سال 15، شماره 3 - ( پاییز 1404 )
جلد 15 شماره 3 صفحات 139-117 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Khatibi A, Amiri M, Rasekhi Sahneh A. Analysis of Land Use Changes and Prediction of the Physical Development Path of the Coastal City of Bandar Abbas Using a Cellular Automata-Based Model. E.E.R. 2025; 15 (3) :117-139
URL: http://magazine.hormozgan.ac.ir/article-1-890-fa.html
URL: http://magazine.hormozgan.ac.ir/article-1-890-fa.html
خطیبی علی، امیری محمد، راسخی صحنه علیرضا. تحلیل تغییرات کاربری اراضی و پیشبینی مسیر توسعه کالبدی شهر ساحلی بندرعباس با مدل مبتنی بر اتوماتای سلولی. پژوهش هاي فرسايش محيطي. 1404; 15 (3) :117-139
گروه مهندسی عمران، دانشگاه هرمزگان، بندرعباس، ایران ، amirii@hormozgan.ac.ir
چکیده: (1385 مشاهده)
تحلیل و پیشبینی تغییرات کاربری اراضی، یکی از گامهای کلیدی در مدیریت تغییرات محیطی و کنترل فرسایش سرزمین به شمار میرود. پژوهش حاضر با هدف شناسایی روندهای تغییر کاربری و تأثیر آن بر فرسایش محیطی در شهر ساحلی بندرعباس انجام شده است. که برای دستیابی به این هدف، ابتدا تغییرات کاربری اراضی در بازهی زمانی 1990 تا 2020 با استفاده از تصاویر ماهوارهای لندست- سنجندههای TM (1990)، ETM+ (2000) و OLI (2013 و 2020) و تولید نقشه کاربری با الگوریتم حداکثر احتمال (MLC) در نرمافزار ENVI انجام شد. سه طبقهی کاربری شامل پهنه آبی، نواحی مسکونی و اراضی بایر برای محدوده مطالعاتی بندرعباس (ابعاد 15×15 کیلومتر) شناسایی شد. برای شناسایی تغییر و تبدیل کاربریهای اراضی طی 30 سال از مدل آشکارسازی تغییرات سرزمینی LCM و برای پیشبینی تغییرات و مسیر توسعه شهری از مدل اتوماتای سلولی-زنجیره مارکوف CA-Markov استفاده گردید. برای صحتسنجی و اعتبارسنجی نقشههای تولیدشده از ضریب کاپا استفاده شد. نتایج مدل LCM نشان داد که در در سالهای بین 1990 تا 2020، بیشترین تغییرات مربوط به تبدیل اراضی بایر به نواحی سکونتگاهی با میزان 83/4480 هکتار بوده است. در تغییرات کلی نیز نواحی سکونتگاهی با 4537+ و اراضی بایر با 4541- هکتار بیشترین تغییرات را داشتهاند. بیشترین توسعه شهری در بخش شرقی هسته مرکزی شهر بندرعباس شامل محلات گلشهر شمالی، دامایی، شهرک گاز، شهرک الهیه جنوبی و شمالی، شهرک طلائیه و توحید و در نواحی شمالغربی، شهرک مسکونی پیامبراعظم بهعنوان پروژه مسکن مهر بوده است. نتایج مدل زنجیره مارکوف نشان داد که تا سال 2050، میزان 1695 هکتار از اراضی بایر به نواحی سکونتگاهی تبدیل خواهد شد و اراضی سکونتگاهی- فضای سبز شهری از 8746 هکتار در سال 2020 به 9868 هکتار در سال 2050 خواهد رسید و مسیر توسعه شهری بندرعباس به سمت نواحی شمالشرقی و شمالغربی خواهد بود. این یافتهها ضمن فراهم آوردن مبنایی علمی برای برنامهریزی کاربری زمین، به شناخت نواحی مستعد رشد کالبدی شهر کمک میکند. با توجه به شرایط خاص محیطی بندرعباس و محدودیتهای طبیعی در توسعه شهری، چنین تغییراتی میتوانند زمینهساز دگرگونی در ویژگیهای سطح زمین، الگوهای زهکشی و پتانسیلهای فرسایشپذیری در مقیاس محلی باشند. بنابراین، نتایج این مطالعه میتواند به عنوان پایهای برای مطالعات تکمیلی در زمینه ارزیابی اثرات ثانویه تغییر کاربری بر فرسایش محیطی در مناطق ساحلی مورد استفاده قرار گیرد.
واژههای کلیدی: مدلسازی گسترش شهری، سنجش از دور، سامانه اطلاعات جغرافیایی (GIS)، ضریب کرامر، شهرنشینی در نواحی ساحلی.
نوع مطالعه: مستخرج از پایاننامه / رساله / طرح پژوهشی |
موضوع مقاله:
مدیریت و کنترل اثرات فرسایش محیطی
دریافت: 1404/2/4 | انتشار: 1404/6/30
دریافت: 1404/2/4 | انتشار: 1404/6/30
فهرست منابع
1. Abiyat, M., Abiyat, M., & Abiyat, M. (2021). Spatiotemporal modeling of land use changes and urban development in Ahvaz based on a planning approach. Territorial Planning Journal, 13(1), 215-245. (in Persian)
2. Aburas, M. M., Abdullah, S. H., Ramli, M. F., Ash'aari, Z. H., & Ahamad, M. S. S. (2018, June). Simulating and monitoring future land-use trends using CA-Markov and LCM models. IOP Conference Series: Earth and Environmental Science, 169(1), 012050. [DOI:10.1088/1755-1315/169/1/012050]
3. Akdeniz, H. B., Sag, N. S., & Inam, S. (2023). Analysis of land use/land cover changes and prediction of future changes with land change modeler: Case of Belek, Turkey. Environmental Monitoring and Assessment, 195(1), 135. [DOI:10.1007/s10661-022-10746-w]
4. Allen, J., & Lu, K. (2003). Modeling and prediction of future urban growth in the Charleston region of South Carolina: a GIS-based integrated approach. Conservation Ecology, 8(2). [DOI:10.5751/ES-00595-080202]
5. Arifin, T., Amri, S. N., Rahmania, R., Ramdhan, M., Chandra, H., Adrianto, L. & Kurnia, R. (2023). Forecasting land-use changes due to coastal city development on the peri-urban area in Makassar City, Indonesia. The Egyptian Journal of Remote Sensing and Space Science, 26(1), 197-206. [DOI:10.1016/j.ejrs.2023.02.002]
6. Arkhi, S. (2014). Predicting spatial changes in land use using the LCM model in GIS (Case study: Sarableh region). Iranian Journal of Forest and Range Protection Research, 12(1), 1-19. (in Persian)
7. Asgarian, A., Jabbariyan Amiri, B., Alizadeh Shabani, A., & Feghhi, J. (2013). Predicting spatial growth and urban sprawl in Sari using Markov-cellular automata and Shannon entropy index. Applied Ecology Journal, 2(6), 13-24. (in Persian)
8. Capítulo, L. R., Carretero, S. C., & Kruse, E. E. (2017). Comparative study of urban development and groundwater condition in coastal areas of Buenos Aires, Argentina. Hydrogeology Journal, 25(5), 1407-1422. [DOI:10.1007/s10040-017-1544-x]
9. Cherigui, A., Talia, A., Benstaali, I., Blissag, B., Zerouali, B., & Meddi, M. (2025). Urban expansion and its environmental impacts in northwestern Algeria using cellular automata-Markov-chain modeling. Modeling Earth Systems and Environment, 11(3), 159. [DOI:10.1007/s40808-025-02309-y]
10. Daryabari, S. J., & Lotfi, H. (2011). Management and organization of informal settlements in Bandar Abbas. Geographical Land Journal, 8(29), 79-92. (in Persian)
11. de Andrés, M., Barragán, J. M., & Sanabria, J. G. (2018). Ecosystem services and urban development in coastal Social-Ecological Systems: The Bay of Cádiz case study. Ocean & Coastal Management, 154, 155-167. [DOI:10.1016/j.ocecoaman.2018.01.011]
12. Dolui, S., & Sarkar, S. (2024). Modelling landuse dynamics of ecologically sensitive peri-urban space by incorporating an ANN cellular automata-Markov model for Siliguri urban agglomeration, India. Modeling Earth Systems and Environment, 10(1), 167-199. [DOI:10.1007/s40808-023-01771-w]
13. Feizizadeh, B., Blaschke, T., Nazmfar, H., Akbari, E., & Kohbanani, H. R. (2013). Monitoring land surface temperature relationship to land use/land cover from satellite imagery in Maraqeh County, Iran. Journal of Environmental Planning and Management, 56(9), 1290-1315. [DOI:10.1080/09640568.2012.717888]
14. Gholamalifard, M., Jorabian Shushtari, S., Hosseini Kahnouj, S. H., & Mirzaei, M. (2012). Modeling land use changes in the coastal areas of Mazandaran province using LCM in GIS. Journal of Environmental Science, 38(4), 109-124. (in Persian)
15. Grimm, N. B., Faeth, S. H., Golubiewski, N. E., Redman, C. L., Wu, J., Bai, X., & Briggs, J. M. (2008). Global change and the ecology of cities. Science, 319(5864), 756-760. [DOI:10.1126/science.1150195]
16. Haldar, S., Chatterjee, U., Bhattacharya, S., Paul, S., Bindajam, A. A., Mallick, J., & Abdo, H. G. (2024). Peri-urban dynamics: assessing expansion patterns and influencing factors. Ecological Processes, 13(1), 58. [DOI:10.1186/s13717-024-00533-5]
17. Hoornweg, D. (Ed.). (2011). Cities and climate change: responding to an urgent agenda. World Bank Publications. [DOI:10.1596/978-0-8213-8493-0]
18. Jain, R. K., Jain, K., & Ali, S. R. (2017). Modeling urban land cover growth dynamics based on land change modeler (LCM) using remote sensing: a case study of Gurgaon, India. Advances in Computational Sciences and Technology, 10(10), 2947-2961.
19. Khatibi, A., Amiri, M., & Faghihi, M. (2024). Integrated analysis of land for the physical development of coastal cities: geotechnical, geological, and environmental perspectives (Case study: Bandar Abbas City). International Journal of Environmental Science and Technology, 21(10), 7207-7226. [DOI:10.1007/s13762-024-05536-5]
20. Khomar, G., & Nemazi, A. (2017). Prediction and simulation of spatial-physical development patterns of Chabahar city by 2041 using cellular automata and RS. Spatial Planning (Geography) Quarterly, 7(2), 79-94. (in Persian)
21. Li, K., Feng, M., Biswas, A., Su, H., Niu, Y., & Cao, J. (2020). Driving factors and future prediction of land use and cover change based on satellite remote sensing data by the LCM model: a case study from Gansu province, China. Sensors, 20(10), 2757. [DOI:10.3390/s20102757]
22. Madahi, R., Modarresi Al-Hosseini, S. A., Jamali, A. A., & Mahdavi Najafabadi, R. (2020). Quantitative urban expansion assessment and physical development modeling in the coastal strip of Bandar Abbas. Environmental Planning Quarterly, 49. (in Persian)
23. Mansour, S., Ghoneim, E., El-Kersh, A., Said, S., & Abdelnaby, S. (2023). Spatiotemporal monitoring of urban sprawl in a coastal city using GIS-based Markov chain and artificial neural network (ANN). Remote Sensing, 15(3), 601. [DOI:10.3390/rs15030601]
24. McGranahan, G., Balk, D., & Anderson, B. (2007). The rising tide: assessing the risks of climate change and human settlements in low elevation coastal zones. Environment and Urbanization, 19(1), 17-37. [DOI:10.1177/0956247807076960]
25. Mukomberanwa, N. T., Madamombe, H. K., Taru, P., & Utete, B. (2025). Modeling Urban Growth and Future Scenario Projections for Chinhoyi, Zimbabwe using Cellular Automata. Journal of Earth and Environmental Science Research. SRC/JEESR-316. DOI: doi. org/10.47363/JEESR/2025 (7), 223, 2-9.
26. Najafi Tireh Shabankareh, K., Khosravi Shahi, M., & Gholampour, M. (2008). Delineation of desert areas in Hormozgan province based on vegetation cover. Iranian Journal of Range and Desert Research, 15(1), 95-113. (in Persian)
27. Ranagalage, M., Wang, R., Gunarathna, M. H. J. P., Dissanayake, D. M. S. L. B., Murayama, Y., & Simwanda, M. (2019). Spatial forecasting of the landscape in rapidly urbanizing hill stations of South Asia: A case study of Nuwara Eliya, Sri Lanka (1996-2037). Remote Sensing, 11(15), 1743. [DOI:10.3390/rs11151743]
28. Rouzbeh, S., Darabi, H., Pirnia, A., & Roshan, S. H. (2018). Modeling and predicting urban growth in Sari using logistic regression and Markov chain. Journal of Geomatics Science and Technology, 7(4), 119-131. (in Persian)
29. Sarimin, M., & Yigitcanlar, T. (2012). Towards a comprehensive and integrated knowledge-based urban development model: status quo and directions. International Journal of Knowledge-Based Development, 3(2), 175-192. [DOI:10.1504/IJKBD.2012.047035]
30. Sarkar, R., & Mandal, S. (2025). Urban Growth Modelling in the Bardhhaman Planning Area: An Exploration of Cellular Automata and Markov Chain Techniques. In Sustainable Urban Forms and Communities: Urban Geographies of Eastern India (pp. 101-118). Routledge India. [DOI:10.4324/9781003509400-10]
31. Shayan, S., & Vali, M. (2020). Evaluating land cover changes in the coastal strip of Asaluyeh-Shirino using the LCM model. Journal of Geography and Environmental Sustainability, 35, 73-88. (in Persian)
32. Sheikhi, M., & Roshanas, S. (2015). Predicting future urban growth using advanced cellular automata modeling (Case study: Chalus city). Urban Studies Quarterly, 16, 15-26. (in Persian)
33. Terando, A. J., Costanza, J., Belyea, C., Dunn, R. R., McKerrow, A., & Collazo, J. A. (2014). The southern megalopolis: using the past to predict the future of urban sprawl in the Southeast US. PLoS One, 9(7), e102261. [DOI:10.1371/journal.pone.0102261]
34. Uddin, M. S., Mahalder, B., & Mahalder, D. (2023). Assessment of land use land cover changes and future predictions using CA-ANN simulation for Gazipur City Corporation, Bangladesh. Sustainability, 15(16), 12329. [DOI:10.3390/su151612329]
35. Van Thanh, N., Le, D. T., Thinh, N. A., Lan, T. D., & Hens, L. (2017). Shifting challenges for coastal green cities. Vietnam Journal of Earth Sciences, 39(2), 109-129. [DOI:10.15625/0866-7187/39/2/9373]
36. Yaagoubi, R., Lakber, C. E., & Miky, Y. (2024). A comparative analysis on the use of a cellular automata Markov chain versus a convolutional LSTM model in forecasting urban growth using sentinel 2A images. Journal of Land Use Science, 19(1), 258-277. [DOI:10.1080/1747423X.2024.2403789]
37. Yeh, A. G. O., & Li, X. (1997). An integrated remote sensing and GIS approach in the monitoring and evaluation of rapid urban growth for sustainable development in the Pearl River Delta, China. International Planning Studies, 2(2), 193-210. [DOI:10.1080/13563479708721678]
38. Yue, W., Qin, C., Su, M., Teng, Y., & Xu, C. (2024). Simulation and prediction of land use change in Dongguan of China based on ANN cellular automata-Markov chain model. Environmental and Sustainability Indicators, 22, 100355. [DOI:10.1016/j.indic.2024.100355]
39. Zhan, W., Cheng, H., & Shen, S. (2021). Simulation and Prediction of Zhuzhou Urban Wetland Landscape Pattern Based on LCM Model. Nature Environment & Pollution Technology, 20(2) [DOI:10.46488/NEPT.2021.v20i02.001]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
