رويكرد زيست محيطي در مدل سازي تغييرات كاربري اراضي محدوده كلانشهر تبريز با استفاده از تصاوير ماهواره اي چند زمانه اي، ارزيابي چند معياري و سلول هاي خودكار زنجيره ماركوف (1417-1363)

Ecological Approch in landuse chang modeling of Tabriz metropolitan using multi temporal satellite images, multi criteris analysis and Cellular Automata Markov Chain (1984-2038)

رشد سريع شهرنشيني، فشارهاي سنگيني بر سرزمين و منابع اطراف آنها وارد كرده و موجب كاهش پوشش گياهي، فضاهاي باز و مشكلات جدي اجتماعي و زيست محيطي شده است. از اين رو يك گام اساسي براي مديريت و برنامه ريزي توسعه شهري و همچنين ارزيابي اثرات تجمعي آن، بررسي و شبيه سازي توسعه فيزيكي شهر مي باشد. هدف از اين مطالعه، درك عوامل موثر در روند توسعه فيزيكي كلانشهر تبريز با توجه به مقوله توسعه فضايي پايدار شهري از بعد اكولوژيكي و حفظ شرايط زيست محيطي آن در دو دهه آتي مي باشد. بدين منظور با استفاده از تصاوير ماهواره اي چندزمانه لندست 5 و 7 و تكنيك هاي پردازش تصاوير ماهواره اي شي گرا، تغييرات كاربري اراضي در مقطع زماني 2011-1984 با تاكيد بر گسترش فضايي كلانشهر تبريز، مورد ارزيابي قرار گرفته است. بر-اساس نتايج حاصله، مقدار مساحت كلانشهر تبريز (مادر شهر تبريز و شهرهاي اقماري) از 34/7220 هكتار در سال 1984 به 82/22346 هكتار در سال 2011 رسيده است. مساحت قابل توجهي از توسعه اخير بر بستر سيلابي و پهنه هاي آسيب پذير از زلزله صورت گرفته كه لزوم مديريت توسعه آتي شهرهاي محدوده را مي طلبد. بدين منظور عوامل موثر بر توسعه فيزيكي كلانشهر تبريز بر اساس پيشينه تحقيق در قالب 24 شاخص، شناسايي و با استفاده از روش هاي ارزيابي چند متغيره مبتني بر تركيب خطي وزن دار فازي WLC نقشه سازي شدند و با استخراج اراضي مستعد توسعه فيزيكي آتي به همراه متغير وابسته تغيير ات شهري طي سال هاي 2011-1984 با استفاده از مدل سلول هاي خودكار زنجيره ماركوف Ca_Markov به پيش بيني الگوي آتي كاربري اراضي در قالب رويكرد حفاظت زيست محيطي و منطبق بر اصول توسعه پايدار تا سال 2038 پرداخته شد كه در صورت استفاده از نتايج اين تحقيق، در توسعه هاي آينده شهر كمترين آسيب به اراضي زراعي و باغي خواهد رسيد.

Tabriz Metropolitan Area (TMA) is a typical rapidly urbanizing fifth tier metropolitan in Iran with an estimated population of 1.7 million. TMA has risen to become the premier commercial, industrial, and transportation urban area of the northwestern Iran and one of the fastest growing metropolitan areas in the region. This has resulted in tremendous land use changes within the metropolitan region. One of the major advantages of remote sensing systems is their capability for repetitive coverage, which is necessary for change detection studies at global and regional scales. To monitor spatiotemporal changes in urban area of TMA, a Landsat TM satellite image acquired on 23 June 1984 and 19 June 2011 with a projection to UTM Zone 38 North, as well as resampling to a common spatial resolution of 30m. Each of two data sets classified separately as a decision rule of object-oriented. We classified 6 classes (barren land, built up (urban) area, farm land, garden lands, pasture lands and water bodies) for both TM 1984 and 2011. Based on post classification comparison and products of two classification maps and initial – final matrix during the period 1984 to 2011, 7220.34 hectares of urban land use class increased to 22346.82 hectares and 4734.9 hectares of this class related to decreasing of Garden and farm land class. To prevent degradation of garden and agricultural lands, weighted linear combination techniques of multi criteria analysis used to identify the urban development map by means of 24 parameters. From these parameters, the following ones affected TMA urban growth more than others: distances to nearest urban clusters, roads, power lines, faults, rivers, geology, slope, number of urban cells within a 3×3 cell window. This study applied Cellular Automata Markov Chain to model urban growth in the TMA for year 2038 in a GIS environment. The Markov Chain model is a stochastic process model that describes how likely one state is to change to another state. In the MC model, two distinct land use maps at different time points should exist, and then it is possible to calculate the probabilities of transition from one step to another one. Therefore, the classified maps of 1984 and 2011 as input Markov chain model with land capability maps of six land cover in the same format entered the model to forecast land use map of 2038. Considering these results, it is possible to prevent the destruction of garden and agricultural lands in the next thirty years.