سنجش پراکنده رویی شهری در پویش فضایی شهررشت

مطالعات برنامه ریزی سکونتگاه های انسانی

مقاله 7، دوره 17، شماره 4 - شماره پیاپی 61، اسفند 1401، صفحه 961-976   

نوع مقاله: مقاله پژوهشی

نویسندگان

رقیه حیدری¹؛ اسماعیل علی اکبری^{* 2}؛ احمد پوراحمد³

¹دانش آموخته دکتری جغرافیا برنامه ریزی شهری، دانشگاه پیام نور، تهران، ایران

²استاد گروه جغرافیا، دانشگاه پیام نور، تهران، ایران

³استاد گروه جغرافیا، دانشگاه تهران، تهران، ایران

چکیده

پراکنده رویی شهری، گسترش کاربری‌های زمین شهری به زمین غیرشهری است که در سال های اخیر به یکی از چالش های برنامه ریزی توسعه فضایی شهرهای جهان تبدیل شده است. هدف از پژوهش حاضر، شناسایی و سنجش ابعاد و بازتاب‌های پراکنده رویی شهری در شهر رشت می باشد. روش پژوهش توصیفی- تحلیلی است. به منظور سنجش و بررسی پراکنده رویی شهری ابتدا نقشه های کاربری اراضی با استفاده از تصاویر ماهواره ای لندست، در چهار کلاس(مناطق شهری و ساخته شده، مناطق آبی و شالیزار، جنگل و زمینهای کشاورزی و باغات) ایجاد شد و سپس با کاربست متریک‌های فضایی(مساحت کاربری، تعداد لکه، تراکم لکه، کل لبه ، تراکم لبه، میانگین شکل لکه، میانگین فاصله اقلیدوسی نزدیکترین همسایه، شاخص میانگین مجاورت، شاخص تجمع) در دو سطح کلاس و سیما، پراکنده رویی شهر رشت با استفاده از نرم افزار FRAGSTATS محاسبه شده است. نتایج تحقیق نشان می‌دهدکه؛ مناطق شهری به صورت فزاینده ای رشد یافته و قطعات شهری متعددی ایجاد شده است. به موازات این رشد، زمین کشاورزی و شالیزار پیوستگی و یکپارچگی فضایی خود را از دست داده و به قطعات زیادی تبدیل شده است. ضریب افزایش 103 درصدی کلاس مناطق شهری در بازه زمانی 26 ساله(1372-1398)، بیانگر آهنگ پرشتاب پویش فضایی شهر به پراکندگی کالبدی است که عموماً با تغییر کاربری، تبدیل پوشش زمین، تخریب منابع طبیعی و زمینی در بیرون و پیرامون شهر همراه است.

کلیدواژه‌ها

پراکنده رویی شهری؛ متریک‌های فضایی؛ نیروهای رشد؛ شهر رشت

مراجع

اسماعیلی، علی و حمید، اشجعی. (1398). تغییرات کاربری زمین ازطریق زنجیره مارکوف و استفاده از سیستم­های اطلاعات جغرافیایی و سنجش از دور(مورد شناسی: استان قم). فصلنامه جغرافیا و آمایش شهری – منطقه­ای، 9(31)، 172-153.

امان پور، سعید، کاملی فر، محمد جواد و بهمئی، حجت. (1396). تحلیلی بر تغییرات کاربری اراضی در کلان­شهرها با استفاده از آنالیز تصاویر ماهواره­ای در محیط ENVI (مطالعه موردی: کلان­شهر اهواز). فصلنامه اطلاعات جغرافیایی(سپهر)، 26(102). 150-139.

حسینی، سیدعلی؛ میره­ای، محمد و حسینی، محمد. (1398). بررسی و تحلیل پراکنده رویی شهری با تاکید بر تحولات تقسیمات سیاسی (نمونه مطالعاتی: شهر قم). مطالعات ساختار و کارکرد شهری، 6(21 )، 137-159.

خاکپور، براتعلی؛ رستگار، محسن؛ ویسی، رضا؛ میرجعفری، راضیه‌السادات و احمدی، سجاد. (1395). تحلیل فضایی عوامل مؤثر بر رشد نامتعادل کالبدی شهر رشت با استفاده از سیستم اطلاعات جغرافیایی (GIS). مجلّۀ جغرافیا و توسعۀ فضای شهری، 6(1)، 16-1.

خلیلی، احمد؛ زبردست، اسفندیار و عزیزی، محمد مهدی. (1397). گونه شناسی فضایی الگوهای رشد در مناطق شهر بنیان. نشریه هنرهای زیبا - معماری و شهرسازی، 23(2)، 66-55.

رایگانی، بهزاد؛ جهانی، علی؛ ستاری راد، میر و شوقی، نرگس. (1397). پیش‌بینی تغییرات کاربری زمین برای سال 2030 با استفاده از سنجش از دور و تصاویر چندزمانۀ لندست (مطالعۀ موردی: شهر مشهد). آمایش سرزمین، 10(2) 269-249.

روستایی، شهریور؛ علی اکبری،  اسماعیل و حسین زاده، رباب. (1395). بررسی عوامل کلیدی تأثیرگذار بر رشد شهرهای بزرگ (مورد مطالعه شهر ارومیه). پژوهش و برنامه ریزی شهری، 7(26)، 74-53.  

عابدینی، اصغر و خلیلی، امین. (1396). سنجش پراکنده رویی شهری با استفاده از داده های فضایی-زمانی، نمونه موردی: شهر ارومیه. مطالعات شهری، 6(25)، 76- 63.

کرمی، آرش و فقهی، جهانگیر. (1390). بررسی کمی کردن سنجه ‌های سیمای سرزمین در حفاظت از الگوی کاربری اراضی پایدار(مطالعه موردی: استان کهگیلویه و بویراحمد). محیط شناسی، 37(60)، 88 - 79.

محمدی جو، مینو؛ خانمحمدی، مهرداد و هاشمی، سید محمود. (1397). ارزیابی روند تغییرات سیمای شهر لاهیجان با استفاده از مفاهیم و متریک‌های سیمای سرزمین. پژوهش‌های جغرافیای برنامه‌ریزی شهری، 6(1)، 148- 129.

مرادی، عباس؛ تیموری، حسن و دژکام، صادق. (1394). پایش تغییرات فیزیکی سیمای سرزمین شهر کرج با استفاده از تحلیل سینوپتیک و تصاویر ماهواره­ای. برنامه­ریزی و آمایش فضا، 19(1)، 146-127.

Akintunde, J.A., Adzandeh, E.A, & Fabiyi, O.O. (2016). Spatio-temporal pattern of urban growth in Jos Metropolis, Nigeria. Remote Sensing Applications: Society and Environment, 4,1-30.

Frenkel, A., & Ashkenazi, M. (2008). Measuring urban sprawl: how can we deal with it?. Environment and Planning B: Planning and Design, 35(1), 56-79.‏

Fulton, W., Pendall, R., Nguyen, M., & Harrison, A. (2001). Who Sprawls Most? How Growth Patterns Differ across the US Washington, DC: Brookings Institution, Center on Urban & Metropolitan Policy.‏

Galster, G., Hanson, R., Ratcliffe, M. R., Wolman, H., Coleman, S., & Freihage, J. (2001). Wrestling sprawl to the ground: defining and measuring an elusive concept. Housing Policy Debate, 12(4), 681-717.‏

Jensen, J. R. (2009). Remote sensing of the environment: An earth resource perspective 2/e. Pearson Education India.

Ji, W., Ma, J., Twibell, R. W., & Underhill, K. (2006). Characterizing urban sprawl using multi-stage remote sensing images and landscape metrics. Computers, Environment and Urban Systems, 30(6), 861-879.‏

Jiang, F., Liu, S., Yuan, H., & Zhang, Q. (2007). Measuring urban sprawl in Beijing with geo-spatial indices. Journal of Geographical Sciences, 17(4), 469-478.‏

Kumar, M., Denis, D. M., Singh, S. K., Szabó, S., & Suryavanshi, S. (2018). Landscape metrics for assessment of land cover change and fragmentation of a heterogeneous watershed. Remote Sensing Applications: Society and Environment, 10, 224-233.‏

Liu, Y., Yue, W., & Fan, P. (2011). Spatial determinants of urban land conversion in large Chinese cities: a case of Hangzhou. Environment and Planning B: Planning and Design, 38(4), 706-725.‏

Lu, Q., Chang, N. B., Joyce, J., Chen, A. S., Savic, D. A., Djordjevic, S., & Fu, G. (2018). Exploring the potential climate change impact on urban growth in London by a cellular automata-based Markov chain model. Computers, Environment and Urban Systems, 68, 121-132.‏

Moghadam, H. S., & Helbich, M. (2013). Spatiotemporal urbanization processes in the megacity of Mumbai, India: A Markov chains-cellular automata urban growth model. Applied Geography, 40, 140-149.‏

Sahana, M., Hong, H., & Sajjad, H. (2018). Analyzing urban spatial patterns and trend of urban growth using urban sprawl matrix: A study on Kolkata urban agglomeration, India. Science of the Total Environment, 628, 1557-1566.‏

Shifaw, E., Sha, J., & Li, X. (2020). Detection of spatiotemporal dynamics of land cover and its drivers using remote sensing and landscape metrics (Pingtan Island, China). Environment, Development and Sustainability, 22(2), 1269-1298.‏

Sinha, S. K.(2018). Spatial Metrics: A Tool for Measurement of Urban Growth/Sprawl.‏

Subasinghe, Sh. (2017). Urban Process and Future Development of Colombo Metropolitan Area, Sri Lanka: An Application of Geospatial Techniques. Tulips-R, university of Tsukuba Repository.

Supriatna, J., Koestoer, R. H., & Takarina, N. D. (2016). Spatial Dynamics Model for Sustainability Landscape in Cimandiri Estuary, West Java, Indonesia. Procedia-Social and Behavioral Sciences, 227, 19-30.‏

Wang, C., Li, Y., Myint, S. W., Zhao, Q., & Wentz, E. A. (2019). Impacts of spatial clustering of urban land cover on land surface temperature across Köppen climate zones in the contiguous United States. Landscape and Urban Planning, 192, 103668.‏

Wilson, E. H., Hurd, J. D., Civco, D. L., Prisloe, M. P., & Arnold, C. (2003). Development of a geospatial model to quantify, describe and map urban growth. Remote sensing of environment, 86(3), 275-285.‏

Yue, W., Liu, Y. Fan, P. (2013). Measuring urban sprawl and its drivers in large Chinese cities: The case of Hangzhou. Land Use Policy, 31, 358-370.

Zou, L., Liu, Y., Wang, J., Yang, Y., & Wang, Y. (2019). Land use conflict identification and sustainable development scenario simulation on China's southeast coast. Journal of Cleaner Production, 238, 117899.