شبیه سازی روند تغییرات کاربری اراضی شهر گچساران با استفاده از مدل سلول های خودکار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش‌آموخته کارشناسی ارشد، گروه محیط‌زیست، دانشکده علوم پایه، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران.

2 استاد گروه محیط‌زیست، دانشکده علوم پایه، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران

چکیده

زمینه و هدف: با توجه به پیامدهای توسعه شهری از جمله تغییر و تخریب محیط‌زیست و تغییر در ساختار فیزیکی، فرهنگی، اقتصادی و اجتماعی شهرها، پیش­بینی و مدل­سازی الگوهای گسترش و تغییرات فیزیکی شهرها طی بازه‌های زمانی مختلف می­تواند در راستای دست‌یابی به توسعه پایدار شهری و فراهم کردن اطلاعات جامع برای مدیران و برنامه­ریزان شهری از اهمیتی بسزا برخوردار باشد. لذا، این مطالعه با هدف شبیه­سازی روند گسترش شهر گچساران با استفاده از مدل سلول­های خودکار (CA) برای سال 2044 میلادی با در نظر گرفتن روند توسعه شهر طی سال‌های 1972 تا 2015 انجام یافت.
روش بررسی: در این پژوهش توصیفی، با استفاده از تصاویر ماهواره لندست و سنجنده‌های MSS 1972،TM 1986، ETM+ 1999 و OLI 2015 نقشه­ها و روند تغییرات کاربری اراضی طی دوره‌های زمانی مورد مطالعه استخراج شد.
یافته‌ها: نتایج بیان‌گر رشد فزاینده کاربری شهری طی زمان به‌ویژه در نیمه شمالی شهر و کاهش کاربری طبیعی و بوم‌شناختی و به‌ویژه اراضی کشاورزی و مرتعی بود. همچنین مشخص شد که روند گسترش و توسعه شهر گچساران در طی دوره 1972 تا 2015 از الگویی مناسب تبعیت نکرده و از این‌رو به‌ویژه در قسمت غربی رشد ناموزون شهر نمایان است. از طرفی مطابق پیش‌بینی خروجی مدل، در سال 2044، در حدود %70 وسعت منطقه مورد مطالعه را کاربری شهری به خود اختصاص خواهد داد.
بحث و نتیجه‌گیری: با استناد به یافته‌های پژوهش می‌توان اذعان داشت که مدل سلول­های خودکار از دقت قابل قبول برای پیش‌بینی و شبیه‌سازی روند توسعه شهری برخوردار است و می‌تواند به‌طور موثر برای مطالعه پویایی شهری و به‌ویژه در شهرهایی با رشد سریع مورد استفاده قرار گیرد.

کلیدواژه‌ها

موضوعات


مقاله پژوهشی

 

 

 

 

 

 

فصلنامه انسان و محیط زیست، شماره 62، پاییز 1401، صص 67-81

شبیه­سازی روند تغییرات کاربری اراضی شهر گچساران با استفاده از مدل سلول­های خودکار

 

محسن درخش[1]

سهیل سبحان اردکانی[2]*

s_sobhan@iauh.ac.ir

تاریخ دریافت: 25/02/99                                                                                  تاریخ پذیرش: 12/07/99

چکیده

زمینه و هدف: با توجه به پیامدهای توسعه شهری از جمله تغییر و تخریب محیط‌زیست و تغییر در ساختار فیزیکی، فرهنگی، اقتصادی و اجتماعی شهرها، پیش­بینی و مدل­سازی الگوهای گسترش و تغییرات فیزیکی شهرها طی بازه‌های زمانی مختلف می­تواند در راستای دست‌یابی به توسعه پایدار شهری و فراهم کردن اطلاعات جامع برای مدیران و برنامه­ریزان شهری از اهمیتی بسزا برخوردار باشد. لذا، این مطالعه با هدف شبیه­سازی روند گسترش شهر گچساران با استفاده از مدل سلول­های خودکار (CA) برای سال 2044 میلادی با در نظر گرفتن روند توسعه شهر طی سال‌های 1972 تا 2015 انجام یافت.

روش بررسی: در این پژوهش توصیفی، با استفاده از تصاویر ماهواره لندست و سنجنده‌های MSS 1972،TM 1986، ETM+ 1999 و OLI 2015 نقشه­ها و روند تغییرات کاربری اراضی طی دوره‌های زمانی مورد مطالعه استخراج شد.

یافته‌ها: نتایج بیان‌گر رشد فزاینده کاربری شهری طی زمان به‌ویژه در نیمه شمالی شهر و کاهش کاربری طبیعی و بوم‌شناختی و به‌ویژه اراضی کشاورزی و مرتعی بود. همچنین مشخص شد که روند گسترش و توسعه شهر گچساران در طی دوره 1972 تا 2015 از الگویی مناسب تبعیت نکرده و از این‌رو به‌ویژه در قسمت غربی رشد ناموزون شهر نمایان است. از طرفی مطابق پیش‌بینی خروجی مدل، در سال 2044، در حدود %70 وسعت منطقه مورد مطالعه را کاربری شهری به خود اختصاص خواهد داد.

بحث و نتیجه‌گیری: با استناد به یافته‌های پژوهش می‌توان اذعان داشت که مدل سلول­های خودکار از دقت قابل قبول برای پیش‌بینی و شبیه‌سازی روند توسعه شهری برخوردار است و می‌تواند به‌طور موثر برای مطالعه پویایی شهری و به‌ویژه در شهرهایی با رشد سریع مورد استفاده قرار گیرد.

کلمات کلیدی: توسعه شهری، کاربری اراضی، مدل سلول­های خودکار، ضریب کاپا، گچساران.

 

Human and Environment, No. 62, Autumn 2022, pp. 67-81

Simulation of the Spatial Pattern of Land Use Change in the City of Gachsaran Using Cellular Automata Model

 

Mohsen Derakhsh[3]

 Soheil Sobhanardakani[4]*

s_sobhan@iauh.ac.ir

Received: May 14, 2020

Accepted: October 3, 2020

 

 

Abstract

Background and Objective: Simulation of land-use change is very useful for governmental plans and policies. A number of models including system models, Markov chains, the CLUES-S and the SLEUTH have been developed for the simulation of land-use change. Among them, cellular automata (CA) modeling is widely applied to simulate complicated dynamic systems. In this regard, information on land use and also land cover and possibilities for their optimal use is essential for the selection, planning and implementation of land use schemes to meet the increasing demands for basic human needs and welfare.Therefore, this study was conducted to forecasting and modeling of urban development of city of Gachsaran using a CA Model for 2044.

Method: In this descriptive study, the land use mapping, a predominantly cloud-free image of Landsat Multispectral Scanner (MSS, 1972), Landsat Thematic Mapper (TM, 1986), Landsat Enhanced Thematic Mapper (ETM+, 1999), and Operational Land Imager (OLI, 2015) were used to the modeling of land-use changes of the study area between the periods 1972 to 2015, and also to the simulation of land-use changes of city of Gachsaran in 2044.

Findings: Based on the results obtained, the increasing growth of urban use over time, particularly in the northern part of the city, and the decline in natural and ecological land use, especially agricultural land were observed. Also, the results clearly suggest that the development process of the city of Gachsaran during the recent years did not follow a proper pattern and, especially the unbalanced growth could be observed in the western part of the city. On the other hand, according to the forecasting of model output, in 2044 about 70% of the extent of the study area, will be dedicated to urban use.

Discussion and Conclusion: In general, it can be admitted that the CA model has a high ability in simulating the urban development process and can effectively be used to study the urban dynamic, especially in rapidly growing cities.

Keywords: Urban development, Land use, Automata cellular model, Kappa coefficient, Gachsaran.

 

 

 

 

 

 

مقدمه

 

امروزه، شهرنشینی که با ایجاد دست‌کاری‌های گسترده بشر در چهره طبیعی زمین و به‌دنبال آن مخـاطرات عظـیم محیط‌زیسـتی، اجتماعی و کاهش کیفیـت زنـدگی جوامـع شــهری و حتی جوامع غیرشــهری همراه است، شرایط زندگی ساکنان شهرها را در معرض تهدید و نابودی قرار داده است (1). در این خصوص، با توجه به رشد شهرنشینی در قرن حاضر می­توان گفت جهان در سده­ بیست و یکم دچار شهرنشینی فزاینده­ای شده است. از این‌رو، توسعه شهرنشینی و مهاجرت بی­رویه­ جمعیت روستایی به مناطق شهری از پدیده­ها و رخدادهای جهانی قابل توجه است. این موضوع توجه بسیاری را به مطالعه در زمینه­ توسعه­ شهرنشینی تحت شرایط تغییرات محیطی جلب کرده است (2). بنابراین، به‌دلیل از بین رفتن محیط‌زیست شهری و همچنین اراضی طبیعی، فهم الگوهای گسترش و تغییرات فیزیکی شهرها طی زمان‌های مختلف، هدف عمده تحقیقات شهری است (3). از این‌رو، پویش، پیش­بینی و مدل­سازی توسعه شهری به‌عنوان یک مسأله مهم در حوزه محیط‌زیست می­تواند ضمن جستجوی راه­های دست‌یابی به توسعه پایدار شهری و از طرفی درک فرآیند توسعه شهری، اطلاعات جامع برای سیاستگذاری، مدیریت و برنامه‌ریزی شهری در سطوح محلی، استانی و ملی را فراهم نماید (4).

رشد شهری یک فرایند پیچیـده چندبعدی شـامل جنبه‌های مکانی، زمانی، فیزیکی، اجتماعی و اقتصادی است، و به‌همین دلیل مدل‌سازی آن امری مشکل محسوب می‌شود (5 و 6). در این راستا، مدل‌های توسعه شهری، از جمله مدل‌های Land-Use Transportation، Urban Dynamics Model وCellular Automata که در قالب برنامه‌های رایانه‌ای تدوین شده‌اند، شامل توابع و فرآیندهایی است که ساختار مکانی شهر را بر اساس کـاربری زمین، جمعیت، اشتغال و حمل و نقل نشان داده و می‌توانند پیش‌بینی‌هایی از الگوهای مکانی در آینده ارایه دهند (1). مدل‌سازی زمانی و مکانی رشد شهر راهی برای کشف فرآیندها و الگوهای زمانی-مکانی تحول پوشش و کاربری اراضی (Land Use/Land Cover) در سطوح چشم‌اندازهای شهری است. این مدل‌ها قادر هستند یک ابزار کمی برای کمک به تصمیم‌گیری در برنامه‌ریزی‌های شهری و مدیریت قابلیت و تناسب اراضی برای توسعه و به‌ویژه توسعه پایدار و درخور به‌عنوان یکی از مهم‌ترین مباحث مطرح در بین صاحب‌نظران شهرسازی ارایه دهند (9-7). از جمله این مدل‌ها می‌توان به مدل سلول­های خودکار اشاره کرد که طی دو دهه گذشته پژوهشگران طراحی و توسعه شهری به‌عنوان یک مدل دینامیک مکانی برای غلبه بر برخی نارسایی­ها از آن استفاده کرده‌اند.

مدل سلول‌های خودکار اولین بار توسط آلن تارینگ ریاضیدان انگلیسی پیشنهاد شد. مـدل‌هـایCA ، مدل‌هایی هستند که در آن سلول‌های مجاور و پیوسته که می‌توانند چندبعدی و یا شبکه چهارگوش نیز باشند، حالت یا خصیصه‌های آن‌ها را از طریق کاربرد تکراری قوانین سـاده به‌صورت ترکیباتی از رشد و یا کاهش تغییر می‌دهند. این تغییر تابع و منبع، تغییراتی است که در سلول مجاور یا همسایه ر خ می‌دهد. به بیان دیگر، مدل CA، یک تکنیک مدل‌سازی پویا، غیرخطی، غیر متمرکز است که در فضای رستری تعریف می‌شود و در راستای مرئی‌سازی توزیع فضایی است (10). مدل­های شهری پایه­ریزی شده بر اساس شیوه­ خود­کار نیز با الگو­برداری از سیستم خود­سازمانی بر مبنای سلول­های خودکار با داشتن ویژگی­های فضایی و غیرفضایی خود دارای ساختاری به منظور پردازش اطلاعات بر مبنای خصوصیات، قوانین و داده­های خارجی است (8 و 10).

تاکنون در زمینه مدل­سازی توسعه شهری با استفاده از مدل سلول­های خودکار چندین مطالعه انجام یافته است. در پژوهشی تغییرات آتی کاربری اراضی شهر مشهد براساس الگوی بهینه بوم‌شناختی با بهره­گیری از مدل سلول­های خودکار و شبکه­های عصبی مصنوعی بر مبنای تداوم وضع موجود برای سال 1405 شبیه­سازی شد (11). در پژوهشی تغییرات کاربری اراضی و گسترش شهر خوی با استفاده از مدل سلول­های خودکار در زنجیره مارکو برای سال 1400 شبیه­سازی شد (12). در تحقیقی نسبت به بررسی عوامل مؤثر در روند توسعه فیزیکی کلانشهر تبریز با توجه به مقوله توسعه فضایی پایدار شهری از بعد بوم‌شناختی و حفظ شرایط محیط‌زیستی برای دو دهه آتی با استفاده از تصاویر ماهواره­ای، ارزیابی چند معیاری و سلول­های خودکار اقدام شد (8). در مطالعه‌ای دیگر از اتوماسیون سلولی و الگوریتم ژنتیک برای مدل­سازی توسعه شهر شیراز استفاده شد (1). در پژوهشی از مدل سلول­های خودکار برای بررسی روند و چگونگی تاثیر طوفان کاترینا در الگوی رشد شهری منطقه ساحلی می­سی­سی پی استفاده شد (13). از طرفی به‌منظور تجزیه و تحلیل الگوهای توسعه شهری و خودسازگار با محیط­زیست در منطقه دریاچه پویانگ چین از یک مدل ترکیبی متشکل از مدل رگرسیون لجستیک، زنجیره مارکوف و سلول­های خودکار استفاده شد (14). در پژوهشی رشد شهری تورنتو با استفاده از مدل سلول­های خودکار و زنجیره مارکو برای سال­های 2020 و 2030 پیش­بینی و شبیه­­سازی شد (15). در پژوهشی از تلفیق رگرسیون لجستیک، زنجیره مارکف و مدل‌های ماشین‌های سلولی برای تجزیه و تحلیل گسترش حومه منطقه کالن ‌شهر تهران برای ‌ای 2006، 2016 و 2026 استفاده شد (16). همچنین برای مدل­سازی رشد شهری، شهر ونکور کاندا از مدل سلول­های خودکار متغیر شبکه­ای بهره گرفته شد (17).

شهر گچساران (دوگنبدان) با توجه به دارا بودن ذخایر عظیم نفت و گاز، قرار گرفتن در مسیرهای مواصلاتی اهواز، شیراز و جزایر و بنادر جنوبی کشور و همچنین تعدد زیاد روستاها در حومه­، در طی چند دهه اخیر با افزایش و رشد جمعیت و مهاجرت مواجه بوده است، لذا، این عوامل افزایش تقاضا برای اراضی شهری را نیز افزایش داده است. از این‌رو، مدل­سازی توسعه شهری گچساران می­تواند ضمن نشان دادن بهترین مسیر روند توسعه این شهر، به ساماندهی و رشد متوازن فضای شهری نیز منجر ­شود. بنابراین، این مطالعه با هدف پیش­بینی و  شبیه­سازی تغییرات زمانی و مکانی شهر گچساران برای سال 2044 بر اساس الگوی تغییرات گذشته طی دوره‌های زمانی
 1972 تا 2015 و با استفاده از روش سلول­های خودکار انجام یافت.

 

مواد و روش‌ها

معرفی منطقه مورد مطالعه

استان کهگیلویه و بویراحمد در جنوب غربی ایران بین 30 درجه و 9 دقیقه تا 31 درجه و 32 دقیقه عرض جغرافیایی شمالی و 49 درجه و 57 دقیقه تا 50 درجه و 42 دقیقه طول جغرافیایی شرقی استقرار یافته است. شهر گچساران (دوگنبدان) نیز بعنوان مرکز شهرستان گچساران با جمعیت 94638 نفر در منطقه گرمسیری استان کهگیلویه و بویراحمد واقع شده است و از شمال به شهرستان کهگیلویه، از شرق و شمال شرقی به شهرستان ممسنی (استان فارس)، از جنوب به بنادر دیلم و گناوه (استان بوشهر)، و از غرب به شهرستان بهبهان (استان خوزستان) محدود می­شود. گچساران از جمله شهرهای نفت­خیز کشور محسوب می­شود که روزانه بالغ بر 000/700 بشکه نفت از دخایر آن استحصال می­شود. قرار گرفتن این شهر در میان رشته کوه بزرگ خامی از سلسله جبال رشته کوه زاگرس در نیمه شمالی و بیابان خشک در نیمه جنوبی باعث پدیدار شدن دو نوع آب و هوای معتدل و خشک در نیمه شمالی و گرمسیری خشک در نیمه جنوبی شده است (18). موقعیت استقرار استان کهگیلویه و بویراحمد در کشور و همچنین شهر گچساران در استان در شکل 1 ارایه شده است.

تهیه تصاویر ماهواره­ای

در گام نخست نسبت به تهیه تصاویر سنجنده‌های MSS 1972، TM 1986، ETM+ 1999 و OLI 2015 از منطقه مورد مطالعه در دوره­ زمانی 43 ساله اقدام شد. به ‌منظور پردازش تصاویر ماهوره­ای و از طرفی استخراج نقشه کاربری اراضی به‌ترتیب از نسخه‌ 1/9 و 2/10 نرم‌افزارهایERDAS IMAGINE  و ArcGIS و برای تعیین میزان تغییرات کاربری اراضی در دوره‌های زمانی مورد بررسی، از تابع Cross Tabulation در نرم‌افزار IDRISI استفاده (19).

 

 

 

 

 

 

شکل 1- موقعیت استقرار استان کهگیلویه و بویراحمد در کشور (الف) و شهر گچساران در استان (ب)

Figure 1- Location of Kohgiluyeh and Boyer-Ahmad Province in Iran (a), and Ghachsaran Tiownship in Kohgiluyeh and Boyer-Ahmad Province (b)

 

 

پردازش تصاویر

الف) تصحیحات هندسی و اتمسفری: در پردازش تصاویر ماهواره­ای ابتدا همه تصحیحات هندسی و اتمسفری لازم انجام شد. در تصحیح هندسی به‌ منظور هم مرجع کردن تصاویر ماهواره­ای از نقشه‌های توپوگرافی رقومی در مقیاس 1:50000 تهیه شده از سازمان نقشه‌برداری کشور استفاده شد. به این صورت‌که نقاط کنترل زمینی، شامل: تقاطع جاده­ها، منایع آب­ جاری در اطراف مناطق شهری، تأسیسات موجود و غیره را از نقشه توپوگرافی انتخاب کرده و نسبت به زمین مرجع کردن (Georeferencing) تصویر سنجندهOLI 2015  با استفاده از نقاط کنترل زمینی اقدام شد. سپس تصاویر سایر سنجنده‌ها بر اساس تصویر زمین مرجع ماهواره OLI 2015 تصحیح شدند (19). در نهایت تصویر MSS، TM، ETM+ و OLI با خطای RMS به‌ترتیب برابر با 09/0، 07/0 ، 08/0 و 05/0 زمین مرجع شدند. برای تصحیح اتمسفری نیز از نرم­افزار ATCOR بر مبنای مدل MODTRAN استفاده شد.

ب) تهیه نقشه کاربری اراضی: بدین منظور و در اولین گام، تصاویر ماهواره­ای به‌روش طبقه­بندی نظارت نشده (Unsupervised Classification) برای آشنایی بیش‌تر با کاربری­های منطقه، به‌خصوص در سال­های گذشته و شناخت کلی کلاس­­های پوشش زمین، و همچنین به‌عنوان ابزار کمکی در تعیین نقاط تعلیمی (Training Samples)، طبقه­بندی شدند. سپس با توجه به شناخت نسبی از منطقه و انجام مطالعات میدانی از قبیل برداشت‌های چشمی و کاربرد GPS، همچنین استفاده از نتایج حاصل از طبقه­بندی نظارت نشده و تصاویر ماهواره­ای بزرگ مقیاس تحت نرم­افزار Google Earth، نسبت به تعیین نقاط تعلیمی برای 5 کلاس، شامل: اراضی شهری، درختی و درختچه­ای، بیابانی، آبی و کشاورزی اقدام شد. پس از تعیین و واردسازی نمونه­های تعلیمی در نسخه 1/9 نرم­افزارERDAS IMAGINE ، نسبت به انجام طبقه­بندی نظارت شده (Supervised Classification)  با روش حداکثر احتمال اقدام شد. بدین منظور برای هر تصویر ماهواره­ای طبقه­بندی نظارت شده به‌طور جداگانه انجام یافت و از طرفی برای هر تصویر یک نقشه کاربری اراضی استخراج شد (22-20).

ج) ارزیابی دقت: پس از طبقه­بندی و تهیه نقشه پوشش و کاربری اراضی، ارزیابی صحت نقشه­ها انجام یافت. بدین منظور صحت     نقشه­های کاربری حاصل در این مطالعه از طریق شاخص دقت کلی (Overall Accuracy) و ضریب کاپا (Kappa Coefficient) محاسبه شد (1).

آشکارسازی تغییرات کاربری اراضی

برای پی‌بردن به تغییرات حادث در محدوده مورد مطالعه، نقشه­های حاصل از طبقه­بندی تصاویر    ماهواره­ای دوره‌های زمانی 1986، 1999 و 2015 دو به دو با استفاده از روش جدول متعامد (Cross Tabulation) در نرم­افزارIDRISI  با یکدیگر مورد مقایسه قرار گرفت و در نتیجه ماتریسی که ردیف­ها و ستون‌های آن به‌ترتیب مربوط به کاربری سال پایین و کاربری سال بالا بود، ایجاد شد. لازم به ذکر است که در این مرحله از تصاویر سنجنده MSS 1972، به‌دلیل عدم تطبیق توان تفکیک مکانی و رادیومتریک با سایر تصاویر استفاده نشد.

شبیه‌سازی  و مدل­سازی روند تغییرات کاربری اراضی منطقه مورد مطالعه

در این مرحله احتمال انتقال هر کاربری به کاربری دیگر و از طرفی شبیه­سازی و پیش­بینی روند تغییرات کاربری­ شهری برای سال 2044 به‌عنوان افق پیش­بینی با استفاده از مدل سلول­های خودکار و از طریق زنجیره مارکوف با استفاده از لایه کاربری اراضی مربوط به سال­های 1986 و 2015 در نرم­افزار IDRISI محاسبه ­شد (20). بدین صورت‌که در ماژول MARKOV نرم­افزار IDRISI، تغییراتی که تا سال 2044 روی خواهد داد، پیش­بینی شد. سپس در ماژول CA_MARKOV از جدول مساحت انتقال یافته و تصاویر احتمال شرطی برای پیش­بینی تغییرات پوشش زمین در دوره زمانی مورد نظر در تحلیل زنجیره مارکوف استفاده شد. پس از تولید نقشه شبیه‌سازی شده، صحت و دقت این نقشه از طریق محاسبه ضریب شاخص کاپا و دقت کلی مورد بررسی قرار گرفت.

 

نتایج

نقشه­های کاربری اراضی شهر گچساران طی سال­های 1972، 1986، 1999 و 2015 میلادی و مساحت کاربری ­های تعیین شده طی سال­های مورد مطالعه به‌ترتیب در شکل 2 و جدول 1 ارایه شده است.

 

 

شکل 2- نقشه‌های کاربری اراضی شهر گچساران: سال 1972 (الف)، سال 1986 (ب)، سال  1999 (ج)، سال 2015 (د)

Figure 2- Land use maps of the study area: 1972 (a), 1986 (b), 1999 (c), and 2015 (d)

 

 

 

با استناد به نقشه­های کاربری اراضی شهر گچساران (شکل 2)، روند تغییرات کاربری اراضی شهر گچساران در هر دوره زمانی متفاوت است، ولی روند تغییرات کاربری اراضی شهری به‌ویژه در نیمه شمالی شهر روند صعودی داشته و از دوره­ای به دوره دیگر همواره با افزایش همراه بوده است.

نتایج ارزیابی دقت نقشه­های کاربری اراضی

نتایج ارزیابی دقت نقشه­های کاربری اراضی نشان داد که به‌دلیل پایین بودن کیفیت و دقت مکانی، تصاویر سنجنده MSS 1972 از کم‌ترین دقت و صحت برخوردار بود.

 

جدول 1- ارزیابی دقت کلی و ضریب شاخص کاپای نقشه­های کاربری اراضی تهیه شده

Table 1- Overall accuracy and Kappa coefficient of the land use maps

 

نقشه کاربری اراضی

دقت کلی (%)

ضریب کاپا

MSS 1972

76

69/0

TM 1986

89

78/0

ETM+ 1999

91

83/0

OLI 2015

93

87/0

 

 

 

 

 

نتایج بررسی تغییرات کاربری اراضی طی بازه زمانی سال‌های 1986 تا 1999، نشان داد که تغییرات همراه با افزایش کاربری­های انسان‌ساز از قبیل کاربری شهری و کاهش کاربری طبیعی و بوم‌شناختی بوده است. اما چشم‌گیرترین و شدیدترین تغییرات کاربری در این دوره زمانی مربوط به تبدیل حدود 843 هکتار از اراضی کشاورزی به اراضی بیابانی به‌ویژه در نیمه شمالی و شرقی شهر گچساران و همچنین در امتداد جاده اصلی اهواز به شیراز بود. از طرفی مشخص شد که در بازه زمانی سال‌های 1999 تا 2015 به دلیل پیشرفت فناوری در   زمینه­­های عمرانی، شهرسازی و همچنین کشاورزی تغییرات زیادی در کاربری‌های رایج منطقه مورد مطالعه به‌ویژه کاربری­های شهری و کشاورزی انجام یافته است. به طوری‌که در این دوره با تبدیل حدود 610 هکتار از اراضی بیابانی نیمه شمالی شهر به کاربری شهری و نیز تبدیل حدود 545 هکتار از اراضی بیابانی ناحیه شرقی شهر به کاربری کشاورزی، بیش‌ترین تغییرات کاربری مربوط به اراضی بیابانی بود. نتایج حاصل از جدول متعامد برای بررسی تغییرات دوره زمانی 1986 تا 2015 نیز بیان‌گر آن بود که بیش‌ترین تغییرات این بازه زمانی مربوط به گسترش و افزایش اراضی شهری است. به صورتی‌که حدود 536 هکتار از اراضی بیابانی به اراضی شهری تبدیل شده است. شکل 3 نشان‌دهنده آن است که بیش‌ترین روند گسترش اراضی شهری به‌علت قرار گرفتن رشته کوه خامی و ایجاد اقلیمی معتدل­تر در نیمه شمالی و در اراضی بلافصل شهر و همچنین اراضی بلا استفاده درون سطح شهر انجام یافته است. همچنین نتایج نشان داد که کاربری کشاورزی در بازه زمانی 1986 تا 2015 کاهش یافته است. بدین صورت‌که حدود 551 هکتار از اراضی کشاورزی به بیابانی، حدود 49 هکتار به اراضی درختی و حدود 207 هکتار نیز به اراضی شهری (بیش‌تر در نیمه شمالی شهر) تغییر کاربری یافته است. روند تغییرات کاربری‌ها به یکدیگر طی دوره­های زمانی 1986، 1999 و 2015 بر حسب هکتار و همچنین روند تغییرات مساحتی هر کاربری از سال 1972 تا 2015 به‌ترتیب در جدول 2 و شکل4 ارایه شده است.

 

 

 شکل 3-نقشه‌های تغییرات کاربری اراضی شهر گچساران: بازه زمانی 1999-1986 (لف)، بازه زمانی 2015-1999 (ب)، بازه زمانی 2015-1986 (ج)

Figure 3- Maps of land use changes of the study area: 1986-1999 (a), 1999-2015 (b), and 1986-2015 (c)


 

جدول 2- تغییرات کاربری اراضی شهر گچساران بر حسب هکتار طی سال­های 1986 تا 2015

Table 2- Land use changes of the study area from 1986 to 2015 (ha)


                  بازه زمانی  

کلاس کاربری     

1999-1986

2015-1999

2015-1986

بیابانی- کشاورزی

2/142

95/544

92/439

بیابانی- درختی

73/125

56/322

65/277

بیابانی- شهری

26/79

85/609

68/535

کشاورزی- بیابانی

92/842

48/159

62/550

کشاورزی- درختی

76/5

15/21

87/48

کشاورزی- شهری

62/30

33/12

91/206

درختی- کشاورزی

98/10

76/14

93/6

درختی- بیابانی

594

56/309

44/784

درختی- شهری

12/15

52/10

12/15

آبی- بیابانی

8/82

0

19/80

بیابانی- آبی

0

61/2

0

 

 

 

 

 

 

                                          (الف)                                                                                   (ب)

 

 

 

                           (ج)                                                                                    (د)

 

(ه)

شکل 4- نمودارهای مربوط به تغییر سطح کاربری­ها طی بازه زمانی 1972 تا 2015

Figure 4- Graphs of the changes in extent of land uses of the study area during 1972 to 2015

 

 

 

نتایج مندرج در تصویر شماره 4 بر کاهش کاملاً محسوس در کاربری­های بوم شناختی (اراضی درختی، پوشش آبی و کشاورزی) و افزایش سطح اراضی شهری دلالت دارد. بر این اساس، مساحت اراضی اختصاص داده شده به کاربری شهری با رشد تقریبی 1453 هکتاری، از 229 هکتار در سال 1972 به 1682 هکتار در سال 2015 افزایش یافته است.

 

نتایج شبیه­سازی و مدل­سازی روند گسترش شهر گچساران برای سال 2044 بر مبنای تغییرات انجام یافته از سال 1986 تا سال 2015 و همچنین ماتریس احتمال حاصل از زنجیره مارکوف بیان‌گر وقوع تغییرات فراوان در کاربری شهری و گسترش اراضی این کاربری است. بدین صورت‌که با توجه به مدل­سازی انجام یافته، پیش­بینی    می­شود مساحت کاربری شهری با رشد تقریبی %70 از 1682 هکتار در سال 2015 به حدود 2842 هکتار در سال 2044 افزایش یابد (تصویر شماره 5). از طرفی با استناد به نقشه شبیه­سازی شده، در سال 2044 شاهد گسترش فضای شهری از طریق تغییر کاربری زمین­های رهاشده و بلا استفاده در محورهای شرق و غرب شهر به‌خصوص در سمت شرقی و در امتداد جاده گچساران به شیراز خواهیم بود (تصویر شماره 6).

 

 

 

 

شکل 5 - نقشه تغییرات کاربری شهری گچساران طی سال­های 2015 تا 2044

 

Figure 5- Map of the changes in land uses of the study area during 2015 to 2044


 

 

شکل 6- نقشه شبیه­سازی شده روند گسترش کاربری شهری گچساران در سال 2044

Figure 6- Simulated map of urban development trends of the study area in 2044



بحث و نتیجه­گیری

نتایج ارزیابی دقت مدل به‌منظور سنجش و ارزیابی اعتبار نقشه‌های پیش­بینی بر اساس محاسبه ضریب شاخص کاپا و همچنین دقت کلی نقشه­ مدل­سازی شده نشان داد که مقدار ضریب شاخص کاپا و میزان دقت کلی آن به‌ترتیب برابر با 79/0 و 87% بوده است.

افزایش جمعیت و پیشرفت فناوری در دو دهه اخیر سبب شده است تا بشر برای رفع نیازهای نامحدود خود اقدام به تخریب طبیعت و تغییر نوع کاربری طبیعی آن کرده و به‌دنبال آن سطح وسیعی از منابع این کره خاکی دچار تباهی شدید شود. تبدیل کاربری زمین، بیابان‌زایی، جنگل‌زدایی، فرسایش خاک و بسیاری دیگر از پیامدهایی که به‌واسطه مدیریت ضعیف و غیر­ اصولی در اداره سرزمین، سلامت منابع‌طبیعی جهان را به‌خطر می­‌اندازند، در بیش‌تر موارد به‌دلیل استفاده غیرمنطقی از سرزمین روی می­دهند. در این میان تبدیل اراضی طبیعی به کاربری شهری و مدیریت ناصحیح در این امر موجب بروز خسارات زیادی به محیط­زیست طبیعی شده است (بالی و همکاران، 1391: 74). امروزه گسترش فیزیکی و بدون برنامه­ریزی شهرها با ایجاد دستکاری­های گسترده­ در چهره طبیعی زمین، مهاجرت روستانشینان به شهرها، رشد بی­رویه جمعیت و نیز توسعه اقتصادی باعث پیدایش و تداوم مخاطرات عظیم محیط‌زیستی و اجتماعی و کاهش کیفیت زندگی جوامع شهری و غیرشهری شده است. بدین صورت که شرایط زندگی ساکنان شهرها در معرض تهدید و نابودی قرار گرفته است (1 و 6).

نتایج حاصل از این پژوهش که با هدف مدل­سازی روند توسعه شهر گچساران توسط مدل سلول‌های خودکار انجام یافت، نشان داد که در دوره­ مورد مطالعه (2015-1972) با روند توسعه شهری مواجه هستیم، که این روند با از بین رفتن سایر کاربری­‌های طبیعی به‌خصوص کشاورزی غالباً در نیمه شمالی شهر به‌واسطه استقرار رشته کوه خامی و برخورداری از اقلیم معتدل­تر و از طرفی مجاورت با جاده اصلی شیراز-اهواز، همراه بوده است. از دیگر سو، تغییرات شدید اراضی درختی و درختچه­ای نیز به‌علت فرسایش بادی و آبرفتی، رانش زمین و ایجاد گسل، قطع بی­رویه درختان توسط ساکنین و به‌تبع آن کاهش زادآوری طبیعی درختان کاملاً محسوس است، که این تغییرات منجر به ایجاد اراضی بیابانی و لخت شده است.

نتایج پیش­بینی و شبیه­سازی روند توسعه شهر گچساران برای سال 2044 میلادی نیز حاکی از آن است که در آینده نیز به مانند سه دهه گذشته که به‌واسطه بی‌توجهی به ضوابط و مقررات گسترش کالبدی- فضایی شهر، تبدیل عامدانه اراضی با ارزش بوم‌شناختی به کاربری بایر شهری و سپس به کاربری‌های ساخته‌شده، گستره وسیعی از اراضی با کاربری کشاورزی به اراضی با کاربری شهری تغییر یافته است، بخش دیگری از اراضی کشاورزی و مرتعی (تقریباً %70) در خارج از گستره فعلی شهر و به‌ویژه در نیمه شمالی منطقه در امتداد جاده اصلی به اراضی شهری تغییر کاربری دهند.

نتایج تحقیقی که با هدف درک عوامل مؤثر در روند توسعه فیزیکی کلان‌شهر تبریز طی سال­های 1363 تا 1390 با استفاده از روش ارزیابی چند معیاری و سلول­های خودکار انجام یافت، نشان داد که بی­توجهی به ضوابط و مقررات گسترش کالبدی- فضایی شهر به‌خصوص طی 30 سال گذشته منجر به نابودی اراضی کشاورزی یا تبدیل عامدانه این اراضی به کاربری شهری شده است (8). در   مطالعه­ای که با هدف سنجش گستردگی شهری ارومیه با روش تلفیقی سلول­های خودکار و زنجیره مارکوف انجام یافت، نتایج بیان‌گر آن بود که در نتیجه افزایش کاربری شهری، تغییرات شدید در کاربری کشاورزی را منجر شده است. از طرفی پیش­بینی شد که گسترش کاربری شهری، ناپایداری در توزیع بهینه خدمات را به همراه خواهد داشت (23). از طرفی، نتایج پژوهشی دیگر که با هدف بررسی تغییرات کاربری اراضی شهر بیجینگ چین با استفاده از ترکیب مدل رگرسیونی و روش مارکوف تحت مدل سلول­های خودکار انجام یافت، نشان داد که اراضی مرتعی طی سال­های 1986 تا 2001 به‌شدت کاهش و کاربری شهری با رشد چشم‌گیر مواجه بوده است (24).

ارزیابی و بررسی دقت و صحت مدل­ شبیه­سازی شده توسعه شهر گچساران بر اساس ضریب شاخص کاپا نشان داد که با ضریب برابر با 79/0، نتایج شبیه­سازی در مقایسه با شبیه­سازی تصادفی قابل اعتمادتر است. همچنین دقت کلی برابر با 87% برای مدل پیش­بینی نیز قابل قبول بوده و نشان دهنده این موضوع است که %87 از سلول­ها به‌درستی شبیه­سازی شده­اند. در پژوهشی که به‌منظور شبیه­سازی توسعه شهر شیراز بین سال­های 1990 تا 2000 از مدل اتوماسیون سلولی (سلول­های خودکار) و الگوریتم ژنتیک استفاده شد، نتایج نشان داد که ضریب شاخص کاپا و دقت کلی مدل به‌ترتیب برابر با 68/0 و 92% است، که دقت قابل قبولی محسوب می‌شود (1). از طرفی، نتایج پژوهشی که طی آن با استفاده از تصاویر ماهواره­ای متوسط مقیاس، روند توسعه شهر تهران بررسی شد، نشان داد که با شاخص کاپای برابر با 87/0 و دقت کلی برابر با 93% مدل­سازی مبتنی بر روش سلول­های خودکار قابل اتکا است (25).Liu  و همکاران (2008)، در پژوهشی دیگر گزارش کردند که دقت و صحت مدل سلول­های خودکار با ضریب شاخص کاپا 57/0-48/0 و دقت کلی 79%-74% برای شبیه­سازی گسترش شهر گوانگژو چین تایید نشده است (2).

به‌طور کلی می‌توان نتیجه گرفت که روند گسترش شهر گچساران در طی سالیان اخیر از الگوی مناسبی تبعیت نکرده و موجب رشد ناموزون، و به‌ویژه در قسمت غربی شهر شده است. مطابق نتایج حاصل از مدل شبیه­سازی، با ثابت بودن روند تغییرات، در آینده شاهد تغییر کاربری بسیاری از اراضی کشاورزی به کاربری شهری خواهیم بود که باعث رشد خطی، ناموزون و بدقواره شهر خواهد ­شد. همچنین نتایج کلی پژوهش نشان داد مدل CA، مدلی مناسب برای پیش­بینی و شبیه­سازی روند توسعه شهری است. در نهایت به‌منظور جلوگیری از پراکنش افقی شهر و حفظ منابع در راستای توسعه پایدار و درخور شهری و همچنین برنامه­ریزی به منظور بهره­برداری و استفاده صحیح از اراضی بیابانی و رهاشده نیمه جنوبی شهر گچساران نسبت به نظارت دقیق­ بر نحوه و الگوی تغییر کاربری­ اراضی­، استفاده از الگوی شهر فشرده، نوسازی بافت­های فرسوده شهری و استفاده از زمین­های بایر و خالی در درون شهر توصیه می‌شود.

 

منابع

  • Zarei, R., Alesheikh, A.A. 2013. Urban growth modeling with cellular automata and genetic algorithm (the study area: Shiraz City). Research and Urban Planning, 3(11): 1-16. (In Persian)
  • Liu, X., Liu, L., He, J., Ai, B. 2008, A bottom-up approach to discover transition rules of cellular automata using ant intelligence. International Journal of Geographical Information Science, 22(11-12): 1247-1269.
  • Mousavi, M.N., Yazdani Chaharborj, R. 2014. Urban growth modeling of Maraghe city by using of logistic regression. Geographical Urban Planning Research, 2(3): 323-341. (In Persian)

4-      He, Ch., Okada, N., Zhang, Q., Shi, P., Li, J. 2008. Modelling dynamic urban expansion processes incorporating a potential model with cellular automata. Landscape and Urban Planning, 86(1): 79-91.

  • Han, J., Hayashi, Y., Cao, X., Imura, H. 2009. Application of an integrated system dynamics and cellular automata model for urban growth assessment: A case study of Shanghai, China. Landscape and Urban Planning, 91(3): 133-141.
  • Zinatizadeh, S., Azmi, A., Monavari, S.M., Sobhanardakani, S. 2017. Evaluation and prediction of sustainability of urban areas: A case study for Kermanshah city, Iran. Cities, 66: 1-9.
  • Zinatizadeh, S., Azmi, A., Monavari, S.M., Sobhanardakani, S. 2017. Multi-Criteria decision making for sustainability evaluation in urban areas: A case study for Kermanshah city, Iran. Applied Ecology and Environmental Research, 15(4): 1083-1100.
  • Ghorbani, R., Pourmohammadi, M.R., Mahmoudzadeh, H. Ecological approach in land use change modeling of Tabriz metropolitan using multi temporal satellite images, multi criteris analysis and Cellular Automata Markov Chain (1984-2038). Urban Studies, 2(8):13-30. (In Persian)
  • Batty, M. 2005. Agents, cells, and cities: new representational models for simulating multiscale urban dynamics. Environment and Planning A, 37(8): 1373-1394.
  • Benenson, I., Torrens, P.M. 2004. Geosimulation: Automata-based modeling of urban phenomena", London: John Wiley & Sons, Inc., 312 P.

11-  Dadashpoor, H., Jahanzad, N. 2015. Simulation of future land use changes based on an ecological optimal pattern in Mashhad Metropolitan area. Geographical Urban Planning Research, 3(3): 343-359. (In Persian)

12-  Maboodi, M.T., Hakimi, H. 2015. Analysis of land use changes and urban sprawl simulation in mid-sized cities (Case study: Khoy City). Geographical Urban Planning Research, 3(2): 211-226. (In Persian)

  • Qiang, Y., Lam, N.S.-N. 2016. The impact of Hurricane Katrina on urban growth in Louisiana: an analysis using data mining and simulation approaches. International Journal of Geographical Information Science, 30(9): 1832-1852.
  • Liu, Y., Dai, L., Xiong, H. 2015. Simulation of urban expansion patterns by integrating auto-logistic regression, Markov chain and cellular automata models. Journal of Environmental Planning and Management, 58(6): 1113-1136.
  • Vaz, E., Arsanjani, J.J. 2015. Predicting urban growth of the greater Toronto Area - coupling a Markov Cellular Automata with document meta-analysis. Journal of Environmental Informatics, 25(2): 71-80.

16-  Jokar Arsanjani, J., Helbich, M., Kainz, W., Darvishi Boloorani, A. 2013. Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion. International Journal of Applied Earth Observation and Geoinformation, 21: 265-275.

  • Van Vliet, J., White, R., Dragicevic, S. 2009. Modeling urban growth using a variable grid cellular automata. Computers, Environment and Urban Systems, 33(1): 35-43.

18-  Poor Ahmad, A., Ziari, K.A., Mohammadi, R. Spatial distribution pattern of urban uses in oil-rich cities (Case study: Dogonbadan city). Geographical Research, 25: 21-50. (In Persian)

19-  Bali, A., Monavari, S.M., Jafari, M., Abdolahi, Sh. 2012. Land uses change patterns in Anzali Wetland basin during 2000, 1989, 1975 and 2007 with emphasis on urban development and constructed lands. Journal of Environmental Science and Bioengineering, 53-54: 73-80. (In Persian)

20-  Eerens, H., Haesen, D., Rembold, F., Urbano, F., Tote, C., Bydekerke, L. 2014. Image time series processing for agriculture monitoring. Environmental Modelling & Software, 53: 154-162.

21-  Butt, A., Shabbir, R., Ahmad, S.S., Aziz, N. 2015. Land use change mapping and analysis using Remote Sensing and GIS: A case study of Simly watershed, Islamabad, Pakistan. The Egyptian Journal of Remote Sensing and Space Science, 18(2): 251-259.

22-  Rawat, J.S., Kumar, M. 2015. Monitoring land use/cover change using remote sensing and GIS techniques: A case study of Hawalbagh block, district Almora, Uttarakhand, India. The Egyptian Journal of Remote Sensing and Space Science, 18(1): 77-84.

23-  Roostayee, Sh., Ahadnezhad Rooshti, M., Farrokhe Someae, M. 2015. Spatial evaluation of urban sprawl with an emphasize on landuse charges, using satellite imagery (Case study of Urmia). Geography and Planning, 18(50): 189-206.

 

 

 

 

[1] - دانش‌آموخته کارشناسی ارشد، گروه محیط‌زیست، دانشکده علوم پایه، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران.

[2] - استاد گروه محیط‌زیست، دانشکده علوم پایه، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران (نویسنده مسوول).

[3]- Department of the Environment, College of Basic Sciences, Hamedan Branch, Islamic Azad University, Hamedan, Iran

[4]- Department of the Environment, College of Basic Sciences, Hamedan Branch, Islamic Azad University, Hamedan, Iran (Corresponding Author).

  • Zarei, R., Alesheikh, A.A. 2013. Urban growth modeling with cellular automata and genetic algorithm (the study area: Shiraz City). Research and Urban Planning, 3(11): 1-16. (In Persian)
  • Liu, X., Liu, L., He, J., Ai, B. 2008, A bottom-up approach to discover transition rules of cellular automata using ant intelligence. International Journal of Geographical Information Science, 22(11-12): 1247-1269.
  • Mousavi, M.N., Yazdani Chaharborj, R. 2014. Urban growth modeling of Maraghe city by using of logistic regression. Geographical Urban Planning Research, 2(3): 323-341. (In Persian)

4-      He, Ch., Okada, N., Zhang, Q., Shi, P., Li, J. 2008. Modelling dynamic urban expansion processes incorporating a potential model with cellular automata. Landscape and Urban Planning, 86(1): 79-91.

  • Han, J., Hayashi, Y., Cao, X., Imura, H. 2009. Application of an integrated system dynamics and cellular automata model for urban growth assessment: A case study of Shanghai, China. Landscape and Urban Planning, 91(3): 133-141.
  • Zinatizadeh, S., Azmi, A., Monavari, S.M., Sobhanardakani, S. 2017. Evaluation and prediction of sustainability of urban areas: A case study for Kermanshah city, Iran. Cities, 66: 1-9.
  • Zinatizadeh, S., Azmi, A., Monavari, S.M., Sobhanardakani, S. 2017. Multi-Criteria decision making for sustainability evaluation in urban areas: A case study for Kermanshah city, Iran. Applied Ecology and Environmental Research, 15(4): 1083-1100.
  • Ghorbani, R., Pourmohammadi, M.R., Mahmoudzadeh, H. Ecological approach in land use change modeling of Tabriz metropolitan using multi temporal satellite images, multi criteris analysis and Cellular Automata Markov Chain (1984-2038). Urban Studies, 2(8):13-30. (In Persian)
  • Batty, M. 2005. Agents, cells, and cities: new representational models for simulating multiscale urban dynamics. Environment and Planning A, 37(8): 1373-1394.
  • Benenson, I., Torrens, P.M. 2004. Geosimulation: Automata-based modeling of urban phenomena", London: John Wiley & Sons, Inc., 312 P.

11-  Dadashpoor, H., Jahanzad, N. 2015. Simulation of future land use changes based on an ecological optimal pattern in Mashhad Metropolitan area. Geographical Urban Planning Research, 3(3): 343-359. (In Persian)

12-  Maboodi, M.T., Hakimi, H. 2015. Analysis of land use changes and urban sprawl simulation in mid-sized cities (Case study: Khoy City). Geographical Urban Planning Research, 3(2): 211-226. (In Persian)

  • Qiang, Y., Lam, N.S.-N. 2016. The impact of Hurricane Katrina on urban growth in Louisiana: an analysis using data mining and simulation approaches. International Journal of Geographical Information Science, 30(9): 1832-1852.
  • Liu, Y., Dai, L., Xiong, H. 2015. Simulation of urban expansion patterns by integrating auto-logistic regression, Markov chain and cellular automata models. Journal of Environmental Planning and Management, 58(6): 1113-1136.
  • Vaz, E., Arsanjani, J.J. 2015. Predicting urban growth of the greater Toronto Area - coupling a Markov Cellular Automata with document meta-analysis. Journal of Environmental Informatics, 25(2): 71-80.

16-  Jokar Arsanjani, J., Helbich, M., Kainz, W., Darvishi Boloorani, A. 2013. Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion. International Journal of Applied Earth Observation and Geoinformation, 21: 265-275.

  • Van Vliet, J., White, R., Dragicevic, S. 2009. Modeling urban growth using a variable grid cellular automata. Computers, Environment and Urban Systems, 33(1): 35-43.

18-  Poor Ahmad, A., Ziari, K.A., Mohammadi, R. Spatial distribution pattern of urban uses in oil-rich cities (Case study: Dogonbadan city). Geographical Research, 25: 21-50. (In Persian)

19-  Bali, A., Monavari, S.M., Jafari, M., Abdolahi, Sh. 2012. Land uses change patterns in Anzali Wetland basin during 2000, 1989, 1975 and 2007 with emphasis on urban development and constructed lands. Journal of Environmental Science and Bioengineering, 53-54: 73-80. (In Persian)

20-  Eerens, H., Haesen, D., Rembold, F., Urbano, F., Tote, C., Bydekerke, L. 2014. Image time series processing for agriculture monitoring. Environmental Modelling & Software, 53: 154-162.

21-  Butt, A., Shabbir, R., Ahmad, S.S., Aziz, N. 2015. Land use change mapping and analysis using Remote Sensing and GIS: A case study of Simly watershed, Islamabad, Pakistan. The Egyptian Journal of Remote Sensing and Space Science, 18(2): 251-259.

22-  Rawat, J.S., Kumar, M. 2015. Monitoring land use/cover change using remote sensing and GIS techniques: A case study of Hawalbagh block, district Almora, Uttarakhand, India. The Egyptian Journal of Remote Sensing and Space Science, 18(1): 77-84.

23-  Roostayee, Sh., Ahadnezhad Rooshti, M., Farrokhe Someae, M. 2015. Spatial evaluation of urban sprawl with an emphasize on landuse charges, using satellite imagery (Case study of Urmia). Geography and Planning, 18(50): 189-206.