نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

درک رشد شهری از نظر مکانی و زمانی برای برنامه ریزی منظر و توسعه شهری مهم است. در این مطالعه، ما الگوی مکانی-زمانی رشد شهری منطقه شهری کلمبو (CMA) – تنها منطقه شهری سریلانکا – را از سال 1992 تا 2014 با استفاده از داده‌های سنجش از دور و تکنیک‌های GIS بررسی کردیم. اول، ما سه نقشه کاربری/پوشش زمین از CMA (به عنوان مثال برای سال‌های 1992، 2001 و 2014) با استفاده از داده‌های Landsat طبقه‌بندی کردیم. دوم، ما الگوی زمانی تغییرات زمین شهری (ULCs؛ به عنوان مثال، تغییر زمین از غیر ساخته شده به ساخته شده) را در دو بازه زمانی (1992-2001 و 2001-2014) بررسی کردیم. سوم، ما الگوی فضایی ULCها را در امتداد شیب متغیرهای محرک مختلف (مثلاً فاصله تا جاده‌ها) و با استفاده از معیارهای فضایی بررسی کردیم. در نهایت، ما رشد شهری آینده CMA (2014-2050) را پیش‌بینی کردیم. نتایج ما نشان داد که زمین ساخته شده CMA طی 22 سال گذشته 24711 هکتار (221%) (11165 هکتار در سال 1992 به 35876 هکتار در سال 2014) با نرخ 1123 هکتار در سال افزایش یافته است. تجزیه و تحلیل نشان داد که ULC در طول دهه 2000 شدیدتر یا سریعتر بود (1268 هکتار در سال) نسبت به دهه 1990 (914 هکتار در سال)، که همزمان با روند رشد جمعیت و اقتصادی بود. نتایج همچنین نشان داد که بیشتر ULCها در هر دو بازه زمانی در مجاورت جاده‌ها و مدارس اتفاق می‌افتند، در حالی که نشانه‌هایی از تکه‌تکه شدن چشم‌انداز و الگوهای توسعه شهری را نشان می‌دهند. مدل سازی ULC نشان داد که تا سال های 2030 و 2050، زمین های ساخته شده CMA به ترتیب به 42500 هکتار و 56000 هکتار افزایش خواهد یافت. بیشتر این دستاوردهای پیش بینی شده از زمین های ساخته شده در امتداد راهروهای حمل و نقل و در مجاورت گره های رشد خواهد بود. این یافته ها در زمینه برنامه ریزی چشم انداز و توسعه شهری برای CMA مهم هستند. به طور کلی، این مطالعه اطلاعات ارزشمندی در مورد دگرگونی چشم‌انداز CMA ارائه می‌کند و همچنین برخی از چالش‌های مهم پیش روی توسعه شهری پایدار آینده آن را برجسته می‌کند.
کلید واژه ها: 

منطقه شهری کلمبو ; شدت تغییر زمین ; تجزیه و تحلیل گرادیان ; مدل سازی تغییر زمین

 

1. معرفی

دگرگونی جمعیتی جوامع بشری به دوران شهری، نظارت بر مناطق شهری را در خط مقدم برنامه های زیست محیطی و توسعه قرار داده است [ 1 ، 2 ]. با توجه به این دگرگونی، درصد بیشتری از جمعیت جهان در حال حاضر در مناطق شهری نسبت به قبل زندگی می‌کنند و رشد در مناطق شهری با سرعت بی‌سابقه‌ای رخ می‌دهد [ 3 ، 4 ]. از اواخر قرن بیستم، این رشد سریع شهری به وضوح از شمال جهانی به جنوب جهانی منتقل شده است [ 5 ]. بر این اساس، بسیاری از مناطق شهری آسیای جنوبی رشد چشمگیری شهری را تجربه کرده‌اند که تحت سلطه کوچک شدن مداوم مناطق روستایی به مناطق شهری است [ 6] .]. این روند با ازدحام گسترده، حمل و نقل عمومی ضعیف و عدم وجود سرویس بهداشتی مناسب در مناطق شهری جنوب آسیا مشخص شده است. همچنین باعث افزایش نابرابری های اجتماعی-اقتصادی، جرم و جنایت و آسیب پذیری در برابر خطرات طبیعی و انسانی شده است [ 7 ]. در این زمینه، ارزیابی الگوهای مکانی و زمانی تغییرات کاربری/پوشش زمین و عوامل مؤثر بر این تحولات برای توسعه سیاست‌های منطقی، اقتصادی، اجتماعی و محیطی حیاتی است [8 ] .
در طول دو دهه گذشته، منطقه شهری کلمبو (CMA)، تنها منطقه شهری سریلانکا و “تپش قلب” کشور [ 9 ]، واقع در جنوب آسیا، رشد شهری سریعی را تجربه کرده است. در سال 2013، بانک جهانی [ 9 ] نشان داد که شهر کلمبو، هسته مرکزی CMA، یکی از شهرهای در حال رشد در جنوب آسیا است. از زمانی که اقتصاد سریلانکا در اوایل دهه 1980 باز شد، منطقه شهری اصلی CMA مراحل مختلف توسعه را پشت سر گذاشته است [ 10 ]. پس از پایان جنگ داخلی 30 ساله در سال 2009، CMA یک دوره توسعه سریع شهری را آغاز کرد که منجر به تمرکز بیشتر جمعیت و فعالیت صنعتی شدیدتر شده است [ 11]]. آمارها نشان می دهد که در سال 2012، با 3.7 میلیون نفر جمعیت، CMA بیش از 80 درصد از تولید صنعتی کشور و حدود 50 درصد از تولید ناخالص داخلی (GDP) آن را به خود اختصاص داده است [9 ، 12 ، 13 ] .
تمرکز افزایش شهرنشینی در CMA مشکلات زیست محیطی را در سراسر منطقه ایجاد کرده است که ناشی از فقر شهری گسترده، سیل های مکرر، رشد زاغه ها، تغییر گسترده اکوسیستم های تالاب، و سوء مدیریت منابع محدود است [14 ، 15 ] . علاوه بر این، فضاهای سبز شهری ارزشمند نیز به دلیل تغییرات کاربری/پوشش تحت تاثیر قرار گرفته اند. در چنین زمینه ای، آگاهی از الگوی مکانی و زمانی رشد شهری به منظور ایجاد سیاست های توسعه پایدار شهری که می تواند اثرات نامطلوب شهرنشینی را کاهش داده و توسعه شهری پایدار را تضمین کند، بسیار مهم است [1 ، 8 ، 16 ] .
ظهور علم تغییر زمین، از جمله پیشرفت در GIS و سنجش از دور، بستری را برای بررسی تحولات منظر در طول فضا و زمان فراهم کرده است [ 1 ، 17 ، 18 ، 19 ، 20 ]. در محیط‌های شهری، دگرگونی‌های منظر عمدتاً تحت تأثیر فعالیت‌های انسان‌زایی قرار می‌گیرند و تا حد زیادی تحت تأثیر گسترش فضایی زمین‌های ساخته‌شده هستند [ 1 ، 20 ، 21 ]. تکنیک های پیشنهاد شده توسط آلدویک و پونتیوس [ 22] برای تجزیه و تحلیل شدت تغییر زمین، درک اندازه و سرعت تغییر زمین را در بازه های زمانی مختلف امکان پذیر می کند. با این حال، در حالی که تعیین اندازه و سرعت تغییرات زمین مهم است، بررسی متغیرهای توضیحی یا عوامل محرک چنین تغییراتی نیز حیاتی است [ 23 ]. چنین عوامل محرکی می توانند در درک الگوهای مکانی-زمانی دگرگونی های چشم انداز کمک کنند [ 20 ، 24 ، 25 ، 26 ، 27 ].
تحلیل گرادیان، مفهومی که معمولاً در بوم‌شناسی منظر استفاده می‌شود، می‌تواند برای توصیف الگوهای مکانی-زمانی دگرگونی‌های چشم‌انداز استفاده شود [ 3 ، 20 ، 27 ]. همچنین علاقه فزاینده ای به استفاده از متریک های منظر یا فضایی برای توصیف ساختار منظر و الگوی مکانی-زمانی دگرگونی های چشم انداز وجود دارد [ 1 ، 4 ، 20 ، 28 ]. این معیارهای فضایی بر اساس معیارهای تئوری اطلاعات و هندسه فراکتال توسعه یافته اند [ 29 , 30]. توانایی توصیف کمی ساختار منظر یک پیش نیاز برای مطالعه توابع و دگرگونی‌های منظر است و معیارهای فضایی، کمی کردن سه مفهوم اساسی مورد استفاده برای توصیف ساختار فضایی مناظر را امکان‌پذیر کرده است: تکه تکه شدن، اتصال، و تنوع [31 ] . مطالعات مختلف با موفقیت معیارهای فضایی را برای توصیف ساختارهای فضایی شهری و الگوی مکانی-زمانی تغییرات در مناظر شهری اعمال کرده اند [ 1 ، 4 ، 20 ، 28 ، 32 ، 33 ].
علاوه بر این، مدل‌سازی تغییر زمین نیز به یک تکنیک مهم برای تحلیل اکتشافی تحولات منظر آینده بالقوه تبدیل شده است، زیرا دانش مسیر تحولات چشم‌انداز آینده نه تنها برای مطالعات شهری، بلکه برای منظر و برنامه‌ریزی شهری نیز مهم است [20، 25 ] . , 26 , 34 ]. در حالی که چندین مطالعه مرتبط با شهری در CMA یا در شهر کلمبو انجام شده است [ 10 ، 11 ، 12 ، 15]، کمبود تحقیقاتی وجود دارد که اطلاعات معنی داری در مورد پویایی رشد شهری در CMA ارائه دهد. از این رو، این مطالعه به دنبال بررسی الگوی مکانی-زمانی رشد شهری CMA در دهه‌های 1990 و 2000 است. داده‌های سنجش از دور و تکنیک‌های GIS، از جمله شدت تغییر زمین، تجزیه و تحلیل گرادیان، متریک‌های فضایی و مدل‌سازی تغییر زمین، برای تسهیل تجزیه و تحلیل مورد استفاده قرار گرفتند.

2. مواد و روشها

2.1. منطقه مطالعه

CMA، واقع در غرب سریلانکا ( شکل 1 a,b)، مهم ترین مرکز اداری، صنعتی و تجاری کشور است. این شهر از اولویت شهری در سیستم شهری ملی برخوردار است و به عنوان یک گره از سیستم شهری بین‌المللی عمل می‌کند و تنها منطقه شهری کشور است. از نظر جغرافیایی، این منطقه در دشتی ساحلی با زمینی هموار و آب و هوای نسبتاً معتدل واقع شده است.
از زمان های قدیم، بندر کلمبو به دلیل موقعیت مرکزی آن در اقیانوس هند، بر فعالیت های تجاری در جنوب آسیا غالب بوده است. بر اساس ادبیات موجود، بیش از 2000 سال پیش، کلمبو به عنوان یک شهر بندری برای بازرگانان رومی، عربی و چینی شناخته می شد [ 11 ]. در اواسط قرن شانزدهم، مهاجمان پرتغالی از بندر کلمبو به عنوان یک پست تجاری استفاده کردند، و بعدها، مهاجمان هلندی در قرن 17 و مهاجمان بریتانیایی در قرن 19 از بندر کلمبو به عنوان یک پایگاه نظامی استفاده کردند [35 ] . در دوران مدرن، پس از استقلال این کشور از بریتانیا در سال 1948، شهر به عنوان مرکز غرب سریلانکا به آرامی شروع به رشد کرد.
در حال حاضر، CMA دارای یک جمعیت چند قومیتی و چند فرهنگی است. جمعیت سینهالی ها، مسلمانان و تامیل ها غالب هستند و همچنین گروه های کوچکی از چینی ها، پرتغالی ها، هلندی ها، مالایی ها و هندی ها نیز وجود دارند. در سال 1991، CMA دارای 3.39 میلیون نفر بود که به ترتیب در سال 2001 و 2012 به 3.47 میلیون و سپس به 3.70 میلیون نفر افزایش یافت [ 36 ، 37 ، 38 ، 39 ]. پیش بینی ها نشان می دهد که جمعیت CMA تا سال 2035 به 5.1 میلیون نفر افزایش خواهد یافت [ 13 ]. وسعت منطقه مورد مطالعه حدود 237000 هکتار را پوشش می دهد که هسته کلمبو و مناطق اطراف آن را در بر می گیرد ( شکل 1 ج).

2.2. نقشه برداری کاربری زمین/پوشش

تصاویر Landsat برای نقشه برداری از کاربری/پوشش زمین CMA برای سه نقطه زمانی، یعنی 1992، 2001 و 2014 استفاده شد. ژانویه 1992; یک تصویر Landsat-7 ETM+ که در 27 دسامبر 2001 به دست آمد. و یک تصویر Landsat-8 OLI/TIRS که در 21 ژانویه 2014 به دست آمد. برای هر نقطه زمانی، یک صحنه (مسیر 141، خام 55) برای پوشش کل منطقه مورد مطالعه کافی بود.
ما از یک تکنیک طبقه‌بندی نظارت شده مبتنی بر پیکسل استفاده کردیم که از الگوریتم طبقه‌بندی حداکثر احتمال استفاده می‌کرد. این تکنیک شامل سه مرحله اصلی بود: مکان‌های آموزشی/ آماده‌سازی نمونه، توسعه امضا و طبقه‌بندی [ 20 ، 40 ، 41 ، 42 ]. برای هدف این مطالعه، ما تنها سه دسته ساخته شده، غیرساخته و آب را طبقه بندی کردیم. ساخته شده شامل سازه های ساخته شده توسط انسان مانند ساختمان ها، جاده ها و سایر سطوح غیر قابل نفوذ است. غیرساخته شامل سطوح عبوری مانند زمین های کشاورزی، جنگل ها، علفزارها و زمین های بایر است. آب شامل دریا، رودخانه‌ها، برکه‌ها و دیگر آب‌ها می‌شود.
برای ارزیابی دقت کمی نقشه برداری کاربری/پوشش، در مجموع از 900 نقطه نمونه به طور تصادفی انتخاب شده (300 در هر کلاس) در قالب فایل شیپ استفاده شد. تصاویر Google Earth و نقشه های توپوگرافی (1:10000 و 1:50000، به روز شده در سال های 1990 و 2001) به عنوان مرجع در تأیید کاربری / پوشش این نقاط استفاده شد. دقت نقشه طبقه بندی شده کاربری/پوشش زمین در سال 1992 با استفاده از نقشه های توپوگرافی 1990 ارزیابی شد. نقشه طبقه‌بندی‌شده کاربری/پوشش زمین در سال 2001 با استفاده از تصاویر Google Earth و نقشه‌های توپوگرافی 2001 (برخی قسمت‌ها در Google Earth واضح نیستند)، در حالی که نقشه کاربری/پوشش زمین طبقه‌بندی‌شده در سال 2014 با استفاده از تصاویر Google Earth ارزیابی شد. نقاط نمونه تایید شده با استفاده از نقشه های توپوگرافی ابتدا با نقشه های توپوگرافی جغرافیایی ارجاع شده با استفاده از نرم افزار ArcGIS پوشش داده شدند. نقاط نمونه تأیید شده با استفاده از تصاویر Google Earth ابتدا به فرمت فایل kml تبدیل شدند و برای یک بازرسی بصری دقیق و دقیق در Google Earth بارگذاری شدند. نتایج ارزیابی دقت نشان داد که نقشه‌های کاربری/پوشش زمین دارای دقت کلی 88.66% (1992)، 90.33% (2001) و 92.66% (2014) هستند (نگاه کنید بهضمیمه A برای جزئیات بیشتر).

2.3. تجزیه و تحلیل شدت تغییر زمین

تجزیه و تحلیل شدت تغییر زمین [ 1 ، 22 ] برای بررسی میزان و میزان تغییر زمین شهری در CMA (ULC؛ به عنوان مثال، تغییر زمین از غیر ساخته شده به ساخته شده) در دو بازه زمانی (یعنی، 1992-1992) استفاده شد. 2001 و 2001-2014). ما ابتدا شدت تغییر سالانه (ACI) را برای هر بازه زمانی (1992-2001 و 2001-2014؛ معادله (1)) محاسبه کردیم. سپس، ما هر ACI را با شدت یکنواخت (UI) مقایسه کردیم، که نرخ تغییر نسبت به کل وسعت زمانی تحلیل تغییر زمین است (معادله (2)) [ 1 ، 22]. اگر ACI در یک بازه زمانی خاص (مثلا t1-t2) کمتر از UI باشد، آنگاه شدت ACI آن بازه زمانی خاص کند در نظر گرفته می‌شود. اما اگر بزرگتر از UI باشد، سریع در نظر گرفته می شود [ 1 ، 22 ].

ACI ( ٪ ) =( LC / LA )TE× 100ACI(%)=(LC/لس آنجلس)TE×100

که در آن ACI شدت تغییر سالانه برای یک بازه زمانی معین است (مثلا t1-t2)، LC مساحت تغییر زمین از غیر ساخته شده به ساخته شده برای یک بازه زمانی معین است، LA مساحت کل چشم انداز است، و TE مدت زمان یک بازه زمانی معین است.

رابط کاربری ( % ) =[ (LCTI 1+LCTI 2) ]/LATETI 1+TETI 2× 100UI(%)=[(LCTI1+LCTI2)]/لس آنجلسTETI1+TETI2×100

جایی که LCTI 1LCTI1و LCTI 2LCTI2به ترتیب در بازه زمانی 1 و فاصله زمانی 2 زمین از غیرساخت به ساخته شده تغییر می کند. TETI 1TETI1و TETI 2TETI2به ترتیب مدت زمان بازه های زمانی 1 و 2 هستند.

2.4. تجزیه و تحلیل گرادیان ULCs

ما “gradient” را به عنوان تغییر در مقادیر یک متغیر معین، به عنوان مثال، فاصله تا گره های رشد، در محدوده مقادیر آن تعریف می کنیم [ 3 ، 20 ، 43 ]. بر اساس دانش محلی خود از منطقه مورد مطالعه، ما چهار عامل مهم را شناسایی کردیم که به طور بالقوه الگوی فضایی ULC ها را در CMA هدایت می کنند. اینها عبارتند از: فاصله تا جاده های اصلی، فاصله تا مدارس، فاصله تا گره های رشد و فاصله تا مراکز اداری ( جدول 1 ). ما ابتدا یک بافر حلقه چندگانه در اطراف هر متغیر درایور با اندازه ناحیه 300 متر ایجاد کردیم. سپس، میزان ULC ها را در امتداد گرادیان هر متغیر در دو بازه زمانی (1992-2001 و 2001-2014) بررسی کردیم.

2.5. متریک فضایی

اگرچه بسیاری از معیارهای الگو در کاربردهای مختلف جغرافیایی مورد استفاده قرار گرفته‌اند، نه تعریف استانداردی از متریک الگو وجود دارد و نه یک فرآیند استاندارد شده برای انتخاب آنها برای کاربردهای خاص [ 44 ، 45 ]. بسیاری از معیارهای فضایی نیز همپوشانی دارند [ 46 ]. در این مطالعه، انتخاب معیارها بر اساس کارهای مشابه قبلی انجام شد [ 20 ، 28 ، 47]. ما از سه معیار در سطح منظر و پنج معیار در سطح کلاس برای بررسی تکه تکه شدن و اتصال منظره استفاده کردیم. معیارهای سطح چشم انداز شامل شاخص سرایت (CONTAG)، شاخص شکل منظر (LSI) و شاخص تنوع شانون (SHDI) بود. معیارهای سطح کلاس شامل درصد منظره (PLAND)، چگالی مسیر (PD)، اندازه وصله متوسط ​​(Area_MN)، ابعاد فراکتال پچ میانگین وزنی (Frac_AM) و میانگین فاصله نزدیکترین همسایه اقلیدسی (ENN_MN) بود. همه این معیارها با استفاده از نرم افزار FRAGSTATS 4.1 با استفاده از قانون همسایه 8 سلولی محاسبه شدند. جزئیات این معیارها را می توان در مک گاریگال و همکاران یافت. [ 48 ].

2.6. مدلسازی تغییر زمین شهری

در اینجا، ما از شبکه عصبی پرسپترون چند لایه (MLP NN) و ماژول‌های CA-Markov موجود در TerrSet GIS و نرم‌افزار سنجش از دور برای پیش‌بینی ULC‌های آینده در CMA استفاده کردیم. کل فرآیند مدلسازی شامل فرآیندهای زیر است: (1) کالیبراسیون مدل. (2) شبیه سازی؛ و (3) اعتبار سنجی. کالیبراسیون مدل (1) شامل مدل سازی یک نقشه پتانسیل انتقال (یعنی انتقال از غیر ساخته شده به ساخته شده) است. شبیه‌سازی (2) شامل پیش‌بینی مقادیر ULC است (یعنی تغییرات از غیرساخته به ساخته شده از 2001 تا 2014، 2030 و 2050). و اعتبارسنجی (3) شامل تخصیص تغییرات پیش‌بینی‌شده است (یعنی استفاده از نقشه پتانسیل انتقال برای تخصیص فضایی مقادیر پیش‌بینی‌شده ULC). جزئیات این فرآیندهای مدل سازی را می توان در ادبیات [ 20] یافت, 49 , 50 , 51 ]. به طور خاص، ما از الگوریتم MLP NN برای مدل‌سازی نقشه پتانسیل انتقال با ورودی‌های زیر استفاده کردیم: نقشه‌های کاربری/پوشش زمین در سال‌های 1992 و 2001 و پنج متغیر محرک، یعنی فاصله تا جاده‌های اصلی، فاصله تا مدارس، فاصله تا رشد. گره ها، فاصله تا مراکز اداری و فاصله تا مناطق ساخته شده موجود (1992). سپس، ما از مدل CA-Markov برای پیش‌بینی مقدار ULC برای سال‌های 2014، 2030 و 2050 بر اساس نقشه‌های کاربری/پوشش زمین در سال‌های 1992 و 2001 استفاده کردیم. و (ب) مقادیر پیش‌بینی‌شده ULC‌ها را با استفاده از نقشه پتانسیل انتقال به‌صورت فضایی تخصیص می‌دهد، در حالی که مدل را به شیوه‌ای بدون محدودیت اجرا می‌کند. ما سه نقشه کاربری/پوشش زمین را شبیه سازی کردیم. یعنی برای سال های 2014، 2030 و 2050.
برای اعتبارسنجی مدل، هم دقت نقشه پتانسیل انتقال و هم نقشه کاربری/پوشش زمین شبیه‌سازی شده در سال 2014 را ارزیابی کردیم. ما از سطح زیر منحنی (AUC) آماره ماژول گیرنده/ویژگی عملکرد نسبی (ROC) استفاده کردیم. این ماژول نقشه پتانسیل انتقال را با نقشه بولی ULC مشاهده شده از سال 2001 تا 2014 مقایسه کرد. AUC یک آمار خلاصه با مقادیر از 0 تا 1 است، که در آن مقدار 0.5 نشان دهنده عدم مهارت است، مقدار 1 نشان دهنده مهارت کامل است. و مقادیر بین 0 و 0.5 نشان دهنده کالیبراسیون نادرست مدل است [ 20 ، 52 ]. مقدار AUC ما 0.822 بود، که نشان می دهد نقشه پتانسیل انتقال “مهارت بالایی” در پیش بینی ULC های آینده دارد.
برای ارزیابی دقت نقشه کاربری/پوشش زمین 2014 شبیه سازی شده، از شکل شایستگی (FoM؛ معادله (3)) استفاده کردیم. مقایسه سه نقشه‌ای بین نقشه‌های کاربری/پوشش زمین در سال‌های 2001 و 2014 و نقشه کاربری/پوشش زمین شبیه‌سازی شده در سال 2014 به منظور محاسبه موارد زیر انجام شد: بازدیدها (H)، تغییر مشاهده‌شده به‌درستی پیش‌بینی شده به عنوان تغییر. از دست دادن (M)، تغییر مشاهده شده به اشتباه به عنوان تداوم پیش بینی شده است. و آلارم های کاذب (F)، تداوم مشاهده شده به اشتباه به عنوان تغییر پیش بینی شده است. اعتبار ما یک FoM 15.06٪ را نشان داد. در مطالعه دیگری، FoM 8.36٪ برای یک چشم انداز با تغییر 11.3٪ به دست آمد [ 53 ]. در یک بررسی، مشخص شد که مناظری که تغییرات ~<10% را مشاهده می کنند دارای FoM کمتر از 15% هستند [ 54]]. از این رو، FoM ما قابل قبول است با توجه به اینکه ما تنها 7.25٪ ULC نسبت به کل چشم انداز در طول بازه شبیه سازی / اعتبارسنجی (2001-2014) داشتیم.

FoM ( % ) = [اچH + M + F] ×100FoM(%)=[اچاچ+م+اف]×100

3. نتایج

3.1. الگوی زمانی ULC ها در CMA

شکل 2 سه نقشه کاربری/پوشش زمین طبقه بندی شده برای CMA (1992، 2001، و 2014) و ULC های شناسایی شده (یعنی دستاوردهای ساخته شده یا تغییرات از غیر ساخته شده به ساخته شده) را نشان می دهد. در سال 1992، زمین های ساخته شده CMA دارای مساحت 11165 هکتار بود که در سال 2001 به 19393 هکتار و در سال 2014 به 35876 هکتار افزایش یافت. سال (1992-2014)، به میزان 1123 هکتار در سال.
قابل توجه است که در طول دهه 1990، ULC 3.5٪ از کل چشم انداز را به خود اختصاص داده است، در حالی که در طول دهه 2000، ULC 7.02٪ را به خود اختصاص داده است ( شکل 3 ). با این حال، همچنین باید توجه داشت که مدت زمان در طول دهه 2000 بیشتر از دهه 1990 است. بنابراین، در نظر گرفتن ACI در تجزیه و تحلیل مهم است. تجزیه و تحلیل شدت ULC نشان داد که ACI در بازه زمانی اول (1992-2001) 0.39٪ بود، در حالی که بازه دوم (2001-2014) دارای ACI 0.54٪ بود ( شکل 3 ). با رابط کاربری 0.48٪، ACI در طول دهه 2000 سریع در نظر گرفته می شود، در حالی که ACI در طول دهه 1990 کند در نظر گرفته می شود ( شکل 3) .). به عبارت دیگر، شدت ULC در طول دهه 2000 سریعتر از آن در طول دهه 1990 بود. به طور کلی، این نتایج نشان می دهد که ULC در CMA در دو بازه زمانی ثابت نبود. برخی از عوامل احتمالی موثر بر این عدم ایستایی ULC در CMA در بخش 4.1 مورد بحث قرار گرفته است .

3.2. الگوی فضایی ULCها در CMA

شکل 4 توزیع فضایی ULC ها را در امتداد شیب متغیرهای محرک نشان می دهد: (الف) فاصله تا جاده های اصلی. ب) فاصله تا مدارس؛ (ج) فاصله تا گره های رشد. و (د) فاصله تا مراکز اداری.
نتایج نشان می‌دهد که در فاصله کمتر از 1.5 کیلومتر در امتداد شیب‌های همه متغیرهای راننده، فاصله تا جاده‌های اصلی (دهه 1990: 3.45٪؛ دهه 2000: 6.89٪) و فاصله تا مدارس (دهه 1990: 3.44٪؛ دهه 2000: 6.89٪). سود بسیار بالاتر ساخته شده برای هر دو بازه زمانی (دهه های 1990 و 2000). فاصله تا مراکز اداری (دهه 1990: 2.71٪؛ دهه 2000: 3.71٪) و فاصله تا گره های رشد (دهه 1990: 0.94٪؛ دهه 2000: 0.95٪) سود بسیار کمتری از ساخت برای هر دو بازه زمانی داشتند (شکل 4 ) .
با این حال، در فاصله 1.5-3.0 کیلومتری، نتایج نشان می‌دهد که فاصله تا گره‌های رشد (دهه 1990: 1.14٪؛ دهه 2000: 1.49٪) و مراکز اداری (دهه 1990: 0.52٪؛ دهه 2000: 0.52٪) دستاوردهای بسیار بالاتری در ساخت داشتند. در دهه 1990 و 2000 فاصله تا مدارس (دهه 1990: 0.01٪؛ دهه 2000: 0.07٪) و جاده های اصلی (دهه 1990: 0.00٪؛ دهه 2000: 0.08٪؛ شکل 4 ) .
در فواصل بیش از 3.0 کیلومتر، نتایج نشان می‌دهد که فاصله تا گره‌های رشد (دهه 1990: 1.36٪؛ دهه 2000: 3.80٪) و مراکز اداری (دهه 1990: 0.22٪؛ دهه 2000: 0.93٪) نیز سود بسیار بالاتری از ساخت در طول دهه 1990 داشتند و دهه 2000 از فاصله تا مدارس (دهه 1990: 0.00٪؛ دهه 2000: 0.01٪) و جاده های اصلی (دهه 1990: 0.00٪؛ دهه 2000: 0.00٪؛ شکل 4 ).
به طور کلی، این نتایج نشان می‌دهد که در فواصل نزدیک‌تر (کمتر از 1.5 کیلومتر)، فاصله تا جاده‌های اصلی و مدارس با توجه به ULC‌ها در دو بازه زمانی نسبتاً تأثیرگذارتر بود. با این حال، در فواصل بیشتر (≥1.5 کیلومتر)، فاصله تا گره‌های رشد و مراکز اداری نسبتاً تأثیرگذارتر بود. این الگو می تواند به دلیل در دسترس بودن محدود فضا برای توسعه شهری در نزدیکی گره های رشد و مراکز اداری باشد، زیرا بیشتر منطقه در اوایل دهه 1990 ساخته شد، برخلاف مناطقی که در مجاورت جاده های اصلی و مدارس قرار داشتند.

3.3. تکه تکه شدن چشم انداز و اتصال در CMA

بر این اساس، کاهش مقدار CONTAG نشان‌دهنده افزایش سطح تکه تکه شدن است، در حالی که افزایش مقدار آن نشان‌دهنده افزایش درجه انباشتگی لکه‌ها است [ 20 ، 48 ]. برای LSI، افزایش مقدار آن نشان‌دهنده افزایش درجه تفکیک یا پراکندگی چشم‌انداز و پیچیدگی کلی چشم‌انداز است، در حالی که افزایش در مقدار SHDI نشان‌دهنده افزایش غنای وصله و/یا توزیع متناسب است. یک منطقه در میان طبقات کاربری/پوشش یکنواخت تر می شود [ 20 ، 47 ، 48]. نتایج ما نشان می دهد که از سال 1992 تا 2014، مقدار CONTAG کاهش یافته است، در حالی که مقادیر LSI و SHDI افزایش یافته است. این نشان می دهد که چشم انداز CMA پراکنده تر و پراکنده تر شده است. غنای پچ آن نیز افزایش یافته است ( شکل 5 الف).
در سطح کلاس (کلاس ساخته شده)، نتایج نشان می دهد که مقادیر PLAND، PD، AREA_MN، و Frac_AM از سال 1992 تا 2014 افزایش یافته است، در حالی که مقدار ENN_MN کاهش یافته است (شکل 5 ب ) . افزایش مقادیر PLAND و PD نشان می‌دهد که زمین‌های ساخته شده CMA تکه تکه‌تر شده‌اند. اندازه و شکل تکه‌های زمین‌های ساخته‌شده CMA نیز بزرگ‌تر و پیچیده‌تر شده‌اند که به ترتیب با افزایش مقادیر AREA_MN و Frac_MN نشان می‌دهد. کاهش ارزش ENN_MN به دلیل افزایش اندازه وصله های ساخته شده (یعنی AREA_MN) و توسعه وصله های ساخته شده جدید در نزدیکی یا بین وصله های ساخته شده موجود (یعنی PD) بود.

3.4. ULC های آینده پیش بینی شده در CMA

مدل سازی ما پیش بینی می کند که در سال های 2030 و 2050 به ترتیب 42500 هکتار و 56000 هکتار افزایش یابد. می توان مشاهده کرد که مقادیر پیش بینی شده ساخته شده برای سال های 2014، 2030 و 2050 یک الگوی خطی را به دلیل استفاده از الگوریتم زنجیره مارکوف نشان می دهد که از سطوح توسعه در سال های 1992 و 2001 گسترش یافته است (شکل 6 ) . با این حال، روند مشاهده شده ULC ها در CMA در طول دوره 1992-2014 غیر خطی است ( شکل 6 ). این روند غیر خطی ULCها در CMA نیز در زمینه شدت ULC در بخش 3.1 توضیح داده شده است . به عنوان مثال، شدت ULC ها در طول دهه 1990 (1992-2001) کندتر از سال های 2000 (2001-2014) بود. ما در بخش 2.6 توضیح دادیمکه ما از داده‌های کاربری/پوشش زمین در سال‌های 1992 و 2001 برای پیش‌بینی مقدار ULC از سال 2001 تا 2014 به عنوان بخشی از فرآیند کالیبراسیون مدل استفاده کردیم. دلیل پیش‌بینی ناکافی میزان ساخت در سال 2014 به همین دلیل است.
عدم قطعیت در مدل سازی رایج است [ 55 ]. عدم قطعیت های مرتبط با مدل سازی تغییر زمین می تواند از سه منبع باشد: داده ها، مدل، و فرآیندهای تغییر زمین در آینده [ 56]]. اولاً، داده ها ذاتاً مستعد انواع مختلفی از عدم قطعیت هستند، بنابراین یک مدل احتمالاً از برخی اطلاعات اشتباه استفاده می کند. در این مطالعه، به منظور کاهش خطای احتمالی که ممکن است با داده‌های کاربری زمین/پوشش ما مرتبط باشد، دقت نقشه‌های کاربری/پوشش زمین طبقه‌بندی‌شده خود را به دقت بررسی کردیم. ثانیاً، مدل‌های تغییر زمین توسط چندین عدم قطعیت، از جمله موارد مرتبط با پیش‌بینی کمیت تغییر و تخصیص فضایی چنین تغییری، محدود می‌شوند. در این مطالعه، ما نتایج مدل‌سازی خود را با ارزیابی «مهارت» نقشه پتانسیل انتقال و دقت نتیجه شبیه‌سازی تأیید کردیم. اعتبار سنجی نشان داد که نقشه پتانسیل انتقال ما دارای “مهارت” بالایی برای پیش بینی ULC های آینده است. شبیه سازی ما همچنین دارای یک FoM بالاتر از آنچه قبلاً در ادبیات گزارش شده بود (نگاه کنید بهبخش 2.6 ). سوم، ماهیت غیر ثابت تغییرات کاربری/پوشش زمین، عدم قطعیت هایی را در پیش بینی تغییرات آتی ایجاد می کند [ 57 ]. تجزیه و تحلیل شدت تغییر زمین که ما در این مطالعه انجام دادیم نشان داد که ULCها در CMA غیر ثابت بودند. الگوریتم زنجیره مارکوف که ما در این مطالعه استفاده کردیم نتوانست عدم قطعیت را به دلیل ثابت نبودن ULC ها برطرف کند. در مطالعات آتی، مدل های غیر خطی باید مورد بررسی قرار گیرند. ما محدودیت نتایج مدلسازی خود را در مورد “کمیت” تایید می کنیم. با این وجود، نتایج ما هنوز ایده ای از الگوهای بالقوه ULC آینده در CMA، و همچنین عوامل فضایی که چنین الگوهایی را هدایت می کنند، ارائه می دهد.
شکل 7 نقشه‌های کاربری/پوشش زمین در سال‌های 2030 و 2050 را نشان می‌دهد که شامل ULC‌های شناسایی‌شده نسبت به نقشه کاربری/پوشش زمین در سال 2014 است. بر روی نقشه ها به وضوح قابل مشاهده است که چگونه جاده های اصلی و گره های رشد تأثیر زیادی بر الگوی فضایی توسعه های ساخته شده در آینده خواهند داشت. پیش‌بینی‌ها همچنین نشان می‌دهد که بخش‌های شمالی و شمال شرقی CMA تغییرات چشم‌انداز بزرگی را در آینده تجربه خواهند کرد. زمین های ساخته شده در امتداد ساحل و در ناحیه مرکزی نیز به دلیل توسعه پر شدن متراکم تر می شوند ( شکل 7 ).

4. بحث

4.1. رشد شهری CMA و سایر شهرهای بزرگ در جنوب آسیا

به طور کلی، رشد شهری در کشورهای در حال توسعه تحت تأثیر رشد جمعیت به دلیل تولد و مهاجرت است [ 58 ]. با این حال، در میان کشورهای منطقه جنوب آسیا، سریلانکا (1.1٪) در مقایسه با کشورهای بنگلادش (3.4٪)، نپال (3.2٪)، پاکستان (3.3٪) و هند (3.3٪)، نرخ رشد سالانه جمعیت شهری کمتری دارد. 2.4٪ [ 59 ]. CMA همچنین دارای نرخ رشد سالانه جمعیت (APGR) و نرخ سالانه ULC در مقایسه با سایر مناطق شهری با رشد سریع در منطقه جنوب آسیا است ( جدول 2 ). APGR کندتر CMA عمدتاً ناشی از نرخ رشد سالانه پایین جمعیت سریلانکا (0.7٪) است [ 39]]، سطوح پایین مهاجرت به CMA در رابطه با اندازه کوچک کشور که به مردم اجازه می دهد در مدت زمان معقول به مناطق شهری برسند، تسلط اقتصادی کشاورزی و ترویج سیاست های تمرکززدایی شهری (تا دهه 1990) توسط دولت [60 ] ].
این آمار همچنین نشان داد که تأثیر رشد جمعیت بر گسترش مناطق ساخته‌شده شهری در CMA در مقایسه با سایر مناطق شهری در جنوب آسیا ضعیف‌تر است. به عنوان مثال، در مطالعات دیگر در مناطق کلانشهری آسیای جنوبی، نشان داده شده است که رشد جمعیت ناشی از مهاجرت روستا به شهر به عنوان عامل اصلی رشد شهری، از جمله گسترش ساخت و ساز شهری [62 ، 65 ، 66 ]]. با این حال، به دلیل اینکه CMA تنها منطقه شهری در سریلانکا است، مراکز صنعتی و تجاری در CMA متمرکز شده‌اند و با پروژه‌های مختلف توسعه شهری (یعنی پروژه شهر بندری و پروژه زیباسازی) به سرعت در حال رشد هستند. علاوه بر این، CMA با موقعیت مرکزی خود در منطقه و یکی از گره های مهم در پیشنهادی “کمربند اقتصادی جاده ابریشم جدید” [ 67 ]، اخیراً مقدار زیادی سرمایه گذاری مستقیم خارجی (FDI) را جذب کرده است. ورودی خالص FDI به عنوان درصدی از تولید ناخالص داخلی کشور در سال 1990 0.28 درصد، در سال 2001 1.09 درصد و در سال 2011 1.46 درصد بود [ 68] .]. بیشتر این سرمایه‌گذاری‌های خارجی صنایعی هستند که در مناطق پردازش صادراتی (EPZs) مانند کاتونایاکه، بیاگاما و هورانا که در CMA قرار دارند، تأسیس شده‌اند. در نتیجه، 80 درصد از صنایع سریلانکا امروزه در CMA قرار دارند [ 12 ]. علاوه بر این، موقعیت شهر پایتخت اداری، سر جاواردهاناپورا کوته، در CMA، بیشتر مقر اداری دولت ملی و چندین نهاد دولتی را به CMA جذب کرده است. این عوامل، همراه با رشد جمعیت، از جمله عوامل زمینه ای هستند که ULC های سریع در CMA را هدایت می کنند.

4.2. مراحل رشد شهری

نتایج ما نشان می دهد که ULC ها در CMA در طول دهه 2000 سریعتر و شدیدتر از دهه 1990 بودند. این غیر ثابت بودن ULCها در CMA با رشد جمعیت و رشد اقتصادی مرتبط است.
داده های سرشماری نشان می دهد که نرخ رشد جمعیت در CMA در طول دهه 2000 بیشتر از آن در طول دهه 1990 بود ( شکل 8 a). نرخ رشد بیشتر جمعیت در طول دهه 2000 تحت تأثیر مهاجرت روستایی به شهر بود، درست مانند بسیاری از کشورهای جنوب آسیا. پس از اواسط دهه 2000، کاهش بهره وری کشاورزی در مناطق خشک کشور، دولت را بر آن داشت تا مهاجرت از روستا به شهر را به عنوان یک اقدام برای کاهش فقر تحت فشار قرار دهد [69 ] . اشتغال در مناطق صنعتی شهری به عنوان فراهم کردن شرایط زندگی بهتر برای کشاورزان در حال مبارزه تلقی می شد. این تغییر سیاست انگیزه نسلی از مهاجران جوان را برای اسکان در CMA ایجاد کرد. تا سال 2012، 641922 نفر به تنهایی وارد کلمبو شده اند که 16.2 درصد از کل مهاجرت های کشور را تشکیل می دهد.39 ]. این آمار مهاجرت در مقایسه با سایر کلان‌شهرهای آسیای جنوبی پایین است، اما بالاترین آمار در کشور است.
در دهه 1990، اقتصاد سریلانکا به دلیل شورش های جاناتا ویموکتی پرامونا (JVP) (1987-1989) و جنگ داخلی (1983-2009) با چالش های متعددی مواجه شد. تأثیر ترکیبی این دو جنبش سیاسی باعث تضعیف توسعه اقتصادی به طور کلی و شهرنشینی به طور خاص شد [ 70 ]. با این حال، پس از پایان شورش های JVP در سال 1989 و جنگ داخلی در سال 2009، توسعه در کلمبو سرعت گرفت. به ویژه پس از سال 2009، سیاست‌های پس از جنگ، سرمایه‌های خارجی قابل توجهی را به سریلانکا جذب کرد و پروژه‌های توسعه در کلمبو آن را به پایتخت صنعتی کشور تبدیل کرد [ 71]]، عامل مهمی است که باعث رشد سریع شهری CMA در سال‌های اخیر می‌شود. علاوه بر این، رشد آهسته شهری CMA در طول دهه 1990 به دلیل سیاست توسعه شهری کشور در آن زمان بود. در دهه های 1980 و 1990، سیاست دولت بیشتر بر ارتقای تمرکززدایی شهری در شمال مرکزی و شرق سریلانکا متمرکز بود تا توسعه کلمبو و حومه آن [60 ] . این سیاست رشد CMA را کند کرد. با این حال، از دهه 2000 تا به امروز، کلمبو برای تبدیل شدن به اوج سیستم شهری سریلانکا توسعه یافته است، و بالاترین سطح عملکردها و خدمات شهری را ارائه می دهد، که همچنین به بهبود تولید ناخالص داخلی سرانه در کل کشور کمک می کند. شکل 8 ب).

4.3. الگوهای فضایی ULCها و پیامدهای آنها

گسترش شهری در امتداد کریدورهای حمل و نقل (توسعه شهری از نوع نواری) شکل گسترده ای در بسیاری از شهرها از جمله پکن، توکیو، شانگهای و شنژن است [ 73 ]. تجزیه و تحلیل گرادیان ما نشان داد که 75٪ (در طول دهه 1990) و 82٪ (در طول دهه 2000) از کل ULC ها در طول کل گرادیان فاصله تا جاده های اصلی در نزدیکی (یعنی کمتر از 1.5 کیلومتر از جاده های اصلی) رخ داده اند. درصد بسیار بالاتر در دوره بعدی (سالهای 2000) به دلیل شدت بسیار بالاتر ULC در طول دوره مذکور بود (همچنین به بخش 3.1 و بخش 4.1 مراجعه کنید ؛ شکل 3) .). با این وجود، این نتایج تأیید می‌کنند که شبکه حمل و نقل در الگوی فضایی ULCها در CMA تأثیرگذار بوده است. در مقایسه با توسعه مسکونی، در CMA فعالیت های تجاری مانند تجارت و بانکداری بیشتر با این توسعه شهری از نوع نواری مرتبط است.
تجزیه و تحلیل معیارهای فضایی نشان داد که زمین های ساخته شده CMA بیشتر تکه تکه شده اند ( بخش 3.3 ؛ شکل 5 ). این امر نه تنها به دلیل ایجاد تکه های ساخته شده بیشتر در امتداد راهروهای حمل و نقل است، بلکه به دلیل انتشار تکه های جدید توسعه یافته از مناطق ساخته شده موجود در اطراف مدارس، گره های رشد و مراکز اداری است. با این حال، تجزیه و تحلیل همچنین نشان داد که وصله های ساخته شده موجود بزرگتر شده اند و فاصله بین وصله های ساخته شده کاهش یافته است ( بخش 3.3). افزایش اندازه تکه های ساخته شده به دلیل فرآیند گسترش یا گسترش بود، در حالی که کاهش میانگین فاصله بین تکه های ساخته شده به دلیل اثر ترکیبی انتشار، گسترش و ایجاد تکه های جدید در نزدیکی بود. یا در بین تکه ها که آن هم نوعی توسعه شهری پرکننده است. به طور کلی، این نتایج شواهدی را برای حمایت از تئوری رشد شهری انتشار-ادغام نشان می‌دهد [ 28 ، 74 ، 75 ]: «انتشار فرآیندی است که در آن مناطق شهری جدید از نقطه مبدا یا مکان «بذر» پراکنده می‌شوند، در حالی که ادغام عبارت است از اتحاد تک تک تکه‌های شهری، یا رشد تک تک تکه‌های شهری به یک شکل یا گروه» [ 1]. بر اساس نتایج، می توان گفت که CMA هنوز در مراحل اولیه این فرآیند نوسانی است. یعنی انتشار بیشتر و ادغام کمتری را تجربه می کند. به عنوان یک منطقه شهری، CMA هنوز جوان است و بهبود توسعه شهری آن به تازگی پس از پایان جنگ داخلی در سال 2009 آغاز شده است.
تکه تکه شدن چشم انداز و رشد پراکنده CMA ممکن است توسط عوامل مختلفی ایجاد شود. از یک طرف، هیچ محدودیت فیزیکی عمده ای، مانند ارتفاع زیاد و شیب های تند، در سمت زمین CMA وجود ندارد، که تکه تکه شدن چشم انداز و رشد پراکنده را تشویق می کند. از سوی دیگر، گسترش قابل توجهی از شبکه های جاده ای در CMA در طول دو دهه گذشته مشاهده شده است. این توسعه جاده باعث کاهش زمان سفر از حومه به مناطق مرکزی یا منطقه تجاری (CBD) شده و باعث تکه تکه شدن زمین شده است. در نتیجه، مردم به حومه‌ها نقل مکان کردند، که بر تکه تکه شدن چشم‌انداز تأثیر گذاشت و رشد شهری را پراکنده کرد. به طور دقیق تر، زمین های غیر ساخته شده در مجاورت جاده ها به تدریج به زمین های ساخته شده تبدیل شدند. استراتژی صنعتی‌سازی دولتی که EPZs را در CMA ترویج می‌کند، به طور کلی فشار جمعیت را افزایش داد و به‌ویژه بر تکه تکه شدن چشم‌انداز در منطقه تأثیر گذاشت. تأثیر EPZ ها، نشان داده شده توسط گره های رشد، بر رشد شهری CMA را می توان از طریق نتایج تجزیه و تحلیل گرادیان درک کرد. علاوه بر این، افزایش ارزش کاربری مسکونی و تجاری زمین‌ها در CMA منجر به ازدیاد بنگاه‌های معاملات ملکی شرکت‌کننده در بازار زمین و افزایش تکه تکه شدن زمین‌های غیرساخته، از جمله زمین‌های کشاورزی و غیر زیر کشت در گذشته می‌شود. دو دهه [ رشد شهری CMA را می توان از طریق نتایج تجزیه و تحلیل گرادیان درک کرد. علاوه بر این، افزایش ارزش کاربری مسکونی و تجاری زمین‌ها در CMA منجر به ازدیاد بنگاه‌های معاملات ملکی شرکت‌کننده در بازار زمین و افزایش تکه تکه شدن زمین‌های غیرساخته، از جمله زمین‌های کشاورزی و غیر زیر کشت در گذشته می‌شود. دو دهه [ رشد شهری CMA را می توان از طریق نتایج تجزیه و تحلیل گرادیان درک کرد. علاوه بر این، افزایش ارزش کاربری مسکونی و تجاری زمین‌ها در CMA منجر به ازدیاد بنگاه‌های معاملات ملکی شرکت‌کننده در بازار زمین و افزایش تکه تکه شدن زمین‌های غیرساخته، از جمله زمین‌های کشاورزی و غیر زیر کشت در گذشته می‌شود. دو دهه [60 ].
ادغام تکه های ساخته شده عمدتاً در CBD و سایر مناطق بسیار شهری مانند منطقه ساحلی مشاهده شد ( شکل 2)). ابتکارات برنامه ریزی شهری معرفی شده در CBD یکی از عوامل اصلی است که باعث ادغام تکه های ساخته شده می شود. تحت این طرح‌های برنامه‌ریزی شهری، شبکه‌های جاده‌ای جدید و مناطق عملکردی (به عنوان مثال، منطقه اداری در جایاوردهاناپورا و مناطق قابل پیاده‌روی آسفالت‌شده) به منطقه مرکزی CMA معرفی شدند که منجر به ادغام تکه‌های ساخته‌شده با توسعه پرکننده شد. علاوه بر این، گسترش توسعه‌های مبتنی بر عملکرد تجاری در منطقه مرکزی و توسعه مبتنی بر عملکرد گردشگری – به عنوان مثال، هتل‌ها و پارک‌ها – در امتداد منطقه ساحلی باعث ارتقای توسعه پر شده است. با این حال، به دلیل گسترش برنامه‌ریزی نشده شهرک‌ها در CBD و در منطقه ساحلی، تحولات تکمیلی در CMA نیز وجود دارد.
فرآیند انتشار و انبساط مداوم می تواند منجر به توسعه پراکنده شود، در حالی که فرآیند ادغام می تواند منجر به یک الگوی رشد پرکننده شود [ 1 ، 20 ]. الگوی رشد پرکننده دارای برخی از مزایای بالقوه است، از جمله ارتقای محله‌های قابل پیاده‌روی، استفاده از زیرساخت‌های موجود، و جلوگیری از هزینه‌های خارجی مرتبط با توسعه پراکنده [ 1 ، 76 ]. با این حال، برخی از معایب بالقوه نیز دارد، از جمله فضای باز محدود، افزایش تراکم ترافیک و آلودگی، از بین رفتن بالقوه فضاهای سبز شهری، و خدمات شلوغ [ 1 ، 20 ، 77 ].
از آنجایی که توسعه infill فضای CBD CMA را برای توسعه بیشتر کاهش داده است، توسعه نوع نواری از CBD در امتداد راهروهای حمل و نقل اصلی و کمربند ساحلی غربی تابش می‌کند. این ردپای متمرکز شهری در بخش غربی CMA، بیشتر محیط طبیعی و روستایی بخش شرقی را حفظ کرده است. در حال حاضر، تاثیر گره های رشد بر CMA هنوز آشکار نیست. این گره‌های رشد می‌توانند به جلوگیری از ازدحام بیشتر CBD کمک کنند و در عین حال فرصت‌هایی را برای سایر بخش‌های CMA ایجاد کنند. با این حال، نه تنها این گره‌های رشد می‌توانند بر گسترش شهری در آینده تأثیر بگذارند، بلکه می‌توانند به جدایی قومی و اقتصادی، تخریب محیط‌زیست، از بین رفتن زمین‌های کشاورزی و بیابان و فرسایش میراث معماری جامعه منجر شوند.78 ]. مطالعات جداگانه ای با تمرکز بر پیامدهای آینده این گره های رشد مورد نیاز است.

4.4. چالش های توسعه شهری حال و آینده

در حال حاضر، افزایش تمرکز شهری در CMA چندین مسایل اجتماعی-اقتصادی و زیست‌محیطی را ایجاد کرده است که ناشی از فقر گسترده شهری، سیل‌های مکرر، رشد زاغه‌ها، تغییر گسترده اکوسیستم‌های تالاب و سوء مدیریت منابع محدود است. بیشتر این مسائل اجتماعی-اقتصادی و مرتبط با محیط زیست در سایر مناطق شهری در کشورهای مختلف در حال توسعه نیز یافت می شود [ 7 ، 8 ، 20 ، 25 ، 79 ]. بانک جهانی (2004) نشان داد که CMA منطقه شهری است که فقر در آن بیشترین شیوع را دارد، اگرچه بالاترین سطح تسلط اقتصادی را در کشور نشان می دهد [ 80] .]. از سوی دیگر، این پدیده باعث افزایش سکونتگاه های غیررسمی مانند زاغه ها، کانکس ها و آپارتمان های ارزان قیمت شده است. بسیاری از این شهرک ها ازدحام بیش از حد را تجربه می کنند و در برابر بلایای طبیعی بسیار آسیب پذیر هستند. تنها در شهر کلمبو که 30 درصد از جمعیت کشور در آن ساکن هستند، UN Habitat تعداد زاغه نشینان را 65000 تخمین می زند [ 14 ]. در حال حاضر، بیشتر این ساکنان کم درآمد در مناطق حساس از نظر زیست محیطی مانند تالاب ها و مناطق تالاب ساحلی (یعنی Muthurajawela و Aththidiya) متمرکز شده اند [ 15 ]. این وضعیت مطمئناً بر پایداری CMA تأثیر می گذارد.
به نظر می رسد در چارچوب این مطالعه، رشد مداوم شهری، از دست دادن زمین های غیر شهری و سطوح بالاتر تکه تکه شدن زمین با رشد پراکنده شهری در CMA توسط سیاست های شهری حل نشده است. به دلیل تکه تکه شدن چشم انداز، پایداری اکوسیستم می تواند تحت تأثیر قرار گیرد. بنابراین، تشویق توسعه جدید در زمین های از قبل تغییر یافته می تواند از نظر برنامه ریزی شهری موثر باشد. فضای شهری عمودی در CMA به جز در CBD بسیار محدود است. ترویج توسعه عمودی به ویژه بر مناطق شهری می تواند به کاهش فشار بر پایداری اکوسیستم کمک کند. نتایج نشان می‌دهد که جاده‌های اصلی برای رشد شهری منطقه بسیار تأثیرگذار هستند. با این حال، طرح‌های برنامه‌ریزی باید به این عامل توجه کنند که استراتژی‌های برنامه‌ریزی شهری جدید معرفی شوند.
نتایج پیش‌بینی ما نشان می‌دهد که: (الف) رشد شهری مداوم گسترش می‌یابد، منطقه وسیعی را پوشش می‌دهد و تکه تکه شدن زمین را افزایش می‌دهد. (ب) راهروهای حمل و نقل اصلی و گره های رشد تأثیر زیادی بر الگوهای فضایی آینده ULC ها خواهند داشت. و (ج) زمین‌های ساخته‌شده CMA به دلیل توسعه مملو، کلوخ‌تر و انباشته‌تر خواهند شد ( بخش 3.4 ؛ شکل 7 ). در چارچوب این مطالعه، سه نکته مهم زیر را که باید در برنامه‌ریزی منظر و توسعه شهری CMA مورد توجه قرار گیرند، شناسایی کردیم.
اول، با توجه به برنامه ریزی توسعه شهری و چشم انداز CMA، برنامه ریزان باید کمیت و الگوهای فضایی توسعه های ساخته شده آینده (پراکندگی و پر شدن) را پیش بینی کنند. این به این منظور است که حداقل تأثیر بالقوه ULC ها بر مناطق کشاورزی، جنگلی و تالاب، از جمله فضاهای سبز شهری باقیمانده در ناحیه مرکزی، به حداقل برسد. اگر این جنبه از توسعه شهری نادیده گرفته شود، می تواند نه تنها بر بهره وری کشاورزی، بلکه بر کل تعادل اکولوژیکی منطقه تأثیر بگذارد.
دوم، توسعه از نوع نواری، دشواری اجرای طرح‌های برنامه‌ریزی توسعه شهری را بیشتر می‌کند، زیرا UDA سریلانکا هیچ صلاحیتی بر مناطق روستایی تعریف‌شده اداری ندارد، حتی اگر این مناطق دارای تمرکز بالایی از ویژگی‌های شهری باشند. بنابراین، این نوع توسعه شهری نیز باید در برنامه ریزی چشم انداز و توسعه شهری CMA مورد توجه قرار گیرد.
سوم، برنامه ریزی توسعه شهری و چشم انداز CMA نیز باید توجه ویژه ای به منطقه ساحلی داشته باشد، که پیش بینی می شود در آینده ULC های شدیدتری را تجربه کند. مناطق ساحلی، مانند منطقه ای در غرب CMA، مستعد بلایا (مانند سونامی و طوفان) هستند. بنابراین، در برنامه ریزی چشم انداز و توسعه شهری CMA، برنامه های مناسب مدیریت ریسک بلایا نیز باید در نظر گرفته شود.

5. نتیجه گیری ها

این مطالعه با استفاده از داده‌های سنجش از دور و تکنیک‌های GIS، الگوهای مکانی-زمانی رشد شهری CMA – تنها منطقه شهری سریلانکا و “نیروگاه” اصلی اجتماعی-اقتصادی کشور را از سال 1992 تا 2014 بررسی کرده است. تجزیه و تحلیل نشان داد که ULC در طول دهه 2000 (1268 هکتار در سال) سریعتر از دهه 1990 (914 هکتار در سال) بود که همزمان با روند افزایش سریع جمعیت و رشد اقتصادی بود. نتایج همچنین نشان داد که اکثر ULCها در هر دو دوره در مجاورت جاده‌ها و مدارس رخ داده‌اند، در حالی که نشانه‌هایی از تکه‌تکه شدن چشم‌انداز و الگوهای توسعه شهری را نشان می‌دهند. مدل سازی ULC نشان داد که تا سال های 2030 و 2050، زمین های ساخته شده CMA به ترتیب به 42500 هکتار و 56000 هکتار افزایش می یابد. و این که گره های رشد و راهروهای حمل و نقل به احتمال زیاد بر الگوی فضایی آینده زمین های ساخته شده تأثیر می گذارند. این یافته ها در زمینه برنامه ریزی چشم انداز و توسعه شهری برای CMA مهم هستند. به طور کلی، این مطالعه اطلاعات ارزشمندی را در مورد تغییر منظر CMA، از جمله برخی از چالش‌های مهم پیش روی توسعه شهری پایدار آینده ارائه می‌کند.

پیوست اول

جدول
جدول A1. ماتریس خطا برای نقشه کاربری/پوشش زمین طبقه بندی شده 1992.
جدول
جدول A2. ماتریس خطا برای نقشه کاربری/پوشش زمین طبقه بندی شده 2001.
جدول
جدول A3. ماتریس خطا برای نقشه کاربری/پوشش زمین طبقه بندی شده 2014.

منابع

  1. Estoque، RC; مورایاما، ی. شدت و الگوی فضایی تغییرات زمین شهری در کلان شهرهای آسیای جنوب شرقی. سیاست کاربری زمین 2015 ، 48 ، 213-222. [ Google Scholar ] [ CrossRef ]
  2. مرتس، سی. اشنایدر، ا. سولا مناشه، د. تاتم، ا. Tan, B. تشخیص تغییر در مناطق شهری در مقیاس قاره با داده های MODIS. سنسور از راه دور محیط. 2015 ، 158 ، 331-347. [ Google Scholar ] [ CrossRef ]
  3. شانس، م. وو، جی. تحلیل گرادیان الگوی منظر شهری: مطالعه موردی از منطقه شهری فینیکس، آریزونا، ایالات متحده. Landsc. Ecol. 2002 ، 17 ، 327-339. [ Google Scholar ] [ CrossRef ]
  4. آگیلرا، اف. Valenzuela، LM; Botequilha-Leitão، A. معیارهای منظر در تجزیه و تحلیل الگوهای کاربری زمین شهری: مطالعه موردی در یک منطقه شهری اسپانیا. Landsc. طرح شهری. 2011 ، 99 ، 226-238. [ Google Scholar ] [ CrossRef ]
  5. سازمان ملل. چشم انداز شهرنشینی جهان: بازبینی 2014: نکات برجسته ; سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 2014. [ Google Scholar ]
  6. الیس، پی. رابرت، ام. بهره گیری از شهرنشینی در جنوب آسیا: مدیریت تحول فضایی برای رفاه و زیست پذیری . بانک جهانی: واشنگتن، دی سی، ایالات متحده آمریکا، 2016. [ Google Scholar ]
  7. کوهن، ب. شهرنشینی در کشورهای در حال توسعه: روندهای فعلی، پیش بینی های آینده، و چالش های کلیدی برای پایداری. تکنولوژی Soc. 2006 ، 28 ، 63-80. [ Google Scholar ] [ CrossRef ]
  8. دوان، AM; یاماگوچی، ی. تغییر کاربری زمین و پوشش زمین در داکای بزرگ، بنگلادش: استفاده از سنجش از دور برای ترویج شهرنشینی پایدار. Appl. Geogr. 2009 ، 29 ، 390-401. [ Google Scholar ] [ CrossRef ]
  9. بانک جهانی. کلمبو: ضربان قلب سریلانکا. 2013. در دسترس آنلاین: http://www.worldbank.org/en/news/feature/2013/03/21/colombo-heartbeat-sri-lanka (در 30 ژوئن 2016 قابل دسترسی است).
  10. دیویگالپیتیا، پ. اوهگی، ا. تانی، تی. واتانابه، ک. Gohnai، Y. مدل سازی تبدیل زمین در منطقه شهری کلمبو با استفاده از اتوماتای ​​سلولی. J. آرشیت آسیایی. ساختن. مهندس 2007 ، 6 ، 291-298. [ Google Scholar ] [ CrossRef ]
  11. Senanayake، IP; Welivitiya، WDDP؛ Nadeeka، PM تجزیه و تحلیل فضاهای سبز شهری برای برنامه ریزی توسعه در کلمبو، سریلانکا، با استفاده از تصاویر ماهواره ای THEOS – رویکرد سنجش از دور و GIS. شهری برای. سبز شهری. 2013 ، 12 ، 307-314. [ Google Scholar ] [ CrossRef ]
  12. امانوئل، آر. پیامدهای آسایش حرارتی شهرنشینی در یک شهر گرم و مرطوب: منطقه کلانشهر کلمبو (CMR)، سریلانکا. ساختن. محیط زیست 2005 ، 40 ، 1591-1601. [ Google Scholar ] [ CrossRef ]
  13. آژانس همکاری بین المللی ژاپن (جایکا). پروژه توسعه سیستم حمل و نقل شهری برای منطقه شهری و حومه کلمبو: خلاصه گزارش نهایی 2014 ; جایکا: کلمبو، سریلانکا، 2014.
  14. UN-Habitat. خلاصه مطالعات موردی شهر، گزارش جهانی در مورد اسکان انسانی 2003 ; انتشار Earthscan: لندن، انگلستان، 2003. [ Google Scholar ]
  15. هتیارچچی، م. موریسون، تی. ویکرامسینگه، دی. ماپا، ر. دی آلویس، ا. مک آلپاین، کالیفرنیا تحول زیست‌محیطی تالاب‌های شهری: مطالعه موردی کلمبو، سریلانکا. Landsc. طرح شهری. 2014 ، 132 ، 55-68. [ Google Scholar ] [ CrossRef ]
  16. ارسنجانی، ج. هلبیچ، ام. شبیه‌سازی فضایی و زمانی الگوهای رشد شهری با استفاده از مدل‌سازی مبتنی بر عامل: مورد تهران. شهرها 2013 ، 32 ، 33-42. [ Google Scholar ] [ CrossRef ]
  17. گاتمن، جی. جانتوس، ای سی؛ عدالت، CO; موران، EF; خردل، JF; Rindfuss, RR; اسکول، دی. ترنر، BL; کاکرین، کارشناسی ارشد علوم تغییر زمین: مشاهده، نظارت و درک مسیرهای تغییر در سطح زمین . Kluwer Academic: نیویورک، نیویورک، ایالات متحده آمریکا، 2004. [ Google Scholar ]
  18. Rindfuss, RR; والش، اس جی. ترنر، BL; فاکس، جی. میشرا، وی. توسعه علم تغییر زمین: چالش ها و مسائل روش شناختی. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2004 ، 101 ، 13976-13981. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  19. ترنر، BL; لامبین، EF; Reenberg، A. ظهور علم تغییر زمین برای تغییرات محیطی جهانی و پایداری. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2007 ، 104 ، 20666–20671. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  20. Estoque، RC; مورایاما، ی. کمی سازی الگوی چشم انداز و تغییرات ارزش خدمات اکوسیستم در چهار ایستگاه تپه ای جنوب شرقی آسیا که به سرعت در حال شهرنشینی هستند. Landsc. Ecol. 2016 ، 31 ، 1-27. [ Google Scholar ] [ CrossRef ]
  21. باگان، ح. Yamagata، Y. تجزیه و تحلیل تغییر پوشش زمین در 50 شهر جهانی با استفاده از ترکیبی از داده های Landsat و تجزیه و تحلیل سلول های شبکه. محیط زیست Res. Lett. 2014 ، 9 ، 1-13. [ Google Scholar ] [ CrossRef ]
  22. Aldwaik، SZ; پونتیوس، تجزیه و تحلیل شدت RG برای یکسان کردن اندازه‌گیری‌های اندازه و ثابت بودن تغییرات زمین بر اساس بازه، طبقه‌بندی و انتقال. Landsc. طرح شهری. 2012 ، 106 ، 103-114. [ Google Scholar ] [ CrossRef ]
  23. هرسپرگر، AM; جنایو، M.-P. وربورگ، پی اچ. بورگی، ام. پیوند تغییر زمین با نیروهای محرک و بازیگران: چهار مدل مفهومی. Ecol. اسکو 2010 ، 15 ، 1-17. [ Google Scholar ]
  24. لانگ، اچ. تانگ، جی. لی، ایکس. Heilig، GK نیروهای محرک اجتماعی-اقتصادی تغییر کاربری زمین در کونشان، منطقه اقتصادی دلتای رودخانه یانگ تسه چین. جی. محیط زیست. مدیریت 2007 ، 83 ، 351-364. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  25. Estoque، RC; مورایاما، ی. بررسی تأثیر بالقوه تغییرات کاربری/پوشش زمین بر خدمات اکوسیستم شهر باگویو، فیلیپین: تحلیلی مبتنی بر سناریو. Appl. Geogr. 2012 ، 35 ، 316-326. [ Google Scholar ] [ CrossRef ]
  26. او، سی. ژائو، ی. تیان، جی. Shi، P. مدل‌سازی پویایی منظر شهری در یک منطقه خوشه‌ای بزرگ با ترکیب یک مدل میدان گرانشی با اتوماتای ​​سلولی. Landsc. طرح شهری. 2013 ، 113 ، 78-89. [ Google Scholar ] [ CrossRef ]
  27. Estoque، RC; مورایاما، ی. کاموسوکو، سی. یاماشیتا، الف. تحلیل جغرافیایی الگوی منظر شهری در سه شهر بزرگ آسیای جنوب شرقی. Tsukuba Geoenviron. علمی 2014 ، 10 ، 3-10. [ Google Scholar ]
  28. وو، جی. جنرت، جی دی. بویانتویف، آ. ردمن، CL کمی سازی الگوهای مکانی-زمانی شهرنشینی: مورد دو منطقه شهری در حال رشد سریع در ایالات متحده. Ecol. مجتمع. 2011 ، 8 ، 1-8. [ Google Scholar ] [ CrossRef ]
  29. شانون، سی. ویور، دبلیو. نظریه ریاضی ارتباطات ، چاپ اول. انتشارات دانشگاه ایلینوی: Urbana، IL، ایالات متحده آمریکا، 1964. [ Google Scholar ]
  30. Mandelbrot, BB The Fractal Geometry of Nature , 1st ed.; فریمن: نیویورک، نیویورک، ایالات متحده آمریکا، 1989. [ Google Scholar ]
  31. DiBari، JN ارزیابی پنج معیار در سطح چشم انداز برای اندازه گیری اثرات شهرنشینی بر ساختار منظر: مورد توسان، آریزونا، ایالات متحده. Landsc. طرح شهری. 2007 ، 79 ، 308-313. [ Google Scholar ] [ CrossRef ]
  32. پلکسیدا، اس جی; Sfougaris، AI; ایسپیکودیس، آی. Papanastasis، معاون انتخاب معیارهای منظر به عنوان شاخص های ناهمگونی فضایی – مقایسه ای در بین مناظر یونانی. بین المللی J. Appl. زمین Obs. Geoinf. 2014 ، 26 ، 26-35. [ Google Scholar ] [ CrossRef ]
  33. فن، سی. ماینت، اس. مقایسه شاخص‌های خودهمبستگی فضایی و معیارهای منظر در اندازه‌گیری پراکندگی منظر شهری. Landsc. طرح شهری. 2014 ، 121 ، 117-128. [ Google Scholar ] [ CrossRef ]
  34. ارسنجانی، ج. هلبیچ، ام. کاینز، دبلیو. Boloorani، AD یکپارچه سازی رگرسیون لجستیک، زنجیره مارکوف و مدل های اتوماتای ​​سلولی برای شبیه سازی گسترش شهری. بین المللی J. Appl. زمین Obs. Geoinf. 2012 ، 21 ، 265-275. [ Google Scholar ] [ CrossRef ]
  35. هورن، BV مشخصات شهر: Columbo. شهرها 2002 ، 19 ، 217-227. [ Google Scholar ] [ CrossRef ]
  36. اداره سرشماری و آمار. سرشماری نفوس و مسکن سریلانکا 1981 ; دپارتمان سرشماری و آمار: کلمبو، سریلانکا، 1984.
  37. اداره سرشماری و آمار. آمار حیاتی ; دپارتمان سرشماری و آمار: کلمبو، سریلانکا، 1991.
  38. اداره سرشماری و آمار. ارزیابی اولیه داده های سن و جنس سرشماری نفوس و مسکن 2001: کلمبو ; دپارتمان سرشماری و آمار: کلمبو، سریلانکا، 2001.
  39. اداره سرشماری و آمار. سرشماری نفوس و مسکن 2012. یافته های کلیدی: کلمبو ; دپارتمان سرشماری و آمار: کلمبو، سریلانکا، 2012.
  40. تاپا، RB; مورایاما، Y. نقشه‌برداری شهری، دقت و طبقه‌بندی تصویر: مقایسه رویکردهای چندگانه در شهر تسوکوبا، ژاپن. Appl. Geogr. 2009 ، 29 ، 135-144. [ Google Scholar ] [ نسخه سبز ]
  41. روزنشتاین، او. Karnieli، A. مقایسه روش‌های طبقه‌بندی کاربری اراضی با استفاده از سنجش از دور و ورودی‌های GIS. Appl. Geogr. 2011 ، 31 ، 533-544. [ Google Scholar ] [ CrossRef ]
  42. Estoque، RC; مورایاما، Y. تغییرات ارزش خدمات اکوسیستم و الگوی چشم‌انداز: پیامدهایی برای برنامه‌ریزی پایداری محیطی برای پایتخت تابستانی فیلیپین که به سرعت در حال شهرنشینی است. Landsc. طرح شهری. 2013 ، 116 ، 60-72. [ Google Scholar ] [ CrossRef ]
  43. مک دانل، ام جی; Hahs، AK استفاده از مطالعات تجزیه و تحلیل گرادیان در پیشبرد درک ما از بوم شناسی مناظر شهری شدن: وضعیت فعلی و جهت گیری های آینده. Landsc. Ecol. 2008 ، 23 ، 1143-1155. [ Google Scholar ] [ CrossRef ]
  44. سینها، ص. کومار، ال. Reid، N. روش های مبتنی بر رتبه برای انتخاب معیارهای چشم انداز برای تشخیص تغییر الگوی پوشش زمین. Remote Sens. 2016 ، 8 ، 1-19. [ Google Scholar ] [ CrossRef ]
  45. سیوکو، دی ال. هرد، جی دی. ویلسون، EH; آرنولد، CL; پریسلو، نماینده کمیت و توصیف مناظر شهری در شمال شرقی ایالات متحده. فتوگرام مهندس Remote Sens. 2002 ، 68 ، 1083-1090. [ Google Scholar ]
  46. دوان، AM; یاماگوچی، ی. رحمان، ز. دینامیک تغییرات کاربری/پوشش زمین و تحلیل تکه تکه شدن چشم‌انداز در کلان‌شهر داکا. جئوژورنال 2012 ، 77 ، 315-330. [ Google Scholar ] [ CrossRef ]
  47. لی، سی. لی، جی. وو، جی. کمی کردن سرعت، حالت‌های رشد و تغییرات الگوی چشم‌انداز شهرنشینی: رویکرد دینامیک وصله سلسله مراتبی. Landsc. Ecol. 2013 ، 28 ، 1875-1888. [ Google Scholar ] [ CrossRef ]
  48. مک گریگال، ک. کوشمن، SA; Ene, E. FRAGSTATS v4: Spatial Pattern Analysis Program for Category and Continuous Maps. در دسترس آنلاین: http://www.umass.edu/landeco/research/fragstats/fragstats.html (در 30 ژوئن 2016 در دسترس است).
  49. وربورگ، پی اچ. کوک، ک. پونتیوس، آر.جی. Veldkamp، A. مدلسازی تغییر کاربری و پوشش زمین. در تغییر کاربری و پوشش زمین: فرآیندهای محلی و تأثیرات جهانی ؛ Lambin، EF، Geist، HJ، Eds. Springer: برلین، آلمان، 2010; صص 117-135. [ Google Scholar ]
  50. Mas، JF; کلب، م. پیگلو، ام. کاماچو اولمدو، MT; Houet، T. مدل‌های تغییر کاربری/پوشش مبتنی بر الگوی استقرایی: مقایسه چهار بسته نرم‌افزاری. محیط زیست مدل. نرم افزار 2014 ، 51 ، 94-111. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  51. کاماچو اولمدو، MT; پونتیوس، آر.جی. پیگلو، ام. Mas, JF مقایسه مدل های شبیه سازی از نظر کمیت و تخصیص تغییرات زمین. محیط زیست مدل. نرم افزار 2015 ، 69 ، 214-221. [ Google Scholar ] [ CrossRef ]
  52. ایستمن، جی آر. سولورزان، لس آنجلس; ون فوسه، ME مدل سازی پتانسیل انتقال برای تغییر پوشش زمین. در GIS، تحلیل و مدلسازی فضایی ; Maguire, DJ, Batty, M., Goodchild, MF, Eds. ESRI Press: Redlands, AB, Canada, 2005; صص 357-385. [ Google Scholar ]
  53. اسلون، اس. پلتیه، جی. با چه دقتی می‌توانیم تغییر پوشش جنگل‌های استوایی را پیش‌بینی کنیم؟ اعتبارسنجی یک خط پایه آینده‌نگر برای REDD. گلوب. محیط زیست چانگ. 2012 ، 22 ، 440-453. [ Google Scholar ] [ CrossRef ]
  54. پونتیوس، آر.جی. بوئرسما، دبلیو. کاستلا، جی سی. کلارک، ک. نیجس، تی. دیتزل، سی. دوان، ز. فوتسینگ، ای. گلدشتاین، ن. کوک، ک. و همکاران مقایسه نقشه های ورودی، خروجی و اعتبارسنجی برای چندین مدل تغییر زمین. ان Reg. علمی 2008 ، 42 ، 11-37. [ Google Scholar ] [ CrossRef ]
  55. طیبی، ق. طیبی، ع. Khanna، N. ارزیابی ابعاد عدم قطعیت در مدل‌های تغییر کاربری زمین: استفاده از مدل‌های خطای مبادله و ضربی برای تزریق خطاهای ویژگی و موقعیت در داده‌های مکانی. بین المللی J. Remote Sens. 2014 ، 35 ، 149-170. [ Google Scholar ] [ CrossRef ]
  56. پونتیوس، آر.جی. Neeti, N. عدم قطعیت در تفاوت بین نقشه های سناریوهای تغییر زمین در آینده. حفظ کنید. علمی 2010 ، 5 ، 39-50. [ Google Scholar ] [ CrossRef ]
  57. Estoque، RC; مورایاما، ی. یک رویکرد جغرافیایی برای تشخیص و توصیف غیر ثابت بودن الگوهای تغییر زمین و تأثیر بالقوه آن بر دقت مدل‌سازی. GISci. Remote Sens. 2014 , 51 , 239-252. [ Google Scholar ] [ CrossRef ]
  58. تاوبنبوک، اچ. اش، تی. فلبیر، آ. ویزنر، ام. راث، ا. Dech, S. نظارت بر شهرنشینی در شهرهای بزرگ از فضا. سنسور از راه دور محیط. 2012 ، 117 ، 162-176. [ Google Scholar ] [ CrossRef ]
  59. شاخص های توسعه جهانی: رشد جمعیت شهری (درصد سالانه). در دسترس آنلاین: http://data.worldbank.org/indicator/SP.URB.GROW (در 5 سپتامبر 2016 قابل دسترسی است).
  60. Groves، PA شهرسازی و مهاجرت: الگو و فرآیند. در توسعه اقتصادی و تغییر اجتماعی در سریلانکا: تحلیل فضایی و سیاستی ، ویرایش اول. Groves، PA، Ed. انتشارات منوهر: دهلی نو، هند، 1996; صص 41-79. [ Google Scholar ]
  61. صدیقی، ک. احمد، ج. صدیق، ک. هاک، اس. حسین، ع. ناظم دولا، س. رضاوانا، N. شکل‌گیری اجتماعی در داکا، 1985-2005: مطالعه طولی جامعه در یک کلان شهر جهان سوم . Routledge: لندن، بریتانیا، 2010. [ Google Scholar ]
  62. دوان، AM; یاماگوچی، ی. استفاده از سنجش از دور و GIS برای شناسایی و نظارت بر استفاده از زمین و تغییر پوشش زمین در شهر داکای بنگلادش طی سال‌های 1960-2005. محیط زیست نظارت کنید. ارزیابی کنید. 2009 ، 150 ، 237-249. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  63. چاترجی، آر. رحمان، ع. تران، تی. Shaw, R. امنیت غذایی در آسیا. در مقاومت در برابر بلایای شهری در آسیا ; Shaw, R., Rahman, A., Surjan, A., Provin, GA, Eds. الزویر: آکسفورد، بریتانیا، 2016. [ Google Scholar ]
  64. کامینی، ج. جایانتی، اس. Raghavswamy، V. تجزیه و تحلیل فضایی-زمانی استفاده از زمین در بمبئی شهری – با استفاده از داده های ماهواره ای چند سنسوری و تکنیک های GIS. J. شرکت هندی Remote Sens. 2006 , 34 , 385-396. [ Google Scholar ] [ CrossRef ]
  65. رحمان، ع. آگاروال، SP; نتزبند، م. فضل، اس. نظارت بر گسترش شهری با استفاده از تکنیک‌های سنجش از دور و GIS یک مرکز شهری در حال رشد سریع، هند. IEEE J. Sel. بالا. Appl. زمین Obs. Remote Sens. 2011 ، 4 ، 56-64. [ Google Scholar ] [ CrossRef ]
  66. تاپا، RB; مورایاما، ی. بررسی الگوهای شهرنشینی فضایی و زمانی در دره کاتماندو، نپال: رویکردهای سنجش از دور و سنجش فضایی. Remote Sens. 2009 ، 1 ، 534-556. [ Google Scholar ] [ CrossRef ]
  67. زیمرمن، تی. جاده های ابریشم جدید: چین، ایالات متحده و آینده آسیای مرکزی . دانشگاه نیویورک: نیویورک، نیویورک، ایالات متحده آمریکا، 2015; در دسترس آنلاین: http://cic.nyu.edu/sites/default/files/zimmerman_new_silk_road_final_2.pdf (دسترسی در 5 سپتامبر 2016).
  68. بانک جهانی، شاخص‌های توسعه جهانی: سرمایه‌گذاری مستقیم خارجی، جریان خالص ورودی (درصد تولید ناخالص داخلی). در دسترس آنلاین: http://data.worldbank.org/indicator/BX.KLT.DINV.WD.GD.ZS?locations=LK (در 5 سپتامبر 2016 قابل دسترسی است).
  69. هیواویتارانا، ب. رفع فقر. در سیاست اقتصادی در سریلانکا: مسائل و بحث ها ، ویرایش اول؛ Kelagama، S.، Ed. انتشارات سیج: دهلی نو، هند، 2004; صص 467-497. [ Google Scholar ]
  70. Misra, RP; Tiwari، PS Colombo: شهر نخستی سریلانکا. در شهرنشینی در جنوب آسیا: تمرکز بر شهرهای بزرگ ، چاپ اول. Misra, RP, Ed. انتشارات دانشگاه کمبریج: دهلی نو، هند، 2013; ص 421-445. [ Google Scholar ]
  71. Hogg، CL سریلانکا: چشم انداز اصلاحات و آشتی، مقاله برنامه آسیا. در دسترس به صورت آنلاین: https://www.chathamhouse.org/sites/files/chathamhouse/1011pp_srilanka_0.pdf (در 28 ژوئن 2016 قابل دسترسی است).
  72. بانک جهانی، شاخص های توسعه جهانی: تولید ناخالص داخلی (دلار فعلی آمریکا). در دسترس آنلاین: http://data.worldbank.org/indicator/NY.GDP.MKTP.CD?locations=LK (در 8 سپتامبر 2016 قابل دسترسی است).
  73. وو، ی. لی، اس. یو، اس. نظارت بر گسترش شهری و اثرات آن بر استفاده از زمین و تغییرات پوشش زمین در شهر گوانگژو، چین. محیط زیست نظارت کنید. ارزیابی کنید. 2015 ، 188 ، 54. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  74. دیتزل، سی. اوغوز، اچ. همفیل، جی جی. کلارک، کی سی; Gazulis، N. انتشار و ادغام منطقه شهری هیوستون: شواهدی که از یک نظریه شهری جدید حمایت می کند. محیط زیست طرح. B طرح. دس 2005 ، 32 ، 231-246. [ Google Scholar ] [ CrossRef ]
  75. لیو، ایکس. لی، ایکس. چن، ی. تان، ز. لی، اس. Ai، B. یک شاخص چشم‌انداز جدید برای کمی‌سازی گسترش شهری با استفاده از داده‌های سنجش از راه دور چند زمانی. Landsc. Ecol. 2010 ، 25 ، 671-682. [ Google Scholar ] [ CrossRef ]
  76. مک کانل، وی. ویلی، ک. توسعه Infill: دیدگاه ها و شواهد از اقتصاد و برنامه ریزی. در کتاب راهنمای اقتصاد شهری و برنامه ریزی آکسفورد ؛ بروکس، ن.، دوناقی، ک.، کناپ، جی.، ویرایش. انتشارات دانشگاه آکسفورد: نیویورک، نیویورک، ایالات متحده آمریکا، 2011; صص 473-502. [ Google Scholar ]
  77. Houck, MC در شهرهای قابل سکونت حفظ طبیعت وحشی است. در کتاب راتلج بوم شناسی شهری ؛ داگلاس، آی.، گود، دی.، هاک، ام.، وانگ، آر.، ویرایش. Routledge: لندن، انگلستان، 2010; صص 48-62. [ Google Scholar ]
  78. رحیمی، ع. رویکرد روش‌شناختی به مدل‌سازی تغییر کاربری اراضی شهری با استفاده از الگوی توسعه‌ی خاک‌ریزی – مطالعه موردی در تبریز، ایران. Ecol. روند. 2016 ، 5 ، 1. [ Google Scholar ] [ CrossRef ]
  79. دوان، AM; کبیر، MH; نهار، ک. رحمان، MZ شهرنشینی و تخریب محیط زیست در منطقه شهری داکا بنگلادش. بین المللی جی. محیط زیست. حفظ کنید. توسعه دهنده 2012 ، 11 ، 118-147. [ Google Scholar ] [ CrossRef ]
  80. بانک جهانی، سریلانکا: تغییر شکل جغرافیای اقتصادی، اتصال مردم به رفاه، 2004. در دسترس آنلاین: http://www.worldbank.org/en/news/feature/2012/05/16/reshaping-economic-geography (دسترسی در 8 سپتامبر 2016).
Ijgi 05 00197 g001 550
شکل 1. موقعیت منطقه مورد مطالعه: ( الف ) موقعیت سریلانکا در جنوب آسیا (منبع نقشه: داده های ArcGlobe). ( ب ) محل CMA در سریلانکا. و ( ج ) وسعت منطقه مورد مطالعه. شکل 1c جاده ها (خطوط) و گره های رشد (نقاط) را در CMA نشان می دهد که روی یک Landsat ETM+ (2014) که در یک ترکیب رنگ کاذب نمایش داده شده است (RGB = باندهای 5، 4، 3) همپوشانی دارند.
Ijgi 05 00197 g002 550
شکل 2. نقشه های کاربری زمین/پوشش CMA (1992، 2001 و 2014) و ULC های شناسایی شده.
Ijgi 05 00197 g003 550
شکل 3. شدت ULC ها در CMA.
Ijgi 05 00197 g004 550
شکل 4. ULC های مشاهده شده در امتداد شیب متغیرهای محرک: ( الف ) فاصله تا جاده های اصلی. ( ب ) فاصله تا مدارس؛ ( ج ) فاصله تا گره های رشد. و ( د ) فاصله تا مراکز اداری.
Ijgi 05 00197 g005 550
شکل 5. معیارهای فضایی در ( a ) سطح چشم انداز. و ( ب ) سطح کلاس (کلاس ساخته شده). توجه: CONTAG، شاخص سرایت؛ LSI، شاخص شکل منظره. SHDI، شاخص تنوع شانون. PLANP، درصد چشم انداز. PD، چگالی مسیر. Area_MN، میانگین اندازه پچ. Frac_AM، ابعاد فراکتال میانگین پچ با وزن منطقه. و ENN_MN، به معنای فاصله نزدیکترین همسایه اقلیدسی است.
Ijgi 05 00197 g006 550
شکل 6. مقادیر مشاهده شده و پیش بینی شده ساخته شده در CMA.
Ijgi 05 00197 g007 550
شکل 7. مشاهده شده (2014) و پیش بینی شده (2030 و 2050) استفاده از زمین/نقشه های پوششی CMA و ULC های شناسایی شده.
Ijgi 05 00197 g008 550
شکل 8. ( الف ) APGR از CMA (منبع داده: داده های سرشماری [ 36 ، 37 ، 38 ، 39 ]). و ( ب ) تولید ناخالص داخلی سریلانکا برای سالهای مختلف [ 72 ]. به دلیل عدم وجود داده های تولید ناخالص داخلی چند زمانی برای CMA، از داده های سراسری به عنوان شاخص پروکسی استفاده کردیم. CMA حدود 50 درصد از سریلانکا را تشکیل می دهد [ 9 ]. توجه: تولید ناخالص داخلی به دلار آمریکا است.
جدول
جدول 1. عوامل محرک و توصیف آنها.
جدول
جدول 2. افزایش جمعیت و افزایش جمعیت در مناطق منتخب کلانشهرهای جنوب آسیا.

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370