شهرنشینی الگوی سطحی جهان را به شدت تغییر می دهد که مشکلات اجتماعی و اکولوژیکی زیادی را به همراه دارد. کمی کردن تغییرات در الگوی منظر و ساختار سه بعدی شهر برای درک این مسائل مهم است. این مطالعه پژوهشی از ملبورن، یک شهر فشرده، به عنوان مطالعه موردی استفاده کرد و بر الگوهای منظر و حجم شهری عمودی (میانگین حجم (VM)، انحراف معیار حجم (VSD)) متمرکز شد و همبستگی بین آنها را از محدوده مقیاس‌های مختلف بررسی کرد. و با استفاده از تکنیک های سنجش از دور (RS) و سیستم اطلاعات جغرافیایی (GIS) عمل می کند. ما دریافتیم: (1) از سال 2000 تا 2012، الگوی چشم انداز روند کاهش تکه تکه شدن و افزایش تجمع وصله داشت. رشد VM و VSD شدیدتر از معیارهای چشم انداز بود. و با حفظ ساختار “شرق بزرگ و غرب کوچک” وضعیت “بالا-کم” را از مرکز شهر به اطراف ارائه کرد. (2) الگوی منظر ارتباط نزدیکی با حجم شهری پیدا کرد. در کل منطقه مورد مطالعه، تکه‌های الگوی منظر با تکه تکه شدن کم و تجمع زیاد به طور مستقیم با VM با ارزش بالا که نشان دهنده شهرنشینی بالا بود، و تکه‌های با اتصال و تکه تکه شدن بالا رابطه مثبتی با VSD بالا داشتند که نشان‌دهنده تشخیص فضایی قوی بود. (3) حجم های شهری مناطق مختلف عملکردی شهری تحت تأثیر الگوهای منظر متفاوت قرار گرفتند و تحلیل بر اساس وضعیت توسعه محلی می تواند مکانیسم داخلی تعامل بین الگوی منظر و حجم شهری را توضیح دهد. حفظ ساختار «شرق بزرگ و غرب کوچک». (2) الگوی منظر ارتباط نزدیکی با حجم شهری پیدا کرد. در کل منطقه مورد مطالعه، تکه‌های الگوی منظر با تکه تکه شدن کم و تجمع زیاد به طور مستقیم با VM با ارزش بالا که نشان دهنده شهرنشینی بالا بود، و تکه‌های با اتصال و تکه تکه شدن بالا رابطه مثبتی با VSD بالا داشتند که نشان‌دهنده تشخیص فضایی قوی بود. (3) حجم های شهری مناطق مختلف عملکردی شهری تحت تأثیر الگوهای منظر متفاوت قرار گرفتند و تحلیل بر اساس وضعیت توسعه محلی می تواند مکانیسم داخلی تعامل بین الگوی منظر و حجم شهری را توضیح دهد. حفظ ساختار «شرق بزرگ و غرب کوچک». (2) الگوی منظر ارتباط نزدیکی با حجم شهری پیدا کرد. در کل منطقه مورد مطالعه، تکه‌های الگوی منظر با تکه تکه شدن کم و تجمع زیاد به طور مستقیم با VM با ارزش بالا که نشان دهنده شهرنشینی بالا بود، و تکه‌های با اتصال و تکه تکه شدن بالا رابطه مثبتی با VSD بالا داشتند که نشان‌دهنده تشخیص فضایی قوی بود. (3) حجم های شهری مناطق مختلف عملکردی شهری تحت تأثیر الگوهای منظر متفاوت قرار گرفتند و تحلیل بر اساس وضعیت توسعه محلی می تواند مکانیسم داخلی تعامل بین الگوی منظر و حجم شهری را توضیح دهد. تکه‌های الگوی منظر با تکه تکه شدن کم و تجمع زیاد به طور مستقیم با VM با ارزش بالا که نشان‌دهنده شهرنشینی بالا بود، و تکه‌های با اتصال و تکه تکه شدن بالا رابطه مثبتی با VSD بالا داشتند که نشان‌دهنده تشخیص فضایی قوی بود. (3) حجم های شهری مناطق مختلف عملکردی شهری تحت تأثیر الگوهای منظر متفاوت قرار گرفتند و تحلیل بر اساس وضعیت توسعه محلی می تواند مکانیسم داخلی تعامل بین الگوی منظر و حجم شهری را توضیح دهد. تکه‌های الگوی منظر با تکه تکه شدن کم و تجمع زیاد به طور مستقیم با VM با ارزش بالا که نشان‌دهنده شهرنشینی بالا بود، و تکه‌های با اتصال و تکه تکه شدن بالا رابطه مثبتی با VSD بالا داشتند که نشان‌دهنده تشخیص فضایی قوی بود. (3) حجم های شهری مناطق مختلف عملکردی شهری تحت تأثیر الگوهای منظر متفاوت قرار گرفتند و تحلیل بر اساس وضعیت توسعه محلی می تواند مکانیسم داخلی تعامل بین الگوی منظر و حجم شهری را توضیح دهد. که نشان دهنده شناخت مکانی قوی بود. (3) حجم های شهری مناطق مختلف عملکردی شهری تحت تأثیر الگوهای منظر متفاوت قرار گرفتند و تحلیل بر اساس وضعیت توسعه محلی می تواند مکانیسم داخلی تعامل بین الگوی منظر و حجم شهری را توضیح دهد. که نشان دهنده شناخت مکانی قوی بود. (3) حجم های شهری مناطق مختلف عملکردی شهری تحت تأثیر الگوهای منظر متفاوت قرار گرفتند و تحلیل بر اساس وضعیت توسعه محلی می تواند مکانیسم داخلی تعامل بین الگوی منظر و حجم شهری را توضیح دهد.

کلید واژه ها:

شهرنشینی ; سنجش از دور ؛ الگوی منظره ; حجم شهری عمودی ; ملبورن

1. مقدمه

گسترش شهری به شکلی از تبدیل زمین طبیعی به ساختمان‌ها، سطوح غیرقابل نفوذ و تأسیسات پایه مربوطه اشاره دارد که با رشد جمعیت، توسعه محصول، پیشرفت علمی و تعدیل ساختار صنعتی اتفاق می‌افتد [ 1 ]. در چند دهه گذشته، با رشد سریع جمعیت شهری و فعالیت های فشرده انسانی، بسیاری از شهرها گسترش چشمگیری را تجربه کرده اند [ 2 ، 3 ، 4 ]]. روز به روز بیشتر کشورها و مناطق بر این باورند که اگرچه روند سریع شهرنشینی در پیشبرد توسعه اقتصادی منطقه و بهبود ساختار صنعتی اهمیت زیادی دارد، اما غیرقابل انکار است که باعث تخریب محیط طبیعی و ایجاد یک سری مشکلات از جمله آب و هوای شدید می شود. 5 ، از دست دادن زمین زیر کشت [ 6 ]، اثر گلخانه ای [ 7 ]، تخریب کیفیت آب [ 8 ]، منابع سبز نامتعادل [ 9 ] و غیره. در برخی مناطق، پدیده «شهر ارواح» حتی به دلیل بهره برداری بیش از حد نیز رخ داده است. و عدم تعادل جمعیتی [ 10]. بر اساس نرخ رشد جمعیت فعلی و سطح توسعه اقتصادی، توسعه شهری احتمالا ادامه خواهد داشت.
گسترش شهری منجر به تغییر الگوی منظر اولیه شد [ 11 ]، که به ویژگی‌های ساختار فضایی مناظر که واحدهای جغرافیایی متشکل از انواع مختلف موزاییک‌های اکوسیستم هستند اشاره داشت [ 12 ، 13 ]. تشخیص تغییرات در شاخص الگوی منظر از طریق سنجش از دور می تواند منعکس کننده ویژگی های گسترش شهری باشد [ 14 ، 15 ، 16 ]. Effat از داده های Landsat برای محاسبه شاخص چشم انداز استفاده کرد .]. وی جی. پراکندگی شهری را از مقیاس های مختلف از طریق شاخص های منظر بررسی کرد و دریافت که ویژگی های توسعه شهر کانزاس [ 17 ]. بوش الگوهای فضایی و زمانی را در توده‌های شهری سوئیس در دو گستره مکانی مشخص با شاخص‌های منظر و حالت‌های رشد بررسی کرد [ 18 ]. تجزیه و تحلیل الگوی منظر شهری و تغییر مکانی-زمانی آن ابزاری مؤثر برای آشکارسازی کیفی ویژگی‌های تغییرات ساختار فضایی شهری است.
علاوه بر این، تعداد زیادی مطالعه نیز وجود داشت که از مدل‌های ریاضی برای تحلیل کمی رابطه بین الگوهای منظر و معیارهای شهرنشینی استفاده کردند. به عنوان بدنه اصلی یک شهر، تغییرات مکانی و زمانی ساختمان ها می تواند منعکس کننده روند گسترش یک شهر باشد. روش ایجاد یک مدل ریاضی با معیارهای منظر و معیارهای شهرنشینی دوبعدی برای یافتن همبستگی بین الگوی منظر و سطح شهرنشینی به طور گسترده مورد استفاده قرار گرفته است. کیو پکن را به عنوان مثال برای مطالعه رابطه بین درجه پراکندگی چشم انداز شهری و شهرنشینی (PLANDU) و شاخص های اجتماعی-اقتصادی [ 19 ] در نظر گرفت.]. فلت از مجموعه داده‌های نفوذناپذیر درصد توسعه‌یافته پایگاه داده ملی پوشش زمین (PDI) استفاده کرد که درصد پوشش غیرقابل نفوذ را اندازه‌گیری کرد که نشان‌دهنده سطح توسعه برای بررسی الگوهای تکه تکه‌شدن شهری شهرهای کوچک و متوسط ​​در آیداهو، ایالات متحده [ 20 ] بود. پاتریک سیلوا از منطقه ساخته شده برای نشان دادن درجه شهرنشینی استفاده کرد و مکانیسم محرک سایر عوامل اجتماعی-اقتصادی بر شهرنشینی را آشکار کرد [ 21 ].
ادبیاتی که در بالا توضیح داده شد به کمی کردن رابطه بین گسترش شهری و الگوی منظر کمک کرده است. با این حال، بیشتر مطالعات بر اساس یک هواپیمای دوبعدی برای منعکس کردن شدت گسترش شهری بود. از آغاز قرن بیست و یکم، در مقایسه با گسترش صفحه دوبعدی، روند انبساط عمودی بیش از پیش آشکار می شود. برای شهرهای فشرده با جمعیت متراکم، فضای گسترش محدود و منابع زمین محدود، شاخص‌های گسترش شهری دوبعدی که اطلاعات سطح بالا را نادیده می‌گیرند ممکن است برای منعکس کردن درجه شهرنشینی کافی نباشد. برای مثال، شهرک‌ها و مناطق تجاری ممکن است PLANDU تقریبی داشته باشند، اما درجه شهرنشینی آنها متفاوت بود. چند مطالعه به طور خاص پدیده انبساط عمودی را مورد بحث قرار داده اند.22 ]. او خطوط معماری و اطلاعات ارتفاعی پنج دوره را استخراج کرد و ثابت کرد که گسترش عمودی عامل غالب توسعه شهر دره است [ 23 ]. ژونگ منظر شهری دوبعدی و ارتفاع سه بعدی مناطق مسکونی در پکن را در 60 سال گذشته مطالعه کرد و پیشنهاد کرد که در تحلیل الگوی فضایی بعد عمودی در نظر گرفته شود [ 24 ]. بنابراین، در این شهرهای فشرده، بیان درجه توسعه شهری با معیارهای سه بعدی [ 25 ]، مانند ارتفاع ساختمان و حجم ساختمان [ 26 ] عینی تر است.]، نسبت به معیارهای دوبعدی. همچنین، ایجاد یک مدل کمی بین الگوی منظر و معیارهای سه‌بعدی از بیان کیفی پاسخ‌های منظر گسترش شهری یا ایجاد مدلی بین الگوی منظر و معیارهای دوبعدی علمی‌تر است. علاوه بر این، مطالعه رابطه بین الگوی منظر و حجم شهری سه بعدی از اهمیت بالایی برخوردار است، به این معنا که در زمانی که محاسبه حجم شهری دشوار است، می توان با به کارگیری الگوی منظر، میزان توسعه شهری را به سرعت و به صورت علمی بیان کرد.
این تحقیق دو معیار حجم شهری سه بعدی را برای توصیف درجه شهرنشینی و درجه تمایز شهری در جهت عمودی ملبورن با پشتیبانی RS و GIS انتخاب کرد. ما تغییرات الگوی منظر و حجم ساختمان شهری سه بعدی را از سال 2000 تا 2012 تجزیه و تحلیل کردیم و رابطه بین آنها را در کل منطقه مورد مطالعه و سه ناحیه عملکرد شهری معمولی بررسی کردیم و پیشنهادهای توسعه مربوطه را ارائه کردیم. این تحقیق برای درک عمیق رابطه بین منظر شهری و حجم شهری در فرآیند گسترش شهری مفید بود. اهداف این مطالعه به شرح زیر بود: 1. بررسی تغییرات مکانی-زمانی الگوهای منظر دوبعدی و حجم شهری سه بعدی در ملبورن از قرن بیستم. 2. نشان دادن رابطه بین معیارهای منظر و حجم شهری در کل منطقه و مناطق مختلف عملکرد شهری معمولی. 3. بر اساس ارتباطات داخلی فوق، پیشنهادهای توسعه مربوطه را برای گسترش شهری آینده ملبورن ارائه دهید.

2. داده ها و روش ها

2.1. منطقه مطالعه

ملبورن، پایتخت ویکتوریا، مرکز فرهنگی و صنعتی استرالیا است و چندین سال است که توسط واحد اطلاعات اکونومیست به عنوان “مناسب ترین برای سکونت انسان” رتبه بندی شده است. ملبورن دومین شهر پرجمعیت استرالیا است و دارای آب و هوای معتدل دریایی است [ 27 ]. بهار از سپتامبر تا نوامبر طول می کشد و به دنبال آن سه فصل دیگر [ 28 ]. مناظر زیبای شهری و ساختارهای شهری بسیار توسعه یافته یکپارچه شده اند که مرجعی برای توسعه سایر شهرها فراهم می کند. در سال 2001، جمعیت ملبورن به 3.5 میلیون نفر رسید و تجزیه و تحلیل استراتژیک جمعیت نشان داد که جمعیت ممکن است در سال 2021 به 4.5 میلیون نفر افزایش یابد [ 29 ]]. افزایش گسترده جمعیت منجر به مشکلات شهری مانند آلودگی هوا و خدمات عمومی نابهنگام شده است. در سال 2002، دولت ویکتوریا طرح “ملبورن 2030” را برای کاهش چنین مشکلاتی با هدف تبدیل ملبورن به شهری “فشرده تر” و ساخت شهری قابل زندگی، مرفه و پایدار اجرا کرد [ 30 ]. روش اصلی تقویت فشردگی ساختمان‌های داخلی و افزایش مسکن با تراکم متوسط ​​و بالا در فضای محدود و مهار گسترش شهری، گسترش رشد شهری به جهت عمودی و بهبود کارایی کاربری زمین بود. برای ملبورن، شهرنشینی بیان شده توسط معیارهای شهرنشینی سه بعدی قانع کننده تر از معیارهای شهرسازی دو بعدی است.
منطقه تحقیقاتی این مقاله عمدتاً در منطقه شهری ملبورن در حدود 230 کیلومتر مربع واقع شده است که شامل CBD ملبورن، ملبورن شرقی، ملبورن غربی، ملبورن شمالی، پارکویل، کارلتون، یارا جنوبی، خیابان سنت کیلدا، ساوت بانک، داکلندز، برخی حومه، و بخشی از آب های بندر فیلیپ. شکل 1 موقعیت منطقه مورد مطالعه در ملبورن را نشان می دهد. دلایل انتخاب این منطقه مستطیل شکل به شرح زیر بود: 1. این منطقه شامل شهر ملبورن بود که شهرنشینی بالایی داشت، با ساختمان های شهری متراکم و فعالیت های انسانی شدید. 2. در بخش 2.3 ذکر شدکه تجزیه و تحلیل پنجره متحرک مورد استفاده در این مطالعه فقط عناصر حاوی کل (مربع) پنجره را ارزیابی کرد و اثر مرزی اجتناب‌ناپذیر بود، بنابراین انتخاب مساحت مربع می‌تواند به طور موثر از تأثیر اثر مرزی جلوگیری کند. 3. داده های DSM مورد استفاده در این مطالعه فقط کمی بزرگتر از مساحت مستطیل شکل این مطالعه بود. برای راحتی آزمایش، منطقه مورد مطالعه را مشابه اندازه داده های DSM انتخاب کردیم.

2.2. جریان کار

همانطور که در شکل 2 نشان داده شده است، گردش کار کلی از سه مرحله، محاسبه الگوی منظر، محاسبه حجم شهری و تحلیل تعامل تشکیل شده است. در مرحله اول از دو مجموعه داده (تصاویر Landsat، تصاویر Google Earth) استفاده شد. نتایج کاربری زمین در سال‌های مختلف با روش ماشین بردار پشتیبان (SVM) تولید شد و بیشتر برای استخراج نتایج منظر بر اساس هشت معیار منظر در چهار جنبه مورد استفاده قرار گرفت. در مرحله دوم، پس از پیش پردازش، تبدیل داده های ارتفاعی و رهگیری ROI پوشش مصنوعی، سه نوع داده ارتفاعی (SRTM، DSM و JZM) می توانند برای محاسبه حجم شهری اتخاذ شوند. در نهایت، ما تجزیه و تحلیل همبستگی را در کل منطقه مورد مطالعه و سه ناحیه عملکردی شهری معمولی برای بررسی ویژگی‌های تعامل بین الگوی منظر و حجم شهری انجام دادیم.

2.3. پردازش داده های سنجش از دور و محاسبه الگوی چشم انداز

ما تصاویر Landsat را در سال 2000/2004/2008/2012 انتخاب کردیم که از USGS به دست آمده بود و از نظر جوی تصحیح و ژئو تصحیح شده بود. وضوح فضایی 30 متر بود. با توجه به کیفیت و در دسترس بودن داده ها (نرخ پوشش ابری کمتر از 1%)، و با توجه به اینکه تغییر فصلی کاربری زمین در ملبورن اندک است [ 31 ]، داده های Landsat7 را در سال های 2000 و 2012 و داده های Landsat5 را در سال 2004 انتخاب کردیم. و 2008. باندها در داده های Landsat7 در سال 2012 ظاهر شدند، بنابراین ما داده های Landsat5 را بدون باند در ماه های مجاور سال 2011 برای پر کردن انتخاب کردیم. پس از کالیبراسیون رادیومتریک و تصحیح جوی FLAASH، داده هایی را به دست آوردیم که قابل طبقه بندی و محاسبه بودند.
بر اساس نتایج مطالعات قبلی و ویژگی‌های ویژگی‌های زمین در ملبورن [ 31 ]، پنج نوع کاربری اراضی تعریف شد ( جدول 1 )، شامل پوشش دست‌ساز، بدنه آبی، جنگل‌ها، علفزار و زمین بایر که اساساً مطابق با بین‌المللی بود. طبقه‌بندی‌هایی مانند داده‌های پوشش زمین (CLC) CORINE، اگرچه این مجموعه داده‌ها فقط اطلاعات بخش قابل توجهی از اروپا را به جای استرالیا ارائه می‌کرد [ 32]. برای مثال، پوشش دست‌ساز در منطقه مورد مطالعه ما، شامل ساخت‌وسازهای مسکونی، تأسیسات عمومی، تسهیلات حمل‌ونقل، و سایر زمین‌های ساخت‌وساز و غیره بود که مشابه سطوح مصنوعی تعریف شده به عنوان سطح 1 در نام‌گذاری پوشش زمین CORINE بود که حاوی بافت شهری بود. واحدهای صنعتی، تجاری و حمل و نقل، معدن، محل های تخلیه و ساخت و ساز و مناطق مصنوعی غیرکشاورزی گیاهی. آب بدنه به بخشی از اقیانوس آرام، رودخانه یارا و برخی حوضچه ها اطلاق می شود. جنگل‌ها دارای ذخایر طبیعی در شهر بودند که شامل انواع مختلف جنگل‌های پهن برگ، جنگل‌های مخروطی و جنگل‌های مختلط می‌شد. متفاوت از علفزار طبیعی در نامگذاری پوشش زمین CORINE، علفزار در مطالعه ما عمدتاً به فضاهای سبز مصنوعی از جمله باغ ها و زمین های فوتبال اشاره دارد.33 ].
ما تصاویر با وضوح بالا را در Google Earth برای جمع‌آوری نمونه‌ها ترکیب کردیم [ 34 ، 35 ] و طبقه‌بندی‌کننده ماشین بردار پشتیبانی (SVM) را برای طبقه‌بندی [ 33 ، 36 ] اتخاذ کردیم. دقت کلی (OA) نتایج طبقه بندی بیشتر از 90 درصد بود و نتایج آزمون ضریب کاپا را پشت سر گذاشتند. تمام مراحل فوق با پشتیبانی ENVI 5.3 انجام شد.
معیارهای منظر اطلاعات الگوی منظر را بسیار متراکم می کنند و شاخص های کمی هستند که می توانند ترکیب ساختار منظر و ویژگی های پیکربندی فضایی را منعکس کنند [ 37 ، 38 ]. در مطالعه ما، بر اساس مقوله مفهومی، هشت معیار منظر که اغلب در ادبیات استفاده می‌شوند، برای تحقیق در چهار جنبه تقسیم‌بندی، پیچیدگی، تجمع و تنوع انتخاب شدند. توضیح معیارهای چشم انداز در جدول 2 نشان داده شده است. برای معیارهای چشم انداز در سطح کلاس، از پسوند مطابق عدد جدول 1 استفاده کردیمبرای تشخیص انواع کاربری های زمین به عنوان مثال، نسبت پوشش مصنوعی به عنوان “PLAND1″، چگالی وصله بدنه آبی به عنوان “PD2” و غیره نشان داده شد.
تجزیه و تحلیل پنجره متحرک می تواند برای کمی کردن الگوی منظر در یک محدوده خاص استفاده شود [ 46 ، 47 ]، به وضوح روند تحقق فضایی تغییر پویا الگوی منظر شهری را نشان می دهد. معیارهای منظر به مقیاس فضایی حساس هستند. ناهمگونی منظر بسیار وابسته به مقیاس است. اگر اندازه پنجره خیلی بزرگ باشد، جزئیات از بین می رود، در حالی که اگر اندازه پنجره خیلی کوچک باشد، منحنی به طور مکرر در نوسان است، که برای تجزیه و تحلیل مناسب نیست [ 48 ، 49 ، 50 ]]. ما مجموعه‌ای از تحلیل‌های وسعت را در جهت شرق به غرب تالار شهر ملبورن انجام دادیم که بسیار نماینده بود. با توجه به اندازه واقعی منطقه مورد مطالعه، ما 180 متر، 360 متر، 540 متر، 900 متر، 1200 متر، 1500 متر را به عنوان اندازه پنجره متحرک برای دستیابی به نقشه توزیع فضایی متریک های سطح منظر انتخاب کردیم. همانطور که در شکل 3 نشان داده شد ، اندازه پنجره کوچکتر (کمتر از 900 متر) منجر به نوسانات زیادی در مقادیر متریک های چشم انداز شد، در حالی که منحنی ها به طور کلی پایدار بودند و محدوده نوسان در اندازه پنجره بزرگتر (بیش از 900 متر) نزدیک بود. بنابراین 900 متر مقیاس بهینه پنجره متحرک بود. مشابه استخراج میانگین های متحرک برای یک سری زمانی، این روش بسیاری از نویزهای ناشی از تغییرات در مقیاس ریز و محلی را هموار کرد [ 51 ]].

2.4. پردازش داده های ارتفاعی و محاسبه حجم

ماموریت توپوگرافی رادار شاتل (SRTM) بین 11 و 20 فوریه 2000 بر روی شاتل فضایی “Endeavour” [ 52 ] انجام شد. SRTM در سال 2003 به صورت عمومی منتشر شد. پس از چندین تجدید نظر، داده های SRTM مورد استفاده در این مطالعه، نسخه 30 متری V4.1 به دست آمده از USGS بود. در مقایسه با داده‌های مدل دیجیتالی ارتفاع (DEM)، داده‌های مدل‌های سطح دیجیتال (DSM) شامل ارتفاع سایر ویژگی‌ها از سطح زمین [ 53 ]، مانند ساختمان‌ها و پوشش گیاهی است. داده های DSM مورد استفاده در مطالعه ما دارای وضوح 1 متر بود که پس از تطبیق متراکم داده های جفت استریو ماهواره فرانسوی Pleiades-1A در فوریه 2012 [ 54 ] به دست آمد.]. نه داده های SRTM و نه DSM حفره های داده یا اشکال غیرعادی را نشان ندادند. داده های اطلاعات ارتفاع زمین برهنه (به طور پیش فرض ‘JZM’) مورد استفاده در این مطالعه بر اساس رصد نسل جدید ماهواره رصد زمین TERRA بود. مطالعات موجود نشان داده است که خطوط ویژگی زمین استخراج شده بر اساس ارتفاع Google Earth با تصویر Google Earth سازگار است و دقت آن بهتر از نقشه های توپوگرافی 1:50000 است [ 55 ]. وضوح مکانی داده های ارتفاعی Google Earth استخراج شده در این منطقه مورد مطالعه تقریباً 15 متر بود.
بسیاری از مطالعات پیش‌فرض داده‌اند که SRTM نوعی داده DEM است [ 56 ، 57 ]. با این حال، اغلب نادیده گرفته می شود که SRTM DSM است، نه DEM زیرا SRTM شامل ارتفاع جنگل های انبوه تاج و مناطق ساخته شده است [ 58 ، 59 ، 60 ]. منطقه مورد مطالعه شامل تعداد زیادی ساختمان و زمین های جنگلی بود، بنابراین SRTM و DSM به ترتیب ارتفاع ساختمان ها را در سال های 2000 و 2012 نشان دادند. تفاوت بین داده های SRTM، DSM و JZM در شکل 4 نشان داده شده است. این منطقه در مرکز ملبورن قرار داشت و دارای تعداد زیادی ساختمان و تعداد کمی جنگل بود. میانگین ارتفاعی SRTM، DSM و JZM در این منطقه به ترتیب 23/35 متر، 23/37 متر و 47/25 متر بود. در همان داده های ارتفاعی، مکان روشن تر، ارتفاع بالاتر و مکان تاریک تر، ارتفاع کمتری داشت. ما می‌توانیم توزیع ساختمان‌ها را از تفاوت‌های فضایی آشکار در SRTM و DSM ببینیم. JZM ارتفاع زمین را منعکس می کرد و تصویر صاف بود، دیدن ویژگی های ساختمان ها دشوار بود.

ما پیش‌بینی‌های نقشه سه قطعه داده ارتفاعی را که با وضوح 30 متر نمونه‌برداری شده بودند، با روش نزدیک‌ترین همسایه برای ادغام با نتایج طبقه‌بندی، به UTM تبدیل کردیم. علاوه بر این، داده ارتفاعی SRTM ارتفاع نرمال مربوط به شبه ژئوئید بود، داده ارتفاعی DSM ارتفاع ژئودتیکی مربوط به بیضی مرجع، و داده ارتفاعی JZM ارتفاع ارتومتریک مربوط به ژئوئید بود. منطقه مورد مطالعه کوچک بود و در ناحیه دشت ساحلی قرار داشت، که به این معنی بود که شبه ژئوئید و ژئوئید همپوشانی دارند [ 61 ]. فقط ناهنجاری ارتفاع بین بیضی مرجع و شبه ژئوئید باید حل شود. الگوریتم های تخمین مولودنسکی، بورسا و 4 پارامتری و غیره به طور گسترده در عمل مورد استفاده قرار گرفته اند.62 ، 63 ، 64 ]. مطالعه ما با هیچ نقطه کنترل GPS و داده های گرانش محلی محدود بود، و زمین در منطقه مورد مطالعه دارای موج های کوچک بود، روش تبدیل مختصات شبکه بر اساس روش رگرسیون حداقل مربع اتخاذ شد. با کمک تصاویر Landsat در سال 2000 و 2012 و تصاویر تاریخی Google Earth، ما 100 نقطه عمومی را بدون تغییر انتخاب کردیم که به طور یکنواخت در منطقه تحقیقاتی از طریق تفسیر بصری توزیع شد و مقدار 100 نقطه را در DSM و SRTM ثبت کردیم و ارتفاع را کالیبره کردیم. داده DSM و SRTM توسط مدل خطی. فرمول تصحیح این بود:

DSM” = (DSM-1.884)÷اس ام-1.88آر2 = 0.99،پ<0.01
در میان آنها، DSM”داده های ارتفاعی تبدیل شده بود و DSMداده های اصلی ارتفاع بود.
مطالعات قبلی اغلب ارتفاع ساختمان را مستقیماً از ادارات دولتی [ 65 ] یا سیستم‌های لیدار هوابرد [ 66 ] به دست می‌آورد یا تعداد طبقات خاص ساختمان را از وب‌سایت‌های املاک و مستغلات (مانند Lianjia، Anjuke) و نقشه‌های نمای خیابان (مثلاً نمای خیابان Baidu) بدست می‌آورد. و سپس ارتفاع ثابت کف را ضرب کنید (مثلاً 3 متر) تا ارتفاع ساختمان را بدست آورید [ 24 ]. این مطالعه بر ارتفاع ساختمان‌های خاص متمرکز نبود، بلکه بر ارتفاع مستمر منطقه مورد مطالعه تمرکز داشت.
حجم برابر با مساحت ضرب در ارتفاع است، بنابراین در فرض همان منطقه (30 متر × 30 متر)، ارتفاع پوشش دست ساز برای محاسبه حجم شهری در منطقه مورد مطالعه معرفی شده است. اولا، ما JZM را از SRTM و DSM کم کردیم تا ارتفاعات همه ویژگی‌های بالای سطح را در سال‌های 2000 و 2012 به دست آوریم. ارتفاع تمام مناطق تحت پوشش غیرساخته به طور پیش فرض 0 بود. در نهایت، حجم شهر ملبورن را به عنوان یک چندوجهی فضایی متشکل از مکعب هایی با مساحت پایه یکسان و ارتفاعات مختلف (ارتفاعات پوشش مصنوعی) در نظر گرفتیم که برابر با مجموع آن بود. از تجمعات مکعبی، و حجم هر مکعب، حجم مربوط به هر پیکسل پوششی ساخته دست بشر بود. حجم شهری در این مطالعه پیوسته بود و نه تنها ساختمان‌ها، بلکه سایر مقوله‌های پوشش دست‌ساز مانند راه‌راه‌ها، جاده‌ها را نیز در بر می‌گرفت که می‌توانست روند تغییر کل حجم پوشش‌های دست‌ساز را کاملاً منعکس کند. ما میانگین حجم (VM) و انحراف استاندارد حجم (VSD) را انتخاب کردیم که برای اندازه‌گیری تغییرات حجم شهری [67 ، 68 ].

VM برای بیان میزان حجم پوشش مصنوعی در منطقه استفاده شد. به طور کلی، هر چه VM منطقه بالاتر باشد، حجم پوشش انسان‌ساز در منطقه بیشتر و سطح شهرنشینی بالاتر است [ 25 ]. فرمول محاسبه این بود:

VMj = ∑من = 1مترVمنمتر
VMj، متر،  Vمنبه ترتیب میانگین حجم شهری، تعداد کل پیکسل ها و حجم پیکسل یکم (اگر پوشش دست ساز نبود، حجم 0 بود) در ناحیه j ام بود.

شکل شهری عنصر اصلی پایداری شهری بود [ 14 ]. VSD یک ویژگی مهم شکل توسعه فضای عمودی شهرهای مدرن و یکی از محتویات مهم شکل‌دهی منظر شهری بود [ 68 ]. ما از VSD برای منعکس کردن درجه انحراف حجم در یک منطقه خاص استفاده کردیم. شدت توسعه زمین در مناطق مختلف شهری از نظر حساسیت به قیمت زمین و تخصیص منابع بازار متفاوت بوده و مستقیماً منجر به توسعه متفاوت ظرفیت توسعه زمین و حجم شهری می شود [ 69 , 70 ].]. هرچه VSD بزرگتر باشد، جهت عمودی شهر متمایزتر می شود، و تشخیص فضایی قوی تر، که به شکل گیری یک شهر نمادین تر و قابل تشخیص تر کمک می کند و بلوک را برای استفاده کامل از مزایای آن برای ایجاد یک شهر متمایزتر و فشرده تر راهنمایی می کند. مدل توسعه فرمول محاسبه این بود:

VSDj = ∑من = 1متر(Vمن-VMj)2متر
VSDj، متر،  Vمن، و VMjبه ترتیب انحراف معیار حجم شهری، تعداد کل پیکسل ها و حجم پیکسل یکم (اگر پوشش دست ساز نبود، حجم 0 بود) و مقدار میانگین حجم شهری در ناحیه j.

2.5. تحلیل آماری

تجزیه و تحلیل رگرسیون، تجزیه و تحلیل همبستگی پیرسون، رگرسیون خطی گام به گام (SLR)، و تجزیه و تحلیل افزونگی (RDA) برای بررسی رابطه بین معیارهای منظر شهری و حجم شهری سه بعدی استفاده شد.
ما از تحلیل رگرسیون و تحلیل همبستگی پیرسون برای نشان دادن مستقیم رابطه معنادار بین هر متریک منظر و متریک حجم شهری از منظر کل منطقه مورد مطالعه و همچنین میزان تأثیر هر متریک منظر بر حجم شهری استفاده کردیم. ما از مدل‌های رگرسیون پرکاربرد مانند خطی، چند جمله‌ای درجه دوم، لگاریتمی، تابع توان، نمایی و غیره استفاده کردیم و سپس مدلی را با بالاترین ضریب تعیین R2 (ضریب تعیین) انتخاب کردیم و آزمون‌های معناداری را انجام دادیم ( p= 0.05 یا 0.01) برای روشن شدن عوامل منظر که همبستگی بالایی با حجم شهری داشتند. همبستگی مثبت و منفی از طریق ضریب همبستگی پیرسون تعیین شد. این مرحله در SPSS 26 پردازش شد.
برای مناطق عملکردی اصلی (منطقه صنعتی، منطقه تجاری و منطقه مسکونی)، از SLR برای انتخاب معیارهای چشم انداز در سطح کلاس که به حجم شهری حساس بودند، استفاده شد و سپس از تحلیل RDA برای رتبه بندی این عوامل استفاده شد. در مرحله اول، ما معیارهای چشم انداز سطح کلاس (متغیر توضیحی)، و متریک های حجم (متغیر وابسته) را برای حذف تفاوت در ابعاد در تجزیه و تحلیل SLR [ 71 ] استاندارد کردیم. معیارهای منظر سطح کلاس با همخطی بالا از طریق VIF (ضریب تورم واریانس، VIF <10) و تحمل (تحمل > 0.1) آزمایش و حذف شدند تا اطمینان حاصل شود که معیارهای منظر وارد شده در تحلیل RDA مستقل هستند [ 72 ، 73 ]]. در نهایت، ما معیارهای چشم‌انداز سطح کلاس را که توسط تحلیل SLR انتخاب شده‌اند به‌عنوان متغیرهای محیطی و معیارهای حجم را به‌عنوان متغیرهای گونه‌ای برای تحلیل RDA تنظیم می‌کنیم. بر اساس نتایج RDA، ما رابطه درونی بین دو عامل توضیحی ترین منظر و معیارهای حجم شهری را مورد بحث قرار دادیم [ 74 ، 75 ، 76 ]. به عنوان یکی از شکل‌های تحلیل متعارف نامتقارن، RDA به طور گسترده توسط بوم‌شناسان و دیرینه‌اکولوژیست‌ها به کار گرفته شده است. SLR بر روی SPSS 26 پردازش شد و RDA بر روی برنامه CANOCO 5.0 (Microcomputer Power Company, USA) اجرا شد.

3. نتایج

3.1. الگوی فضایی و زمانی منظر و حجم

3.1.1. تغییرات الگوی منظره

شکل 5 نقشه های پوشش زمین سال های 2000، 2004، 2008، 2012 را ارائه می دهد. ماتریس انتقال انواع کاربری اراضی از سال 2000 تا 2012 محاسبه شده است. جدول 3 نشان می‌دهد که پوشش انسان‌ساز به گسترش و تسلط خود ادامه می‌دهد و 03/23 کیلومتر مربع افزایش می‌یابد و از تبدیل جنگل‌ها، علفزارها و زمین‌های بایر بهره می‌برد. مساحت علفزار و زمین برهنه به ترتیب 7.19 کیلومتر مربع و 13.25 کیلومتر مربع به شدت کاهش یافت . علاوه بر پوشش مصنوعی، 4.51 کیلومتر مربع از مرتع به جنگل و 1.44 کیلومتر مربع و 2.78 کیلومتر مربع تبدیل شد.از زمین های برهنه به ترتیب به جنگل و مرتع تبدیل شد، که همچنین منجر به تغییر مساحت کلی جنگل ها شد، اگرچه 8.44 کیلومتر مربع از جنگل ها به پوشش مصنوعی تبدیل شد. بدنه آب نسبتاً پایدار بود.
برای معیارهای منظر در سطح کلاس، جدول 4 نشان می دهد که از سال 2000 تا 2012، به عنوان مهم ترین نوع منظر، پوشش دست ساز تغییر مشابهی با جنگل ها و مراتع در فرآیند شهرنشینی داشته است، یعنی میزان پراکندگی و پیچیدگی کاهش یافته است. تجمع افزایش یافت و وصله ها منظم شدند و دوباره متحد شدند. معیارهای چشم انداز زمین برهنه به شدت کاهش یافت و آب به طور کلی پایدار بود.
برای معیارهای چشم‌انداز در سطح منظر، برای جلوگیری از افزونگی داده‌ها، ما فقط PD، LSI، AI و SHDI را انتخاب کردیم که به ترتیب نشان‌دهنده تکه‌تکه، پیچیدگی، تجمع و تنوع در معیارهای سطح چشم‌انداز برای بحث بود. شکل 6 روند نزولی را در PD، LSI و SHDI نشان می دهد، در حالی که هوش مصنوعی افزایش یافته است. نوع کاربری اصلی در منطقه مورد مطالعه، پوشش دست ساز بوده که نشان می دهد در صفحه دوبعدی با توسعه شهرنشینی، توزیع نزدیکتر شده، تسلط بیشتر شده و نفوذ افزایش یافته است که این امر نیز درجه را به همراه داشته است. ناهمگونی در سطح چشم انداز و کاهش تنوع. همچنین هر شاخص در سال های 1383 و 1387 دارای نوسان بوده است.
3.1.2. تغییر حجم شهری
به منظور انعکاس شهودی روند کلی تغییر حجم شهری ملبورن و ترکیب حجم با معیارهای چشم انداز برای تجزیه و تحلیل، نقشه های توزیع حجم نیز با استفاده از یک پنجره متحرک 900 متری محاسبه شد. VM در واحد سطح ملبورن از 2942.28 مترمکعب در سال 2000 به 4861.72 مترمکعب در سال 2012 افزایش یافت که 65.24 درصد افزایش داشت و متوسط ​​نرخ رشد سالانه 5.44 درصد بود. VSD 2474.99 متر مکعب از 3648.57 متر مکعب افزایش یافت . به همین ترتیب، PLAND1 تنها از 68.33% به 78.45% افزایش یافته است، با افزایش 10.12%، با میانگین نرخ رشد سالانه تنها 0.843% ( جدول 5 ).
شکل 7 و شکل 8 نشان داد که VM در فضا متفاوت است و یک الگوی “بالا-کم” از مرکز شهر تا مناطق اطراف را تشکیل می دهد و یک ساختار “شرق بزرگ و غرب کوچک” را تشکیل می دهد. محدوده VM در غرب مرکز شهر از 0 m 3 – 2700 m 3 به 2700 m 3 – 5400 m 3 افزایش یافت و در شرق مرکز شهر از 2700 m 3 – 5400 m 3 به 5400 m 3 رسید. 8100 متر مکعب . مناطق با VM بالاتر از 8100 متر مکعب عمدتاً در مجاورت مرکز شهر قرار داشتند. از جمله مساحت 8100 مترمربع تا 10800 مترمکعباز 0.61 درصد در سال 2000 به 1.82 درصد در سال 2012 و مساحت بالاتر از 10800 متر مکعب از 0.81 درصد به 1.17 درصد افزایش یافت. در سال 2000، مساحت با VM کمتر از 5400 متر مکعب به 95.41٪ رسید، در حالی که در سال 2012 تنها 58.47٪ بود. مساحت بین 5400 متر 3 تا 8100 متر مکعب به طور قابل توجهی افزایش یافته است، از 3.17٪ در سال 2000 به 38.54٪ در سال 2012.
همانطور که در شکل 7 نشان داده شد ، VSD در غرب مرکز شهر کوچکتر از شرق بود، عمدتاً به این دلیل که غرب نسبتاً توسعه نیافته بود، و ساختمان ها عمدتاً ساختمان های کم ارتفاع با تمایز کمتر بودند. تفاوت با VM این بود که در مناطق با VSD بزرگتر از 4500 متر مکعب ، علاوه بر گسترش شرق به غرب، گسترش شمال به جنوب نیز مشهود بود.

3.2. همبستگی و تغییرات در حوزه های مختلف

3.2.1. کل منطقه مطالعاتی

هر دو VM و VSD روابط نزدیکی با معیارهای چشم انداز داشتند.
در معیارهای سطح منظر، VM و CONTAG ( آر20002 = 0.30،  آر20122 = 0.48) ارتباط نزدیک داشتند ( جدول A1 )، VSD ارتباط نزدیکی با PD داشت ( آر20002 = 0.39،  آر20122 = 0.33) و SHDI ( آر20002 = 0.51،  آر20122 = 0.30) ( جدول A2 ). بر اساس ضریب همبستگی پیرسون، VM و CONTAG، VSD و PD، SHDI همگی همبستگی مثبت داشتند.
در معیارهای سطح کلاس، جدول A1 ( پیوست A ) نشان داد که همبستگی بالایی بین VM و پوشش مصنوعی، بدنه آبی، به جای جنگل، مرتع، و زمین برهنه ظاهر شد. جایی که VM و PLAND1 ( آر20002 = 0.88،  آر20122 = 0.92), LPI1 ( آر20002 = 0.85،  آر20122 = 0.91), AI1 ( آر20002 = 0.81،  آر20122 = 0.82), COHESION1 ( آر20002 = 0.87،  آر20122 = 0.88), PLAND2 ( آر20002 = 0.57،  آر20122 = 0.65), LPI2 ( آر20002 = 0.58،  آر20122 = 0.66) همبستگی بالایی داشتند. به جز همبستگی منفی بین VM و PLAND2، LPI2، همبستگی بین VM و سایر معیارها همگی مثبت بود. جدول A2 نشان می دهد که VSD ارتباط نزدیکی با پوشش انسان، بدنه آبی و زمین های جنگلی دارد و هیچ ارتباط آشکاری با علفزار و زمین بایر ندارد. VSD و PLAND1 ( آر20002 = 0.57،  آر20122 = 0.55), LPI1 ( آر20002 = 0.50،  آر20122 = 0.51), LSI1 ( آر20002 = 0.46،  آر20122 = 0.39), AI1 ( آر20002 = 0.62،  آر20122 = 0.55), COHESION1 ( آر20002 = 0.70،  آر20122 = 0.63), PLAND2 ( آر20002 = 0.38،  آر20122 = 0.37, PD2 ( آر20122=0.37), LPI2 ( آر20002 = 0.40،  آر20122 = 0.40, PD3 ( آر20002 = 0.30), LSI3 ( آر20002 = 0.31) همبستگی بالایی داشتند. به جز همبستگی منفی با PLAND2 و LPI2، VSD با سایر معیارها همبستگی مثبت داشت.
3.2.2. سه منطقه کاربردی شهری معمولی
بخش قبلی رابطه بین کل الگوی منظر و حجم کلی را منعکس می‌کند، اما برای مناطق مختلف، ما نمی‌دانستیم که آیا معیارهای منظر بالا و حجم شهری همچنان چنین همبستگی بالایی را حفظ می‌کنند یا خیر. به منظور حل این مشکل، سه حوزه عملکردی اصلی (منطقه صنعتی، منطقه تجاری و منطقه مسکونی) مورد تجزیه و تحلیل قرار گرفت.
منطقه صنعتی متشکل از کارخانه‌های صنعتی و برخی ساختمان‌های مسکونی، در نزدیکی محل اتصال رودخانه Maribyrnong و Yarra بود. در منطقه صنعتی، معیارهای منظر با همبستگی بالا حجم شهر در سال 2000 عبارت بودند از LPI3، AI3، PD4، LPI4، LPI4، COHESION4، PD5، LPI5، AI5 و COHESION5، در سال 2012 COHESION2، PLAND3، ​​PD3 و PD4 بودند. . رابطه بالایی بین آب، جنگل، مرتع، زمین بایر و حجم شهری در ناحیه صنعتی وجود دارد ( جدول A3 ).
منطقه تجاری در امتداد دو طرف رودخانه یارا، متشکل از CBD و بخش‌هایی از کرانه جنوبی، با سطح بالایی از شهرنشینی توزیع شد. رودخانه یارا در مرکز شهر ملبورن قرار گرفته است. در اواسط قرن نوزدهم، توسعه در دو طرف رودخانه یارا ناهموار بود، اما پس از چندین نوسازی، مناطق ساحلی در دو طرف رودخانه یارا به مراکز تجاری و فرهنگی ملبورن تبدیل شدند. پدیده عدم تعادل و تکه تکه شدن ناپدید شده بود، بنابراین این مطالعه همچنین بخش هایی از کرانه جنوبی را به عنوان منطقه تجاری در نظر گرفت [ 77 ]]. در منطقه تجاری، معیارهای منظر با همبستگی زیاد حجم شهری در سال 2000 PD2، COHESION2، PD4، AI4، LSI5، و AI5، در سال 2012 PD2، AI3، LSI4، LSI5 و AI5 بودند. رابطه نزدیکی بین آب، جنگل، علفزار، زمین بایر و حجم شهری در منطقه تجاری وجود داشت ( جدول A4 ).
منطقه مسکونی عمدتا در ریچموند واقع شده بود. در منطقه مسکونی، در سال 2000، معیارهای با همبستگی بالا با حجم شهر PD1، LPI1، PD3، COHESION3، PLADN4، AI4، COHESION4 و LSI5 بودند. در سال 2012، LSI3، COHESION3، PLAND4، AI4، LPI5 و LSI5 وجود داشت. بین پوشش انسان‌ساز، جنگل‌ها، مراتع، زمین بایر و حجم شهری در منطقه مسکونی رابطه بالایی وجود داشت ( جدول A5 ).
ما از تحلیل RDA برای تعیین کمیت سهم معیارهای کلیدی منظر در حجم شهری استفاده کردیم. در منطقه صنعتی، تفسیر معیارهای منظر به حجم شهری در سال 2000 به 76.6% رسید که PD5 بالاترین درجه توضیح (43.5%) و COHESION3 دوم (9.9%) را داشت. PD5 به طور معنی داری با VM همبستگی مثبت و با VSD همبستگی منفی معنی داری داشت، COHESION3 با VM همبستگی منفی و با VSD همبستگی مثبت داشت ( شکل 9).). در سال 2012، تفسیر معیارهای منظر به حجم شهری به 50.9 درصد رسید. PD4 دارای بالاترین درجه توضیح برای حجم شهری (35.8٪) و پس از آن COHESION2 (11.3٪) بود. PD4 با VM همبستگی مثبت داشت و با VSD همبستگی منفی داشت، COHESION2 و VM همبستگی منفی و همبستگی مثبت با VSD نشان دادند ( شکل 9 ).
در منطقه تجاری، معیارهای منظر 64.2٪ از حجم شهری را در سال 2000 به خود اختصاص دادند که LSI5 بالاترین درجه توضیح (38.8٪) و COHESION3 دوم (19.5٪) را داشت. LSI5 با VM و VSD همبستگی منفی داشت و PD2 با VM و VSD همبستگی مثبت داشت ( شکل 10 ). در سال 2012، معیارهای منظر 60.1٪ از حجم شهری را به خود اختصاص دادند، که LSI4 بیشترین حجم شهری را توضیح داد (29.1٪)، و پس از آن PD2 (15.8٪). در میان آنها، LSI4 با VM و VSD همبستگی منفی داشت و PD2 با VM و VSD همبستگی مثبت داشت ( شکل 10 ).
در منطقه مسکونی، معیارهای منظر می توانند 85.0 درصد از تغییرات حجم شهری را در سال 2000 توضیح دهند. در میان آنها، LPI1 حجم شهری را بیشتر توضیح می دهد (77.4 درصد)، و متغیرهای دیگر کمی توضیح می دهند (<2.7٪) ( شکل 11 ). در سال 2012، معیارهای منظر توانست 62.9 درصد از تغییرات حجم شهری را توضیح دهد، که LSI3 بالاترین درجه توضیح را برای حجم شهری (31.5 درصد)، LPI5 و PLAND4 به ترتیب 15.2 درصد و 14.3 درصد توضیحات مشابه داشتند و بقیه. متغیرها دارای درجه توضیح کمتری (<1.4٪) بودند. در میان آنها، LSI3 با VM همبستگی منفی و با VSD همبستگی مثبت داشت. LPI5 با VM و VSD همبستگی مثبت داشت. PLAND4 با VM و VSD همبستگی منفی داشت ( شکل 11 ).

4. بحث

4.1. دلایل تغییر ابعاد مختلف در ملبورن

مطالعه ما نشان داد که در 12 سال گذشته، ملبورن به طور مداوم از یک توسعه دو بعدی به یک توسعه سه بعدی تبدیل شده است و روند توسعه جهت عمودی فضا آشکارتر و قوی تر شده است.
از سال 2000 تا 2012، با توسعه شهرنشینی، پوشش دست‌ساز همیشه مهم‌ترین نوع کاربری اراضی بود، در حالی که روند مشابهی در جنگل‌ها و مرتع‌ها پدیدار شد، یعنی میزان پراکندگی و پیچیدگی کاهش یافت و اتصال افزایش یافت. وصله ها منظم شدند و دوباره به هم پیوستند. تمام معیارهای زمین برهنه به شدت کاهش یافت و بدنه های آبی به طور کلی پایدار بودند.
به عنوان مقوله اصلی منظر، پوشش دست ساز در مرحله تجمع تدریجی و شکل منظم بود. اتصال داخلی تقویت شد. تغییر کلی پوشش مصنوعی با ساخت و ساز شهری فشرده پیشنهاد شده در ملبورن 2030 مطابقت دارد [ 30 ]. این مجموعه آبی شامل بخشی از آب های خلیج پورت فیلیپ و بخش میانی و پایینی رودخانه یارا بود. دولت ملبورن به شدت از منابع آب محافظت می کرد و یک سری سیاست ها مانند تضمین مدیریت پایدار منابع آب، حفاظت از آب های زیرزمینی و منطقه خلیج را صادر کرده بود [ 78 ]]. تنها بخشی از حریم آب به دلیل کارهای ساختمانی مجبور به پر شدن شد که باعث کاهش جزئی سطح آب شد. جنگل ها و علفزارها متعلق به فضای سبز بوده و ویژگی های تغییر یکسانی داشتند. هر دو به تدریج جمع و جور شدند و کمتر جمع شدند. جنگل‌ها عمدتاً برخی از ذخایر طبیعی را هدف قرار می‌دادند، در حالی که علفزار عمدتاً بخشی از زمین‌های سبز مصنوعی از جمله باغ‌ها و زمین‌های فوتبال را هدف قرار می‌داد. با معرفی “ملبورن 2030” در سال 2002 [ 30]، تعداد زیادی پروژه ساخت و ساز شهری آغاز شد که منجر به کاهش مختصری صخره مانند در علفزار شد. اما به منظور دیدار با بازی های مشترک المنافع که در سال 2006 در ملبورن برگزار شد، دولت متعاقباً مساحت فضای سبز شهری را افزایش داد و محیط شهری را زیبا کرد. تکه تکه شدن و پیچیدگی علفزار کاهش یافت و علفزار کمتر انباشته شد. در طول این دوره، ملبورن برای سال‌های متوالی توسط جمعیت بین‌الملل به عنوان «مناسب‌ترین مکان برای سکونت انسان» رتبه‌بندی شده بود و شهرت «باغ شهر» را برای ملبورن به ارمغان آورد. در سال 2000، زمین های برهنه تحت تسلط مکان های ساختمانی سطحی بودند که در ساخت و ساز شهری ظاهر می شدند. با بهبود محیط داخلی شهر، زمین برهنه متعاقباً مانند صخره سقوط کرد.
در معیارهای سطح چشم انداز، PD، LSI، و SHDI به طور کلی کاهش یافتند و هوش مصنوعی افزایش یافت، که به این معنی بود که توزیع پچ متمرکز تر شد و درجه ناهمگونی و تنوع چشم انداز کاهش یافت. این عمدتا به دلیل سیستم برنامه ریزی شهری بالغ و اجرای مفاهیم توسعه پایدار در ملبورن بود.
در مقایسه با گسترش شهری در مقیاس بزرگ در کشورهای در حال توسعه [ 79 ، 80 ، 81 ]، از آغاز قرن بیست و یکم، گسترش منطقه شهری در ملبورن آشکار نبود. با این حال، VM و VSD به سرعت افزایش یافتند که نشان می‌دهد سرعت شهرنشینی در حال افزایش است و تفاوت‌ها در جهت عمودی بسیار زیاد است. علاوه بر این، VM و VSD هر دو وضعیت “بالا-کم” را از مرکز شهر به اطراف ارائه کردند و توزیع “شرق بزرگ و غرب کوچک” را حفظ کردند که ممکن است به دلیل سطح توسعه نامتوازن باشد.
مطالعه ما نشان داد که ارزش VM و VSD به طور کلی افزایش یافته است، در حالی که PD و LSI، که نشان دهنده تکه تکه شدن و پیچیدگی دو بعدی هستند، به طور کلی کاهش یافته است. این پدیده نشان داد که روند توسعه در جهت عمودی ملبورن شدیدتر است.

4.2. تجزیه و تحلیل کمی و پیشنهادات

4.2.1. کل منطقه مطالعاتی

گسترش شهری یک پدیده پویا است و تحت تأثیر عوامل بسیاری است [ 82 ]. مطالعه ما نشان داد که در کل منطقه مورد مطالعه، الگوی منظر ارتباط نزدیکی با حجم شهری پیدا کرد، اما معیارهای منظر متفاوت با معیارهای حجم همبستگی متفاوتی داشتند که تحت‌تاثیر ویژگی‌های محیطی، سطح توسعه اقتصادی و اجرای سیاست‌ها قرار گرفتند.
تکه های با تکه تکه شدن کم و تجمع زیاد با VM با ارزش بالا نسبت مستقیم داشتند. به عنوان مثال، در هاثورن، 6 کیلومتری شرق مرکز شهر، که توسط سیاست‌های توسعه شهری صادر شده توسط دولت ویکتوریا از جمله «شکل دادن به آینده ملبورن»، «ایجاد رفاه» و «زندگی در حومه‌ها»، حومه‌نشینی جمعیت و حاشیه نشینی شهری شتاب می گرفت و شهرهای حاشیه ای به تدریج شکل می گرفتند. خانه های خصوصی کم به سرعت گسترش یافتند، تکه های اینجا به تدریج در جهت تکه تکه شدن کم، پیچیدگی کم، تنوع کم و اتصال بالا توسعه یافتند، VM افزایش یافت و متعاقباً شهرنشینی تقویت شد.
مطالعه ما همچنین نشان داد که انواع مختلف معیارهای چشم انداز همبستگی یکسانی با VSD داشتند. VSD رابطه مثبتی با تجمع داشت، مانند AI1، COHESION1. به عنوان مثال، با ترویج سیاست “شهر فشرده”، ساختمان های بیشتری تحت بازسازی یا گسترش قرار گرفتند که منجر به VM بالا در CBD شد. در این میان، ساختمان‌های چند طبقه، بلندمرتبه‌ها و ساختمان‌های فوق‌مرتبه در تضاد با سایر ساختمان‌های کم ارتفاع اطراف بودند که منجر به VSD بالا می‌شد و در نهایت فرمی فضایی با اصول منظم، متمایز و تابع و مستحکم را تشکیل می‌داد. به رسمیت شناختن. با این حال، VSD همچنین رابطه مثبتی با پراکندگی، تنوع و پیچیدگی داشت. به عنوان مثال، کارلتون در 1.5 کیلومتری شمال مرکز شهر با PD و SHDI بالا قرار داشت. این منطقه محله ای پر جنب و جوش و متنوع با موزه های فراوان (موزه ملبورن، ساختمان نمایشگاه سلطنتی)، مدارس (دانشگاه کاتولیک استرالیا)، پارک ها (باغ های کارلتون، باغ سلطنتی کوئست) و بیمارستان های بزرگ (بیمارستان سنت وینسنت) بود. یک وصله پیچیده به معنای پیچیدگی بالای ساختار سطح زمین [43 ]. تفاوت ارتفاع بین ساختمان ها و غیر ساختمان ها (به عنوان مثال، مناطق جنگلی) نسبتا زیاد بود. بنابراین، درجه تمایز در جهت عمودی بهبود یافت. علاوه بر این، ما همچنین می‌توانیم دریافتیم که همبستگی بین VSD و تکه تکه شدن بسیار کمتر از ارتباط با اتصال است. دلیل ممکن است این باشد که بیشتر محدوده مورد مطالعه را ساختمان ها پوشانده بودند و احتمال اختلاف ارتفاع بین ساختمان های مختلف بسیار بیشتر از ساختمان ها و غیر ساختمان ها بود.
مطالعه ما همچنین یک رابطه منفی آشکار بین VM و VSD و متریک های چشم انداز بدنه آبی را نشان داد. ملبورن در امتداد رودخانه یارا رشد کرد، جایی که تکه های آب بسیار تکه تکه شده عمدتاً متمرکز شده بودند. در دو طرف رودخانه یارا ساختمان های متراکم و ناهموار وجود داشت و بخشی از رودخانه برای ساخت و ساز و توسعه در روند توسعه شهری مدفون شد که باعث افزایش درجه تکه تکه شدن آب و کاهش برتری بدنه آبی و افزایش هر دو شد. شهرنشینی و تمایز شهری در جهت عمودی نزدیک.
4.2.2. سه منطقه کاربردی شهری معمولی
معیارهای حجم در مناطق مختلف همبستگی متفاوتی با متریک های چشم انداز داشتند. برای بررسی دقیق همبستگی، ما سه ناحیه عملکردی شهری معمولی را برای ایجاد یک تحلیل ملموس و کمی انتخاب کردیم.
مطالعه ما نشان داد که معیارهای حجم شهری ناحیه صنعتی با تکه تکه شدن زمین های برهنه و تجمع جنگل ها در سال 2000 همبستگی بالایی داشت و با تکه تکه شدن مراتع و تجمع بدنه آبی در سال 2012 همبستگی زیادی داشت. منطقه، بازسازی ساختمان های قدیمی کارخانه در سال 2000 انجام شد و به ناچار زمین برهنه ظاهر شد. تکه تکه شدن زیاد زمین برهنه به این معنی بود که شدت نوسازی منطقه زیاد بود، اما به دلیل یکپارچگی قوی برنامه ریزی معماری، اختلاف ارتفاع ساختمان های کارخانه نسبتاً کم بود. در منطقه صنعتی، میانگین مقدار VSD 2019.67 متر مکعب و حداکثر مقدار VSD 2973.46 متر مکعب بوده است .در سال 2000، هر دوی آنها بسیار کوچکتر از میانگین VSD 2474.99 متر مکعب و حداکثر مقدار 12968.87 متر مکعب بودند .در کل منطقه مورد مطالعه جنگل‌های متمرکز فضای سطح بیشتری را اشغال می‌کنند، به این معنی که VM در منطقه کاهش می‌یابد، اما تفاوت‌های بین ساختمان‌ها و جنگل‌ها برجسته‌تر می‌شود که باعث افزایش VSD می‌شود. در سال 1391 هم نوسازی منطقه صنعتی و هم بهسازی محیط انجام شد. کارخانه‌های صنعتی نزدیک به رودخانه ماری‌بیرنونگ و رودخانه یارا تا حدی تخریب شدند و با تکه‌هایی از زمین‌های خالی سیمانی جایگزین شدند که منجر به کاهش حجم اولیه شهری شد. اما کارخانه‌های صنعتی بلند بودند و منطقه وسیعی را پوشش می‌دادند که بهبود VSD را برجسته می‌کرد. بیشتر علفزارها بین خانه های مسکونی پراکنده شده اند. در مقایسه با کارخانه‌های صنعتی پراکنده، VM در اینجا نسبتاً بزرگ بود، اما اختلاف ارتفاع کم بود. در آینده، دولت نه تنها باید ساخت و سازهای استاندارد (مانند تخریب و بازسازی کلی، بازسازی و تزئین بدون برچیدن ساختار اصلی) را برای جذب شرکت های بیشتر به منطقه صنعتی اجرا کند، بلکه باید یک طرح علمی نیز ایجاد کند. مناطق با پراکندگی بیشتر فضای سبز در اطراف کارخانه های صنعتی باید مورد تاکید قرار گیرند. همچنین کارخانه ها باید به گونه ای سازماندهی شوند که از بدنه آب دور باشند تا از ایمنی منابع آب محافظت شود.
جالب توجه است که هر دو معیار حجم شهری در سال‌های 2000 و 2012 منطقه تجاری با تکه تکه شدن بدنه آبی همبستگی زیادی داشتند. در منطقه تجاری، لکه آب عمدتاً بین CBD و منطقه بانک جنوبی قرار داشت. فعالیت های انسانی آب ها را تا حد زیادی متحول کرده بود [ 83]. از سال 2000 تا 2012، شش پل بر روی رودخانه یارا در منطقه تجاری وجود داشت. پل، تکه آب را تقسیم کرد و تکه تکه شدن آب را افزایش داد. بسیاری از امکانات غذاخوری و خرید در دو انتهای پل قرار دارند. در مقایسه با منطقه دورتر از رودخانه یارا، سیستم تجاری و فرهنگی پررونقی شکل گرفت که VM و VSD را در این منطقه افزایش داد. در سال 2000، زاویه بین PD2 و VSD کوچکترین بود و طرح ریزی PD2 روی پیکان VSD نیز بزرگترین بود ( شکل 10). این احتمالاً به این دلیل بود که ساخت ساختمان‌های منظم در دو طرف رودخانه تفاوت‌های بین ساختمان‌ها را برجسته می‌کرد و مناظر آب‌نما را در دو طرف رودخانه یارا افزایش می‌داد. علاوه بر این، معیارهای حجم شهری به ترتیب با پیچیدگی زمین برهنه در سال 2000 و پیچیدگی علفزار در سال 2012 همبستگی زیادی داشتند. اگرچه شکل منطقه تجاری مدتهاست ایجاد شده بود، اما هنوز مناطق کم و بیش توسعه نیافته با سطح خالی وجود داشت، متقاعد کننده است که هر چه زمین خالی کمتر باشد، درجه توسعه و شدت استفاده از زمین بیشتر می شود. البته دولت به حفاظت از محیط زیست در منطقه تجاری نیز توجه کرد و فضاهای سبز بیشتری مانند بتمن پارک، پارک ملکه ویکتوریا و باغ فلگ استاف ظاهر شد. با این حال، تکه تکه شدن بیشتر علفزارها، VM و VSD کمتر است. با توجه به هزینه بالای منابع زمین در منطقه تجاری، درجه توسعه علفزار باید به طور جامع در ترکیب با نیازهای توسعه اقتصادی و وضعیت حفاظت از محیط زیست تنظیم شود.
در آینده، ملبورن باید به افزایش توسعه هر دو ساحل رودخانه یارا، بهبود کارایی استفاده از زمین، افزایش شناخت چشم‌انداز و تفاوت‌های فضایی، و ایجاد یک مرکز تجاری فشرده‌تر، پررونق‌تر و از نظر عملکردی پیچیده‌تر ادامه دهد.
نتایج ما نشان داد که معیارهای حجم شهری مناطق مسکونی از همبستگی زیاد با تکه تکه شدن پوشش دست‌ساز در سال 2000 به همبستگی زیادی با پیچیدگی زمین‌های جنگلی، تکه تکه شدن مراتع، و تکه تکه شدن زمین‌های بایر در سال 2012 تغییر کرده است. در سال 2000، پوشش دست‌ساز تحت سلطه ساختمان‌های متمرکز و به‌هم پیوسته و خانه‌های خصوصی بزرگ بود که عمدتاً تک دری، دو طبقه‌ای تک‌خانواری بودند که منجر به ایجاد تکه‌های بسیار متصل شد. LPI1 بزرگتر به معنای VM بزرگتر و سطح شهرنشینی بالاتر است. با این حال، خانه‌های معمولی به VSD کوچک منجر شد که بر تفاوت‌های فضایی آن تأثیر گذاشت. پس از سال 2000، در پاسخ به ملبورن 2030، در اطراف مناطق جنگلی بزرگ و پیوسته، مانند پارک پریدمور، منطقه حفاظت شده دیکینسون، و منطقه حفاظت شده اوکانل، بیمارستان (شورای فیزیوتراپی استرالیا)، سالن بدنسازی (Fitness First Richmond Victoria Gardens)، فروشگاه بزرگ (مرکز خرید ویکتوریا گاردنز) و سایر مراکز خدمات عمومی به طور پراکنده توسط دولت ساخته شدند. این ساختمان‌ها به‌عنوان بخش مهمی از تأسیسات عمومی، در تضاد شدید با ساختمان‌های مسکونی کم‌مرتبه و زمین‌های بایر اطراف، مانند کارگاه‌های ساخت‌وساز قرار داشتند که در این دوره به‌طور اجتناب‌ناپذیر ظاهر شدند و منجر به افزایش VM و VSD شد. دور از مناطق حفاظت شده و پارک ها، اقامتگاه های خصوصی همچنان تحت سلطه بودند. ریچموند، یکی از مناطق دوستدار محیط زیست در ملبورن، همیشه به حفاظت از فضای سبز فکر می کرد. افزایش فضای سبز مانند درختان خیابان می تواند اثر جزیره گرمایی مناطق مسکونی را کاهش دهد و ریزاقلیم را کنترل کند.43 ، 84 ]، یک تجربه حسی راحت و دلپذیر [ 85 ، 86 ] ارائه کرد و سلامت و رفاه ساکنان را بهبود بخشید [ 87 ، 88 ]. توزیع مسکونی کم تراکم، پراکنده با فضاهای سبز بین خانه های مسکونی، منجر به VM و VSD پایین در مقایسه با امکانات عمومی شد.
در آینده، برنامه ریزان شهری باید ریچموند را به عنوان الگوی توسعه مناطق مسکونی جدید در نظر بگیرند. دولت باید از قبل زمین های جنگلی در اطراف مناطق مسکونی بسازد تا آب و هوا را تنظیم کند و هوا را تصفیه کند. بر اساس در نظر گرفتن دسترسی به امکانات خدماتی و دسترسی به خدمات عمومی، مرکز فعالیت و امکانات پشتیبانی (مانند بیمارستان ها، سالن های ورزشی، مراکز خرید و …) باید با توجه به ساختار گروه ساکن و تراکم برنامه ریزی شود. محل سکونت [ 89]. تفاوت‌های عمودی بین امکانات عمومی و اقامتگاه‌های خصوصی باید برای شکل‌گیری یک هدف شهری برجسته و قابل تشخیص افزایش یابد. همچنین باید به ساخت محیط داخلی، افزایش سطح درختان خیابان و چمن در یک فضای محدود و افزایش سرسبزی کلی منطقه مسکونی توجه شود.
این پیشنهادات در بالا بر اساس تجزیه و تحلیل عینی و دقیق داده ها بود و می توانست استراتژی های برنامه ریزی متفاوتی را برای هر حوزه عملکردی ارائه دهد.

5. نتیجه گیری ها

بررسی رابطه بین الگوی منظر دو بعدی و حجم شهری سه بعدی برای درک اثرات اجتماعی و اکولوژیکی شهرها، به ویژه در شهرهای فشرده، اهمیت زیادی دارد. با پشتیبانی از RS و GIS، مطالعه ما از ملبورن به عنوان منطقه تحقیقاتی برای مطالعه تغییرات مکانی و زمانی کاربری زمین و حجم شهری از قرن بیست و یکم استفاده کرد و معیارهای کلیدی منظر را که همبستگی بالایی با حجم شهری از موارد مختلف داشتند، کشف کرد. مقیاس و مکانیسم تعامل بین الگوی منظر و حجم شهری را روشن کرد. در نهایت، پیشنهادات توسعه مربوطه را ارائه کردیم.
از سال 2000 تا 2012، پوشش دست ساز، جنگل ها و مراتع ملبورن تغییرات زیادی کرده است. وصله ها با روند کاهش پراکندگی و پیچیدگی و افزایش اتصال، منظم و دوباره متحد شدند. زمین برهنه به شدت کاهش یافته بود و بدنه آب به طور کلی پایدار بود. شهرنشینی و تمایز عمودی افزایش یافته بود. از نظر ابعاد عمودی، VM و VSD هر دو وضعیت “بالا-کم” را از مرکز شهر به اطراف ارائه کردند و توزیع “شرق بزرگ و غرب کوچک” را حفظ کردند. در کل منطقه مورد مطالعه، تکه‌های با تکه تکه شدن کم و تجمع زیاد به طور مستقیم با VM بالا با ارزش بالا متناسب بودند. علاوه بر این، وصله‌های با اتصال و تکه تکه شدن بالا رابطه مثبتی با VSD بالا داشتند. معیارهای حجم شهری مناطق مختلف عملکردی شهری تحت تأثیر عوامل منظر متفاوت قرار گرفتند و مکانیسم‌های داخلی آن‌ها در پرتو وضعیت واقعی توسعه آشکار شد که تحت تأثیر بسیاری از جنبه‌ها از جمله ویژگی‌های محیطی، سطح توسعه اقتصادی و اجرای سیاست‌ها قرار داشت. نتایج تحقیق گام بزرگی برای مشاهده و درک ارتباط بین الگوهای منظر و حجم شهری در شهرهای فشرده خواهد بود. علاوه بر این، زمانی که محاسبه حجم شهری دشوار باشد، می‌توان با استفاده از معیارهای منظر از طریق نتایج این مطالعه، ویژگی‌های توسعه شهری را به طور دقیق و علمی بیان کرد. در آینده به بررسی تطبیقی ​​رابطه بین الگوی منظر و حجم شهری شهرهای مختلف خواهیم پرداخت.18 ]، گسترش عمودی مانند ملبورن) ممکن است نتایج متفاوتی داشته باشد. علاوه بر این، ما قصد داریم تصاویر سنجش از دور و مجموعه داده های ارتفاعی را با وضوح بالاتر، دقت بالاتر و محدوده بزرگتر برای تحقیقات دقیق تر اتخاذ کنیم.

پیوست اول

جدول
جدول A1. معادلات رگرسیون بین متریک های چشم انداز و VM.
جدول
جدول A2. معادلات رگرسیون بین متریک های چشم انداز و VSD.
جدول
جدول A3. پارامترهای SLR VM، VSD و متریک های چشم انداز سطح کلاس در منطقه صنعتی.
جدول
جدول A4. پارامترهای SLR VM، VSD و متریک های منظر سطح کلاس در منطقه تجاری.
جدول
جدول A5. پارامترهای SLR VM، VSD و متریک های منظر سطح کلاس در منطقه مسکونی.

منابع

  1. بیان، ز. وانگ، اس. وانگ، کیو. یو، م. Qian، F. اثرات پراکندگی شهری بر جوامع بندپایان در چشم انداز کشاورزی حومه شهری در منطقه جدید Shenbei، Shenyang، استان لیائونینگ، چین. علمی Rep. 2018 , 8 , 101. [ Google Scholar ] [ CrossRef ]
  2. اشنایدر، ا. مرتس، گسترش و رشد CM در شهرهای چین، 1978-2010. محیط زیست Res. Lett. 2014 , 9 , 024008. [ Google Scholar ] [ CrossRef ]
  3. لی، ایکس. لیو، ایکس. Gong, P. ادغام مدل اتوماتای ​​سلولی مجموعه شهری با یک نقشه عدم قطعیت برای بهبود عملکرد یک مدل واحد. بین المللی جی. جئوگر. Inf. علمی 2015 ، 29 ، 762-785. [ Google Scholar ] [ CrossRef ]
  4. عفت، HA; ال شوباکی، کارشناسی ارشد مدل‌سازی و نقشه‌برداری الگوی پراکندگی شهری در قاهره با استفاده از تصاویر لندست چندزمانی، و آنتروپی شانون. Adv. Remote Sens. 2015 , 04 , 303–318. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  5. پنگ، ی. وانگ، کیو. وانگ، اچ. لین، ی. آهنگ، جی. کوی، تی. فن، م. آیا الگوی منظر بر شدت خشکسالی و سیل تأثیر می گذارد؟ Ecol. اندیک. 2019 ، 103 ، 173-181. [ Google Scholar ] [ CrossRef ]
  6. Seto، KC; گونرالپ، بی. Hutyra، LR پیش‌بینی‌های جهانی گسترش شهری تا سال 2030 و تأثیرات مستقیم بر تنوع زیستی و استخرهای کربن. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2012 ، 109 ، 16083-16088. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  7. پنگ، جی. ما، جی. لیو، کیو. لیو، ی. هو، ی. لی، ی. یو، ی. تغییر مکانی-زمانی دمای سطح زمین در 285 شهر در چین: چشم انداز تضاد شهری و روستایی. علمی کل محیط. 2018 ، 635 ، 487-497. [ Google Scholar ] [ CrossRef ]
  8. هوآ، اس. جینگ، اچ. یائو، ی. گوا، ز. لرنر، دی.ان. اندروز، CB; ژنگ، سی. آیا می توان از آب های زیرزمینی در برابر فشار رشد شهری چین محافظت کرد؟ محیط زیست بین المللی 2020 , 143 , 105911. [ Google Scholar ] [ CrossRef ]
  9. یانگ، جی. ژائو، ی. زینگ، اچ. فو، ی. لیو، جی. کانگ، ایکس. Mai, X. درک تغییرات در انصاف فضایی فضای سبز شهری با استفاده از تصاویر سنجش از دور سری زمانی: مطالعه موردی خلیج بزرگ گوانگدونگ-هنگ کنگ-ماکائو. علمی کل محیط. 2020 , 715 , 136763. [ Google Scholar ] [ CrossRef ]
  10. شی، ال. ورم، م. هوانگ، ایکس. ژونگ، تی. لیچتل، تی. Taubenböck، H. شهرنشینی که در “محله های ارواح” چین در تاریکی پنهان شده است. Landsc. طرح شهری. 2020 ، 200 ، 103822. [ Google Scholar ] [ CrossRef ]
  11. ریمال، بی. ژانگ، ال. کشتکار، ح. وانگ، ن. Lin, Y. نظارت و مدل‌سازی گسترش شهری فضایی و زمانی و تغییر کاربری/پوشش زمین با استفاده از مدل اتوماتای ​​سلولی زنجیره‌ای مارکوف یکپارچه. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 288. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  12. پنگ، جی. لیو، ی. وو، جی. Lv، H.; هو، X. پیوند خدمات اکوسیستم و الگوهای منظر برای ارزیابی سلامت اکوسیستم شهری: مطالعه موردی در شهر شنژن، چین. Landsc. طرح شهری. 2015 ، 143 ، 56-68. [ Google Scholar ] [ CrossRef ]
  13. وو، جی. هابز، آر. مسائل کلیدی و اولویت های تحقیق در بوم شناسی منظر: یک سنتز خاص. Landsc. Ecol. 2002 ، 17 ، 355-365. [ Google Scholar ] [ CrossRef ]
  14. لی، ایکس. بله، AG تجزیه و تحلیل بازسازی فضایی الگوهای کاربری زمین در یک منطقه در حال رشد سریع با استفاده از سنجش از دور و GIS. Landsc. طرح شهری. 2004 ، 69 ، 335-354. [ Google Scholar ] [ CrossRef ]
  15. یو، ایکس. نگ، سی. یک ارزیابی یکپارچه از تغییر چشم انداز با استفاده از سنجش از دور و معیارهای چشم انداز: مطالعه موردی پانیو، گوانگژو. بین المللی J. Remote Sens. 2006 ، 27 ، 1075-1092. [ Google Scholar ] [ CrossRef ]
  16. Weng، Q. تجزیه و تحلیل تغییر کاربری زمین در دلتای ژوجیانگ چین با استفاده از سنجش از دور ماهواره‌ای، GIS و مدل‌سازی تصادفی. جی. محیط زیست. مدیریت 2002 ، 64 ، 273-284. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. جی، دبلیو. ما، جی. Twibell، RW; Underhill، K. مشخص کردن پراکندگی شهری با استفاده از تصاویر سنجش از دور چند مرحله ای و معیارهای چشم انداز. محاسبه کنید. محیط زیست سیستم شهری 2006 ، 30 ، 861-879. [ Google Scholar ] [ CrossRef ]
  18. بوش، ام. جالیگوت، آر. Chenal، J. الگوهای فضایی و زمانی شهرنشینی در سه تجمع شهری سوئیس: بینش از معیارهای چشم انداز، حالت های رشد و تجزیه و تحلیل فراکتال. Landsc. Ecol. 2020 ، 35 ، 879-891. [ Google Scholar ] [ CrossRef ]
  19. کیو، جی. وانگ، ایکس. لو، اف. اویانگ، ز. ژنگ، اچ. الگوی فضایی تکه تکه شدن چشم انداز و روابط آن با شهرنشینی و تحولات اجتماعی-اقتصادی: مطالعه موردی پکن. Acta Ecol. گناه 2012 ، 32 ، 2659-2669. [ Google Scholar ]
  20. فلت، سی. فراقیاس، م. لارسون، دی. لیائو، اچ. لوهسه، کالیفرنیا؛ لایبکر، دی. مطالعه تطبیقی ​​الگوهای تکه تکه شدن شهری در شهرهای کوچک و متوسط ​​آیداهو. اکوسیست شهری. 2018 ، 21 ، 805-816. [ Google Scholar ] [ CrossRef ]
  21. سیلوا، پ. لی، ال. نقشه برداری از گسترش شهری و کاوش نیروهای محرک آن در شهر پریا، کیپ ورد، از سال 1969 تا 2015. پایداری 2017 ، 9 ، 1434. [ Google Scholar ] [ CrossRef ][ Green Version ]
  22. کوین، جی. نیش، سی. وانگ، ی. لی، جی. وانگ، اس. ارزیابی گسترش شهری سه بعدی: مطالعه موردی شهر یانگژو، استان جیانگ سو، چین. چانه. Geogr. علمی 2015 ، 25 ، 224-236. [ Google Scholar ] [ CrossRef ]
  23. او هست.؛ وانگ، ایکس. دونگ، جی. وی، بی. دوان، اچ. جیائو، جی. Xie، Y. تحلیل توسعه شهری سه بعدی شهرهای نوع دره: مطالعه موردی منطقه Chengguan، لانژو، چین. پایداری 2019 ، 11 ، 5663. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  24. ژنگ، ز. ژو، دبلیو. وانگ، جی. هو، ایکس. کیان، ی. تغییرات شصت ساله در مناظر مسکونی در پکن: چشم اندازی از هر دو بعد افقی (2D) و عمودی (3D). Remote Sens. 2017 , 9 , 992. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. شی، ال. فودی، جنرال موتورز; بوید، دی اس؛ گیریندران، ر. وانگ، ال. دو، ی. Ling، F. نورهای شبانه به شدت با حجم ساختمان شهری نسبت به منطقه شهری مرتبط هستند. سنسور از راه دور Lett. 2019 ، 11 ، 29–36. [ Google Scholar ] [ CrossRef ]
  26. کیائو، دبلیو. لیو، ی. وانگ، ی. Lu, Y. تجزیه و تحلیل ویژگی های گسترش فضای شهری سه بعدی در نانجینگ از سال 2000. Geogr. Res. 2015 ، 34 ، 666-676. [ Google Scholar ]
  27. Van Leeuwen، CJ حاکمیت آب و کیفیت خدمات آب در شهر ملبورن. Urban Water J. 2017 , 14 , 247-254. [ Google Scholar ] [ CrossRef ]
  28. سوکولوف، اس. Black، KP مدلسازی تکامل زمانی پارامترهای کیفیت آب در یک رودخانه: رودخانه یارا، استرالیا. جی هیدرول. 1996 ، 178 ، 311-335. [ Google Scholar ] [ CrossRef ]
  29. Coutts، AM; برینگر، جی. تأثیر افزایش تراکم شهری بر اقلیم محلی: تغییرات مکانی و زمانی در تعادل انرژی سطحی در ملبورن، استرالیا. J. Appl. هواشناسی صعود 2007 ، 46 ، 477-493. [ Google Scholar ] [ CrossRef ]
  30. وزارت پایداری و محیط زیست. ملبورن 2030: برنامه ریزی برای رشد پایدار، ایالت ویکتوریا ؛ وزارت پایداری و محیط زیست: ملبورن، استرالیا، 2002; پ. 192.
  31. ژانگ، اچ. وانگ، تی. ژانگ، ی. دای، ی. جیا، جی. یو، سی. لی، جی. لین، ی. لین، اچ. کائو، ی. کمی سازی تغییر پوشش زمین شهری کوتاه مدت با داده های سری زمانی Landsat: مقایسه چهار شهر مختلف. Sensors 2018 , 18 , 4319. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  32. فرانک، ج. جفرین، جی. سوکوپ، تی. Hazeu، G. تعیین تغییرات و جریان در مناظر اروپایی 1990-2000 با استفاده از داده های پوشش زمین CORINE. Appl. Geogr. 2010 ، 30 ، 19-35. [ Google Scholar ] [ CrossRef ]
  33. گونگ، پی. وانگ، جی. یو، ال. ژائو، ی. ژائو، ی. لیانگ، ال. نیو، ز. هوانگ، ایکس. فو، اچ. لیو، اس. و همکاران مشاهده و نظارت با وضوح دقیق تر پوشش زمین جهانی: اولین نتایج نقشه برداری با داده های Landsat TM و ETM+. بین المللی J. Remote Sens. 2012 , 34 , 2607-2654. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  34. شیائو، آر. هوانگ، ایکس. یو، دبلیو. لین، ام. Zhang، Z. رابطه متقابل بین گسترش زمین ساخته شده و شهرنشینی جمعیتی-اجتماعی-اقتصادی در منطقه شهری خلیج شانگهای-هانگژو در شرق چین. فتوگرام مهندس Remote Sens. 2019 , 85 , 231–240. [ Google Scholar ] [ CrossRef ]
  35. لی، ایکس. گونگ، پی. Liang, L. یک رکورد 30 ساله (1984-2013) از پویایی شهری سالانه شهر پکن که از داده های Landsat مشتق شده است. سنسور از راه دور محیط. 2015 ، 166 ، 78-90. [ Google Scholar ] [ CrossRef ]
  36. گونگ، دبلیو. دندان های نیش.؛ یانگ، جی. Ge, M. استفاده از یک مدل پنهان مارکوف برای بهبود سازگاری مکانی-زمانی طبقه‌بندی پوشش زمین سری زمانی. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 292. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  37. شاخص های Hulshoff، RM Landscape که یک منظره هلندی را توصیف می کند. Landsc. Ecol. 1995 ، 10 ، 101-111. [ Google Scholar ] [ CrossRef ]
  38. پنگ، جی. وانگ، ی. ژانگ، ی. وو، جی. لی، دبلیو. لی، ی. ارزیابی اثربخشی معیارهای منظر در کمی سازی الگوهای فضایی. Ecol. اندیک. 2010 ، 10 ، 217-223. [ Google Scholar ] [ CrossRef ]
  39. گریفیث، جی اچ. لی، جی. الگوی منظر و غنای گونه ای. تجزیه و تحلیل مقیاس منطقه ای از سنجش از دور بین المللی J. Remote Sens. 2000 , 21 , 2685-2704. [ Google Scholar ] [ CrossRef ]
  40. Junxiang، L. یوجی، دبلیو. Xiaohong، S. Yongchang، S. تحلیل الگوی منظر در امتداد شیب شهری-روستایی در منطقه شهری شانگهای. Acta Ecol. گناه 2004 ، 24 ، 1973-1980. [ Google Scholar ]
  41. Saura, S. اثرات تفکیک فضایی حسگر از راه دور و تجمع داده ها بر شاخص های تکه تکه شدن انتخاب شده. Landsc. Ecol. 2004 ، 19 ، 197-209. [ Google Scholar ] [ CrossRef ]
  42. وو، کیو. گوا، اف. لی، اچ. Kang, J. اندازه گیری الگوی منظر در فضای سه بعدی. Landsc. طرح شهری. 2017 ، 167 ، 49-59. [ Google Scholar ] [ CrossRef ]
  43. ژو، دبلیو. کائو، اف. وانگ، جی. اثرات الگوی فضایی پوشش گیاهی جنگل بر سرمایش شهری در یک کلان شهر فشرده. Forests 2019 , 10 , 282. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. او، HS; DeZonia، BE; Mladenoff، DJ یک شاخص تجمع (AI) برای تعیین کمیت الگوهای فضایی مناظر. Landsc. Ecol. 2000 ، 15 ، 591-601. [ Google Scholar ] [ CrossRef ]
  45. چونچنگ، ز. یوشوی، ز. Huanhuan، H. تأثیرات سطح غیرقابل نفوذ و معیارهای چشم انداز بر محیط گرمای شهری در شهر فوژو، چین. J. Geo-Inf. علمی 2014 ، 16 ، 490-498. [ Google Scholar ]
  46. Hagen-Zanker، A. چارچوب محاسباتی برای پنجره های متحرک تعمیم یافته و کاربرد آن در تحلیل الگوی منظر. بین المللی J. Appl. زمین Obs. 2016 ، 44 ، 205-216. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. پارک، ی. گلدمن، جی. اندازه‌گیری الگوهای منظره پیوسته با شاخص‌های ماتریس هم‌وقوع سطح خاکستری (GLCM): جایگزینی برای معیارهای پچ؟ Ecol. اندیک. 2020 , 109 , 105802. [ Google Scholar ] [ CrossRef ]
  48. چن، ی. لی، ایکس. لیو، ایکس. Ai, B. مدل‌سازی پویایی کاربری زمین شهری در یک شهر در حال توسعه سریع با استفاده از خودکار سلولی لجستیک اصلاح‌شده با یک استراتژی شبیه‌سازی مبتنی بر پچ. بین المللی جی. جئوگر. Inf. علمی 2014 ، 28 ، 234-255. [ Google Scholar ] [ CrossRef ]
  49. فن، سی. ماینت، اس. مقایسه شاخص‌های خودهمبستگی فضایی و معیارهای منظر در اندازه‌گیری پراکندگی منظر شهری. Landsc. طرح شهری. 2014 ، 121 ، 117-128. [ Google Scholar ] [ CrossRef ]
  50. یانگ، کیو. لی، جی. گان، ایکس. ژانگ، جی. یانگ، اف. Qian، Y. مقایسه الگوهای منظر بین کلان شهرها و شهرهای کوچک: تجزیه و تحلیل گرادیان با تغییر اندازه دانه در شانگهای و Zhangjiagang، چین. بین المللی J. Remote Sens. 2012 ، 33 ، 1446-1464. [ Google Scholar ] [ CrossRef ]
  51. شانس، م. وو، جی. تحلیل گرادیان الگوی منظر شهری: مطالعه موردی از منطقه شهری فینیکس، آریزونا، ایالات متحده. Landsc. Ecol. 2002 ، 17 ، 327-339. [ Google Scholar ] [ CrossRef ]
  52. ژانگ، جی. لی، اس. دونگ، آر. جیانگ، سی. تکامل فیزیکی مخزن سه دره با استفاده از SVM پیشرفته بر روی تصاویر Landsat و داده های SRTM DEM. محیط زیست علمی آلودگی Res. 2018 ، 25 ، 14911-14918. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  53. پریستنال، جی. جعفر، ج. دانکن، الف. استخراج ویژگی‌های شهری از مدل‌های سطح دیجیتال LiDAR. محاسبه کنید. محیط زیست سیستم شهری 2000 ، 24 ، 65-78. [ Google Scholar ] [ CrossRef ]
  54. علی، ز. نصیر، س. اقبال، IA; شهزاد، الف. ارزیابی دقت مدل رقومی ارتفاع تولید شده از جفت استریو Pleiades Tri. در مجموعه مقالات کنفرانس بین المللی پیشرفت های اخیر در فناوری های فضایی، استانبول، ترکیه، 16 تا 19 ژوئن 2015. [ Google Scholar ]
  55. یائو، ایکس. سان، م. گونگ، پی. لیو، بی. لی، ایکس. آن، ال. Yan, L. احتمال سرریز دریاچه نمک در منطقه Hoh Xil. جی. جئوگر. علمی 2018 ، 28 ، 647-655. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  56. اسلام، MA; سپسکبیل، ص. کولاوردهانا، RW; آلانکارا، آر. گوناسینگه، اس. ادوسریا، سی. Gunawardana، A. روش های نیمه خودکار برای نقشه برداری تالاب ها با استفاده از داده های Landsat ETM + و SRTM. بین المللی J. Remote Sens. 2008 , 29 , 7077-7106. [ Google Scholar ] [ CrossRef ]
  57. وو، کیو. آهنگ، سی. لیو، ک. Ke, L. ادغام TanDEM-X و SRTM DEMs و تصاویر طیفی برای بهبود تشخیص در مقیاس بزرگ مناطق استخراج باز. Remote Sens. 2020 , 12 , 1451. [ Google Scholar ] [ CrossRef ]
  58. ژانگ، Q. یانگ، کیو. چنگ، جی. وانگ، سی. ویژگی های خطاهای SRTM 3 اینچی در چین. Geomat. Inf. علمی دانشگاه ووهان 2018 ، 43 ، 684-690. [ Google Scholar ]
  59. نلسون، AD; رویتر، HI; گسلر، پی. هنگل، تی. روش ها و منابع رویتر، HI Dem تولید. توسعه دهنده علم خاک 2009 ، 33 ، 65-85. [ Google Scholar ]
  60. کلندورفر، جی. واکر، دبلیو. پیرس، ال. دابسون، سی. فیتس، ج.ا. هونساکر، سی. وونا، جی. Clutter، M. برآورد ارتفاع پوشش گیاهی از ماموریت توپوگرافی رادار شاتل و مجموعه داده های ارتفاعی ملی. سنسور از راه دور محیط. 2004 ، 93 ، 339-358. [ Google Scholar ] [ CrossRef ]
  61. گوا، جی. کنگ، X. بنیاد ژئودزی . انتشارات دانشگاه ووهان: ووهان، چین، 2005. [ Google Scholar ]
  62. کوون، جی اچ. بائه، تی. چوی، ی. لی، دی. لی، ی. تبدیل داده‌های زمین‌شناسی به داده‌های زمین‌مرکزی جهانی برای دریاها و جزایر اطراف کره. Geosci. J. 2005 ، 9 ، 353-361. [ Google Scholar ] [ CrossRef ]
  63. لی، YC; سیدریس، ام جی. شوارتز، ک. بررسی عددی در پیش‌بینی ناهنجاری ارتفاع در مناطق کوهستانی. گاو نر Géodésique 1995 ، 69 ، 143-156. [ Google Scholar ] [ CrossRef ]
  64. ژانگ، اف. وانگ، جی. لو، اچ. مقایسه و تحلیل مدل تبدیل مختصات هفت پارامتری. Geomat. تف کردن Inf. تکنولوژی 2016 ، 39 ، 48-51. [ Google Scholar ]
  65. فو، اف. لیو، ز. Huang، Q. تغییرات الگوی منظر شهری سه بعدی: مطالعه موردی در منطقه تجاری مرکزی Futian، شنژن. Acta Ecol. گناه 2019 ، 39 ، 4299-4308. [ Google Scholar ]
  66. ژائو، ی. Ovando-Montejo، GA; Frazier، AE; ماتیوس، ای جی. فلین، کی سی; الیس، EA برآورد جمعیت کار و خانه با استفاده از حجم ساختمان مشتق شده از لیدار. بین المللی J. Remote Sens. 2017 , 38 , 1180-1196. [ Google Scholar ] [ CrossRef ]
  67. لیو، ام. هو، ی. لی، سی. معیارهای چشم انداز برای تشخیص الگوی ساختمان های شهری سه بعدی. Appl. Geogr. 2017 ، 87 ، 66-72. [ Google Scholar ] [ CrossRef ]
  68. کو، بی. لینگ، جی. Ma, J. مطالعه ای در مورد توصیف کمی و روش ارزیابی فرم فضایی خیابان در منطقه تجاری شهر. آرشیت جدید. 2019 ، 06 ، 9–14. [ Google Scholar ]
  69. یانگ، جی. شی، ی. رویکردها و روشهای کنترل عمودی شهری در طراحی کلی شهری. طرح شهری. انجمن. 2015 ، 06 ، 90-98. [ Google Scholar ]
  70. یانگ، جی. تئوری ها و روش های برنامه ریزی ناحیه مرکزی شهری . انتشارات دانشگاه جنوب شرقی: نانجینگ، چین، 2013. [ Google Scholar ]
  71. لی، ز. شما، اچ. وانگ، Z. اثرات چند مقیاسی الگوی منظر شهری بر تنوع گیاهان در شهر Xuzhou، استان جیانگ سو، چین. چانه. J. Appl. Ecol. 2018 ، 29 ، 1813-1821. [ Google Scholar ]
  72. جینگوی، اچ. ییینگ، ز. چنگمینگ، تی. دیانگوانگ، ایکس. Yingmei, L. اثرات الگوی منظر منطقه ای بر اپیدمی بیماری زنگ صنوبر: مطالعه موردی Populus alba در Yanqing، پکن. علمی سیلوا سین. 2020 ، 56 ، 99-108. [ Google Scholar ]
  73. دوان، ام. لیو، ی. یو، ز. لی، ال. وانگ، سی. Axmacher، JC عوامل محیطی که در مقیاس‌های متعدد عمل می‌کنند، مجموعه‌ای از حشرات و گیاهان را در مناظر کوهستانی کشاورزی شمال چین تعیین می‌کنند. کشاورزی اکوسیست. محیط زیست 2016 ، 224 ، 86-94. [ Google Scholar ] [ CrossRef ]
  74. آهنگ، ی. آهنگ، X. شائو، جی. Hu, T. اثرات استفاده از زمین بر کیفیت آب جریان در مناطق به سرعت شهری: تجزیه و تحلیل چند مقیاسی. آب سوئی. 2020 ، 12 ، 1123. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  75. جودی، EA; Plantegenest، M. آویرون، اس. Pétillon، J. ویژگی‌های محلی در مقابل چشم‌انداز، مجموعه‌های نوظهور و در حال گردش سوسک‌های کارابید را در اکوسیستم‌های کشاورزی شکل می‌دهند. کشاورزی اکوسیست. محیط زیست 2019 ، 270–271 ، 149–158. [ Google Scholar ] [ CrossRef ]
  76. ژانگ، جی. لی، اس. جیانگ، سی. اثرات استفاده از زمین بر کیفیت آب در حوضه رودخانه (رقص) منطقه مخزن سه دره، چین: حوزه آبخیز در مقابل منطقه ساحلی. Ecol. اندیک. 2020 , 113 , 106226. [ Google Scholar ] [ CrossRef ]
  77. استیونز، کیو. هائو، سی. ژانگ، اس. خو، سی. Tie, J. The Design of Urban Waterfronts-A Critique of Two Australian “Southbanks” (عاقبت). جی. تکنولوژی چینگدائو. دانشگاه 2008 ، 77 ، 173-203. [ Google Scholar ]
  78. Ye, M. موارد و مطالعات سیاست های توسعه حومه ای کشورهای توسعه یافته ; چاپ معماری و ساختمان چین: پکن، چین، 2010. [ Google Scholar ]
  79. وو، دبلیو. ژائو، اس. زو، سی. جیانگ، جی. مطالعه تطبیقی ​​گسترش شهری در پکن، تیانجین و شیجیاژوانگ در سه دهه گذشته. Landsc. طرح شهری. 2015 ، 134 ، 93-106. [ Google Scholar ] [ CrossRef ]
  80. لی، جی. سان، اس. نیش، سی. نیروهای محرک متفاوت گسترش شهری در چین: بینش‌هایی از یک تحلیل مکانی-زمانی. Landsc. طرح شهری. 2018 ، 174 ، 63-77. [ Google Scholar ] [ CrossRef ]
  81. Chien، S. از دست دادن و حفظ زمین های کشاورزی محلی در چین: چشم انداز قلمرو سازی سهمیه. سیاست کاربری زمین 2015 ، 49 ، 65-74. [ Google Scholar ] [ CrossRef ]
  82. شوکلا، ا. جین، ک. تحلیل انتقادی ویژگی‌های ریخت‌شناسی مکانی-زمانی منظر شهری. عرب جی. ژئوشی. 2019 ، 12 ، 112. [ Google Scholar ] [ CrossRef ]
  83. Anim، AK; تامپسون، ک. Duodu، GO; شارک، بی. توس، جی. گونتیلکه، ا. آیوکو، GA؛ Mueller، JF Pharmaceuticals، محصولات مراقبت شخصی، افزودنی های غذایی و آفت کش ها در آب های سطحی از سه مصب ساحل شرقی استرالیا (سیدنی، یارا و بریزبن). مارس آلودگی. گاو نر 2020 , 153 , 111014. [ Google Scholar ] [ CrossRef ]
  84. بونان، GB ریزاقلیم یک چشم انداز حومه کلرادو (ایالات متحده آمریکا) و مفاهیم برای برنامه ریزی و طراحی. Landsc. طرح شهری. 2000 ، 49 ، 97-114. [ Google Scholar ] [ CrossRef ]
  85. مهتا، وی. خیابان‌های قابل پیاده‌روی: رفتار، ادراکات و نگرش‌های عابر پیاده. J. Urban. بین المللی Res. مکان سازی پایدار شهری. 2008 ، 1 ، 217-245. [ Google Scholar ] [ CrossRef ]
  86. دی بل، اس. سفید، م. گریفیتس، آ. دارلو، ا. تیلور، تی. ویلر، بی. لاول، آر. گذراندن وقت در باغ به طور مثبت با سلامتی و تندرستی مرتبط است: نتایج یک نظرسنجی ملی در انگلستان. Landsc. طرح شهری. 2020 ، 200 ، 103836. [ Google Scholar ] [ CrossRef ]
  87. مارشال، ای جی؛ گروس، ام جی. ویلیامز، NSG از چیزهای کوچک: بیش از یک سوم فضای سبز عمومی در حاشیه جاده است. شهری برای. سبز شهری. 2019 , 44 , 126423. [ Google Scholar ] [ CrossRef ]
  88. براتمن، GN; همیلتون، جی پی؛ روزانه، GC تأثیرات تجربه طبیعت بر عملکرد شناختی و سلامت روان انسان. ان آکادمی نیویورک علمی 2012 ، 1249 ، 118-136. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  89. Coutts، AM; برینگر، جی. Tapper، NJ بررسی تاثیر آب و هوای استراتژی های برنامه ریزی شهری از طریق استفاده از مدل سازی آب و هوای منطقه ای: مطالعه موردی برای ملبورن، استرالیا. بین المللی جی. کلیم. 2008 ، 28 ، 1943-1957. [ Google Scholar ] [ CrossRef ]
Ijgi 10 00014 g001 550
شکل 1. موقعیت منطقه مورد مطالعه در ملبورن.
Ijgi 10 00014 g002 550
شکل 2. نمودار جریان این مطالعه.
Ijgi 10 00014 g003 550
شکل 3. منحنی های معیارهای چشم انداز تحت اندازه های مختلف پنجره: ( الف ) PD; ( ب ) LPI; ( ج ) LSI; ( د ) هوش مصنوعی؛ ( ه ) CONTAG; ( f ) انسجام. ( g ) SHDI. (نکته: PD = تراکم وصله، LPI = بزرگترین شاخص وصله، LSI = شاخص شکل منظره، AI = شاخص تجمع، CONTAG = شاخص سرایت، COHESION = شاخص پیوستگی وصله، SHDI = شاخص تنوع شانون).
Ijgi 10 00014 g004 550
شکل 4. انواع مختلف داده های ارتفاعی در مرکز شهر ملبورن: ( الف ) SRTM; ( ب ) DSM; ( ج ) JZM; ( د ) تصویر لندست 2012.
Ijgi 10 00014 g005 550
شکل 5. نقشه های طبقه بندی ملبورن از سال 2000 تا 2012: ( a ) 2000; ( ب ) 2004; ( ج ) 2008; ( د ) 2012; ( ه ) افسانه نتایج طبقه بندی.
Ijgi 10 00014 g006 550
شکل 6. معیارهای سطح چشم انداز از 2000 تا 2012 تغییر می کند: ( الف ) PD; ( ب ) LSI; ( ج ) هوش مصنوعی؛ ( د ) SHDI. (نکته: PD = تراکم وصله، LSI = شاخص شکل منظره، AI = شاخص تجمع، SHDI = شاخص تنوع شانون).
Ijgi 10 00014 g007 550
شکل 7. نقشه های توزیع VM و VSD در سال 2000 و 2012: ( الف ) 2000 VM; ( ب ) 2012 VM; ( ج ) 2000 VSD; ( د ) 2012 VSD; ( ه ) محدوده ارزش VM و VSD. (توجه: VM = میانگین حجم، VSD = انحراف استاندارد حجم).
Ijgi 10 00014 g008 550
شکل 8. توزیع فاصله ای VM و VSD در سال 2000 و 2012: ( الف ) VM; ( ب ) VSD. (توجه: VM = میانگین حجم، VSD = انحراف استاندارد حجم).
Ijgi 10 00014 g009 550
شکل 9. نمودار ترتیب RDA با VM، VSD، و متریک های چشم انداز در منطقه صنعتی (COHESION به دلیل محدودیت طول به اختصار COHE بود): ( a ) 2000; ( ب ) 2012. (توجه: PLAND = درصد چشم انداز، PD = تراکم وصله، LPI = بزرگترین شاخص وصله، LSI = شاخص شکل منظر، AI = شاخص تجمع، CONTAG = شاخص سرایت، COHESION = شاخص پیوستگی وصله. VM = حجم. میانگین، VSD = انحراف استاندارد حجم، 1 = پوشش دست ساز، 2 = آب، 3 = جنگل، 4 = علفزار، 5 = زمین برهنه).
Ijgi 10 00014 g010 550
شکل 10. نمودار ترتیب RDA با VM، VSD، و متریک های چشم انداز در منطقه تجاری (COHESION به دلیل محدودیت طول به اختصار COHE بود): ( a ) 2000; ( ب ) 2012. (توجه: PLAND = درصد چشم انداز، PD = تراکم وصله، LPI = بزرگترین شاخص وصله، LSI = شاخص شکل منظر، AI = شاخص تجمع، CONTAG = شاخص سرایت، COHESION = شاخص پیوستگی وصله. VM = حجم. میانگین، VSD = انحراف استاندارد حجم، 1 = پوشش دست ساز، 2 = آب، 3 = جنگل، 4 = علفزار، 5 = زمین برهنه).
Ijgi 10 00014 g011 550
شکل 11. نمودار ترتیب RDA با VM، VSD، و متریک های چشم انداز در منطقه مسکونی (COHESION به دلیل محدودیت طول به اختصار COHE بود): ( a ) 2000; ( ب ) 2012. (توجه: PLAND = درصد چشم انداز، PD = تراکم وصله، LPI = بزرگترین شاخص وصله، LSI = شاخص شکل منظر، AI = شاخص تجمع، CONTAG = شاخص سرایت، COHESION = شاخص پیوستگی وصله. VM = حجم. میانگین، VSD = انحراف استاندارد حجم، 1 = پوشش دست ساز، 2 = آب، 3 = جنگل، 4 = علفزار، 5 = زمین برهنه).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید