مدل سازي رشد شهري با استفاده از تصاوير ماهواره اي متوسط مقياس و مبتني بر روش خودكاره هاي سلولي (مطالعه موردي: شهر تهران)

Urban expansion modeling using medium resolution satellite imagery based on cellular automata (Case study: Tehran city)

مدل سازي رشد شهري و تغييرات صورت گرفته در كاربري اراضي جز جدايي ناپذيري از برنامه ريزي براي توسعه پايدارند. تحقيق حاضر نيز در نظر دارد رشد و توسعه شهري را براي كلان شهر تهران از بعد زماني و توزيع مكاني، مدل سازي نمايد. بدين منظور ابتدا با استفاده از تصاوير سري زماني ماهواره لندست، نقشه هاي كاربري اراضي براي سال هاي 1988، 2002 و 2013 با رويكرد شي پايه مورد طبقه بندي قرار گرفت. در گام بعدي با بهره گيري از مدل رگرسيون لجستيك ميزان تاثير متغيرهاي مستقل در رابطه با گسترش شهري شامل چهارده متغير در قالب دو گروه متغيرهاي محيطي-طبيعي و اجتماعي – اقتصادي در دوره 1988 تا 2002، به صورت ضريب در معادله رگرسيون محاسبه شده و نقشه پتانسيل گسترش شهري توليد گرديد. ارزيابي عملكرد رگرسيون لجستيك با استفاده از دو شاخصPseudo R2 و ROC با مقادير به ترتيب 32/0 و 89/0 نشانگر برازش خوب رگرسيون و قابليت تشريحي مناسب آن بود. در ادامه مساحت تغييرات براي سال مورد انتظار با استفاده از تحليل زنجيره ماركوف به صورت كمي پيش بيني شد. در نهايت با استفاده از خروجي هاي دو مدل رگرسيون لجستيك و تحليل زنجيره ماركوف، با بهره گيري از مدل خودكاره هاي سلولي ، رشد شهري براي سال 2013 مدل سازي گشت كه مقايسه آن با تصوير طبقه بندي شده سال 2013 نشان مي دهد مدل مورد استفاده با دقت نسبي برآورد مساحت93/0 و ضريب كاپاي 87/0 يك مدل موفق بوده است. بر اين اساس از همين مدل براي برآورد رشد شهري در سال 2025 استفاده گرديد و براي اين كار از تصاوير سال هاي 2002 و 2013 استفاده شد.

Modeling of urban growth and changes in land use are an integral part of planning for sustainable development. The present research intends to model growth of the Tehran metropolis city in temporal and spatial distribution. Therefore, using temporal Landsat satellite images, land use maps for the years 1988, 2002 and 2013 object-based approach have been classified. The next step for this two periods, 1988-2002 and 2002-2013 land cover changes, In terms of quantity, trends and changes in spatial distribution was analyzed. For this purpose, first, using logistic regression model the effective variables in relation to urban growth, included fourteen variables in both the natural - environmental and economic - social variables in the period 1988 to 2002 studied and quantitative effects of those was calculated and the map of urban growth potential was produced. Evaluation of logistic regression Performance using two indexes Pseudo R2 and ROC with respectively values 0.32 and 0.89, indicating a good fit of the regression and the appropriate descriptive capabilities. In the following, area of changes for the expected year using Markov chain analysis was quantitatively calculated. Finally, the output of the logistic regression model and Markov chain analysis, using the cellular Automata model, urban growth for 2013 was also modeled. Comparison 2013’s simulated image with 2013’s classified image shows used model with 93 percent accuracy for area and Kappa coefficient 0.87 has been a successful model. Accordingly the same model was used for estimating urban growth in 2025 by using classified images of 2002 and 2013.