلیدواژه ها:

Cellular Automata ، Markov Chain ، پیشبینی رشد شهری ، سنجش از دور