خلاصه

گسترش فضایی شهری (USE) یک فرآیند ناهموار است که تحت تأثیر عوامل طبیعی و انسانی قرار می گیرد و سیاست تنظیم کاربری اراضی از اهمیت بالایی برخوردار است. برای نشان دادن اثرات بالقوه سیاست‌های مختلف در مقیاس منطقه‌ای و سپس بهبود آن‌ها در زمینه تأکید فزاینده بر حفاظت از زمین، تراکم شهری جنوبی جیانگ سو (SJUA) در شرق چین را به عنوان مطالعه موردی در نظر می‌گیریم. بر اساس شبیه‌سازی USE با مدل حداقل مقاومت تجمعی (MCR) تحت چهار سناریو مرتبط با حفاظت از زمین‌های زراعی و اکولوژیکی، تمایز فضایی زمین‌های ساخت‌وساز شهری جدید را تحلیل می‌کنیم و تغییرات سیستم شهری را با تحلیل فراکتالی بررسی می‌کنیم. نتایج نشان می‌دهد که تخصیص زمین‌های ساخت‌وساز شهری جدید بر اساس سناریوها و همچنین مقدار کل در حال توسعه متفاوت است. و شهرهای بزرگتر سریعتر رشد می کنند. سهم چهار شهر بزرگ (سوژو، نانجینگ (S)، وکسی و چانگژو بیشتر از 40٪ بود. بر این اساس، مساحت نهایی تمام شهرها با اندازه‌های موجود در سال 2010 به صورت خطی اصلاح شد. اما تخصیص متمایز زمین‌های شهری جدید اضافه شده مرتبط با افزایش میزان گسترش و سناریوهای مختلف باعث ایجاد تفاوت در روابط خطی مذکور و همچنین تأثیر بر رتبه شهری شد. اندازه در درجات مختلف نتیجه‌گیری می‌شود که مدل MCR برای شبیه‌سازی گسترش شهری در مقیاس منطقه‌ای امکان‌پذیر است و استراتژی‌های حفاظت از زمین تغییرات چشمگیری را در ساختارهای اساسی سیستم شهری منطقه‌ای ایجاد نمی‌کنند، اما با تغییر استراتژی‌های حفاظت از زمین، کمی متفاوت هستند. توزیع فضایی اراضی حفاظت شده به طور قابل توجهی بر تمایز میزان توسعه پیش بینی شده شهرهای مختلف و سیستم های شهری منطقه ای تأثیر می گذارد. بهینه سازی توزیع فضایی اراضی حفاظت شده برای تنظیم الگوهای استفاده در مقیاس منطقه ای و همچنین سیستم های شهری به درستی اهمیت دارد.

کلید واژه ها:

گسترش فضایی شهری ناهموار ; استراتژی حفاظت از زمین ؛ شبیه سازی چند سناریویی ؛ ساختار فراکتال ؛ تراکم شهری جنوبی جیانگسو (SJUA)

1. معرفی

گسترش فضایی شهری (USE) با سرعت بی سابقه ای در کشورهای و مناطق در حال توسعه جهان ما ادامه دارد [ 1 ]. زمین های ساخت و ساز شهری از سال 1970 تا 2000 در سطح جهان 58000 کیلومتر مربع یا 9 درصد افزایش یافته است [ 2 ]. سهم کشورها و مناطق در حال توسعه به شدت در حال افزایش است و چین یک مورد معمول با شهرنشینی سریع است که در آن زمین های توسعه یافته از 13148 کیلومتر مربع به 35633 کیلومتر مربع در دوره 1990 تا 2012 افزایش یافته است [ 3 ]. از جمله، تجمعات شهری یا کلان شهرها در کشورهای توسعه یافته و در حال توسعه سریعتر گسترش می یابند [ 4 ]]. شش کلان شهر چین (مانند شنژن، گوانگژو، چونگ کینگ، شانگهای، تیانجین و پکن) همگی از سال 1978 تا 2018 توسعه فیزیکی گسترده ای را تجربه کرده اند و نرخ رشد سالانه آنها 11.02، 8.07، 5.80، 5.37 درصد و 4 بوده است. به ترتیب 3.46٪ [ 5 ]. استفاده و تغییرات کاربری اراضی همراه و همچنین فعالیت های انسانی با شدت بالا مسائل پیچیده ای مانند درگیری های اجتماعی، قطبی شدن اقتصادی، کمبود مواد غذایی و مشکلات امنیت زیست محیطی را به همراه دارد. بر این اساس، USE برای مدت طولانی یک هدف اصلی برای نگرانی های دولتی و توجه محققان بوده است [ 6 ]. مطالعات اولیه بیشتر بر روی شهرها و فرآیندها، مدل‌ها، عوامل تأثیرگذار و اثرات آنها متمرکز بود (به عنوان مثال، [ 7 ، 8 ، 9 ]]). با این حال، همانطور که مسائل بیشتری در مناطقی که توسط گروهی از شهرها تشکیل شده‌اند ایجاد می‌شوند (و حل می‌شوند)، استفاده ناهموار در سال‌های اخیر توجه تحقیقاتی فزاینده‌ای را به خود جلب کرده است [ 10 ، 11 ].
به عنوان یک فرآیند جغرافیایی و اجتماعی-اقتصادی، استفاده ذاتاً به دلیل فرصت های مختلف توسعه ناهموار است [ 6 ]. وقوع ناهموار توسط نظریه‌های مختلف توضیح داده می‌شود و تحت تأثیر عوامل مختلفی قرار می‌گیرد که هم با اندازه‌های مختلف موجود و هم سرعت گسترش شهرها بیان می‌شود. در مورد حمایت بنیادی از صنایع و جمعیت، گسترش فضای شهری عمدتاً توسط توسعه صنعتی منطقه ای و رشد جمعیت انجام می شود. از این رو تفاوت های آنها نیازهای متفاوتی را برای فضای شهری و در نتیجه گسترش شهری نامتشابه به همراه خواهد داشت [ 7 ، 12 ]. تئوری ماشین رشد شهری چگونگی تأثیر رشد اقتصادی و جمعیت بر الگوهای شهرنشینی را بررسی می کند و اثرات عوامل مختلف را نشان می دهد.13 ]. تئوری قطب های رشد اشاره می کند که رشد اقتصادی در کل یک منطقه یکنواخت نیست، بلکه حول یک قطب (یا خوشه) خاص صورت می گیرد که دلالت بر رشد ناهموار و تشکیل قطب رشد در یک منطقه معین دارد [ 14 ]. طبق تحقیقات در کشورهای در حال توسعه از جمله چین، استفاده نابرابر توسط عوامل مختلفی از جمله تخصیص نابرابر منابع عمومی و سیستم‌های زمین، ظرفیت‌های حمل نابرابر اکولوژیکی، و همچنین فرآیندهای مختلف جهانی‌شدن و رشد اقتصادی ایجاد می‌شود [ 15 ].
تا کنون، تحقیقات مرتبط در مقیاس بین المللی [ 2 ، 16 ]، ملی [ 17 ] و منطقه ای [ 18 ، 19 ] انجام شده است. کشورهای در حال توسعه از نگرانی خاصی برخوردار بوده اند، زیرا بیشترین استفاده و رشد جمعیت در دهه های اخیر در آنجا اتفاق افتاده است [ 20 ]. تخمین زده می شود که آسیا و آفریقا به تنهایی بر رشد آینده جمعیت شهری جهان بین سال های 2014 تا 2050 مسلط باشند [ 21 ]. علاوه بر این، استفاده نابرابر با نابرابری توسعه منطقه ای مرتبط است و زندگی انسان باید مورد تاکید قرار گیرد [ 22 ]]. مقیاس منطقه ای استفاده از مقیاس بین المللی یا ملی بر اساس روابط نزدیک تر و تعاملات قوی تر بین گروهی از شهرها پیشی گرفته است. تجمعات شهری (UA؛ شبیه به مفاهیم “مگالوپلیس”، “دساکوتا”، یا “خوشه شهر”) اغلب به عنوان موارد مطالعه پذیرفته می شوند [ 23 ]. Gottmann و McGee اطلاعات ارزشمندی در مورد الگوی فضایی و ساختار گسترش شهری در مقیاس منطقه ای ارائه کردند [ 24 ، 25 ]. محققان زیر پدیده‌های ناهموار را با روش‌شناسی و مجموعه داده‌های مختلف [ 17 ]، الگوها و ساختارهای فضایی [ 26 ]، سیستم‌های شهری پویا [ 27 ، 28 ] و عوامل و مکانیسم‌های تأثیرگذار [ 11 ] بررسی می‌کنند.، 29 ]; در حالی که برخی تحقیقات خود را بر روی موضوعاتی در مورد سیاست های تنظیم کاربری اراضی متمرکز کرده اند [ 11 ]. بیشتر محققان بر فرآیندهای تاریخی و وضعیت فعلی تمرکز می کنند، در حالی که تعداد کمی تلاش می کنند تا احتمالات آینده مربوط به توسعه ناهموار زمین را پیش بینی یا شبیه سازی کنند. درک کاری از تغییرات کاربری زمین و الگوی استفاده از زمین برای ایجاد سیاست هایی که توسعه پایدار آینده را تسهیل می کند، ضروری است.
شبیه‌سازی USE اهمیت نظری و عملی در پیش‌بینی الگوهای فضایی آینده و آشکار کردن احتمالات تحت سناریوهای مختلف دارد [ 30 ، 31 ]. محققان طراحی مدل، انتخاب عامل، تنظیم پارامتر و تکنیک های بهینه سازی را برای این منظور مورد بررسی قرار داده اند [ 32 ، 33 ]. بر خلاف شبیه‌سازی یک شهر منفرد، استفاده از مقیاس منطقه‌ای در رابطه با الگوی ناهموار تحت فرصت‌ها و جهت‌گیری‌های مختلف سیاست، شایستگی نگرانی خاصی را دارد [ 17 ، 34 ]]. به عنوان یک فرآیند پویا تغییر کاربری زمین که توسط نیروهای پیچیده (شامل دیدگاه‌های اجتماعی، اقتصادی، سیاسی و فیزیکی) هدایت می‌شود، عوامل انسانی و جغرافیایی ممکن است برای ساخت مدل‌هایی برای پیش‌بینی پویایی‌های مختلف استفاده استفاده شود [ 35 ، 36 ]. محققان تمایل دارند بر شرایط جغرافیایی فیزیکی، مکان‌ها و سیستم‌های حمل‌ونقل تأکید کنند در حالی که از عوامل محدودکننده دیگر مانند توزیع زمین‌های کاملاً حفاظت‌شده غفلت می‌کنند. مدل‌هایی مانند اتوماتای ​​سلولی (CA)، تبدیل کاربری زمین و اثرات آن در محدوده منطقه کوچک (CLUE-S)، و مقاومت تجمعی حداقل (MCR) معمولاً برای ساده‌سازی و عملکرد آنها استفاده می‌شوند [ 31 ، 34 ، 37 ، 38 ، 39، 40 ]، اما هنوز باید گسترش یابد تا همه عوامل موجود در شبیه سازی USE را شامل شود. علاوه بر این، گسترش نابرابر تراکم شهری به طور قابل توجهی بر توسعه پایدار منطقه ای از طریق توسعه مستمر زمین، تخصیص نابرابر منابع و توسعه اقتصادی نامتعادل تأثیر می گذارد [ 17 ، 26 ]. با این حال، تعداد کمی اثرات استفاده، به ویژه الگوهای ناهموار در مقیاس منطقه ای را بررسی کرده اند. ارزیابی اینکه چگونه شهرها تحت سناریوهای مختلف مدیریت زمین به طور نابرابر گسترش می‌یابند تا سیاست‌هایی که توسعه پایدار منطقه‌ای را تسهیل می‌کنند، مورد ارزیابی قرار گیرد، ضروری است.
در برخی از کشورهای در حال توسعه، UA ها نه تنها از نظر مراحل توسعه بالاتر بلکه رقابت بین المللی قوی ترشان بیش از حد مورد تاکید قرار می گیرند. طرح شهرسازی جدید چین بیان می کند که “… UA ها الگوی اصلی شهرنشینی جدید چین خواهند بود” در سال های آینده. چین برای ترویج تشکیل و رشد UAs هم حمایت سیاسی و هم اقتصادی ارائه کرده است [ 23 ]. علاوه بر این، از آنجایی که چین همچنین قصد دارد ساخت و سازهای ایمن از نظر زیست محیطی و توسعه پایدار منطقه ای را ترویج کند، دولت به شدت از زمین های مهم زیست محیطی و زمین های زراعی با کیفیت بالا محافظت کرده است. این یک چالش جدید برای انجام شبیه‌سازی USE یک UA و پیشنهاد پیشنهادهایی در مورد بهینه‌سازی ساختار شهری و همچنین ارتقای حفاظت از زمین است.
در این مطالعه، تراکم شهری جنوبی جیانگ سو چین (SJUA) به عنوان مطالعه موردی برای رسیدگی به سؤالات زیر انتخاب شد: (1) چگونه می توان گسترش جغرافیایی شهرهای مختلف در SJUA را تحت محدودیت سیاست های مختلف حفاظت از زمین شبیه سازی کرد؟ (2) آیا با گسترش نابرابر شهرها، سیستم شهری منطقه ای تغییر خواهد کرد؟ آیا تفاوت در سناریوهای مختلف توسعه مربوط به سیاست های مختلف حفاظت از زمین خواهد بود؟
شکل 1 طرح کلی روش های مورد استفاده در این مطالعه را نشان می دهد. ما ابتدا مروری بر ادبیات انجام دادیم و سپس قبل از تعیین روش مناسب و فرآیند جمع‌آوری داده‌ها، توصیف مختصری از منطقه مورد مطالعه (SJUA) ایجاد کردیم. سپس یک شبیه‌سازی چند سناریویی USE را اجرا کردیم و تفاوت‌های فرآیند USE را تحلیل کردیم و همچنین تغییرات سیستم‌های شهری را تحت سناریوهای مختلف تحلیل کردیم. مشارکت ها و پیامدهای سیاست ما از منظر بهینه سازی سیاست های تنظیم استفاده از زمین و ترویج توسعه پایدار منطقه ای، همراه با خلاصه ای از یافته های اصلی ما، در بخش آخر این مقاله ارائه شده است.

2. حوزه مطالعه و روش

2.1. منطقه مطالعه

SJUA در دلتای رودخانه یانگ تسه (YRD) واقع شده است و یکی از توسعه یافته ترین مناطق چین است [ 41 ]. اگرچه SJUA بخشی از YRD به طور گسترده پذیرفته شده در شرق چین است، 26 واحد اداری در YRD به چهار منطقه در سطح استانی تعلق دارند که واحدهای اصلی مدیریت عمومی، سیاست گذاری و تخصیص منابع هستند. حوزه های قضایی مختلف استانی در چین منجر به تفاوت های قابل توجهی در سیاست های تنظیم زمین می شود [ 17 ]، اما پنج منطقه در سطح استان SJUA (یعنی نانجینگ، وکسی، چانگژو، سوژو، و ژنجیانگ) یک واحد اساساً همگن را تشکیل می دهند زیرا همه آنها در محل قرار دارند. استان جیانگسو. موانع اداری تا حد زیادی بر سیاست های تنظیم منابع مختلف تأثیر نمی گذارد [ 6]. بنابراین، SJUA به عنوان منطقه مورد مناسب است.
SJUA مساحت زمینی به مساحت 28000 کیلومتر مربع را پوشش می دهد که تحت سلطه دشت هایی با ارتفاع مداوم زیر 50 متر است و یکی از مناطق قابل سکونت در چین است. رودخانه یانگ تسه از شمال منطقه سرچشمه می گیرد. آبهایی از جمله دریاچه تایهو، دریاچه گهو و دریاچه یانگ چنگو حدود 21 درصد از کل منطقه را تشکیل می دهند. کوه های کم ارتفاع مانند کوه یلی و کوه نینگژن (ارتفاع بیش از 500 متر) در قسمت های جنوبی و غربی منطقه پراکنده شده اند. پنج منطقه در سطح استان را می توان بر اساس تقسیمات اداری و توزیع فضایی زمین های ساخت و ساز شهری به 19 شهر (یعنی واحدهای تحلیلی) تقسیم کرد ( شکل 2 ؛ جدول 1 ).
توسعه اقتصادی و تراکم جمعیت منجر به افزایش پروژه های ساختمانی می شود. داده های کاربری زمین نشان داد که زمین ساخت و ساز شهری در سال 2010 3974 کیلومتر مربع بوده است – حدود 2.7 برابر سال 2000. در حالی که اراضی زیر کشت 3131 کیلومتر مربع کاهش یافت و بیشتر با زمین های ساختمانی جایگزین شد. زمین های ساخت و ساز شهری با ویژگی های فضایی مختلف گسترش یافتند و شهرها سریعتر از سایر مناطق شهری رشد کردند [ 27 ، 29 ]. SJUA در راستای تضمین یک تراکم شهری پایدار و متعادل، نیاز به تضمین توسعه موثر منطقه ای در عین بهینه سازی ساختار سیستم شهری دارد [ 42 ]]. به عنوان مهم ترین ورودی برای استفاده، تخصیص زمین ساخت و ساز جدید اضافه شده مطمئناً بر گسترش نابرابر شهرهای مختلف تأثیر زیادی خواهد گذاشت. تاکنون، سیاست‌های مختلفی برای تنظیم توسعه زمین و ارتقای حفاظت از زمین اتخاذ شده است که ممکن است بر تخصیص زمین‌های ساخت‌وساز جدید و سپس الگوی نابرابر استفاده منطقه‌ای تأثیر بگذارد. ارزیابی تأثیر سیاست های مختلف تنظیم اراضی برای بهینه سازی آنها ضروری است.

2.2. روش ها و داده ها

2.2.1. استفاده از مدل

استفاده یک فرآیند فیزیکی و اجتماعی-اقتصادی است که ابتدا توسط تقاضاهای انسان برای فضا و زمین های قابل سکونت هدایت می شود و همچنین تحت تأثیر عوامل طبیعی و انسانی قرار می گیرد [ 25 ، 26 ]. تفاوت های قابل توجه در شکل زمین، جمعیت شناسی و اقتصاد انواع مختلفی از گسترش را ایجاد می کند که محققان تمایل دارند آنها را به طور متفاوت طبقه بندی کنند [ 43 ]. بیشتر طبقه‌بندی‌ها با تکه‌های اصلی شهری مطابقت دارند و شامل فرآیند انتشار فیزیکی می‌شوند، به‌ویژه در زمین‌های هموار که در آن گسترش توسط شکل زمین محدود نمی‌شود، بلکه توسط توسعه منطقه اطراف محدود می‌شود [ 44 ]. برای این اثر، مکان و مجاورت فضایی عوامل بسیار مهمی هستند [ 38 ، 45 ].
از آنجایی که زمین های غیرساختمانی به زمین های ساخت و ساز تبدیل می شوند، USE تحت تأثیر مناسب بودن کاربری زمین قرار می گیرد [ 27 ، 46 ]. با توجه به اهمیت مجاورت فضایی و تناسب کاربری زمین، USE مشابه مهاجرت گونه ها است و می تواند به عنوان یک انتشار فیزیکی از سکونتگاه های اصلی در نظر گرفته شود [ 38 ]. مدل‌های ریاضی مورد استفاده برای شبیه‌سازی USE شامل اتوماتای ​​سلولی (CA) [ 37 ، 38 ] و مدل حداقل مقاومت تجمعی اخیراً توسعه‌یافته (MCR) [ 39 ] است. MCR ابتدا بر اساس تئوری چشم انداز طراحی شد و به طور گسترده برای شبیه سازی مهاجرت گونه ها از یک “منبع” از طریق مناظر با مقاومت متفاوت استفاده شد [ 47 ,48 ]. با توجه به شباهت بین USE و مهاجرت گونه‌ها، مدل MCR نزدیکی فضایی و فاکتورهای تناسب کاربری اراضی USE و همچنین محدودیت‌های ثابت عوامل محیطی و اکولوژیکی (مثلاً مناطق حفاظت‌شده گونه‌ها) را با تعریف «زمین‌های غیرقابل استفاده» در صورت لزوم منعکس می‌کند. درک تحلیل فاصله هزینه در ArcGIS 9.3) [ 49 ]. علاوه بر این، مدل MCR یک ماژول به خوبی طراحی شده و به طور گسترده در ArcGIS 9.3 پذیرفته شده است و همچنین نیاز به داده کمتری دارد، که ثابت شده است که در شبیه سازی USE امکان پذیر است [ 31 ، 49 ، 50 ]. بنابراین، ما مدل MCR را برای شبیه‌سازی USE تحت سناریوهای مختلف حفاظت از زمین انتخاب کردیم.

بر اساس مدل ایجاد شده توسط کناپن و همکاران. [ 51 ] و توسط Yu [ 47 ] اصلاح شده است، تجزیه و تحلیل MCR را می توان به صورت زیر بیان کرد:

MCR=fمترمنn∑j=nمن=مترDمنj×آرمن

در جایی که f یک تابع افزایش یکنواخت است، D ij فاصله مکانی از سلول چشم انداز i تا نقطه هدف j است، و R i مقاومت سلول i هنگامی است که یک گونه از یک منبع به یک تکه هدف سفر می کند. مقدار MCR نشان‌دهنده حداقل مقاومت تجمعی و حداکثر دسترسی گونه‌ها برای مهاجرت، یا گسترش فضایی منبع به هدف است. در شبیه‌سازی USE، MCR مقداری است که حداقل مقاومت تجمعی و حداکثر دسترسی زمین‌های ساخت‌وساز شهری اصلی را برای گسترش به زمین‌های دیگر منعکس می‌کند (یعنی زمین‌هایی با مقادیر MCR پایین‌تر که برای تبدیل به زمین‌های ساخت‌وساز شهری اولیه هستند). بر این اساس، D ij فاصله فضایی سلول زمین i تا زمین ساخت و ساز شهری اصلی j است و R iنشان دهنده مقاومت سلول i در انتقال به زمین ساختمانی شهری است.

تجزیه و تحلیل MCR در سه مرحله با ماژول فاصله هزینه ArcGIS 9.3 انجام می شود: (1) طراحی منبع به عنوان مبدا. (2) طراحی سطح مقاومت برای تعیین مقدار مقاومت هر سلول. و (3) محاسبه مقدار MCR. ما USE را با زمین های ساخت و ساز شهری موجود به عنوان منبع شبیه سازی کردیم، که از داده های کاربری زمین در سال 2010 ارائه شده توسط مرکز داده برای منابع و علوم محیطی، آکادمی علوم چین (RESDC؛ https://www.resdc.cn ) استخراج شد. سطوح مقاومت مطابق با سناریوهای مختلف که در زیر توضیح داده شده طراحی شده اند.
2.2.2. طراحی سطوح مقاومتی چند سناریویی
ارزیابی تناسب کاربری زمین (LUS).
همانطور که در بالا ذکر شد، مدل MCR با سطح مقاومت مناسبی که بر اساس الزامات، اولویت‌ها یا پیش‌بینی‌کننده‌های فعالیت‌های خاص طراحی شده بود، انجام شد [ 52 ، 53 ]. مشابه با انتشار گونه‌ها، فعالیت‌های انسانی اغلب زمین‌هایی با امکان بالا را به عنوان فضاهای بالقوه انتخاب می‌کنند. ارزیابی LUS روشی برای ارزیابی مناسب بودن یک منطقه برای کاربری خاص است و بر اساس شناسایی صریح محدودیت‌ها و فرصت‌ها برای حفاظت و توسعه آینده قلمرو است [ 54 , 55 , 56 ].]. در این تحقیق به مناسب بودن یک منطقه برای شهرنشینی اراضی و نیز مناسب بودن تبدیل به اراضی ساختمانی اشاره شده است. مطالعات موجود بینش هایی را در مورد شناسایی امکان ترانزیت زمین های خاص به زمین های ساختمانی شهری بالقوه ارائه کرده است [ 57 ، 58 ، 59 ]. اگرچه مدل های پیچیده مختلفی برای ارزیابی LUS [ 60 ، 61 ] توسعه داده شده است، اما به طور گسترده پذیرفته شده است که زمین هایی با ارتفاع مناسب، توپوگرافی مسطح، موقعیت برتر و مزایای ترافیکی به عنوان زمین های ساخت و ساز شهری بالقوه مناسب هستند [ 31 ، 49 ]]. علاوه بر این، برخی از شاخص های اقتصادی-اجتماعی نیز وضعیت فعلی و پتانسیل آینده سرزمین های خاص را منعکس می کنند. یک منطقه به خوبی توسعه یافته مطمئناً فضای ارجح برای توسعه زمین است [ 62 ]. مناطق ساخته شده کنونی که در آن صنعت و جمعیت قبلاً جمع شده‌اند، عمدتاً مسکونی هستند و می‌توان آنها را برای استفاده در اولویت قرار داد [ 46 ].
بر اساس بحث فوق و همچنین تحقیقات موجود، ما شاخص های زیر را برای ارزیابی LUS شامل ارتفاع، شیب، نسبت آب (POW)، تراکم تولید ناخالص داخلی، تراکم جمعیت و مزیت ترافیک (TA) انتخاب کردیم ( جدول 2 ). زمین های ساخت و ساز شهری عموماً در مناطقی با ارتفاع کمتر قرار داشتند. با این حال، خطر سیل باید در مناطق خاصی در نظر گرفته می شد زیرا SJUA در یک منطقه متمرکز زهکشی قرار داشت. ما زمین های کمتر از 5 متر بالاتر از سطح دریا را با توجه به داده های سیل تاریخی برای زمین های ساخت و ساز شهری نامناسب در نظر گرفتیم [ 63 , 64]. علاوه بر این، مناطق بالاتر از 400 متر نیز کمتر توسعه یافته بودند و بیشتر به عنوان زمین های اکولوژیکی حفاظت شده در نظر گرفته می شدند، بنابراین کمترین تناسب را به آنها اختصاص دادند. بقیه با توجه به توزیع فضایی اراضی ساخت و ساز شهری موجود در 4 سطح طبقه بندی شدند. طبقه بندی مجدد بر اساس شیب ساده بود زیرا استاندارد دولتی تعریف مشابهی را ارائه می کرد که نشان می داد شیب کمتر توسعه زمین را آسان تر می کند [ 65 ]. انجام طبقه بندی مجدد از دیدگاه اسرای جنگی دشوار بود زیرا تامین آب برای توسعه زمین ضروری بود، اما این یک عامل محدود کننده در SJUA با آب فراوان نبود. در مقابل، آب بیش از حد باعث افزایش هزینه و دشواری توسعه زمین می شود [ 66]. بنابراین، ما به طور مساوی تمام اراضی را بر اساس اسرای جنگی به پنج سطح تقسیم کردیم و آنهایی را که بالاترین POW را داشتند به عنوان کمترین مناسب برای توسعه زمین تعریف کردیم. TA منعکس کننده دسترسی و پشتیبانی برای توسعه فضایی آینده بود و با LUS همبستگی مثبت داشت [ 67 ]. همراه با قضاوت یکپارچه پژوهشگران شهری از بخش منابع حوضه آبریز/محیط زیست و توسعه منطقه ای موسسه جغرافیا و لیمنولوژی نانجینگ، آکادمی علوم چین، استاندارد طبقه بندی مجدد بر اساس نتیجه ارزیابی TA در منطقه بندی با عملکرد اصلی جیانگ سو تعریف شد. JMFOZ) (2014). تولید ناخالص داخلی و تراکم جمعیت حاکی از حمایت موجود از توسعه زمین بود و زمین‌هایی با تولید ناخالص داخلی و جمعیت بالاتر، فضاهایی در توسعه تاریخی قبلی بودند [ 62 ,67 ]. آنها به راحتی قابل توسعه هستند و زمین های مناسبی هستند. سایر اراضی با تولید ناخالص داخلی و تراکم جمعیت بالا از مناسبت بیشتری در توسعه زمین برخوردار بودند. همانطور که در بالا بحث شد، استانداردهای طبقه بندی شاخص های تاثیرگذار در جدول 2 فهرست شده است.
به طور خاص، ارتفاع و شیب از داده های مدل ارتفاعی دیجیتال (DEM) ارائه شده توسط RESDC به دست آمد. POW با داده های کاربری زمین در سال 2010 محاسبه شد ( شکل 3 ). داده های شبکه تراکم تولید ناخالص داخلی و تراکم جمعیت بر اساس توزیع زمین های ساخت و ساز و تولید ناخالص داخلی و جمعیت در سطح شهر در کتاب سال آماری جیانگ سو و پنج منطقه در سطح استان در سال 2011 و همچنین داده های جمعیت شهر در ششمین سرشماری ملی به دست آمد. از چین داده‌های TA منعکس‌کننده تراکم شبکه‌های جاده‌ای و همچنین درجه و موقعیت آنها بود و در JMFOZ ارزیابی شد.

واحدهای ارزیابی شاخص‌های انتخابی همگی شبکه‌های 90 × 90 متر بودند. اگرچه روش‌های زیادی برای ادغام 6 نتیجه ارزیابی وجود داشت، ما تصمیم گرفتیم آنها را با فرمول زیر ضرب کنیم تا تفاوت‌ها بین شبکه‌های مختلف را بزرگ‌نمایی کنیم:

V=∏من=1nvمن

که در آن V مقدار محاسبه شده LUS یک شبکه خاص است، در حالی که v i مقدار مناسبی است که از ارزیابی تک شاخص به دست می آید. n = 6، که نشان دهنده 6 شاخص انتخاب شده است ( جدول 2 ).

از آنجایی که ارزش تناسب هر شاخص از 1 تا 5 بود، ضرب ارزش تناسب شش شاخص از نظر تئوری از 1 به 15625 بود. با این حال، دامنه نظری به طور قابل توجهی گسترده تر از بسیاری از تحقیقات موجود مرتبط با شبیه سازی MCR بود، مانند 1-5 [ 50 ] و 1-9 [ 31 ، 49 ]]. از آنجایی که LUS از مقادیر نسبی بدون تخصیص خاص و غیرقابل تغییر استفاده می‌کند، طبق تحقیقات موجود، همه شبکه‌ها را با مقادیر محاسبه‌شده از 1 تا 15625 به 9 زیر گروه تقسیم کردیم. روش «رده‌بندی مجدد توسط شکست‌های طبیعی (جنکس)» در ArcGIS 9.3 بر اساس گروه‌بندی‌های طبیعی ذاتی در داده‌ها بود و نقاط شکست را بر اساس شکست‌های کلاس در میان مقادیر مشابه شناسایی کرد زیرا تفاوت بین کلاس‌ها به حداکثر رسید. پس از طبقه بندی مجدد، به تمام شبکه ها مقادیر LUS نهایی از 1 تا 9 اختصاص داده شد.
طراحی سطوح مقاومتی
همانطور که در بالا توضیح داده شد، مناسب بودن بالاتر به معنای مقاومت کمتر در برابر استفاده است. بنابراین، شبکه‌هایی با مقادیر LUS 1-9، مقادیر مقاومت 9-1 را برای USE اختصاص دادند. بر این اساس، سطح مقاومت به دست آمد و هر شبکه مقدار مقاومت خود را داشت. این به عنوان سطح مقاومت سناریوی پایه (BS) برای شبیه سازی USE تعریف شد.
همانطور که حفاظت از زمین های زراعی و زمین های زیست محیطی در SJUA مورد تاکید قرار گرفت، ما سه سطح مقاومت دیگر را بر اساس توزیع فضایی آنها پس از تبدیل آنها از ویژگی به شبکه انجام دادیم ( شکل 3 ). در سناریوی حفاظت از زمین های زراعی (AS)، شبکه های زمین های زراعی از سطح مقاومت BS پاک شدند و شبکه های حذف شده “NoData” در سطح مقاومت آن تعریف شدند. در سناریوی حفاظت از محیط زیست (ES)، شبکه‌های زمین‌های اکولوژیکی بر این اساس پاک شدند. در سناریوی حفاظت از زمین دوگانه (DS)، شبکه های زمین های زراعی و زیست محیطی پاک شدند.
به طور خاص، اراضی قابل کشت «منطقه متمرکز اراضی زیر کشت اساسی» برنامه‌ریزی استراتژیک کاربری اراضی جنوب جیانگسو (2015-2030) بودند. زمین‌های زیست‌محیطی «مناطق حفاظت از عملکرد اکولوژیکی مهم» در JMFOZ بودند و آب‌های بزرگی از جمله دریاچه تایهو، دریاچه گهو و رودخانه یانگ تسه نیز به عنوان زمین‌های مهم اکولوژیکی در نظر گرفته شدند. هم زمین های زراعی و هم زمین های زیست محیطی طبق سیاست های مقررات کاربری اراضی موجود به عنوان اراضی کاملاً حفاظت شده در نظر گرفته می شدند و اجازه تصرف در زمین های ساخت و ساز شهری جدید را نداشتند.
2.2.3. محاسبه میزان استفاده و مناطق شهری شهرهای مختلف
با زمین های ساختمانی شهری موجود به عنوان منبع و طراحی چهار سطح مقاومتی، چهار الگوی USE شبیه سازی شده بر اساس تحلیل MCR به دست آمد. نتایج به هر شبکه امکان مشخصی برای تبدیل به زمین‌های ساخت‌وساز شهری آینده را در نظر می‌گرفت، اما امکانات آن‌ها متفاوت بود که می‌توان با مقادیر MCR آن‌ها نشان داد. مقادیر MCR یک شبکه خاص نیز تحت چهار سناریو متفاوت بود، که منعکس کننده الگوهای مختلف گسترش تحت تأثیر سیاست‌های تنظیم کاربری زمین بود. با این حال، تبدیل کل منطقه به زمین های ساختمانی شهری غیرممکن بود. در سال 2010، مساحت زمین های ساخت و ساز شهری در SJUA حدود 2977 کیلومتر مربع بود . بر اساس برنامه ریزی استراتژیک کاربری اراضی مذکور، اراضی عمرانی شهری و روستایی به میزان 2284 کیلومتر مربع افزایش می یابد .در سال 2030. انتظار می رفت که زمین های ساخت و ساز شهری بر رشد کل مسلط باشند، در حالی که انتظار می رفت سکونتگاه های روستایی و بیشتر شهرها پایدار بمانند یا به طور بالقوه کوچک شوند. در اینجا، ما فرض کردیم که زمین های ساخت و ساز شهری بیش از 3000 کیلومتر مربع افزایش نخواهند داشت و چهار مقدار کاربری (یعنی مقدار زمین های ساخت و ساز شهری جدید اضافه شده) را تعیین می کنیم: 500، 1000، 2000 و 3000 کیلومتر مربع .
با کمک نرم‌افزار ArcGIS، تمامی شبکه‌هایی که مقدار مساحت مربوطه را برآورده می‌کردند بر اساس مقادیر MCR از کم به بالاتر در چهار سناریو شناسایی شدند. شبکه های شناسایی شده با توجه به ارتباط فضایی آنها با شهرهای موجود به 19 شهر اختصاص داده شد. تخصیص آنها در 19 شهر تحت مقادیر و سناریوهای مختلف در حال گسترش به دست آمد. بر این اساس، مقادیر گسترش پیش بینی شده و مساحت نهایی 19 شهر محاسبه شد.
2.2.4. اثرات استفاده از مقیاس منطقه ای
سیستم شهری یکی از مهم ترین اثرات استفاده در مقیاس منطقه ای با توجه به مقررات زمین و نابرابری اجتماعی-اقتصادی است. Zipf دریافت که توزیع اندازه شهرها از توزیع پارتو با نمایانگر وحدت پیروی می کند. این مفهوم به عنوان “قانون Zipf” یا “قانون اندازه رتبه” معروف است [ 68 ]. وقتی همه شهرها در یک کشور/منطقه به ترتیب از بزرگ‌ترین به کوچک‌ترین قرار می‌گیرند، جمعیت هر یک به اندازه نصف شهر قبلی است [ 68 ]. اگرچه جمعیت اساساً برای بیان قاعده اندازه رتبه [ 69 ، 70 ] اتخاذ می شود، شاخص های دیگری نیز ممکن است برای محاسبه این قانون از جمله مساحت زمین های ساخت و ساز استفاده شود [ 27 ، 31 ، 71 ].].

دو شاخص به طور گسترده برای توصیف قانون اندازه رتبه وجود دارد: مقدار بعد Zipf و توان پارتو. اولی را می توان از فرمول Zipf محاسبه کرد و پس از مرتب سازی شهرها از بزرگترین به کوچک ترین بر اساس مساحت زمین های ساخت و ساز شهری به صورت زیر بیان می شود:

اسمن=اس”من×آرمن-q

که در آن S i مساحت واقعی زمین های ساخت و ساز شهری شهر i است ( در این مقاله در کیلومتر 2 بیان شده است) ، S 1 مساحت نظری بزرگترین شهر و q مقدار بعد Zipf است. S 1 ′/ S 1 شاخص برتری یک سیستم شهری است که نشان دهنده تسلط بزرگترین شهر در سیستم است. بالاتر = S 0 / S 1 به معنای بزرگترین شهر کمتر مسلط است.

توزیع رتبه ای شهرهای منطقه ای را نیز می توان با قانون پارتو نشان داد [ 27 ]:

جیمن=آ×پمن-α

که در آن G i تعداد شهرهای با مساحت P i یا بیشتر، P i مساحت i امین شهر بزرگ، A یک ثابت و α توان پارتو است. وقتی α = 1، قانون پارتو به اصطلاح به قانون اندازه رتبه تبدیل می شود. در این حالت، حاصل ضرب رتبه و مساحت یک شهر، ثابت برابر مساحت بزرگترین شهر است. این نشان می دهد که دومین شهر بزرگ، نصف مساحت بزرگترین شهر است و غیره. وقتی α> 1 (یا α < 1)، مساحت شهرهایی که در توزیع اندازه بسیار پایین‌تر هستند، بیشتر (یا کمتر) از پیش‌بینی‌شده توسط قانون رتبه‌بندی اندازه همراه با توزیع بیشتر (یا کمتر) یکنواخت اندازه‌های شهر هستند [ 27 ]. .

رابطه بین q و α را می توان بر اساس ویژگی های فراکتالی سیستم شهری به شرح زیر تعیین کرد [ 72 ، 73 ]:

α × q = R 2

که در آن R 2 ضریب تعیین به دست آمده از معادل قانون پارتو (پارتو) و فرمول Zipf است. R 2 ≤ 1، بنابراین α و q نمی توانند همزمان بزرگتر از 1 باشند. وقتی R 2 = 1، α = q = 1 نشان می دهد که نسبت مساحت بزرگترین شهر به کوچکترین شهر برابر است با تعداد کل شهرها، یا مساحت i امین شهر بزرگ ترین شهر یک دهم است . بزرگترین شهر این منطقه در این مورد، قانون پارتو مطابق با قاعده نظری رتبه اندازه است. وقتی q > 1 و α< 1، سیستم شهری منطقه ای از یک الگوی توزیع متمرکز است که در آن شهرهای بزرگ تسلط دارند و شهرهای متوسط ​​و کوچک توسعه نیافته اند. زمانی که q <1 و D’ > 1 باشد، سیستم شهری دارای توزیع گسسته با تمرکز کمتری از شهرهای بزرگ و شهرهای متوسط ​​و کوچک توسعه یافته است [ 74 ، 75 ].

3. نتایج

3.1. نتایج LUS و سطوح مقاومت بر اساس سناریوها

ارزیابی LUS اساساً مؤثر و معقول است زیرا بیشتر زمین‌های ساخت‌وساز شهری موجود در مناطق با تناسب بالا توزیع شده‌اند، در حالی که بیشتر زمین‌های اکولوژیکی در مناطق با تناسب کم هستند. بیشتر SJUA در دشت رودخانه یانگ تسه قرار دارد که در ارتفاع و شیب کم قرار دارد و از نظر توپوگرافی برای توسعه زمین مناسب است. کوه ها و تپه های کمی در نواحی غربی و جنوبی وجود دارد ( شکل 2 ؛ شکل 4 a,b). بسیاری از رودخانه ها و دریاچه ها منابع آبی کافی را برای توسعه منطقه ای فراهم می کنند، اما مناطق خاصی (به ویژه مناطقی که در مرکز منطقه هستند) مناسب نیستند زیرا POW بسیار زیاد باعث هزینه های هنگفتی در تبدیل آب به زمین قابل ساخت می شود ( شکل 4).ج). SJUA به عنوان یکی از توسعه‌یافته‌ترین مناطق چین، یکی از مراکز ملی هم برای جمعیت و هم برای اقتصاد است – از اراضی ترجیحی برای فعالیت‌های انسانی تشکیل شده و برای توسعه بیشتر آماده است ( شکل 4 d,e).
به عنوان یک پشتیبان اولیه برای توسعه منطقه ای، شرایط ترافیکی در سراسر منطقه مورد مطالعه سودمند است. مناطقی که در امتداد رودخانه یانگ تسه و دریاچه تایهو اطراف آن قرار دارند، بهتر با الگوی توزیع جمعیت و اقتصادی در آن مناطق مطابقت دارند ( شکل 4 f). در کل، SJUA برای توسعه زمین بسیار مناسب است. در حالی که مناطق کوهستانی بخش های غربی و جنوبی به دلیل ارتفاع و شیب بیشتر، نسبتاً کمتر مناسب هستند ( شکل 4 g). برخی از زمین های نزدیک به رودخانه ها و دریاچه ها نیز به دلیل POW زیاد و شیب کم (یعنی خطر سیل زیاد) مناسب نیستند. شهرها و نواحی اطراف آن و همچنین قسمت شرقی در امتداد رودخانه یانگ تسه دارای پایه توسعه مطلوب و LUS بالایی هستند ( شکل 4ز). این قطعات همچنین دارای زیرساخت های ترافیکی توسعه یافته ای هستند.

3.2. مقایسه سطوح مقاومت بر اساس سناریوها

بر اساس ارزیابی LUS، سطح مقاومت BS به‌دست‌آمده نشان داد که کوه‌ها و نواحی نزدیک رودخانه و دریاچه‌ها دارای مقادیر مقاومت بالایی هستند، اما بیشتر زمین‌ها (به‌ویژه آن‌هایی که در اطراف شهر هستند) مقادیر مقاومت پایینی داشتند و برای استفاده بسیار مناسب بودند ( شکل 5 a). با در نظر گرفتن سطوح مقاومت AS و ES، اراضی شمال نانجینگ، غرب و جنوب ژنجیانگ، جنوب Wuxi و Changzhou، و شمال سوژو مناطق “NaData” مملو از زمین های زراعی و زیست محیطی بودند ( شکل 5 b,c). سطح مقاومت DS هم زمین های زراعی و هم زمین های اکولوژیکی را مستثنی کرد، بنابراین زمین های بیشتری از استفاده ممنوع شد ( شکل 5)د). تحت سناریوی DS، بیش از نیمی از کل منطقه را نمی توان به عنوان زمین های ساخت و ساز شهری استفاده کرد و استفاده از آن به جهت های بدون زمین های زراعی و زیست محیطی محدود شد. از آنجایی که زمین های اکولوژیکی تمایل دارند به مناطقی با مقادیر مقاومت بالاتر سقوط کنند، تعداد شبکه های مقاوم تر تحت سناریوی ES در مقایسه با سناریوی BS به طور قابل توجهی کاهش می یابد ( جدول 3 ). شبکه‌های مقاومت متوسط ​​کاهش بیشتری نسبت به شبکه‌های با مقاومت کم و بالا تحت سناریوی AS نشان دادند. هنگامی که هم زمین های زراعی و هم زمین های زیست محیطی در نظر گرفته شد، سطح مقاومت کوچک شد و حدود 54 درصد از منطقه برای استفاده غیرقابل استفاده بود – کاهش قابل توجهی در شبکه های با مقاومت بالا وجود داشت ( جدول 3).). شبکه‌های با مقاومت بالا نسبت بیشتری از کل شبکه‌ها را در سناریوهای BS و AS تشکیل می‌دادند، اما شبکه‌های مقاومت متوسط ​​بر سطح در سناریوهای ES و DS غالب بودند.

3.3. نتایج استفاده از مقیاس منطقه ای تحت سناریوهای مختلف

مقادیر MCR از زمین‌های اطراف زمین‌های ساخت‌وساز شهری موجود به زمین‌های دور به تدریج افزایش یافت، زیرا USE اساساً در زمین‌های نزدیک‌تر به تکه‌های شهری اصلی به مناطق دورتر تغییر کرد ( شکل 6 ). با توجه به ناهمگونی فضایی مقادیر مقاومت و توزیع شبکه‌های “بدون داده”، USE الگوهای مختلفی را در اطراف شهرهای مختلف و در جهات مختلف نشان داد ( شکل 6).آ). زمین های اطراف دریاچه Taihu، کوه Yixing-Liyang، و شمال نانجینگ بالاترین مقادیر MCR را نه تنها به دلیل فاصله قابل توجه آنها از تکه های شهری موجود بلکه به دلیل شبکه های مقاومت بالا در مقایسه با زمین های ساختمانی شهری موجود داشتند. با این حال، از آنجایی که زمین های زراعی و زیست محیطی به عنوان “NoData” برای استفاده در نظر گرفته شدند، نتایج MCR AS، ES، و DS متفاوت بود. زمین های حفاظت شده برای استفاده غیرقابل استفاده بودند و بنابراین باعث ایجاد اختلال در شهرها و جهت های خاص مانند قسمت شرقی چانگژو تحت سناریوی AS و قسمت شرقی نانجینگ (S) تحت سناریوی ES شد ( شکل 6).قبل از میلاد مسیح). سناریوی DS هم زمین های زراعی و هم زمین های زیست محیطی را در بر می گرفت، بنابراین زمین های غیرقابل استفاده بیشتری در سراسر منطقه توزیع شد و شهرها با الگوهای کاملاً متفاوتی به دلیل زمین های مناسب کمتر در بین آنها گسترش یافتند ( شکل 6 د).
الگوهای کاربری مختلف باعث تفاوت های قابل توجهی در تخصیص زمین های ساخت و ساز شهری جدید شده است ( شکل 7 ). زمین های ساخت و ساز شهری جدید اضافه شده، شهرهای موجود را در هر جهت احاطه کردند، زمانی که زمین های حفاظت شده در نظر گرفته نشدند ( شکل 7 الف). با این حال، زمانی که زمین های زراعی و زیست محیطی در نظر گرفته شد، زمین های حفاظت شده از تبدیل شدن به زمین های شهری جدید در امان ماندند ( شکل 7).ب-د). مورفولوژی های مختلف شهری و گسترش مربوط به مقادیر مختلف مقاومت و توزیع متفاوت زمین های غیرقابل استفاده. شهرهای بزرگ‌تر یا آن‌هایی که توسط زمین‌هایی با ارزش‌های مقاومت پایین‌تر احاطه شده‌اند، مانند نانجینگ، سوژو، ووکسی و چانگژو، سریع‌تر از سایر شهرها گسترش یافتند. تحت سناریوهای AS، ES و DS، استفاده از زمین‌های زراعی یا/و زیست‌محیطی محدود یا حتی مسدود شد، بنابراین تخصیص زمین‌های ساخت‌وساز شهری جدید به‌طور قابل‌توجهی محدود شد ( شکل 7 b-d). در مقایسه با سناریوی BS، شهرهای احاطه شده توسط زمین های حفاظت شده بیشتر تمایل به تخصیص کمتر داشتند و گسترش آنها در جهت زمین های حفاظت شده بالا مسدود شد (مانند Wuxi، Nanjing(S)، Changshu).

3.4. تخصیص تمایز یافته زمین های ساختمانی شهری جدید بر اساس مقدار کاربری و سناریوهای مختلف

مشابه نقشه‌های USE بالا، اندازه‌گیری‌های کمی نشان داد که تخصیص زمین‌های ساخت‌وساز شهری جدید اضافه‌شده بر اساس سناریو و همچنین مقدار در حال گسترش متفاوت است ( شکل 8 و شکل 9 ). شهرهای بزرگتر نسبت به شهرهای کوچکتر تمایل به تخصیص بیشتر دارند یا به میزان بیشتری گسترش یافته اند. چهار شهر بزرگ در سال 2010 (سوژو، نانجینگ (S)، وکسی و چانگژو) در اکثر سناریوها به طور قابل توجهی تخصیص بالاتری داشتند. در سناریوی BS و مقدار کل 500 کیلومتر مربع ، گسترش آنها 79، 72، 72 و 60 کیلومتر مربع بود .، به طور نسبی؛ آنها از حدود 57 درصد از کل زمین های شهری جدید اضافه شده استفاده کردند. در سناریوهای دیگر و مجموع مقادیر افزایشی، نسبت آنها بیشتر از 40 درصد بود. با این حال، این مورد برای نانجینگ (N) صدق نمی کند – اگرچه این شهر ششمین شهر بزرگ در سال 2010 بود، اما به طور مداوم سریعتر از پنجمین شهر بزرگ، کونشان، گسترش یافت. دلیل آن این است که کونشان توسط زمین های زراعی بیشتری احاطه شده است که رشد آن را به طور قابل توجهی محدود می کند ( شکل 4 g). نتایج مشابهی در Zhangjiagang، Danyang و Liyang مشاهده شد.
با در نظر گرفتن شهرها، تمایز با هر دو مقدار کل استفاده و سناریوهای گسترش همراه بود. در مقدار استفاده از 0 تا 500 کیلومتر 2 ، نانجینگ (S) بیشترین تخصیص را تحت سناریوی AS به دنبال سناریوهای BS، DS و ES دریافت کرد. سوژو بیشترین تخصیص خود را تحت سناریوی DS به دنبال سناریوهای ES، AS و BS دریافت کرد ( شکل 8 a). سناریوی BS بیشتر از نانجینگ (S) در مقدار 500-1000 کیلومتر مربع گسترش یافت، در حالی که سوژو بیشترین تخصیص را تحت سناریوی DS دریافت کرد ( شکل 8 ب). با افزایش مقدار کل استفاده، تفاوت در تخصیص بیشتر شهرها بدون توجه به سناریو افزایش یافت ( شکل 8)). برای مثال، تفاوت بین سناریوهای AS و ES نانجینگ (S) از 14.87 کیلومتر مربع از مقدار استفاده 0-500 کیلومتر مربع به 55.72 کیلومتر مربع از مقدار استفاده 2000-3000 کیلومتر مربع افزایش یافته است ( جدول تکمیلی S1 ).

3.5. تغییرات در رتبه بندی شهری و تفاوت های چند سناریویی

شهرهای بزرگتر تمایل به رشد سریع‌تری داشتند و منطقه نهایی این شهرها با اندازه‌های موجود در سال 2010 به صورت خطی اصلاح شد ( جدول 4 ). با این حال، رابطه خطی گفته شده در چهار سناریوی مختلف متفاوت بود. شیب تابع خطی در سناریوی AS بیشترین مقدار را نشان می‌دهد، که نشان می‌دهد شهرهای بزرگ در AS در مقایسه با سناریوهای دیگر به بیشترین میزان موجود در AS رشد کرده‌اند – شیب‌ها در سناریوی ES ملایم‌ترین هستند، جایی که شهرهای کوچک سریع‌تر گسترش می‌یابند. با افزایش مقدار کل استفاده تحت هر چهار سناریو، شیب ها به طور فزاینده ای شیب دار شدند ( جدول 4)). شهرهای بزرگتر به طور کلی بزرگتر شدند، اما تخصیص متمایز موجود زمین های ساخت و ساز شهری جدید مرتبط با افزایش مقدار و سناریو همچنان باعث تفاوت های قابل توجهی در رتبه بندی شهری در منطقه مورد مطالعه شد.
سوژو در سال 2010 بزرگترین شهر بود و پس از آن نانجینگ (S) قرار گرفت. آنها به طور مداوم بر سایر شهرها از نظر اندازه بدون توجه به میزان استفاده و سناریوی گسترش تسلط داشتند ( شکل 9 ). سومین و چهارمین شهرهای بزرگ در سناریوی ES تغییر کردند، زمانی که میزان استفاده کل به 3000 کیلومتر مربع رسید : چانگژو جای Wuxi را به عنوان سومین شهر بزرگ گرفت. به طور مشابه، نانجینگ (N)، Zhangjiagang، و برخی دیگر از شهرها در این سناریو با افزایش مقدار کل در حال گسترش، رتبه خود را تغییر دادند ( شکل 9ج). نانجینگ (N) و Zhangjiagang، در واقع، تحت تمام سناریوهای دیگر رتبه‌بندی را تغییر دادند. ژنجیانگ تحت سناریوی AS تغییر کرد و ییکسینگ این کار را تحت سناریوی DS انجام داد. در چهار سناریو، رتبه شهرهای متوسط ​​روانتر تغییر کرد در حالی که شهرهای بزرگ و کوچک پایدارتر باقی ماندند.
ویژگی های فراکتال قابل اعتماد (با مقادیر R 2 حدود 0.90؛ جدول 5 ) نتایج فوق را تایید کرد. نشان داده شد که q همیشه بالاتر از 1.1 بود، اما α کمتر از 0.8 بود. این ثابت کرد که شهرهای بزرگ تحت همه سناریوها بر سیستم شهری منطقه ای تسلط دارند. با این حال، q کاهش یافت و α به تدریج در هر سناریو با افزایش مقدار کل استفاده افزایش یافت. با کاهش سرعت گسترش شهرهای بزرگ در حالی که شهرهای متوسط ​​و کوچک شروع به گسترش سریع‌تر کردند، هر دو متغیر به یک نزدیک‌تر شدند. به عبارت دیگر، سیستم شهری پیوسته متعادل تر می شد. مقادیر q و αمربوط به چهار سناریو متفاوت بود و با افزایش مقدار USE تفاوت ها بیشتر شد. هر دو q و α در سناریوی ES به یکی نزدیک‌تر بودند ، که نشان می‌دهد حفاظت در زمین‌های زیست‌محیطی گسترش شهرهای بزرگ را به طور موثرتری محدود می‌کند. شهرهای متوسط ​​و کوچک تحت سناریوی AS به طور قابل توجهی سریعتر گسترش یافتند زیرا q و α هر دو از یک دورتر بودند، به خصوص در مقادیر USE 2000 و 3000 کیلومتر مربع .
اگرچه شهرهای بزرگ تحت همه سناریوها غالب بودند، نسبت های اولیه بزرگترین شهر، یعنی سوژو، خیلی بالا نبود که با مساحت واقعی کمتر از منطقه نظری آن نشان داده شد ( جدول 5 ). نسبت های برتری نیز با افزایش مقدار USE تمایل به کاهش داشت که نشان دهنده کاهش نسبت مساحت زمین های ساخت و ساز شهری سوژو به کل SJUA است. نسبت های تقدم نیز مربوط به سناریو بود. آنهایی که از سناریوهای DS به طور مداوم پایین‌ترین بودند. در واقع، رشد در بزرگترین شهر تا حدی محدود بود. نسبت اولیه سوژو در سناریوی BS بالاترین بود، یعنی زمانی که هیچ خط مشی حفاظت از زمین تنظیم نشده بود.

4. بحث

استفاده در مقیاس منطقه ای به دلیل موقعیت مکانی متفاوت، توپوگرافی، ظرفیت حمل منابع، مقررات دولتی و تعداد بیشماری از عوامل دیگر همیشه در بین شهرهای مختلف ناهموار است [ 38 ، 69 ]. استفاده نابرابر باعث توسعه اقتصادی نامتعادل در سراسر منطقه می شود [ 22 ، 76 ] و عمیقاً بر ایمنی اکولوژیکی منطقه تأثیر می گذارد [ 31 ، 77 ]. محققان سابق بر تاریخچه و وضعیت موجود استفاده از مقیاس منطقه ای و اثرات اجتماعی، اقتصادی و زیست محیطی آن تمرکز کرده اند [ 78 ، 79 ]]. تعداد کمی تلاش کرده اند تا بینش یا توصیه های سیاستی خاصی را در سناریوهای USE آینده ارائه دهند. زمین، منبع اصلی حمایت کننده از چنین توسعه ای، باید از نظر در دسترس بودن و مناسب بودن نیز به دقت مورد توجه قرار گیرد. سیاست‌های نابرابر استفاده و تنظیم زمین بسیار مهم هستند، به‌ویژه در چین به‌سرعت در حال توسعه، جایی که این موضوعات به‌عنوان اثرات عمیق اجتماعی-اقتصادی و زیست‌محیطی‌شان توجه فزاینده‌ای را به خود جلب کرده‌اند. جاه طلبی چین برای بهبود رقابت جهانی و ترویج شهرنشینی جدید برای توسعه ده ها UA ملی، منطقه ای و محلی در دهه های آینده تحت فشار قرار گرفته است [ 23 ]]. UA به عنوان واحدی از چندین شهر با تعاملات پیچیده، برای شبیه سازی استفاده در مقیاس منطقه ای مناسب است و الگوها و همچنین اثرات استفاده ناهموار را منعکس می کند. ما SJUA را برای تحقیقات USE در مقیاس منطقه ای انتخاب کردیم، زیرا الگوی توسعه ناهموار آن بر سیستم شهری منطقه ای آن تأثیر گذاشته است که به راحتی قابل مشاهده است.

4.1. امکان سنجی مدل MCR در شبیه سازی استفاده در مقیاس منطقه ای

شبیه سازی استفاده در مقیاس منطقه ای مبنای تنظیم و بهینه سازی توسعه پایدار UA است [ 23 ]. با این حال، استفاده در مقیاس منطقه ای به طور قابل توجهی با استفاده از یک شهر جداگانه متفاوت است. منابع متعددی دارد و به طور قابل توجهی متاثر از تخصیص اراضی ساخت و ساز شهری جدید اضافه شده است. استفاده هر دو یک فرآیند فیزیکی و اجتماعی-اقتصادی از انتشار زمین شهری است که شامل مجاورت فضایی و تناسب کاربری زمین است [ 31 ، 48 ]. مدل MCR ابزار مفیدی برای شبیه‌سازی گسترش فضایی چندین شهر متفاوت است که در یک منطقه خاص پخش می‌شوند. امکان سنجی آن نه تنها با پذیرش فزاینده توسط سایر محققان ثابت می شود [ 31 , 49 , 50]، بلکه سازگاری بین الگوی USE پیش‌بینی‌شده و الگوی موجود در SJUA. با توجه به اراضی ساخت و ساز شهری در سال 2005 و تناسب کاربری اراضی به عنوان متغیرهای ورودی در مدل MCR، الگوی شبیه سازی شده زمین های ساخت و ساز شهری در سال 2010 با الگوی واقعی در سال 2010 مطابقت زیادی دارد و حدود 84 درصد از زمین های ساخت و ساز یکسان هستند.
توسعه شهری فرآیندی مستمر با قوانین معین است. شکل‌گیری یک الگوی معین نتیجه توسعه بلندمدت است که زمانی ادامه می‌یابد که هیچ عامل تعیین‌کننده یا محدودکننده‌ای پیشنهاد نشود [ 12 ]. در نتایج نشان‌داده‌شده، مساحت پیش‌بینی‌شده این شهرها با اندازه‌های موجود در سال ۲۰۱۰ به صورت خطی تصحیح شد که نشان‌دهنده منطقی بودن نتیجه شبیه‌سازی‌شده و همچنین امکان‌سنجی مدل اتخاذ شده MCR است. این بیشتر با مقایسه با تحقیقات قبلی که مشاهدات مشابهی انجام داده بودند ثابت شد. به عنوان مثال، لیو و همکاران. دریافتند که سوژو، ووکسی، نانجینگ و چانگژو در طول سال های 1980 تا 2010 به بیشترین میزان در منطقه مورد مطالعه گسترش یافته اند [ 80 ]]؛ این شهرها نیز بیشترین تخصیص اراضی شهری را به خود اختصاص داده اند. الگوهای اندازه رتبه در اینجا نیز مشابه نتایج Li و Sun به‌دست‌آمده از داده‌های قبل از سال 2007 است، جایی که S1 ‘/ S1 همیشه بالاتر از 2 بود [ 29 ] .
مدل MCR از نظر راحتی در برخورد با سناریوهای در حال گسترش پیچیده امکان پذیر بود. در این تحقیق، گسترش لبه‌های لکه‌های شهری اصلی غالب بود [ 80 ]، که در سایر مناطق نیز پدیده رایج بود – به‌ویژه زمین‌های هموار که محدودیت‌های توپوگرافی نسبتا کمی دارند [ 81 ].]. با این حال، برخی از لکه‌های شهری جدید اضافه شده و نسبتاً منزوی ممکن است در طول شهرنشینی سریع ظاهر شوند. مدل MCR می‌تواند با افزودن تکه‌های شهری جدید به «منابع» که همراه با شهرهای دیگر گسترش می‌یابد، راحتی را فراهم کند. علاوه بر این، اگر زمین‌های محدودتر مجاز به اشغال شهرنشینی نباشند، پاک کردن آن‌ها از سطح مقاومت آسان بود، یا برای ایجاد موانع برای گسترش شهری، ارزش مقاومتی بسیار بالاتری به آن‌ها اختصاص داد. تحقیقاتی وجود داشت که بر اهمیت مالکیت زمین در تأثیرگذاری بر گسترش شهری تأکید می‌کرد، به‌ویژه در برخی از کشورها که زمین‌های خصوصی ممکن است مانع گسترش شهری شوند [ 82 ].]. با این حال، بخشی از زمین های اطراف شهرهای موجود دولتی هستند، در حالی که بقیه متعلق به سازمان های اقتصادی جمعی روستایی هستند و می توانند به راحتی در چین به اراضی دولتی تبدیل شوند [ 83 ]. محدودیت مالکیت برای زمین های دولتی چندان قوی نیست، بنابراین تأثیر مالکیت در چین مورد تأکید قرار نمی گیرد. برای کسانی که مالکیت زمین اهمیت بیشتری دارد، زمین های خصوصی می توانند از سطح مقاومت به عنوان زمین های غیرقابل استفاده برای توسعه شهری پاک شوند.

4.2. الگوهای استفاده، اثرات سیاست های حفاظت از زمین بر سیستم های شهری منطقه ای

همانطور که در بالا مورد بحث قرار گرفت، الگوهای فضایی USE اساساً بزرگ‌نمایی مستقیم اندازه‌های اصلی شهر در منطقه داده شده بود، بنابراین اندازه رتبه اکثر شهرها اساساً تحت افزایش مقادیر در حال گسترش مشابه است. اساساً الگوهای موجود در این مطالعه نه تنها با داده های تاریخی، بلکه با یافته های دیگر تجمعات شهری و مناطق مشابه همخوانی دارند [ 27 ، 84 ، 85 ]. با این حال، مقدار و سناریوهای مختلف USE تغییراتی را در الگوهای فضایی ایجاد می‌کنند.
در سناریوی BS هیچ محدودیتی وجود نداشت، جایی که LUS تنها عاملی بود که بر USE تأثیر می گذاشت. شهرهای بزرگتر توسط مناطق وسیع تری از زمین های مناسب احاطه شده اند و تمایل دارند سریعتر گسترش یافته و بزرگتر از شهرهای کوچکتر شوند. با توجه به توسعه تاریخی، شهرهای بزرگ نیز فرصت های بیشتری برای بزرگ شدن به دست می آورند. سوژو، بزرگترین شهر منطقه، نزدیک به یکی از مراکز اقتصادی چین – شانگهای است و از نقل و انتقالات صنعتی که توسعه اقتصادی و تراکم جمعیت آن را ارتقا می دهد، بهره می برد و زمین های ساخت و ساز شهری بیشتری برای حمایت از توسعه آن مورد نیاز است [ 27 ، 86 ]. نانجینگ به عنوان مرکز استان جیانگ سو دارای مزیت اداری است که از نظر توسعه اقتصادی و تخصیص منابع زمین به آن اولویت داده است.22 ]. سایر شهرهای بزرگ عمدتاً در سطح استان هستند، در حالی که شهرهای متوسط ​​و کوچک عمدتاً از شهرها دور هستند و سطح اداری پایین تری دارند.
قدرت تخصیص زمین های ساختمانی شهری معمولاً توسط دولت استان کنترل می شود. شهرهای بزرگتر با توجه به تقاضای ذاتاً بیشتر آنها برای فضا، احتمال بیشتری دارد که تخصیص بیشتری دریافت کنند [ 75 ]. شهرهای بزرگ نیز اغلب از نظر توسعه منطقه ای اولویت دارند، بنابراین دولت ممکن است زمین بیشتری را به آنها اختصاص دهد و رقابت منطقه ای آنها را ارتقا دهد [ 27 ، 34 ]. این اولویت‌ها در جغرافیای اقتصادی جدید، به‌اصطلاح «سایه‌های تجمع» را ایجاد کرده‌اند که پیش‌بینی می‌کند با تداوم الگوهای مکانی در طول زمان به دلیل خودتقویت، توسعه فضایی به طور فزاینده‌ای متمرکز می‌شود [ 87 ].]. برعکس، شهرهای کوچکی که از شهرهای بزرگتر دور هستند، ممکن است به کندی رشد کنند یا حتی کوچک شوند [ 88 ]. اگرچه هیچ یک از شهرهای این مطالعه از نظر وسعت کاهش نیافته اند، اما این امکان را نباید نادیده گرفت و برای مقابله با آن نیاز به سیاست های هدفمند تنظیم اراضی است.
سیاست های مختلف حفاظت از زمین محدودیت های خاصی را برای استفاده اعمال می کند. مقادیر، و به ویژه، توزیع های فضایی زمین های حفاظت شده که به عنوان “غیر قابل استفاده” تعیین شده اند، با ایجاد موانع مختلف، بر استفاده تأثیر می گذارد. در چین، دولت مرکزی حفاظت از زمین های زراعی و زیست محیطی را پیشنهاد کرد و سیاست های مختلفی پیشنهاد شده است. سناریوهای این مطالعه در واقع بر اساس چنین سیاست های حفاظت از زمین بود. سناریوهای AS، ES و DS که مناطق خاصی را به عنوان «زمین غیرقابل استفاده» برای استفاده تعریف می‌کنند و بنابراین بر تخصیص زمین و اندازه شهرها در SJUA تأثیر می‌گذارند. الگوهای عمومی سیستم شهری منطقه‌ای در این سناریوها در مقابل سناریوی BS تغییر قابل‌توجهی نمی‌کند، اما تسلط شهرهای بزرگ‌تر با افزایش سریع‌تر گسترش شهرهای متوسط ​​و کوچک، با توجه به مقادیر در حال گسترش بیشتر، کاهش می‌یابد. سناریوی AS سناریویی است که بیشتر از گسترش شهرهای بزرگ حمایت می کند، در حالی که سناریوی ES کمترین میزان را برای آن مورد حمایت قرار می دهد. این نشان می دهد که حفاظت از زمین های زراعی باعث گسترش شهرهای بزرگ می شود. رشد آنها حداکثر با در نظر گرفتن زمین های اکولوژیکی محدود می شود.

4.3. توزیع فضایی موثرتر اراضی حفاظت شده

زمین های زراعی اطراف منبع مهمی از زمین های شهری جدید اضافه شده در چین است [ 89 ]. هدف نظم و انضباط تعیین زمین‌های زیر کشت پایه دائمی وزارت زمین‌ها و منابع چین، حفاظت از ایمنی مواد غذایی و کنترل استفاده در شهرها با ترسیم زمین‌های زراعی کاملاً حفاظت‌شده اطراف شهرهای بزرگ در آینده است. با این حال، سناریوی AS به طور موثر گسترش شهرهای بزرگ را کنترل نمی کند یا توسعه شهرهای متوسط ​​و کوچک را به این هدف ترویج نمی کند. بنابراین، اراضی قابل کشت بیشتری در اطراف شهرهای بزرگ باید نسبت به سایر نقاط کشور محافظت شود [ 8]. سناریوی ES باعث می‌شود شهرهای بزرگ‌تر کمتر تسلط داشته باشند و در عین حال از رشد شهرهای متوسط ​​و کوچک حمایت می‌کنند – این سناریو نشان‌دهنده سیاست حفاظت از زمین اکولوژیکی مؤثرتر است. زمین اکولوژیکی جزء اصلی “کمربند سبز” است، که در آن استفاده از آن برای حفظ عملکرد اکوسیستم و کیفیت محیطی محدود است. بسیاری از شهرهای بزرگ در منطقه مورد مطالعه در مجاورت یک کمربند سبز قرار دارند [ 90 ]. زمین های زراعی به عنوان یکی از اجزای مهم کمربند سبز SJUA دارای چند کارکردی هستند و بنابراین مستحق مقدار بیشتر و توزیع فضایی بهینه تر هستند [ 8 ]]. همچنین نشان می‌دهد که شباهت بین الگوهای رتبه‌بندی شهرها با تفاوت معنی‌دار در برخی شهرها برحسب تخصیص زمین همراه است. نتایج منعکس‌کننده اثرات دنیای واقعی سیاست‌های حفاظت از زمین بر گسترش فضایی شهرهای منفرد است و نشان می‌دهد که اگر زمین‌های حفاظت‌شده اطراف از نظر فضایی بهینه‌سازی شوند، می‌توان رشد شهرهای خاص را به طور موثر تنظیم کرد.

5. نتیجه گیری ها

با حمایت از مدل MCR و در چارچوب سیاست‌های مختلف حفاظت از زمین، امکان استفاده در آینده و تغییرات القایی سیستم‌های شهری در اینجا شناسایی شد. نشان داده شد که مدل MCR می تواند به طور موثر برای شبیه سازی استفاده در مقیاس منطقه ای اتخاذ شود، زیرا نتایج شبیه سازی مطابق با توسعه تاریخی شهرهای مختلف و همچنین سیستم های شهری در SJUA است. از نظر تئوری، زمین‌های ساختمانی شهری موجود منشأ گسترش آینده و LUS عامل اصلی مؤثر بر امکان تبدیل به زمین‌های ساخت‌وساز شهری بود. هر دو عامل اساس تکنولوژیکی مدل MCR را تشکیل می دهند. به نظر می رسد که USE آینده با اندازه شهر موجود به صورت خطی اصلاح شود. هر چه یک شهر در حال حاضر بزرگتر باشد، احتمال رشد سریعتر آن نسبت به سایر شهرها در کل بیشتر است. با این حال،
سیاست های حفاظت از زمین در واقع تا حدی بر الگوی فضایی استفاده و همچنین سیستم شهری منطقه ای تأثیر گذاشت. اثر حفاظت از زمین با توجه به توزیع فضایی آنها متفاوت بود. حفاظت از زمین های زراعی باعث رشد شهرهای بزرگ شد، اما حفاظت از زمین های زیست محیطی اساساً گسترش شهرهای متوسط ​​و کوچک را تسهیل کرد. سیاست گذاران بهتر است بر توزیع فضایی علاوه بر کل مقدار زمین حفاظت شده بر اساس انتظار الگوی توسعه منطقه ای آینده تأکید کنند. در این مطالعه، حفاظت از زمین های زراعی تأثیر مطلوبی بر کنترل رشد نامحدود شهرهای بزرگ نداشت و دلیل آن ممکن است عدم توزیع زمین زراعی کافی در مناطق اطراف شهرهای بزرگ باشد. از این رو، پیشنهاد شد که زمین های قابل کشت در حومه شهرهای بزرگ باید به شدت محافظت شود. گسترش نامحدود شهرهای بزرگ را کنترل می کند و همچنین فرصت های بیشتری را برای شهرهای متوسط ​​و کوچک به طور موثر فراهم می کند.
در نتیجه، این تحقیق نه تنها امکان بیشتری را در مورد نحوه تنظیم کاربری سطح منطقه ای و راه های تحقق آن فراهم می کند، بلکه پیشنهاداتی را نیز در مورد نحوه منطقی تر کردن توزیع اراضی حفاظت شده با بهینه سازی جهت گیری سیاست های کاربری اراضی ارائه می دهد. با هدف بهبود بهره وری استفاده از زمین و ترویج توسعه پایدار زمین، تحقیقات ما چشم اندازهای ارزشمند، فناوری عملی و همچنین پیشنهادهای اختیاری را ارائه کرد. با این حال، هنوز محدودیت‌هایی وجود داشت و اولین مورد مربوط به طراحی سطوح مقاومتی با مقادیر مقاومت از یک تا نه بود. اگرچه این تکلیف نسبتاً منطقی بود، اما همچنان فاقد کفایت علمی بود. فرآیندهای گسترش عملی تر باید تجزیه و تحلیل شوند تا مقادیر مقاومت واضح تر را تشخیص دهند.

منابع

  1. بای، ایکس. کشتی.؛ لیو، ی. تحقق رویای شهری چین. طبیعت 2014 ، 509 ، 158-160. [ Google Scholar ] [ CrossRef ]
  2. Seto، KC; فراقیاس، م. گونرالپ، بی. ریلی، MK متاآنالیز گسترش جهانی زمین شهری. PLoS ONE 2011 ، 6 ، e23777. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  3. دنگ، ی. لیو، ی. فو، ب. شبیه‌سازی رشد شهری که توسط محدودیت‌های اکولوژیکی در شهر پکن هدایت می‌شود: روش‌ها و مفاهیم برای برنامه‌ریزی فضایی. جی. محیط زیست. مدیریت 2019 ، 243 ، 402-410. [ Google Scholar ] [ CrossRef ]
  4. یانگ، سی. لی، کیو. هو، ز. چن، جی. شی، تی. دینگ، ک. وو، جی. تکامل فضایی-زمانی توده‌های شهری در چهار منطقه خلیج اصلی ایالات متحده، چین و ژاپن از سال 1987 تا 2017: شواهدی از تصاویر سنجش از دور. علمی کل محیط. 2019 ، 671 ، 232-247. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  5. فی، دبلیو. ژائو، S. گسترش زمین شهری در شش کلان شهر چین از سال 1978 تا 2015. علم. کل محیط. 2019 ، 664 ، 60-71. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  6. گائو، جی. وی، وای. چن، دبلیو. چن، جی. انتقال اقتصادی و گسترش زمین شهری در استان چین. Habitat Int. 2014 ، 44 ، 461-473. [ Google Scholar ] [ CrossRef ]
  7. لانگ، ی. وو، ک. شبیه سازی گسترش شهری در سطح بلوک برای شهرهای سراسری. پایداری 2017 ، 9 ، 879. [ Google Scholar ] [ CrossRef ]
  8. مک دانل، ام جی; ساختار و عملکرد اکوسیستم پیکت، STA در امتداد شیب های شهری-روستایی: فرصتی استفاده نشده برای بوم شناسی اکولوژی 1990 ، 71 ، 1232-1237. [ Google Scholar ] [ CrossRef ]
  9. خو، جی. جیائو، ال. لیو، جی. شی، ز. زنگ، سی. لیو، ی. درک گسترش شهری با ترکیب الگوهای کلان و دینامیک خرد در سه کلان شهر آسیای جنوب شرقی. علمی کل محیط. 2019 ، 660 ، 375-383. [ Google Scholar ] [ CrossRef ]
  10. لوسیری، سی. ناگای، م. نینسوات، س. Shrestha، RP مدل‌سازی گسترش شهری در منطقه شهری بانکوک با استفاده از داده‌های جمعیتی-اقتصادی از طریق مدل‌های زنجیره اتوماتیک سلولی-مارکوف و زنجیره پرسپترون-مارکوف چند لایه. پایداری 2016 ، 8 ، 686. [ Google Scholar ] [ CrossRef ]
  11. لو، اچ. ژانگ، ام. سان، دبلیو. لی، دبلیو. تجزیه و تحلیل گسترش تراکم شهری دلتای رودخانه یانگ تسه با استفاده از تصاویر نور شبانه DMSP/OLS برای سال‌های 1993 تا 2012 . J. Geo Inf. 2018 ، 7 ، 52. [ Google Scholar ] [ CrossRef ]
  12. چه، س. دوان، ایکس. گوا، ی. وانگ، ال. فرآیند، الگو و مکانیسم گسترش فضایی شهری کائو، ی. در دلتای رودخانه یانگ تسه. Acta Geogr. گناه 2011 ، 66 ، 446-456. (به زبان چینی) [ Google Scholar ]
  13. راجرز، اس. جغرافیای شهری: ماشین رشد شهری. در دایره المعارف بین المللی جغرافیای انسانی ; کیچین، آر.، ترایفت، ن.، ویرایش. الزویر: آکسفورد، انگلستان، 2009; جلد 12، ص 40–45. [ Google Scholar ]
  14. رودریگ، جی . جغرافیای سیستم های حمل و نقل (ویرایش چهارم) . Routledge: نیویورک، نیویورک، ایالات متحده آمریکا، 2017. [ Google Scholar ]
  15. وی، وای. Ye, X. شهرنشینی، گسترش زمین شهری و تغییرات محیطی در چین. استوک. محیط زیست Res. ارزیابی ریسک 2014 ، 28 ، 757-765. [ Google Scholar ] [ CrossRef ]
  16. فرشتگان.؛ پدر و مادر، ج. سیوکو، دی ال. Blei, AM کاهش مداوم تراکم شهری: شواهد جهانی و تاریخی پراکندگی ; مقاله کار موسسه لینکلن؛ مؤسسه خط مشی زمین لینکلن: کمبریج، MA، ایالات متحده آمریکا، 2010. [ Google Scholar ]
  17. لانگ، ی. ژای، دبلیو. شن، ی. بله، X. درک گسترش ناهموار شهری با شهرهای طبیعی با استفاده از داده های باز. Landsc. طرح شهری. 2018 ، 177 ، 281-293. [ Google Scholar ] [ CrossRef ]
  18. بله، X. Xie، Y. بررسی مجدد قانون Zipf و پویایی شهری در چین: یک رویکرد منطقه ای. ان Reg. علمی 2012 ، 49 ، 135-156. [ Google Scholar ] [ CrossRef ]
  19. لو، اس. گوان، ایکس. او، سی. ژانگ، جی. الگوهای فضایی-زمانی و پیامدهای سیاست گسترش زمین شهری در مناطق شهری: مطالعه موردی تراکم شهری ووهان، چین مرکزی. پایداری 2014 ، 6 ، 4723-4748. [ Google Scholar ] [ CrossRef ]
  20. دینگ، سی. ژائو، X. ارزیابی الگوهای رشد فضایی شهری در چین در طول شهرنشینی سریع. چانه. اقتصاد 2011 ، 44 ، 46-71. [ Google Scholar ] [ CrossRef ]
  21. بانک جهانی. شاخص های توسعه جهانی 2016 ; بانک جهانی: واشنگتن، دی سی، ایالات متحده آمریکا، 2016. [ Google Scholar ] [ CrossRef ]
  22. وی، وای. لی، اچ. یو، W. گسترش زمین شهری و نابرابری منطقه ای در چین در حال گذار. Landsc. طرح شهری. 2017 ، 163 ، 17-31. [ Google Scholar ] [ CrossRef ]
  23. نیش، سی. Yu, D. تراکم شهری: یک مفهوم در حال تکامل از یک پدیده در حال ظهور. Landsc. طرح شهری. 2017 ، 162 ، 126-136. [ Google Scholar ] [ CrossRef ]
  24. گاتمن، جی. مگائوپلیس: ساحل شمال شرقی شهرنشینی ایالات متحده ؛ مطبوعات MLT: کمبریج، MA، ایالات متحده آمریکا، 1961. [ Google Scholar ]
  25. McGee, TG ظهور مناطق دساکوتا در آسیا: گسترش یک فرضیه . انتشارات دانشگاه هاوایی: هونولولو، HI، ایالات متحده آمریکا، 1991. [ Google Scholar ]
  26. گائو، ایکس. خو، ز. نیو، اف. Long, Y. ارزیابی توسعه تراکم شهری چین از دیدگاه فضایی. تف کردن آمار 2017 ، 21 ، 475-491. [ Google Scholar ] [ CrossRef ]
  27. تیان، جی. جیانگ، جی. یانگ، ز. Zhang، Y. رشد شهری، توزیع اندازه و الگوی پویای مکانی-زمانی منطقه کلان شهری دلتای رودخانه یانگ تسه، چین. Ecol. مدل. 2011 ، 222 ، 865-878. [ Google Scholar ] [ CrossRef ]
  28. یو، جی. لی، ام. خو، ال. تو، ز. یو، کیو. یانگ، دی. زی، ی. یانگ، ی. چارچوب نظری سیستم های شهری و تکامل آنها: نظریه GUSE و آزمون شبیه سازی آن. حفظ کنید. جامعه شهرها 2018 ، 41 ، 792-801. [ Google Scholar ] [ CrossRef ]
  29. لی، پی. Sun، W. الگوی و مکانیسم محرک گسترش شهری استان جیانگسو جنوبی از زمان اصلاحات و باز شدن. منبع. محیط زیست حوضه یانگ تسه 2013 ، 22 ، 1529-1536. (به زبان چینی) [ Google Scholar ]
  30. فرشتگان.؛ پدر و مادر، ج. سیوکو، دی ال. بلی، ا. پوتر، دی. ابعاد گسترش شهری جهانی: برآوردها و پیش بینی ها برای همه کشورها، 2000-2050. Prog. طرح. 2011 ، 75 ، 53-107. [ Google Scholar ] [ CrossRef ]
  31. لی، پی. شبیه‌سازی سناریو Fan، J. گسترش شهری منطقه‌ای و اثرات آن بر شکل و سیستم شهری: مطالعه موردی کمربند اقتصادی رودخانه Xijiang در گوانگشی. Geogr. Res. 2014 ، 33 ، 509-519. (به زبان چینی) [ Google Scholar ]
  32. دندان های نیش.؛ Gertner، GZ; سان، ز. اندرسون، AA تأثیر تعاملات در شبیه سازی فضایی پویایی پراکندگی شهری. Landsc. طرح شهری. 2005 ، 73 ، 294-306. [ Google Scholar ] [ CrossRef ]
  33. پولمنز، ال. ون رامپای، الف. پیچیدگی و عملکرد مدل‌های گسترش شهری. محاسبه کنید. محیط زیست سیستم شهری 2010 ، 34 ، 17-27. [ Google Scholar ] [ CrossRef ]
  34. Batty، M. Cities، رفاه، و اهمیت بزرگ بودن. محیط زیست طرح. B 2011 , 38 , 385-387. [ Google Scholar ] [ CrossRef ]
  35. باتی، م. زی، ی. Sun، Z. مدلسازی دینامیک شهری از طریق اتوماتای ​​سلولی مبتنی بر GIS. محاسبه کنید. محیط زیست سیستم شهری 1999 ، 23 ، 205-233. [ Google Scholar ] [ CrossRef ]
  36. متیوز، RB; گیلبرت، NG; روچ، ا. پولهیل، جی جی. گاتز، مدل‌های کاربری زمین مبتنی بر عامل NM: مروری بر کاربردها. Landsc. Ecol. 2007 ، 22 ، 1447-1459. [ Google Scholar ] [ CrossRef ]
  37. لی، ایکس. بله، AG مدلسازی توسعه پایدار شهری با ادغام اتوماتای ​​سلولی محدود و GIS. بین المللی جی. جئوگر. Inf. علمی 2000 ، 14 ، 131-152. [ Google Scholar ] [ CrossRef ]
  38. لی، ال. ساتو، ی. Zhu, H. شبیه سازی گسترش شهری فضایی بر اساس یک فرآیند فیزیکی. Landsc. طرح شهری. 2003 ، 64 ، 67-76. [ Google Scholar ] [ CrossRef ]
  39. وانگ، اچ. پنگ، پی. کنگ، ایکس. ژانگ، تی. یی، جی. ارزیابی مناسب بودن گسترش شهری بر اساس مدل منطقی حداقل مقاومت تجمعی: مطالعه موردی از لشان، چین. بین المللی J. Geo Inf. 2019 ، 8 ، 291. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  40. ورمیرن، ک. Vanmaercke، M. بکرز، جی. Van Rompaey، A. Assure: مدلی برای شبیه سازی گسترش شهری و تفکیک اجتماعی درون شهری. بین المللی جی. جئوگر. Inf. علمی 2016 ، 30 ، 2377-2400. [ Google Scholar ] [ CrossRef ]
  41. ژونگ، تی. چن، ی. هوانگ، X. تأثیر درآمد زمین بر رشد زمین شهری به سمت کاهش تراکم جمعیت در استان جیانگ سو، چین. Habitat Int. 2016 ، 58 ، 34-41. [ Google Scholar ] [ CrossRef ]
  42. وانگ، ال. وانگ، سی. Duan، X. الگوهای رشد شهری و بازسازی فضایی: مورد منطقه دلتای رودخانه یانگ تسه، چین. محیط زیست طرح. B 2016 ، 43 ، 515-539. [ Google Scholar ] [ CrossRef ]
  43. روبرتو، سی. ماریا، سی جی; پائولو، آر. تحرک شهری و شکل شهری: هزینه اجتماعی و زیست محیطی الگوهای مختلف گسترش شهری. Ecol. اقتصاد 2002 ، 40 ، 192-216. [ Google Scholar ] [ CrossRef ]
  44. گومز، ای. بانوس، ا. آبرانتس، پی. روشا، جی. ارزیابی اثر مجاورت فضایی بر رشد شهری. پایداری 2018 ، 10 ، 1308. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  45. کسرائیان، د. ماات، ک. ون وی، بی. تأثیر مجاورت شهری، دسترسی حمل و نقل و سیاست بر رشد شهری: یک تحلیل طولی در طول پنج دهه. محیط زیست طرح. B 2019 , 46 , 1000–1017. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  46. Ullah، KM; منصوریان، ع. ارزیابی تناسب زمین برای برنامه ریزی کاربری اراضی شهری: مطالعه موردی شهر داکا. ترانس. GIS 2016 ، 20 ، 20-37. [ Google Scholar ] [ CrossRef ]
  47. Yu, K. الگوهای امنیتی و مدل سطح و در برنامه ریزی منظر. Landsc. طرح شهری. 1996 ، 36 ، 1-17. [ Google Scholar ] [ CrossRef ]
  48. آدریانسن، اف. شاردونا، جی پی؛ دی بلوست، جی. سوئینن، ای. ویلالبا، اس. گولینک، اچ. ماتیسن، ای. کاربرد مدل‌سازی «کم‌هزینه» به عنوان یک مدل منظر عملکردی. Landsc. طرح شهری. 2003 ، 64 ، 233-247. [ Google Scholar ] [ CrossRef ]
  49. بله، ی. سو، ی. ژانگ، اچ. لیو، ک. Wu, Q. ساخت یک مدل سطح مقاومت اکولوژیکی و کاربرد آن در شبیه‌سازی گسترش شهری. جی. جئوگر. علمی 2015 ، 25 ، 211-224. [ Google Scholar ] [ CrossRef ]
  50. لی، ایکس. وانگ، ام. لیو، ایکس. چن، ز. وی، ایکس. Che، W. مدل CA-Markov اصلاح شده با MCR برای شبیه سازی گسترش شهری. Sustainability 2018 , 10 , 3116. [ Google Scholar ] [ CrossRef ][ Green Version ]
  51. کناپن، جی پی؛ شفر، ام. Harms، B. برآورد جداسازی زیستگاه در برنامه ریزی منظر. Landsc. طرح شهری. 1992 ، 23 ، 1-16. [ Google Scholar ] [ CrossRef ]
  52. کالینز، ام جی; اشتاینر، FR; راشمن، MJ تجزیه و تحلیل مناسب بودن کاربری زمین در ایالات متحده: توسعه تاریخی و دستاوردهای فناوری امیدوارکننده. محیط زیست مدیریت 2001 ، 28 ، 611-621. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  53. Malczewski، J. تجزیه و تحلیل مناسب کاربری زمین مبتنی بر GIS: مروری انتقادی. Prog. طرح. 2004 ، 62 ، 3-65. [ Google Scholar ] [ CrossRef ]
  54. فائو چارچوبی برای ارزیابی زمین ; فائو: رم، ایتالیا؛ سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 1976; در دسترس آنلاین: https://www.fao.org/3/X5310E/X5310E00.htm (در 9 نوامبر 2019 قابل دسترسی است).
  55. فائو دستورالعمل برنامه ریزی کاربری اراضی ; فائو: رم، ایتالیا؛ سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 1993; در دسترس آنلاین: https://www.mpl.ird.fr/crea/taller-colombia/FAO/AGLL/pdfdocs/guidelup.pdf (در 9 نوامبر 2019 قابل دسترسی است).
  56. اشتاینر، F. مناسب بودن منابع: روش‌هایی برای تجزیه و تحلیل. محیط زیست مدیریت 1983 ، 7 ، 401-420. [ Google Scholar ] [ CrossRef ]
  57. پریرا، JMC; Duckstein، L. یک رویکرد تصمیم گیری چند معیاره برای ارزیابی تناسب زمین مبتنی بر GIS. بین المللی جی. جئوگر. Inf. سیستم 1993 ، 7 ، 407-424. [ Google Scholar ] [ CrossRef ]
  58. یانکوفسکی، پ. Richard, L. ادغام تجزیه و تحلیل مناسب بودن مبتنی بر GIS و ارزیابی چند معیاره در یک سیستم پشتیبانی تصمیم فضایی برای انتخاب مسیر. محیط زیست طرح. B 1994 ، 21 ، 326-339. [ Google Scholar ] [ CrossRef ]
  59. لی، سی. ژائو، جی. Xu, Y. بررسی اثرات متغیر فضایی و زمانی گسترش شهری و عوامل محرک اساسی. حفظ کنید. جامعه شهرها 2017 ، 28 ، 307-320. [ Google Scholar ] [ CrossRef ]
  60. دویگون، اچ. آلفان، اچ. Gurun، DK تجزیه و تحلیل گسترش شهری و تناسب کاربری زمین برای شهر قهرمانماراش، ترکیه و منطقه اطراف آن. محیط زیست نظارت کنید. ارزیابی کنید. 2008 ، 145 ، 387-395. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  61. یان، ی. ژو، آر. بله، X. ژانگ، اچ. وانگ، ایکس. ارزیابی تناسب زمین ساخت و ساز شهری بر اساس رویکرد فرآیندهای عمودی- افقی. بین المللی J. Geo Inf. 2018 ، 7 ، 198. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  62. تانگ، سی. فن، جی. Sun، W. ویژگی های توزیع و پیامدهای سیاست تناسب توسعه سرزمینی حوضه رودخانه یانگ تسه. جی. جئوگر. علمی 2015 ، 25 ، 1377–1392. [ Google Scholar ] [ CrossRef ]
  63. چن، دبلیو. سان، دبلیو. دوان، ایکس. چن، جی. منطقه‌بندی استفاده بالقوه زمین در استان جیانگ سو تحت رویکرد اقتصادی-اقتصادی. علمی Geogr. گناه 2007 ، 27 ، 312-317. (به زبان چینی) [ Google Scholar ]
  64. یو، جی. هو، اس. لی، سی. مطالعه سیل های شدید تاریخی در سال وقوع و ارتفاع سیل، تایهو. علوم کواترنر 2013 ، 33 ، 167-178. (به زبان چینی) [ Google Scholar ]
  65. دانگ، ال. خو، ی. تانگ، کیو. ژائو، اچ. یانگ، بی. Sun، G. توزیع بالقوه و فضایی زمین ساخت و ساز مناسب در امتداد رودخانه Xijiang در Guangxi. جی. نات. منبع. 2014 ، 29 ، 387-398. (به زبان چینی) [ Google Scholar ]
  66. چن، دبلیو. سان، دبلیو. دوان، ایکس. چن، جی. منطقه ای کردن توسعه بالقوه منطقه ای در شهر سوژو. Acta Geogr. گناه 2006 ، 61 ، 839-846. (به زبان چینی) [ Google Scholar ]
  67. فن، J. پیش نویس منطقه بندی تابع گرا اصلی چین. Acta Geogr. گناه 2015 ، 70 ، 186-201. (به زبان چینی) [ Google Scholar ]
  68. Zipf، GK Human Behavior and the Principle of Last Effort ; مطبوعات آدیسون-وسلی: آکسفورد، بریتانیا، 1949. [ Google Scholar ]
  69. آهنگ ها.؛ Zhang، KH شهرنشینی و توزیع اندازه شهر در چین. مطالعه شهری. 2002 ، 39 ، 2317-2327. [ Google Scholar ] [ CrossRef ]
  70. دکر، ای اچ. کرخوف، ای جی. موزس، ME الگوهای جهانی توزیع اندازه شهر و محرک های اساسی آنها. PLoS ONE 2007 ، 9 ، e934. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  71. تان، م. Lv، C. توزیع اندازه شهر چین بر اساس منطقه ساخته شده شهری بیان شده است. Acta Geogr. گناه 2003 ، 58 ، 285-293. (به زبان چینی) [ Google Scholar ]
  72. وو، زی. دای، ایکس. Yang, W. در مورد بازسازی فرمال پارتو و رابطه آن با توسعه سیستم شهری. هوم Geogr. 2000 ، 15 ، 15-19. (به زبان چینی) [ Google Scholar ]
  73. یو، دبلیو. Xu, J. کاربرد نظریه هندسه فراکتال در مطالعه جغرافیای انسانی. Geogr. تریت Res. 2001 ، 17 ، 48-53. (به زبان چینی) [ Google Scholar ]
  74. کارول، GR توزیع ملی به اندازه شهر: پس از 67 سال تحقیق چه می دانیم؟ Prog. هوم Geogr. 1982 ، 6 ، 1-43. [ Google Scholar ] [ CrossRef ]
  75. سان، ز. یوان، ی. وانگ، ی. Zhang، X. تحقیق در مورد توزیع اندازه شهر و رشد آلومتریک در استان جیانگ سو بر اساس نظریه فراکتال. Geogr. Res. 2011 ، 30 ، 2162-2171. (به زبان چینی) [ Google Scholar ]
  76. آلونسو، W. عدم تعادل شهری و منطقه ای در توسعه اقتصادی. اقتصاد توسعه دهنده فرقه چانگ. 1968 ، 17 ، 1-14. [ Google Scholar ] [ CrossRef ]
  77. Squire، GD Urban Sprawl و توسعه نابرابر متروپولیتن آمریکا در پراکندگی شهری: علل، پیامدها و پاسخ های سیاستی . انتشارات موسسه شهری: واشنگتن، دی سی، ایالات متحده آمریکا، 2002. [ Google Scholar ]
  78. او، سی. اوکادا، ن. ژانگ، کیو. کشتی.؛ لی، جی. مدل‌سازی فرآیندهای توسعه شهری پویا با ترکیب یک مدل بالقوه با اتوماتای ​​سلولی. Landsc. طرح شهری. 2008 ، 86 ، 79-91. [ Google Scholar ] [ CrossRef ]
  79. جعفری، م. ماجدی، ح. منوری، س.م. آلشیخ، ع.ا. زرکش، MK شبیه سازی دینامیکی گسترش شهری با استفاده از مدل CA-Markov مطالعه موردی: منطقه هیرکانی، گیلان، ایران. یورو J. Remote Sens. 2016 ، 49 ، 513-529. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  80. لیو، جی. ژانگ، ال. Zhang، Q. گسترش شهری و تجزیه و تحلیل الگوی منظر در جنوب جیانگسو، چین. منبع. محیط زیست حوضه یانگ تسه 2014 ، 23 ، 1375-1382. (به زبان چینی) [ Google Scholar ]
  81. او، س. آهنگ، ی. لیو، ی. یین، سی. انتشار یا ادغام؟ الگوی رشد شهری و تغییر در 363 شهر چین از سال 1995 تا 2015. پایداری. جامعه شهرها 2017 ، 35 ، 729-739. [ Google Scholar ] [ CrossRef ]
  82. کلاین، جی دی. آزوما، دی ال. Alig، RJ رشد جمعیت، گسترش شهری، و جنگلداری خصوصی در غرب اورگان. برای. علمی 2004 ، 50 ، 33-43. [ Google Scholar ] [ CrossRef ]
  83. لیو، YS; نیش، اف. Li، YH مسائل کلیدی استفاده از زمین در چین و پیامدهای آن برای سیاست گذاری. سیاست کاربری زمین 2014 ، 40 ، 6-12. [ Google Scholar ] [ CrossRef ]
  84. چن، ایکس. گرین، آر. پویایی مکانی – زمانی تغییر سلسله مراتب شهری چین (1950-2005). مطالعه شهری. Res. 2012 ، 2012 ، 162965. [ Google Scholar ] [ CrossRef ]
  85. نیش، سی. وانگ، زی. تشخیص های کمی و ارزیابی های جامع از عقلانیت الگوهای توسعه شهری چین. پایداری 2015 ، 7 ، 3859-3884. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  86. گائو، جی. وی، وای. چن، دبلیو. Yenneti، K. گسترش زمین شهری و تغییر ساختاری در دلتای رودخانه یانگ تسه، چین. پایداری 2015 ، 7 ، 10281-10307. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  87. Krugman, P. افزایش بازده و جغرافیای اقتصادی. جی. پولیت. اقتصاد 1991 ، 99 ، 483-499. [ Google Scholar ] [ CrossRef ]
  88. کبک، MD; ریکمن، دی اس؛ علی، ک. رز اولفرت، ام. آیا سایه های تراکم جغرافیای اقتصادی جدید زیربنای پویایی جمعیت فعلی در سراسر سلسله مراتب شهری است؟ پاپ Reg. علمی 2009 ، 88 ، 445-466. [ Google Scholar ] [ CrossRef ]
  89. تان، م. زو، اچ. لیو، ال. Guo, G. الگوهای فضایی مناطق ساخته شده در اطراف پکن. Acta Geogr. گناه 2007 ، 62 ، 861-869. [ Google Scholar ]
  90. مونتون، کمربند سبز RJC لندن: مهار در عمل . Routledge: لندن، انگلستان، 2006. [ Google Scholar ]
Ijgi 08 00521 g001 550
شکل 1. نمودار جریان روش های تشخیص.
Ijgi 08 00521 g002 550
شکل 2. مکان، تقسیمات اداری و توپوگرافی تراکم شهری جنوبی جیانگسو (SJUA).
Ijgi 08 00521 g003 550
شکل 3. کاربری اراضی ( الف ) و توزیع فضایی اراضی زراعی و اکولوژیکی ( ب ).
Ijgi 08 00521 g004 550
شکل 4. الگوهای توزیع شش شاخص و LUS.
Ijgi 08 00521 g005 550
شکل 5. سطوح مقاومت چهار سناریو.
Ijgi 08 00521 g006 550
شکل 6. نتایج حداقل مقاومت تجمعی (MCR) گسترش فضایی شهری (USE) تحت چهار سناریو.
Ijgi 08 00521 g007 550
شکل 7. استفاده از الگوی تحت چهار سناریو.
Ijgi 08 00521 g008 550
شکل 8. افزایش مقادیر هر شهر تحت سناریوهای مختلف و مقدار کل استفاده. شهرها بر اساس مساحت اصلی خود از بزرگ به کوچک طبقه بندی شده اند.
Ijgi 08 00521 g009 550
شکل 9. تغییر اندازه رتبه شهری تحت سناریوهای مختلف.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید