Simulation and prediction of urban growth and expansion using remote sensing technique (Case Study: Torbat-e Jam, 2000-2019)

Document Type : Research Article

Authors

• Ahmad Asadi ¹
• Zinat Mohammadpour ²
• ali hajizadeshikvanlo ³

¹ Assistant Professor, Department of Geography and Urban Planning, Faculty of Humanities, Bozorg mehr Qaenat University, Qaen, Iran

² MSc Student in Remote Sensing and Geographic Information System, Remote Sensing, University of Tabriz, Tabriz, Iran

³ MSc student in Remote Sensing and Geographic Information System, Remote Sensing, Kharazmi University, Tehran, Iran

10.22067/geoeh.2021.67025.0

Abstract

Urbanization is one of the consequences of the industrial revolution, which changed the development process and led to the expansion of migration to the city. One of the main results of the expansion of urbanization in recent decades is land use change in cities and their uneven growth, which has made managing urban growth one of the most important challenges of the 21st century. The present study evaluated the changes in the lands of Torbat-e Jam city during the years 2000 to 2019 and then predicts these changes until 1420 AH. The research method is descriptive-analytical. Landsat images, sensors, ETMs of 2000 and 2010 and OLI sensors of 2019 have been used to collect data in this study. After classifying the images, in order to find out the changes in the land use of Torbat-e Jam city and to predict the changes until 1420, the Markov and CA chain model has been used. The results obtained in the period of 2000, 2010 and 2019 show that the area of ​​all land uses in the study area except barren land use has been increasing. Also, the forecast of the four floors of land cover, including urban lands, agriculture, barren and green space and gardens in the city of Tor bat-e Jam on the horizon of 1404, shows that the land use of the city will increase at the horizon of 1420, so that this land use will change by 192.13%. Agricultural land use will have a decreasing trend with 71.05% and green space and gardens with 53.32% and barren land use area will have an increasing trend change with 100.87%. Finally, with the Vision Development Index, the type of urban growth was determined. Also, according to this index, the growth type of Tor bat-e Jam city is of the edge type.

Keywords

• Urbanization
• Land Use
• Landsat
• Markov and CA Chain
• Torbat-e Jam

20.1001.1.23221682.1400.10.1.8.3

---

References

احدنژاد روشتی، محسن؛ حسینی، سیداحمد؛ 1390. ارزیابی و پیش­بینی تغییرات و پراکنش افقی شهرها با استفاده از تصاویر ماهواره‌ای چند زمانه و سیستم اطلاعات جغرافیایی (نمونه موردی: شهر تبریز در مقطع زمانی 1363 – 1400). مجله پژوهش و برنامه­ریزی شهری. 2(4): صص 20 – 1.

اصغری­زمانی، اکبر؛ ملکی، سعید و موحد، علی؛ 1389. پیش­بینی تغییرات کاربری اراضی شهرزنجان با استفاده ازالگوی CLUE-S. مجله جغرافیا و توسعه ناحیه­ای. شماره 15. صص 64-39.

اکبری، ابراهیم؛ زندی، رحمان؛ کلاته، رقیه؛ 1398. تحلیل و پیش­بینی گسترش شهر مشهد با استفاده از تصاویر ماهواره­ای چند زمانه و زنجیره مارکوف (طی سال­های 1379 -1404). مجله جغرافیا و مخاطرات محیطی. دوره 8. شماره 30. صص 166-149.

امان­پور، سعید؛ کاملی­فر، محمدجواد؛ بهمئی، حجت؛ 1395. تحلیلی بر تغییرات کاربری اراضی در کلانشهرها با استفاده از آنالیز تصاویر ماهواره­ای در محیط ENVI (مطالعه موردی: کلانشهر اهواز). فصلنامه علمی – پژوهشی اطلاعات جغرافیایی. دوره 26. شماره 102. صص 150-139.

پوراحمد، احمد؛ یدقار، علی؛ حبیبی، کیومرث؛ 1383. بررسی روند و الگوی توسعه شهر سنندج با استفاده از GIS و RS. نشریه هنرهای زیبا. دوره 16. شماره 16. صص 32 – 15.

رحیمی، اکبر؛ 1397. ارزیابی رشد اسپرال تبریز با استفاده از تصاویر ماهواره­ای و مدل­سازی توسعه احتمالی. جغرافیا و برنامه­ریزی محیطی. سال 29. پیاپی 72. شماره 4. صص 123-109.

شیعه، اسماعیل؛ آنام پور، محمد؛ 1390. پیاده­سازی الگوریتم­های فازی مبتنی بر GIS در الگوهای نوین برنامه­ریزی برای تهیه برنامه گسترش کالبدی مناسب شهرهای میانه جمعیتی ایران (نمونه موردی: شهر خرمدره). فصلنامه علمی – پژوهشی مطالعات شهری. صص 127 – 109.

علیزاده ربیعی، حسن؛ 1392. سنجش‌ازدور: اصول و کاربرد. انتشارات سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه­ها (سمت).

قاسمی، علی؛ 1380. بررسی روند و شناخت الگوی توسعه فیزیکی شهر بهشهر. پایان نامه کارشناسی ارشد جغرافیا و برنامه­ریزی شهری. دانشگاه تهران.

ماجدی، حمید؛ زبردست، اسفندیار؛ مجربی کرمانی، بهاره؛ 1392. بررسی متغیرهای مؤثر در رشد شهری ارومیه با استفاده از مدل لاجیستیک رگرسیون. معماری و شهرسازی آرمان شهر. شماره 21. 392-377.

محمدزاده، رحمت؛ 1386. بررسی اثرات زیست محیطی توسعه فیزیکی شتابان شهرها – با تأکید بر تهران و تبریز. مجله جغرافیا و توسعه ناحیه‌ای. شماره نهم. پاییز و زمستان. صص 110-94.

مرکز آمار ایران، سال‌های (1365-1395). سرشماری عمومی نفوس و مسکن.

هادوی، فرامرز؛ روستایی، شهریور؛ 1390. شبیه­سازی رشد شهری با استفاده از تصاویر ماهواره­ای (مطالعه موردی: شهر زنجان)؛ هجدهمین همایش و نمایشگاه ملی ژئوماتیک. سازمان نقشه­برداری کشور.

 

Aurambout, J.P., Barranco, R., Lavalle, C., (2018). Towards a Simpler Characterization of Urban Sprawl across Urban Areas in Europe, Land, Vol 7 (33), Pp 1-18.

Batisani, N. & Yamal, B. (2099). Urban Expansion in Center County, Pennsylvania: Spatial Dynamics and Landscape Transformations. Applied Geography. 29: 235-249.

Bhatta, B, (2010), Analysis of Urban Growth and Sprawl from Remote Sensing; DataSpringer; London; p 191.

Brueckner, J.K., Helsley, R.W., (2011). Sprawl and blight, J. Urban Economics. Vol 69 (2), 205-213.

Deep, S., Saklani, A., (2014), Urban sprawl modeling using cellular automata. The Egyptian Journal of Remot Sensikg and Space Sciences, Vil 17. Pp 179-187.

Fan, Fenglei, Wang, Yunpeng, and Wang, Zhishi, 2008, Temporal and spatial change, detecting (1998–2003) and predicting of land use and land cover in Core corridor of Pearl pp: 127-147.

Guan, DongJie, Li, HaiFeng, Inohae, Takuro, Su Weici, Nagaie, Tadashi, and Hokao, Kazunori, 2011, Modeling urban land use change by the integration of cellular automaton and Markov model, Ecological Modelling, 222 (20–22), 3761-3772.

Jensen, J.R., (2005). Introductiry digital Imag Processing: A Remote Sensing Perspective.

Mas, Jean-François, Melanie, Kolb, Martin, Paegelow, María Teresa, Camacho Olmedo, and Thoma, Houet, 2014, Inductive pattern-based land use/cover change models: Acomparison of four software packages, Environmental Modelling & Software, 51: 94-111.

Stevens, D. et al, (2007). “iCity: A GIS-CA modelling tool for urban planning and decision making”, Environmental Modelling & Software, 22. pp 761-773.

Tewolde, M. G., and P. Carbal, (2011), Urban Srawl Analysis and Modeling in Asmara.

Thapa, R.B. and Y. Murayama. 2012. Scenario based urban growth allocation in Kathmandu Valley, Nepal. Landscape and Urban Olanning 105(1-2): 140-148.

Wakode, Hemant Balwant, Klaus, Bater, Ramakar, Jha. & Raffig, Azzam, (2013), Analysis of yrban growth using Lands at TM/ETM data and GIS- a case study of Hyderabad, India. Arabian Journal of Geoscience ces, 7(1), 109-121.

Zarei, R., Alsheikh, A.A., (2012). Modeling of Urban Development Using Cellular Automata and Genetic Algorithm, Case Study: shiraz City. Journal of Research and Planning, 3(11).

 Zhang, Zh., V. Lieven, C. Eva De, X. Ou and De.W. Robert. 2008. Vegetation change detection using artificial neural networks with ancillary data in Xishuangbanna, Yunnan Province, China. Chin. Sci. Bull. 52: 232-243.