مدلسازی توسعه ی شهری بجنورد با استفاده از رگرسیون لجستیک

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 دانشیار دانشگاه فردوسی مشهد، گروه جغرافیا، رشته برنامه‌ریزی شهری

2 دانشجوی دکتری دانشگاه فردوسی مشهد، گروه جغرافیا، رشته برنامه‌ریزی شهری

چکیده

توسعه ناموزون شهرها یکی از مسائل مهم در کاربری زمین است و پیش بینی توسعه شهری همیشه به سادگی امکانپذیر نیست بلکه به مدل هایی نیاز دارد که ماهیت پیچیده فرآیندهای شهری را مدنظر قرار دهند. رگرسیون لجستیک یک مدل پیش بینی کننده تجربی است. تعیین وزن عوامل محرک برمبنای داده های تجربی به جای استفاده از دانش کارشناسان از مزایای این مدل است و همچنین توانایی واردسازی متغیرهای بیشتری را داراست که از برتری هایش می باشد. لذا با توجه به اهمیت موضوع در این مقاله به مدلسازی توسعه شهری بجنورد با استفاده از رگرسیون لجستیک در طی دوره 28 ساله پرداخته می شود و از نظر ماهیت و روش ترکیبی از روش های تحقیق اسنادی و توصیفی-تحلیلی است که از 9 متغیر مستقل برای مدلسازی استفاده می کند. میزان Pseudo-R2 و ROC به ترتیب 0.2835 و 0.9335 بدست آمد که در محدوده مورد قبولی قرار دارند. بنابراین مدلسازی تایید می گردد. ارزیابی حساسیت سنجی مدل با استفاده از روش حذف هرکدام از متغیرهای مستقل نشان دهنده تاثیر بیشتر متغیرهای جهت شیب و فاصله از سطوح آبی در مدلسازی است و مناطق جنوب شهر و مناطق غیرشهری بلافصل مناسب ترین مناطق برای توسعه آینده هستند.

کلیدواژه‌ها


عنوان مقاله [English]

Modeling the city development of Bojnourd with Logistic regression

نویسندگان [English]

  • mohammad ajza shokoh 1
  • lia shadel 2
2 ferdowsi university of mashhad
چکیده [English]

Describing and quantifying the spatiotemporal dynamics of urban expansion in developing countries play a crucial role in determining the mechanisms of urban growth and decision making processes. Urban dissonant development is one of the most important issues in land using, and predicting urban development is not simply possible, but it needs a model to consider the complex nature of urban processes. Urban land uses constitute a complex system which is controlled both by human activities and spatial-temporal dynamics. The rapid population growth and urbanization in developing countries provoke uncontrolled urban sprawl and correspondingly pose a threat to the environment. This urbanization process in territorial structures led to a higher complexity and pressure on the natural environment Logistic regression is one of the experimental predicting model. Determination of weight of mobile factors based on empirical rather than expert knowledge is one of the benefits of this model. Another superiority of this model is the ability to import more variables. Considering the importance of this issue, this study is working around the modeling the development of Bojnourd, using logistic regression in 28 years. This method is a descriptive and analytic model that uses 9 independent variables for modelling. The Pseudo-R2 and ROC, respectively were 0.2835 and 0.9335 that are in an acceptable range. Therefore, this modeling is confirmed. Evaluating the sensitivity of the model, using the method of eliminating independent variables, represents high impacts of tilt and its distance of water surfaces in modelling. Southern urban areas and rural areas are the most suitable areas for the development in the future.

کلیدواژه‌ها [English]

  • Bojnourd
  • city development
  • Modeling
  • logistic regression

بابایی اقدم، فریدون. نورالدین عظیمی و ایرج حسینی. 1390.  مدل‌سازی الگوی کاربری اراضی شهری با استفاده از مدل CLUE-S (مطالعه موردی: مشکین شهر). چشم انداز جغرافیایی و مطالعات انسانی، دوره ششم، شماره چهاردهم، رشت.

2.پورمحمدی، محمدرضا. 1386. برنامه‌ریزی کاربری اراضی شهری. چاپ سوم، تهران، انتشارات سمت.

3.پورمحمدی، محمدرضا. رسول قربانی. 1388. ابعاد و راهبردهای پارادایم متراکم‌سازی فضاهای شهری. فصلنامه مدرس، دوره هفتم، شماره دوم، تهران.

4.زنگنه شهرکی، سعید. 1386. بررسی پراکنش افقی شهر تهران و تاثیر آن بر زمین های کشاورزی پیرامون. رساله کارشناسی ارشد جغرافیا و برنامه ریزی شهری. استاد راهنما: احمد پور احمد، دانشگاه تهران، دانشکده جغرافیا، گروه جغرافیا.

5.زنگنه شهرکی، سعید. علی کاظم‌زاده و سیروس هاشمی دره بادامی. 1393. تحلیل زمانی-مکانی گسترش کالبدی شهر مشهد و پایش تغییرات کاربری اراضی اطراف. پژوهش های جغرافیای برنامه ریزی شهری، دوره دوم، شماره چهارم، تهران.

6.ستایشی نساز، حسن. شهرام روستایی و مجتبی عمرانی دورباش و نرگس زارع پیشه. 1393. بررسی تنگناهای ژئومورفولوژیکی و تاثیر آن بر توسعه فیزیکی شهر با استفاده از GIS و روش AHP (مطالعه موردی: شهر گیوی). پژوهش های ژئومومرفولوژی کمی، دوره دوم، شماره چهارم، تبریز.

7.سجادی، ژیلا. حسن پارسی پور. 1392. بررسی مکان گزینی مسکن و اثرات آن بر الگوهای توسعه ی شهری مطالعهء موردی: مسکن مهر بجنورد. مجله آمایش جغرافیایی فضا، دوره سوم، شماره هفتم، گرگان.

8.شکوئی، حسین. 1385. دیدگاههای نو درجغرافیا شهری. چاپ نهم، تهران، انتشارات سمت.

9.شیعه، اسماعیل. 1386. مقدمه‌ای بر مبانی برنامه‌ریزی شهری. چاپ هجدهم، تهران، انتشارات دانشگاه علم و صنعت ایران.

10.صادقی، علی. خاطره سعیدی و علی اکبر متکان و علیرضا شکیبا و پرویز صفائیان فیروزآبادی. 1390. شبیه‌سازی رشد فیزیکی شهر با استفاده از مدل سلول‌های خودکار شهری (Urban-CA) و RS, GIS (مطالعه موردی: شهرکرد). همایش ژئوماتیک 90، تهران (سازمان نقشه برداری کشور)، 26 اردیبهشت.

11. صدوق، حسن. علی فهیم. 1393. محدودیت‌های ژئومورفولوژیک و رشد فیزیکی شهر تویسرکان با استفاده از سیستم اطلاعات جغرافیایی (GIS) و مدل رقومی ارتفاعی (DEM). آمایش محیط.دوره هفتم، شماره بیست و هفتم، ملایر.

12.ضرابی، اصغر. حمید صابری و جمال محمدی و حمیدرضا وارثی. 1390. تحلیل فضایی شاخص‌های رشد هوشمند مطالعه موردی اصفهان. مجله پژوهش های جغرافیایی انسانی، دوره هفتاد و هفتم، شماره چهل و سوم‌ام، تهران.

13.علی آبادی، حسن. ندا علی آبادی. 1388. تغییرات کاربری اراضی زراعی و باغی روستاهای پیراشهری در فرآیند گسترش افقی شهرها (مطالعه موردی: بجنورد). همایش ملی توسعه پایدار و روستایی با تاکید بر بخش کشاورزی، 18 اسفند ماه، همدان.

14.قرخلو، مهدی. سعید زنگنه شهرکی. 1388. شناخت الگوی کالبدی_فضایی شهر با استفاده از مدل‌های کمی. مجله جغرافیا و برنامه‌ریزی محیطی، دوره بیستم، شماره دوم، اصفهان.

15.کامیاب، حمیدرضا. عبدالرسول سلمان ماهینی و سید محسن حسینی و مهدی غلامعلی فرد. 1389. اتخاذ رهیافت اطلاعات محور با کاربرد روش رگرسیون لجستیک برای مدل‌سازی توسعه شهری گرگان. مجله محیط شناسی، شماره 54، تهران.

16.کرم، امیر. شیلا حجه فروش نیا و محمدرضا حکیمی. 1389. مدل‌سازی فضایی گسترش شهری با استفاده از رگرسیون لجستیک (مطالعه موردی: شهرکرد). نشریه تحقیقات کاربردی علوم جغرافیایی، دوره چهاردهم، شماره هفدهم، تهران.

17.کیوانلو، اسماعیل. 1391. مدل‌سازی کاربری اراضی شهری با استفاده از Cellular Automata (نمونه موردی: شهر اصفهان). چهارمین کنفرانس برنامه ریزی و مدیریت شهری، 20 و 21 اردیبهشت، مشهد مقدس.

18.محمدی، ساسان. محمود رضا دلاور. 1393. مدل‌سازی توسعه شهری با استفاده از روش رگرسیون لجستیک (مطالعه موردی: شهر سنندج). علوم و فنون نقشه برداری، دوره چهارم، شماره دوم، تهران.

19.مهندسین مشاور نقش جهان پارس. 1389. طرح توسعه و عمران(جامع) شهر بجنورد.

20نظریان، اصغر. 1379. جغرافیای شهری ایران. تهران، انتشارات دانشگاه پیام نور.

21.Allen, Jeffery, Kang, Lu, 2003. Modeling and prediction of future urban growth in the Charleston Region of South Carolina: a GIS-based Integrated Approach, Conservation Ecology, 8: 2.

22.Atak, B.K., Erdogan, N., Ersoy, E. and Nurlu, E, 2014. Analyzing the spatial urban growth pattern by using logistic regression in Didim district, Journal of Environmental Protection and Ecology, 15: 4.

23.Dewan, M. Ashraf; Yamaguchi, Yasushi, 2009. Land use and land cover change in Greater Dhaka, Bangladesh: using remote sensing to promote sustainable urbanization, applied geography, No. 29.

24.Evans, T., and Kelley, H, 2007. The influence of landowner and topographic heterogeneity on the pattern of land cover change in South-central Indiana. Geoforum, Vol. 39.

25.Eybon, Aniekan. Dupe Niginlola Olayinka, Peter Nwilo, Onuwa Okwuashio, Mfon Isong, and Daniel Udoudo, 2012. Modelling and predicting future urban expansion of Lagos, Nigeria from remote sensing data using Logistic regression and GIS, International Journal of Applied Science and Technology, 2: 5.

26.Hoymann, Jana, 2010. Spatial Allocation of Future Residential Land Use in the Elbe River Basin, Environ Plan B: Planning and Design, Vol. 37.

27.Hu, Zhiyong. C.P Lo, 2007. Modeling urban growth in Atlanta using logistic regression, Computers, environment and urban systems. 31: 6.

32.Jenks Mike and Elizabeth Burton, 2000. Achieving Sustainable Urban Form, Spon Press.

28.Jokar Arsanjania Jamal., Macro Helbich, Wolfgang Kainz, and Ali Darvishi Boloorani, 2012. Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion, International Journal of Applied Earth Observation and Geoinformation. No 21.

29.Lin, H., Lu, K.S., Espey, M., Allen, J. 2005. Modeling Urban Sprawl and Land Use Change in aCoastal Area – a Neural Network Approach. Annual Meeting, July 24–27, Providence, RI 19364, American Agricultural Economics Association (New Name 2008: Agricultural and Applied Economics Association).

30.Lo, C.P., and Zhioung Hu, 2007. Modeling urban growth in Atlanta using logistic regression, Computers, Environment and Urban Systems, Vol 31.

31.Martinez, F.L and Morales, Y.O. 2012. Agent-based simulation approach to urban dynamics modelling, Scientific Information System, Vol 79, No 173.

32.MacArthur, D. Ian, 2002. Local Environmental Health Planning; Guidance for Local and National Authorities. WHO Regional Publications, European Series, No. 95.

33.Pijanowski, Bryan C., Bradley Shellito and S. Pithadia, 2002. Using artificial neural networks, geographic information systems and remote sensing to model urban sprawl in coastal watersheds along eastern Lake Michigan, Lakes and Reservoirs, Vol 7.

34.Rakodi, C. 2001. Forget planning, put politics first? Priorities for urban management in developing countries, International Journal of Applied Earth Observation and Geoinformation, 3: 3.

35.Tayyebi, Amin, Mohammad Reza Delavar, Javad Yazdanpanah,., Pijanowski, B.C., Sara Saeedi. and Tayyebi, Amir Hossein, 2010. a spatial logistic regression model for simulating land use patterns: a casestudy of the Shiraz Metropolitan area of Iran, In: Advances in earth observation of global change. Netherlands: Springer, 27–42.

36.Tayyebi, Amin, Philips Christian Perry, and Amir Hossein Tayyebi, 2014. Predicting the expansion of an urban boundary using spatial logistic regression and hybrid raster-vector routines with remote sensing and GIS, International Journal of Geographical Information Science, 28: 4.

37.Triantakonstantis, Dimitrios., Giorgos Mountrakis, 2012. Urban growth prediction: a review of computational models and human perceptions, Journal of Geographic Information System, 4: 6.

38.Vrrburg, Prter, Jan R Ritsema Van Eck, Ton C.M. de Nijs, Martin J Dijst, and Paul Schot, 2004. Determinants of Land-use Change Patterns in the Netherlands, Environ Plan B: Planning and Design, Vol. 31.

39. Wu, Fulong, 2002. Calibration of Stochastic Cellular Automata: The Application to Rural-Urban Land Conversions, International Journal Geography Information Science, 16: 8.

40. Zeng, Y.N., Wu, G.P., Zhan, F.B., and Zhang, H.H, 2008. Modeling Spatial Land Use Pattern Using Auto logistic Regression. The International Archives of the Photogrammetry, Remote Sensingand Spatial Information Sciences. 37. Part B2. Beijing, 115.