مدل‌سازی رشد و توسعه شهر اصفهان با استفاده از داده‌های سنجش از دور در مدل lcm

جمعیت شهری، به‌ویژه در کشورهای روبه توسعه به تدریج در حال افزایش است. استفاده بهینه از سرزمین نقش مهمی در برنامه‌ریزی و مدیریت رشد شهری دارا می‌باشد. این اصل به‌ویژه در راستای نیل به توسعه پایدار در نواحی شهری از اهمیت مضاعف برخوردار است. بهره‌برداری غیراصولی از اراضی نیز رو به گسترش بوده که موجب تخریب و نابودی منابع طبیعی می‌شود. مطالعه تغییرات کاربری اراضی و تاثیرات گسترده آن بر محیط‌ زیست و درک چگونگی این تغییرات چه از نظر الگوی مکانی و چه از نظر کمیت آن ضروری است. در این مقاله، مدل‌سازی تغییرات کاربری اراضی شهر اصفهان با استفاده از سیستم اطلاعات مکانی و در محیط نرم ‌افزار idrisi انجام گرفت. نقشه‌های کاربری اراضی با استفاده از تصاویر لندست مربوط به سال‌های 1997، 2008 و 2017 ایجاد و همچنین از نقشه‌های 1:25000 برای شناسایی بهتر منطقه، زمین مرجع کردن و تصحیح هندسی تصاویر ماهواره‌ای استفاده گردید. مدل‌سازی پتانسیل انتقال، به کمک الگوریتم شبکه عصبی پرسپترون (multi layer perceptron) انجام شد. سپس با استفاده از برخی متغیرهای دینامیک شامل فاصله از مراکز دانشگاهی، فاصله از مراکز صنعتی، فاصله از مناطق مسکونی، فاصله از معابر و نیز مدل رقومی ارتفاعی زمین (digital elevation model) به‌عنوان یک متغیر استاتیک میزان تخصیص تغییرات کاربری‌ها به یکدیگر آشکار‌سازی شد. همچنین، به روش زنجیره مارکوف (markov chain) پیش‌بینی نقشه کل تغییرات کاربری اراضی در مدل‌سازی تغییرات کاربری اراضی (land change modeler) انجام گرفت. نتایج مدل‌سازی پتانسیل تبدیل کاربری‌ها در همه زیر مدل‌ها، دقت بالای 95 درصد را نشان داد. محاسبه صحت مدل پیش‌بینی نیز با استفاده از ضریب کاپا برابر با 9/0 بدست آمد. نتایج از بررسی تغییرات و پیش‌بینی کاربری اراضی گویای توسعه مناطق شهری اصفهان است. این تغییرات نشان می‌دهد که دیگر کلاس‌های کاربری اراضی در حال کاهش است و با توجه به نتایج حاصل از مدل lcm در کل دوره، اراضی شهری از 21239 هکتار در سال 1997 به 23607 هکتار در سال 2017 افزایش یافته است. پیش‌بینی می‌شود که این روند صعودی در آینده نیز ادامه خواهد داشت. مطابق پیش‌بینی مدل زنجیره مارکوف، اراضی شهری اصفهان تا سال 2027 به حدود 24023 هکتار خواهد رسید.

Modeling Urban Expansion and Development of Isfahan City by Using Remote Sensing Data in LCM Model

urban population, especially in developing countries, is increasing gradually. Optimal use of land plays an important role in planning and urban development management. This principle is especially important in achieving sustainable development in urban areas. Notprinciples Exploitation causing destruction and degradation of resources. Study dynamics of land use changes and their broad impacts on the environment, it is essential to understanding how these changes occur, both in terms of spatial pattern and in terms of its quantity. In this article, it was noticed to simultaneously apply spatial information and remote sensing information to study and model land use change in order to Isfahan city. land use maps using Landsat images for the years 1997, 2008 and 2017 manufacturing and maps of 1: 25000 scalewere used to better identify the area, land reference and geometric correction of satellite images. Transmission potential modeling using perceptron multilayered artificial neural network algorithm was down. Through certain dynamic variables include distance from academic centers, distance from industrial centers, distance from residential areas, distance from passages as well as digital elevation modelas a static variable; then, The amount of each land use conversion is predicted with the Markov chain and the total map of land use change made with two models of hard prediction and soft prediction in the LCM model.The results ofland use transformation potential modeling in all submodels showed over 95% accuracy. the calculation of accuracy of the prediction model, i.e. the kappa coefficient equal to 0.9 was obtained. The results obtained from the study of changes and prediction of land use indicate the development of urban areas Isfahan. These changes also indicate that decrease of other land use classes. According to the results of the LCM model over the whole span, the urban lands have increased from 21239 hectares in 1997 to 23607 hectares in 2017; this upward trend will continue into the future. In modeling and according to the results of the Markov chain model, the urban lands will reach 24023 hectares by 2027.