مدل‌سازي تفكيك قطعات زمين در فرايند توسعۀ شهري (مورد شناسي: شهر سمنان)

Modeling Land Disaggregation in Urban Development Process (Case Study: Semnan City

با پيدايش طرح‌هاي توسعۀ جديد شهري در كشورهاي مختلف و همچنين ضرورت بهره‌گيري مناسب از زمين، مقولۀ تفكيك اراضي همواره ازموضوعات بحث‌برانگيز در راستاي توسعه‌هاي جديد بوده است. هدف اصلي تفكيك اراضي شهري، فراهم‌كردن حداكثر بهره‌وري از زمين و فضا و رعايت دسترسي بين قطعات شهري است، به‌طوري كه محيط شهري مطلوب را پديد آورد. عوامل متعددي در تعيين اندازۀ مساحت قطعات تفكيكي مؤثرند. در اين ميان ويژگي‌هاي اجتماعي- اقتصادي خانوارهايي كه پيش‌بيني مي‌شود در افق طرح در ناحيۀ توسعه‌يافته سكونت خواهند يافت، از اهميت زيادي برخوردار است. بر اين مبنا، در پژوهش حاضر چهار عامل بُعد خانوار، سطح درآمد، قيمت زمين و ميزان دسترسي به مراكز شهري، به‌عنوان متغيّرهاي مستقل و مساحت زمين به‌عنوان متغيّر وابسته انتخاب شده‌اند و نتايج به‌دست‌آمده، از ميزان اهميت هر يك از متغيّرهاي مستقل در تبيين متغيّر وابسته در يك رابطۀ رگرسيون ارائه شده است. منطقۀ مطالعۀ موردي، شهر سمنان است كه براساس پيش‌بيني فرايند رشد شهري تا افق طرح جامع (1405)، نياز به 86 هكتار زمين دارد. فرايند مدل‌سازي تفكيك زمين در شش گام انجام شده است و ابزار پايۀ مورد استفاده درجهت تقسيم‌بندي زمين، مدل ارائه‌شده توسط داهال و چو (2014) است كه براساس اندازه، شكل و جهت، طرح تقسيم‌بندي قطعات بزرگ زمين را به‌صورت كاملاً خودكار ارائه مي‌دهد. با استفاده از اين مدل، قطعۀ زمين موردنظر به 16 بلوك اوليه تفكيك مي‌شود. هر يك از بلوك‌ها با توجه به قيمت زمين و ميزان دسترسي خود به مراكز شهري، ارزش يا اهميت مكاني متفاوتي براي سكونت خانوارها دارند. با محاسبۀ ميانگين شاخص دسترسي و پيش‌بيني قيمت زمين و درآمد در سال افق و به‌كارگيري رابطۀ رگرسيون، مساحت موردنياز قطعات زمين براي سطوح درآمدي مختلف به‌دست مي‌آيد. از سوي ديگر با محاسبۀ ارزش مكاني براي هر يك از بلوك‌ها و با فرض آنكه خانوارهاي با سطح درآمدي بهتر تمايل به زندگي در بلوك‌هايي با ارزش مكاني بالاتر را خواهند داشت، مساحت‌هاي ‌به‌دست‌آمده به بلوك‌هاي مورد‌نظر تخصيص مي‌يابند. در‌نهايت براي رسيدن به نتايج بهتر، محدوديت‌هاي مدل تقسيم‌بندي خودكار زمين و همچنين پيشنهادهاي مورد‌نياز درجهت دستيابي به نتايج دقيق‌تر، ارائه شده است.

With the emergence of new urban development plans in different countries as well as the necessity of proper land use, land allocation has always been one of the most controversial issues in the context of new developments. The main objective of urban land segregation is to provide maximum efficiency of land and space and to maintain access between urban areas, thus creating a favorable urban environment. Several factors are effective in determining the size of the segments. Of these, the socio-economic characteristics of the households that are expected to reside on the horizon in the developed area are of great importance. Accordingly, in the present study four factors including household size, income level, land price and access to urban centers were selected as independent variables and land area as dependent variable and the results obtained from the importance of each Independent variables in explaining the dependent variable are presented in a regression equation.Accordingly, in the present study four factors including household size, income level, land price and access to urban centers were selected as independent variables and land area as dependent variable and the results obtained from the importance of each Independent variables in explaining the dependent variable are presented in a regression equation. The case study area is Semnan city which requires 86 Hectares based on forecasting urban development process to master plan horizon (1405). Land segmentation modeling process is done in six steps and basic tool used for land segmentation model. Designed by Dahal and Cho (2014), based on size, shape, and direction, it provides a fully automated large-scale segmentation scheme. Using this model, the plot of land is subdivided into 16 primary blocks. Each block has a different place or value to households depending on the price of land and their access to urban centers. By calculating the average of accessibility index and forecasting the price of land and income in the horizon and using the regression equation, the required land parcels for different income levels are obtained. On the other hand, by calculating the location value for each block and assuming that higher-income households tend to live in higher-value blocks, the obtained areas are allocated to the considered blocks. Finally, in order to achieve better results, the limitations of the automated land segmentation model as well as suggestions for achieving more accurate results are presented.