چکیده

مرز رشد شهری (UGB) یک سیاست مدیریت رشد است که مناطق خاصی را تعیین می کند که رشد باید در آنها متمرکز شود تا از گسترش شهری جلوگیری شود. هدف از چنین مرزی حفاظت از زمین های کشاورزی، فضاهای باز و محیط طبیعی و همچنین استفاده کارآمدتر از زیرساخت های موجود و خدمات عمومی است. به دلیل ناهمگونی و پیچیدگی ذاتی سکونتگاه ها، UGB ها در آلمان در حال حاضر به صورت دستی توسط کارشناسان ایجاد می شوند. بنابراین، هر مجموعه داده به یک منطقه خاص، دوره تحقیق و استفاده اختصاصی مرتبط است. واضح است که برای اجتناب از این اتکا به خطوط تولید دستی یا نیمه خودکار، خطوط به روز، همگن، معنادار و مقرون به صرفه ایجاد شده به صورت خودکار مورد نیاز است. اینجا، ما یک روش انبوه برای تولید UGB با استفاده از ردپای ساختمان و داده‌های توپوگرافی در دسترس عموماً به عنوان ورودی ارائه می‌کنیم. این برای مطالعه مناطق در فرانکفورت / ماین، منطقه هانوفر و روستایی براندنبورگ در حالی که برنامه‌ریزی و چارچوب قانونی آلمان برای توسعه فضایی را در نظر می‌گرفت، به کار گرفته شد. روش ما قادر است بیشتر نقاط ضعف داده های UGB موجود را جبران کند و دقت UGB ها را در آلمان به میزان قابل توجهی افزایش دهد. بنابراین، ابزار ارزشمندی برای تولید داده های اساسی برای مطالعات آینده است. کاربرد در جاهای دیگر نیز با منطقه ای کردن پارامترهای به کار گرفته شده قابل تصور است. منطقه هانوفر و براندنبورگ روستایی در حالی که برنامه ریزی و چارچوب قانونی آلمان برای توسعه فضایی را در نظر می گیرد. روش ما قادر است بیشتر نقاط ضعف داده های UGB موجود را جبران کند و دقت UGB ها را در آلمان به میزان قابل توجهی افزایش دهد. بنابراین، ابزار ارزشمندی برای تولید داده های اساسی برای مطالعات آینده است. کاربرد در جاهای دیگر نیز با منطقه ای کردن پارامترهای به کار گرفته شده قابل تصور است. منطقه هانوفر و براندنبورگ روستایی در حالی که برنامه ریزی و چارچوب قانونی آلمان برای توسعه فضایی را در نظر می گیرد. روش ما قادر است بیشتر نقاط ضعف داده های UGB موجود را جبران کند و دقت UGB ها را در آلمان به میزان قابل توجهی افزایش دهد. بنابراین، ابزار ارزشمندی برای تولید داده های اساسی برای مطالعات آینده است. کاربرد در جاهای دیگر نیز با منطقه ای کردن پارامترهای به کار گرفته شده قابل تصور است.

کلید واژه ها: 

مرز رشد شهری (UGB) ; برنامه ریزی فضایی ; GIS _ روستایی – شهری ; الگوریتم های خوشه بندی

1. مقدمه

رشد شهری، که هم تصرف زمین و هم گسترش شهری را در بر می گیرد، یکی از چالش های اصلی پیش روی برنامه ریزان شهری است. تا سال 2050، از هر ده نفر در جهان، نزدیک به هفت نفر در شهرها زندگی خواهند کرد. جمعیت شهری تا آن زمان اندازه فعلی خود را دو برابر خواهد کرد. چالش این است که مناطق شهری در حال حاضر با نرخ متوسط ​​دو برابر سریعتر از جمعیت در حال رشد هستند [ 1 ]. رشد جمعیت شهری همراه با توسعه اقتصادی، انتظار می رود در سه دهه آینده 1.2 میلیون کیلومتر مربع مساحت جدید شهری را به جهان اضافه کند [ 2 ]]. دلایل شهرنشینی متنوع است و به عوامل مختلفی مربوط می شود که مشاهده همه جانبه آنها در سطح جهانی دشوار است، از جمله جریان سرمایه بین المللی، اقتصاد غیررسمی، سیاست کاربری زمین و هزینه های حمل و نقل عمومی [ 3 ]. در حالی که مطالعات بین المللی در مورد علل تصاحب زمین [ 4 ] وجود دارد، تنها مطالعات اندکی وجود دارد که روندهای شهرنشینی منطقه ای را مشاهده کرده اند [ 5 ، 6 ] و علل تصرف زمین در آلمان را بررسی کرده اند [ 7 ].
عواقب تصاحب زمین بسیار زیاد است، به ویژه با توجه به اثرات منفی متنوع آن بر منابع غیر قابل تجدید و محدود زمین و خاک حاصلخیز. علاوه بر این، رشد شهری تنوع زیستی را با تکه تکه شدن و کوچک شدن زیستگاه ها و بیوتوپ ها تضعیف می کند [ 8 ، 9 ، 10 ]. سایر اثرات منفی شامل افزایش خطر سیل، کاهش مخازن زیرزمینی در نتیجه آب بندی خاک [ 11 ، 12 ] و افزایش انتشار گازهای گلخانه ای به عنوان محصولات جانبی افزایش همراهی در ثروت است که معمولاً با شهرنشینی همراه است [ 13 ، 14 ]]. علاوه بر این، پراکندگی شهری پیامدهای اجتماعی و اقتصادی مانند افزایش ترافیک، مناظر جذاب کمتر [ 15 ]، افزایش هزینه های عمومی [ 16 ] و هزینه های زندگی بالاتر [ 9 ] ، و همچنین تفکیک اجتماعی-مسکونی [17،18 ] دارد . از سوی دیگر، شهرنشینی به ویژه به کشورهای در حال توسعه فرصتی برای توسعه پایدارتر می دهد [ 14 ]. همراهی و هدایت این فرآیند شامل بهره برداری از مزایای رشد و توسعه شهرنشینی و در عین حال مدیریت فعال اثرات منفی آن است [ 19 ].
بنابراین، توسعه کاربری پایدار زمین به یکی از اصول راهنمای برنامه ریزی فضایی تبدیل شده است که در اهداف سیاست در سطوح بین المللی [ 20 ]، فراملی [ 21 ] و ملی [ 22 ] رسمیت یافته است. برای مثال، اتحادیه اروپا هدفی را برای کاهش تصرف خالص زمین به صفر تا سال 2050 تعیین کرده است . به عنوان مثال، آلمان محدودیت زمین‌گیری برای ساختمان‌ها و زیرساخت‌های حمل‌ونقل را تا سال 2020 به 30 هکتار در روز تعیین کرده است [ 24 ]. در فرانسه نرخ تصرف زمین های کشاورزی تا 50 درصد کاهش می یابد [ 13 ] و در بریتانیا 60 درصد از مسکن های جدید باید در سایت های براون فیلد ساخته شوند [ 25 ].].
برای دستیابی به این اهداف، اقدامات و ابزارهای مناسب برای تحقق اشکال پایدار استفاده از زمین مورد نیاز است [ 26 ]. در اینجا، سیستم‌های نظارتی قوی با شاخص‌های به‌روز برای تعیین میزان پیشرفت به سمت اهداف انتخابی و کمک به سیاست‌گذاران در ارزیابی اثربخشی اقدامات [ 27 ، 28 ] مورد نیاز است. داده های فضایی و تجزیه و تحلیل سطوح شهری و بین شهری حداقل برای نیمی از شاخص های تعیین شده در هدف 11 اهداف توسعه پایدار سازمان ملل مورد نیاز است [ 27 ].

1.1. مرزهای رشد شهری

سکونتگاه ها هر کدام از نظر شکل، پراکندگی و ساختار منحصر به فرد هستند. تمایز استاندارد بین شهری و روستایی در واقع از نظر فضایی و عملکردی مبهم است [ 27 ]. سکونتگاه های شهری را می توان به روش های مختلفی تعریف کرد: به عنوان مثال، به عنوان مناطق بزرگ و پرجمعیت با وضعیت اداری، قانونی یا تاریخی خاص [ 29 ]. علاوه بر این، سکونتگاه‌ها – و به‌ویژه شهرها – را می‌توان قطب‌های اقتصادی یا تجاری در نظر گرفت، جایی که منافع از طریق اشتراک منابع طبیعی و کاهش هزینه‌های حمل و نقل [ 30 ] یا به عنوان مکان‌هایی با ابعاد فیزیکی، اجتماعی، اقتصادی و فرهنگی [ 31 ] محقق می‌شود.]. تعیین وسعت یک شهر با استفاده از مرزها برای مطالعات تطبیقی ​​که به دنبال اندازه‌گیری تغییرات در طول زمان یا هنگام انجام ارزیابی‌های اثرات زیست‌محیطی یا نقشه‌برداری/طبقه‌بندی کاربری اراضی هستند، ضروری است. علاوه بر این، مرزها می توانند به عنوان هندسه های کمکی برای اشیاء درون سکونتگاه های شهری برای شناسایی روابط پارتونومیک بین طبقات مختلف عناصر جغرافیایی مانند شبکه های حمل و نقل، فضاهای سبز و رودخانه ها عمل کنند. آنها ویژگی هایی هستند که به توصیف هر شهر معین کمک می کنند [ 29 ]. مرزهای رشد شهری (UGBs)، که به عنوان استراتژی های لبه شهری نیز شناخته می شود [ 32 ، 33]، ارتباط تنگاتنگی با این نقطه دارند. UGB یک مفهوم سیاست مدیریت رشد است که مناطق خاصی را مشخص می کند که در آن رشد باید رخ دهد تا از گسترش شهری جلوگیری شود [ 34 ، 35 ]. هدف از چنین مرزی حفاظت از زمین های کشاورزی، فضاهای باز و محیط طبیعی و همچنین استفاده کارآمدتر از زیرساخت های موجود و خدمات عمومی است. علاوه بر این، UGB ها برای ترویج توسعه و توسعه مجدد پر استفاده می شوند [ 36 ]. هیچ معیار مشترکی برای ترسیم UGB ها وجود ندارد، زیرا هر مرجع برنامه ریزی با توجه به نیازها و الزامات محلی، مرزها را تعیین می کند. از آنجایی که UGB ها ثابت نیستند، می توانند یک دوره برنامه ریزی 20 تا 30 ساله را پوشش دهند. در اینجا نظارت و بازبینی منظم برای تطبیق آنها با تغییرات پیش بینی نشده ضروری است [37 ]. UGB ها ثابت کرده اند که ابزارهای مؤثری در مدیریت توسعه شهری و جلوگیری از تأثیر منفی گسترش شهری هستند [ 38 ، 39 ، 40 ]. در نتیجه، آنها به طور گسترده در بسیاری از کشورها، مانند ایالات متحده [ 41 ، 42 ، 43 ]، بریتانیا [ 44 ]، عربستان سعودی [ 45 ]، کانادا [ 46 ]، استرالیا [ 47 ]، کره [ 48 ] پذیرفته شده اند. و آلمان [ 38 ]. توجه زیادی به UGB ها در چین با توجه به شهرنشینی سریع این کشور در دهه های گذشته شده است [ 37 ، 49 ]]. به گفته او و همکاران. [ 50 ]، وزارت مسکن چین و وزارت زمین و منابع قصد دارند این رویکرد برنامه ریزی را برای پوشش بیش از 600 شهر گسترش دهند [ 50 ]. یک نشریه جدیدتر حتی به گسترش این امر به بیش از 3000 شهرک و شهرستان کشور اشاره کرده است [ 51 ]. با این حال، استفاده از آنها نیز محل بحث است. اثرات منفی مرتبط با UGB ها به “جهش” در نتیجه افزایش قیمت زمین و قیمت مسکن مرتبط است، جایی که توسعه دهندگان زمین و خانوارها فراتر از منطقه تحت کنترل حرکت می کنند [ 38 ]]. به این ترتیب، چنین اثرات سرریز منجر به، برای مثال، الگوهای بالقوه زیر بهینه رفت و آمد یا افزایش هزینه های خدمات عمومی می شود. با این حال، مطالعات اشاره می کنند که این اثرات منفی در ماهیت UGB ها نیست. علاوه بر این، مدیریت مناسب و اجرای UGB با ذخایر توسعه کافی در داخل منطقه محدود و سیاست‌های مشابه در سراسر مرزهای اداری بزرگترین عوامل موفقیت هستند [ 52 ، 53 ].
از آنجایی که ایجاد و بازنگری UGB ها وظیفه ای است که هم به تخصص لازم و هم به ظرفیت انسانی نیاز دارد، مطالعات بیشتر و بیشتری اخیراً بررسی کرده اند که چگونه ایجاد و ترسیم UGB توسط فرآیندهای خودکار پشتیبانی می شود. مدل‌های رشد شهری، مانند مجاورت شعاعی شهری ایده‌آل [ 54 ]، شبکه‌های عصبی مصنوعی [ 55 ]، رگرسیون لجستیک فضایی-UGB [ 56 ]، اتوماتای ​​سلولی مبتنی بر قانون [ 57 ]، مدل‌های ترکیبی [ 58 ]، UBEM [ 50 ] و روش وزن شواهد [ 49 ]، برای ترسیم UGB ها استفاده شده است.

1.2. تعیین خودکار تسویه حساب ها

طیف گسترده ای از روش ها برای تعیین خودکار مرزهای شهرک وجود دارد. اینها ممکن است بر اساس داده های منبع مختلف مورد استفاده در تجزیه و تحلیل طبقه بندی شوند. چنین ورودی هایی ممکن است شامل موارد زیر باشد:
  • داده های سنجش از راه دور بسیاری از رویکردها مبتنی بر روش‌های طبقه‌بندی با استفاده از اطلاعات طیفی از داده‌های ماهواره‌ای Landsat، Sentinel-1، Sentinel-2 یا SPOT5/SPOT6 هستند [ 59 ، 60 ، 61 ]. لایه سکونت انسانی جهانی (GHSL) یک مجموعه داده جهانی برای تجزیه و تحلیل مناطق ساخته شده برای سال های 1990، 2000 و 2014 فراهم می کند. این با استفاده از الگوریتم های طبقه بندی داده های نظارت شده بر روی تصاویر Landsat ایجاد شد [ 62 ]. لایه حل با وضوح بالا (HRSL) طبقه بندی تصویر و شبکه های عصبی کانولوشنال را ترکیب می کند [ 63 ]. رویکردهای اخیر سعی کرده اند یادگیری عمیق (DeepVGI) را با جمع سپاری (MapSwipe) ترکیب کنند [ 64]. اش و همکاران از تصاویر رادار TanDEM-X و TerraSAR-X و یک چارچوب پردازش کاملاً خودکار برای ایجاد نقشه شطرنجی جهانی ردپای شهری (GUF) استفاده کرد [ 65 ]. با این حال، مجموعه داده‌های با وضوح پایین هنوز تنوع زیادی را بین مناطق مختلف و تنظیمات جغرافیایی نشان می‌دهند [ 66 ]. آنها همچنین قادر به شناسایی جزئیات دقیق مورد نیاز برای بررسی پویایی شهری نیستند. یک رویکرد کمتر رایج استفاده از داده های نور شب است. این داده ها به شدت با فعالیت اقتصادی و تراکم جمعیت همبستگی دارد. به دلیل درخشش بیش از حد و اشباع، تنها تا حدی برای ترسیم مرزهای سکونتگاه ها مناسب است [ 67 ، 68 ].
  • داده های شبکه جاده ای برخلاف روش‌های مبتنی بر شطرنجی، مطالعات مختلف استفاده از داده‌های برداری فضایی از پایگاه‌های رسمی توپوگرافی یا کاداستر یا پلتفرم‌های VGI مانند OpenStreetMap را پیشنهاد کرده‌اند. والتر و همکاران تراکم و طرح شبکه‌های جاده‌ای را برای تعریف مرزهای شهرک بررسی کرد [ 69 ، 70 ]. یک مدل ریاضی مبتنی بر خوشه‌بندی رئوس و لبه‌های یک شبکه خیابانی توسط ژو و همکاران استفاده شد. [ 71 ]، و ماسوچی و همکاران. [ 72 ] رویکردهای مبتنی بر تراکم، تقاطع و خیابان را برای ترسیم مناطق ساخته شده با استفاده از شبکه های جاده ای ارزیابی کرد. جیانگ و جیا «شهرهای طبیعی» را با خوشه‌بندی گره‌های خیابانی استخراج کردند [ 73 ].
  • داده های اسکان و ساختمان تنها مطالعات کمی برای استفاده از ردپای ساختمان تلاش کرده اند. اکثر آنها از مجموعه داده های برداری از آژانس های نقشه برداری ملی از مدل های چشم انداز دیجیتال یا داده های کاداستر استفاده می کنند. به عنوان مثال، لی و همکاران. این ردپاها را از طریق چند ضلعی های تیسن و قواعد نظریه گشتالت ادغام و تعمیم داد تا اینکه به طرحی از استقرار کاهش یافت [ 74 ]. Chaudhry و Mackaness مرزهای سکونتگاهی را با رویکردی چند مرحله ای ایجاد کردند که مستقیماً از ردپاهای ساختمان مشتق شده است [ 29 ]. آریباس بل و همکاران ایجاد مرزهای شهر بر اساس الگوریتم یادگیری ماشینی که ساختمان ها را با استفاده از الگوریتم DBSCAN پذیرفته شده گروه بندی می کند [ 75 ]]. تانیر و توماس از یک روش مبتنی بر فراکتال برای ایجاد مرزها از ردپای ساختمان استفاده کردند [ 76 ]. Muhs و همکاران داده های ساختمان را از نقشه های توپوگرافی استخراج کرد تا وسعت زمین ساخته شده را با استفاده از پردازش تصویر دیجیتال ترسیم کند [ 77 ]. دی بلفون و همکاران یک شطرنجی را از تراکم ردپای ساختمان، که از آن مناطق شهری استخراج کردند، محاسبه کردند [ 78 ]. هاریگ و همکاران روشی را ارائه کرد که از یک بهینه سازی پارامتر نظارت شده همراه با یک روش مبتنی بر بافر برای ارزیابی کیفیت ترسیم استفاده می کرد [ 79]. این رویکرد از نظر استفاده بالقوه آن در علوم فضایی برای نظارت بر مناطق ساخته شده در سطح بسیار ریز، توسعه و ارزیابی شد. شوماخر با تجمیع ساختمان‌ها در یک به اصطلاح «ماسک شهری» رویکرد مشابهی را دنبال می‌کند [ 80 ].
  • داده های سرشماری روزنفلد و همکاران از یک الگوریتم خوشه‌بندی شهر برای داده‌های سرشماری برای استخراج مرزهای شهر با خوشه‌بندی مکان‌های پرجمعیت استفاده کرد [ 81 ، 82 ].

1.3. چارچوب نهادی در آلمان و مرزهای رشد شهری

در حالی که در آلمان یک سنت قوی از مدیریت رشد در سطوح منطقه ای و محلی وجود دارد، ساختار فدرال این کشور قدرت دولت ملی را برای تنظیم توسعه شهری و کاربری زمین محدود می کند. با این وجود، برنامه‌ریزی منطقه‌ای و شهری از طریق قانون برنامه‌ریزی فضایی فدرال ( Raumordnungsgesetz ) و قانون ساختمان فدرال ( Baugesetzbuch ) در قوانین ملی تثبیت شده است.، BauGB). اینها مسئولیت های برنامه ریزی فضایی و مدیریت رشد را به دولت های ایالتی، نهادهای برنامه ریزی منطقه ای و دولت های محلی (برنامه ریزی کاربری اراضی محلی) منتقل می کنند. در سطح محلی، مدیریت رشد با “طرح های آماده سازی کاربری زمین” (§ 5 BauGB) و “طرح های قانونی الزام آور استفاده از زمین” (§ 9 BauGB) شهرداری ها تحقق می یابد. این طرح ها باید با مقررات طرح های سطح بالاتر منطقه ای سازگار باشد. BauGB همچنین مناطق تعیین شده را تنظیم می کند. معیارهای این مناطق، همانطور که در BauGB § 34 رسمیت یافته است، تا حد زیادی با اهداف UGB یکسان است. آنها استفاده مجدد از مناطق قهوه ای و توسعه را در مناطق شهری شده هدایت می کنند و از فضای باز ارزشمند محافظت می کنند، به عنوان مثال، زمین های کشاورزی برتر یا مناطق حساس به محیط زیست. در مناطق نامشخص، بنابراین، تمام پروژه‌های ساخت‌وساز از قبل بررسی می‌شوند تا ببینند آیا آنها در ساختار سکونتگاهی موجود هستند یا به توسعه سکونتگاه‌های ارگانیک کمک می‌کنند. شهرداری می تواند قوانینی را برای رفع شبهات در مورد قابل قبول بودن قطعه ساختمانی وضع کند.83 ]. ساخت و ساز در حدود این اساسنامه مجاز است. محدودیت های توضیح داده شده در آن باید بیانگر تصمیمی باشد که در هر پروژه ساختمانی فردی گرفته می شد. با این حال، شهرداری ممکن است به طور پراکنده مناطقی را شامل شود که این معیارها را برآورده نمی کنند تا توسعه سکونتگاه ها را امکان پذیر کند یا مرزها را پل کند ( شکل 1 ). مناطقی برای استفاده تفریحی از قبیل زمین‌ها و کلبه‌های آخر هفته، پارک‌ها، امکانات ورزشی یا بدنه‌های آبی و سایر مناطق توسعه‌نشده در شهرک از بررسی مستثنی هستند. علاوه بر این، ساختمان هایی که جزء مناطق مسکونی نیستند، به عنوان مثال، مزارع، نیز مستثنی هستند. مناطقی از یک سکونتگاه که دارای این معیارها هستند و همچنین مناطقی که مشمول طرح های کاربری اراضی الزام آور قانونی هستند، به عنوان منطقه داخلی نیز شناخته می شوند (به اصطلاحInnenbereich ) [ 84 ]. اهمیت ویژه مناطق داخلی پیوند آنها با اهداف پایداری ملی است. یک مثال، اجرای دستورالعمل‌هایی برای توسعه پایدار شهری مانند «توسعه در داخل قبل از توسعه در خارج» است [ 22 ]. این اهداف به طور کلی فرموله شده، طیف گسترده ای از روش های تحقیق، از جمله توسعه شاخص هایی برای اندازه گیری پیشرفت به سوی این هدف را ضروری می کند. همه آنها به ترسیم‌های فضایی قابل مقایسه و همگن از مناطق داخلی نیاز دارند تا جمع‌آوری داده‌ها را برای نظارت بر برداشت زمین [ 84 ]، مطالعه پویایی سکونتگاه [ 5 ] یا برآورد پتانسیل‌های توسعه مملو [ 85 ] فراهم کند.
وضعیت داده ها در مورد توسعه شهری در آلمان هنوز ضعیف است. استدلال‌ها در بحث‌های جاری معمولاً بیشتر بر فرضیات و گمانه‌زنی‌ها مبتنی هستند تا بر واقعیت‌های تجربی واضح [ 6 ]. پایگاه اطلاعاتی نسبتا ضعیف ارائه شده توسط آمار رسمی کاربری اراضی دلیل اصلی این امر است. اول، داده ها به واحدهای اداری مانند شهرداری ها، شهرستان ها یا ایالت ها اشاره دارد. دوم، انواع مختلف کاربری زمین شهری در یک طبقه واحد به نام “منطقه شهری” (“Siedlungs- und Verkehrsfläche”) گروه بندی می شوند. این داده‌های جمع‌آوری شده الگوی ریزدانه تغییر کاربری زمین را منعکس نمی‌کنند. این تغییرات، از نظر اثرات زیست‌محیطی، اجتماعی و اقتصادی کوچک، به تغییرات در مقیاس بزرگ در نتیجه صدها یا هزاران تصمیم فردی برای استفاده از زمین اضافه می‌شوند [ 6 ]]. هندسه های به روز و با وضوح بالا که منعکس کننده وضعیت موجود توسعه شهرک سازی در آلمان هستند، تنها تا حد بسیار محدودی وجود دارند.
به همین دلیل، هندسه بدنه های سکونتگاهی (ATKIS ® -Ortslage) از سیستم اطلاعات توپوگرافی-کارتوگرافیک معتبر در دسترس ملی (ATKIS® Base DLM) برای تعیین UGB ها استفاده شده است [ 85 ، 86 ]. با این حال، هندسه بدنه های سکونت از یک مدل چشم انداز دیجیتالی، یعنی یک تقریب تقریبی از مناطق داخلی/UGB، کمتر از حد مطلوب است. شکل 1 مشکل کلیدی وضعیت داده های فعلی را نشان می دهد: هندسه بدنه های استقرار (ATKIS ®-Ortslage) شامل بسیاری از مناطق است که به UGB تعلق ندارند، همانطور که توسط ترسیم کارشناسی (ED) تعیین شده است. به عنوان مثال، این بخش ها یا تسهیلات بزرگ برای پرورش دام و همچنین زمین های کشاورزی، مناطق سبز و پارک ها هستند. از سوی دیگر، ED (که دقیق‌ترین شکل UGB ایجاد شده به صورت دستی است) برای کل شهرک در دسترس نیست، یعنی بخش‌هایی به سمت شرق و شمال حذف می‌شوند. در حالی که ED فقط برای بخشی از سکونتگاه نشان داده شده است، ATKIS ® -Ortslage تقریباً تمام مناطق ساخته شده را شامل می شود. علاوه بر این، ترسیم بسیار دقیق ED را می توان به وضوح مشاهده کرد. مرز به طور کلی مستقیماً در پشت ساختمان ها قرار دارد. ED از نظر گنجاندن و حذف ساختمان‌ها و مناطق خاص بسیار ریزدانه و انتخابی است.
در مقایسه با UGB که در کشورهای دیگر [ 41 ، 42 ، 43 ، 44 ، 45 ، 46 ، 47 ] تعریف شده است، مناطق داخلی ( Innenbereiche ) محدودتر و دقیق تر هستند. ساختمان‌های منفرد می‌توانند بر روی مرز تأثیر بگذارند ( شکل 1 ). با این حال، هیچ روش واحدی برای تعریف UGB وجود ندارد. علاوه بر این، ساختارهای مختلف سکونتگاه، ایجاد قوانین یکسان برای ترسیم را دشوار می کند. به دلیل ناهمگونی و پیچیدگی، UGB ها معمولا به صورت دستی توسط متخصصان ایجاد می شوند [ 87 ، 88 ، 89 ، 90]. هر ترسیم یک تصمیم مورد به مورد در فضا در یک زمان خاص است.

1.4. هدف و سوالات تحقیق

با استفاده از آلمان به عنوان مثال، می توان نشان داد که UGB ها در علم و برنامه ریزی نیاز فوری دارند. رویکردهای قبلی فقط در حد محدودی مناسب هستند. هدف اکثر الگوریتم‌ها برای ترسیم سکونت‌گاه‌ها، تعمیم نقشه‌برداری یا نمایش ساده‌شده منطقه ساخته‌شده است. بنابراین آنها به عنوان یک نقطه شروع روش شناختی مناسب هستند، اما نه به عنوان یک روش کافی برای نقشه برداری توسعه سکونتگاه در سطح بالایی از جزئیات.
بنابراین، هدف از این مطالعه توسعه یک رویکرد جدید برای تعیین خودکار UGB ها با استفاده از ویژگی های مورفولوژیکی سکونتگاه ها به دست آمده از داده های توپوگرافی معمول در دسترس در سطح بسیار ریز بود. علاوه بر این، ما بررسی کردیم که چگونه کیفیت چنین خطوطی را می توان در آلمان به عنوان یک مطالعه موردی ارزیابی کرد. این روش باید به سؤالات تحقیق زیر پاسخ دهد: چگونه می توان UGB ها را به طور خودکار بر اساس ردپای ساختمان بر اساس استانداردهای آلمانی تعیین کرد؟ اگر در بسیاری از موارد هیچ مجموعه داده مقایسه ای در دسترس نباشد، هندسه های حاصل چگونه باید اعتبار سنجی شوند؟ چگونه می توان زیر و بیش از حد در مجموعه داده های مقایسه ای را شناسایی و کمی سازی کرد؟ چگونه ساختار سکونتگاه (محلی، منطقه ای) بر صحت روند ترسیم تأثیر می گذارد؟

2. روش

رویکرد ما راهی برای استخراج مرزهای سکونتگاه، به ویژه مرزهای رشد شهری (UGBs) ارائه می‌کند. به عنوان ورودی، رویه خودکار از داده های توپوگرافی معمولی در دسترس استفاده می کند، به ویژه ردپای ساختمان، شبکه های جاده ای یا داده های کاربری زمین. این در درجه اول با وضعیت (قانونی) در آلمان سازگار است. قبل از اینکه روش به طور مفصل در بخش های زیر توضیح داده شود، شکل 2مروری مختصر ارائه می دهد. در ابتدا از داده های ردپای ساختمان برای تقسیم بندی منطقه مورد مطالعه استفاده می شود. قبل از اینکه ساختمان ها در این پارتیشن ها جمع شوند، چندین مرحله پردازش اولیه ضروری است. اینها شامل شناسایی بلوک‌های شهر و خیابان از داده‌های شبکه جاده‌ای و داده‌های کمکی، محاسبه آستانه پوشش ساختمان و فیلتر کردن ساختمان‌هایی است که معیارهای UGB را ندارند. پس از آن، تجمیع به صورت تکراری انجام می شود. پس از چندین مرحله اصلاح، هندسه های حاصل از UGB ها ذخیره شده و پارتیشن بعدی محاسبه می شود. در نهایت، نتایج با مقایسه با توصیفات متخصص ارزیابی می‌شوند.

2.1. پارتیشن بندی

مدل ما برای ترسیم UGB ها برای مناطق بزرگتر یا حتی کل ایالت ها طراحی شده است. از آنجایی که داده‌های توپوگرافی استفاده شده می‌توانند به راحتی حاوی میلیون‌ها شیء باشند، ممکن است لازم باشد مجموعه داده را به بخش‌های کوچک‌تر برای فرآیندهای محاسباتی فشرده تقسیم کنیم. علاوه بر ضرورت فنی پارتیشن‌بندی، این می‌تواند خوشه‌های ساختمانی فشرده یا بدنه‌های استقرار را شناسایی کند تا اطلاعات نام خانوادگی تولید کند که برای تجمع بعدی و محاسبات آستانه مرتبط مهم است. پارتیشن بندی باید به گونه ای انجام شود که بدنه های شهرک ( Siedlungskörper ) تقسیم نشوند. مرزهای شهرداری فقط تا حد محدودی می تواند کمک کند، به همین دلیل است که پارتیشن بندی تنها بر اساس داده های ساختمان است.
در مرحله اول، یک نقشه شطرنجی چگالی نقطه ای بر اساس مرکز چند ضلعی های ساختمان با استفاده از تابع چگالی نقطه ای که به طور پیش فرض در ArcGIS برای دسکتاپ پیاده سازی شده است، محاسبه می شود [ 91 ]. فاصله شبکه 100 متر و شعاع همسایگی 200 متر برای محاسبه تراکم استفاده شد، زیرا این برای انواع مختلف سکونتگاه ها منطقی است. در مرحله بعد، یک مجموعه داده نقطه ای از مراکز سلول ها تولید می شود ( شکل 3 a). نقاطی با مقدار چگالی <0.00001 حذف می شوند (نقاط سفید در شکل 3 الف)، تنها نقاطی با مقادیر چگالی بالاتر باقی می مانند (نقاط خاکستری در شکل 3).آ). در اینجا آستانه چگالی با آزمایش تجربی به منظور شناسایی مناطقی که فاقد ساختمان هستند یا ساختمان بسیار کمی دارند، تعریف شد. متعاقباً، یک شبکه نامنظم مثلثی و یک نمودار ورونوی از نقاط باقیمانده تولید می‌شوند ( شکل 3 ب)، که خوشه‌هایی از سلول‌های مربعی را تشکیل می‌دهند. با شروع از نمودار Voronoi، تمام خطوطی که دارای طول یکسانی با اندازه سلول تعریف شده نقشه چگالی (100 متر) هستند، مانند تمام خطوط آویزان حذف می شوند. خطوط باقیمانده یک شبکه تشکیل می دهند که سپس به چند ضلعی تبدیل می شود (خطوط خاکستری در شکل 3ج). در مورد سکونتگاه های بسیار بزرگ و فشرده، مانند شهرهای بزرگ، ممکن است لازم باشد پارتیشن های حاصل را به صورت دستی تقسیم کنیم تا کامپیوتر بتواند محاسبات بعدی را انجام دهد. با این حال، این همیشه با اثرات لبه نامطلوب همراه است.

2.2. ایجاد بلوک خیابان و بلوک شهر

از نقطه نظر برنامه ریزی شهری، بلوک شهر کوچکترین واحد شهری و یک نقطه مرجع مهم برای تحلیل های فضایی است [ 92 ]. ما از دو تعریف بلوک های شهری استفاده می کنیم. Conzen [ 93 ] بلوک شهر را به عنوان بسته یا گروهی از بسته های مجاور که به طور جزئی یا کامل توسط جاده ها احاطه شده اند، توصیف می کند [ 93 ]. او این بلوک های شهر را بلوک های خیابان می نامد. در ادامه از این اصطلاح برای اشکال چند ضلعی که از داده های شبکه جاده ها و چند ضلعی های پارتیشن گرفته شده اند استفاده خواهیم کرد. فقط مناطقی که کاملاً توسط جاده ها، خیابان ها و طرح کلی چندضلعی پارتیشن احاطه شده اند، می توانند یک بلوک خیابان را تشکیل دهند. Luft و Bender بیان می‌کنند که بلوک‌های شهری نیز ممکن است بخشی از یک منطقه ساخته‌شده غالب باشند که توسط خطوط توپوگرافی محصور شده است، به ویژه توسط جاده‌ها یا مسیرها [ 94 ]. در مدل ما، خطوط راه آهن، پوشش گیاهی برجسته (به عنوان مثال، جنگل و باتلاق) و بدنه های آبی به عنوان عناصر توپوگرافی در نظر گرفته می شوند. ویژگی‌های توپوگرافی مانند موانع ژئوفیزیکی، ارتفاعات یا حتی شیب‌ها (سدها، خاکریزها، خندق‌ها، رودخانه‌ها و موارد مشابه) و لبه‌های جنگل به طور منظم مرزهای یک UGB را تشکیل می‌دهند [ 83 ، 95]. در مطالعه ما این بلوک های ساختار یافته تر را بلوک های شهری می نامیم . آنها با ادغام خطوط یا چند خط داده های مربوطه با خطوط کلی چند ضلعی های پارتیشن ایجاد می شوند. پس از آن، این چند خط همانطور که در بالا توضیح داده شد به چند ضلعی تبدیل می شوند. در مجموعه داده های مربوطه، تمام چند ضلعی هایی که شامل ساختمان نیستند حذف می شوند.

2.3. محاسبه آستانه پوشش ساختمان

برای تجمعات مورفولوژیکی، تعیین یک محدودیت مجاورت یا آستانه فاصله برای ارائه یک مرز عینی، قابل تکرار و قابل مقایسه می تواند مفید باشد [ 96 ]. از سوی دیگر، یک آستانه فاصله ثابت دقیقاً ساختارهای استقرار اغلب متغیر و فاصله ساختمان‌های همسایه را منعکس نمی‌کند [ 29 ]. برای غلبه بر این مشکل، آستانه‌های «محلی» اغلب بر اساس داده‌های موجود محاسبه می‌شوند [ 29 ].
روش ما از شاخص نسبت پوشش ساختمان برای کمک به ترسیم مرزهای شهر استفاده می کند. این نسبت مساحت مجموع ردپای ساختمان به مساحت یک منطقه ساخته شده مربوطه (m2 / m2 ) است. این یک شاخص رایج در مطالعات در این زمینه است و به عنوان تراکم ردپای ساختمان نیز شناخته می شود [ 36 , 84]. در اینجا بلوک های خیابان به عنوان واحد مرجع فضایی برای محاسبه پوشش ساختمان استفاده می شود. از آنجایی که بلوک‌های خیابان در لبه شهرک‌ها بسیار بزرگ هستند (به دلیل انتقال به فضای باز) و بنابراین محاسبه مقدار آستانه را مخدوش می‌کنند، تنها بلوک‌های واقع در مرکز شهرک در نظر گرفته می‌شوند. در ابتدا، تمام ساختمان ها به عرض 100 متر بافر می شوند. متعاقبا، بافرهای همپوشانی حل می شوند و بلوک هایی که به طور کامل در هر ناحیه بافر قرار دارند انتخاب می شوند. با این حال، فقط بلوک هایی که حداقل شامل 20 ساختمان و بخش ساختمان هستند برای محاسبه انتخاب می شوند ( شکل 4)). از آنجایی که پارتیشن‌هایی نیز وجود دارند که نمی‌توان نسبتی برای آنها محاسبه کرد، به دلیل شکل آنها یا به دلیل اینکه ساختمان‌های کافی برای تشکیل یک نشست وجود ندارد، یک مقدار پایه (نسبت پوشش جهانی ساختمان) در ابتدا با اعمال همین رویه برای کل منطقه مطالعه در غیر این صورت، نسبت پوشش ساختمان برای هر پارتیشن قبل از هر اجرا مجدداً محاسبه می شود (نسبت پوشش محلی ساختمان).

2.4. فیلتر معنایی و مکانی

همه ساختمان ها برای تعیین UGB مرتبط نیستند. به منظور شناسایی ساختمان های مربوطه، فیلتر سه مرحله ای اعمال می شود. در مرحله اول، تمام ساختمان هایی که معمولاً عملکرد آنها به UGB اختصاص داده نمی شود، شناسایی می شوند. طبق § 35 قانون ساختمان فدرال آلمان (BauGB)، پروژه های ساختمانی که عملکردهای خاصی را انجام می دهند، خارج از UGB مجاز هستند. در بیشتر موارد، اینها عملکردهایی هستند که در شهرک ها نامطلوب هستند، به عنوان مثال، تصفیه خانه های فاضلاب، آسیاب های بادی یا تأسیسات دامپروری. علاوه بر این، ساختمان‌هایی در خارج از UGB یافت می‌شوند که با توجه به عملکردشان، به توسعه مورد نظر یک سکونتگاه، مانند بخش‌ها یا خانه‌های آخر هفته کمکی نمی‌کنند (به جدول 1 و شکل 1 مراجعه کنید.). این توابع ساختمان به فیلتر ساختمان منفی اضافه می شوند ( جدول 1 را ببینید). با این حال، این فیلتر ساختمان منفی را نمی توان به عنوان یک معیار قابل اعتماد در نظر گرفت زیرا برخی از استفاده ها هم در داخل و هم در خارج از UGB رخ می دهد ( شکل 5 را ببینید). برای مثال، در حالی که انبارها و اصطبل ها استفاده معمولی از ساختمان ها در مناطق دورافتاده را نشان می دهند، در اروپا نیز بخشی از منظر شهری معمولی سکونتگاه های روستایی هستند [ 89 ]. بنابراین، مرحله دوم فیلتر برای جلوگیری از حذف ساختمان هایی که متعلق به UGB هستند، ضروری است. به عنوان ساختمان های مسکونی، ساختمان های تجاری و ساختمان های عمومی عمدتاً در داخل UGB [ 95 ] واقع شده اند ( جدول 1 را ببینید.) از این گروه از ساختمان ها (فیلتر ساختمانی مثبت) برای ایجاد چند ضلعی انتخاب فرعی استفاده می شود. با این حال، این ساختمان ها باید سطح معینی از اهمیت داشته باشند تا بخشی از یک شهرک در نظر گرفته شوند [ 95 ]. سپس تمام ساختمان های فیلتر مثبت به یک لایه نقطه ای تبدیل می شوند. با استفاده از عملکرد توضیح داده شده در بخش 2.1، یک رستر چگالی از این لایه تولید می شود که سپس به یک شبکه نقطه ای تبدیل می شود که این مقادیر چگالی را نشان می دهد. در مثال، تمام نقاط این شبکه با مقدار چگالی کمتر از 0.0003 حذف شدند و بقیه با شعاع 50 متر بافر شدند. مقدار چگالی به طور تجربی به گونه ای تعیین می شود که ساختمان های مسکونی منفرد یا آنهایی که در فاصله ای از یکدیگر قرار دارند، در تولید چند ضلعی های بافر نقشی نداشته باشند. از آنجایی که فاصله 100 متری نیز برای شبکه نقطه ای در اینجا انتخاب شده است، بافر 50 متری هندسه تقریبا بسته ای را تشکیل می دهد. در نهایت، ساختمان‌هایی که قبلاً توضیح داده شده‌اند که در ناحیه بیرونی مجاز هستند و خارج از این چند ضلعی‌های بافر هستند، حذف می‌شوند. در نهایت، ساختمان‌های کوچک و ضمیمه‌های ساختمانی که مربوط به ایجاد UGB نیستند نیز حذف می‌شوند. به این منظور، اشیاء با استفاده از مقادیر آستانه فیلتر می شوند. در مورد در دست، آستانه 56.8 متر2 برای تمام ساختمان های مجزا، و آستانه 35 متر مربع برای تمام ساختمان ها و ضمیمه های غیر جدا استفاده شد. آستانه ها به صورت تجربی تعیین شدند و از [ 97 ] گرفته شده اند.

2.5. شناسایی بلوک های متراکم توسعه یافته

در این مرحله، تمام بلوک‌هایی که به قدری متراکم ساخته شده‌اند شناسایی می‌شوند که تصور می‌شود کاملاً در UGB هستند. بدین منظور ضریب پوشش ساختمانی برای تمامی بلوک‌های شهری تعیین می‌شود و سپس بلوک‌هایی که ضریب پوشش ساختمانی بالاتر از 18 درصد دارند برای پالایش از پیش انتخاب می‌شوند. بررسی‌های خود ما با کمک تشریح‌های متخصص براندنبورگ (به بخش 3 مراجعه کنید ) نشان داده است که یک بلوک کامل، که این معیارهای طبقه‌بندی را با احتمال 95 درصد برآورده می‌کند، در یک UGB قرار دارد. بلوک های متراکم کمتر به مرحله پردازش بعدی منتقل می شوند.

2.6. حداقل تجمع بر اساس درخت پوشا

بر اساس ساختمان‌های موجود در بلوک‌های شهری باقی‌مانده، یک مثلث‌سازی دلونی بر روی مرکز چندضلعی‌های ساختمانی انجام می‌شود. یال های نمودار با فاصله لبه ساختمان تا لبه ساختمان وزن می شوند. پس از آن، نمودار وزنی برای ایجاد حداقل درخت پوشا (MST) استفاده می شود. الگوریتم کروسکال (بخشی از بسته پایتون networkX) برای محاسبه MST استفاده می شود [ 99 ، 100]. پس از آن، تمام لبه های نمودار حذف می شوند، که توسط جاده های طولانی تر از 50 متر عبور می کنند. این باعث ایجاد درختان کوچکتر می شود. تجمیع با گروه بندی چندین ساختمان با هم با استفاده از یک مستطیل حداقل مرزی با وزن لبه (MBR) در امتداد شاخه های درخت انجام می شود. الگوریتم خود توسعه یافته برای ایجاد MBR در الگوریتم 1 توضیح داده شده است. مستطیل های حاصل در امتداد لبه های غالب گروه ساختمان جهت گیری می کنند ( شکل 6 ب).
این شکل خاص از هندسه مستطیل حداقل محدود انتخاب شد زیرا UGB ها در آلمان عموماً در پشت آخرین ساختمان پیشرفت های مداوم ختم می شوند [ 95 ]. در واقع، UGB همچنین شامل فضای باز مرتبط است که اغلب به عنوان باغ یا حیاط استفاده می شود [ 83 ]. مساحت حاصل از ساختمان ها و فضاهای باز مرتبط اغلب مطابق با قطعه زمینی است که در کاداستر محلی تعیین شده است. در آلمان، اینها عمدتاً مستطیل شکل هستند و به صورت عمود یا موازی با خیابان یا ساختمان ها اجرا می شوند. اگرچه استفاده از مرزهای بسته به طور کلی به عنوان یک معیار مبهم برای تعیین یک UGB در نظر گرفته می شود [ 83 , 95]، آنها اغلب مرزهای کاربری زمین را نشان می دهند. در مورد توسعه ناهموار در حاشیه یک شهر یا روستا، گروه های ساختمانی یا ساختمان های فردی باید به طور جداگانه محدود شوند [ 83 ]. هر دو الگوریتم MBR و الگوریتم تجمع مبتنی بر MST که در زیر توضیح داده شده است بر اساس این اصول هستند.

الگوریتم 1. الگوریتم مستطیل حداقل حد
Ijgi 10 00353 i001
هدف از الگوریتم تجمیع خود توسعه یافته (به الگوریتم 2 مراجعه کنید) این است که ساختمان ها را در گروه هایی ترکیب کند اگر نسبت مجموع مساحت های این ساختمان ها به مساحت MBR از نسبت پوشش محلی ساختمان (آستانه) بیشتر باشد. . در مرحله اول، MST به لیستی از جفت گره ها با ویژگی های طول تبدیل می شود. سپس لیست بر اساس طول به ترتیب صعودی مرتب می شود. با شروع با اولین عنصر در لیست، یعنی جفت ساختمان هایی با کمترین فاصله، الگوریتم تعیین می کند که آیا یکی از دو گره قبلاً عضو یک گروه است (اعضای گروه در لیست گروه ذکر می شوند). اگر اینطور باشد، دو گره جدید به طور موقت به گروه مربوطه اضافه می شوند. سپس تمام ساختمان ها با توجه به گره های گروه با استفاده از الگوریتم MBR محدود شده و در برابر مقدار آستانه بررسی می شوند. اگر مقدار نسبت پوشش ساختمان بالاتر از مقدار آستانه نسبت پوشش محلی ساختمان باشد، گروه با اعضای جدید در لیست گروه ذخیره می شود. در غیر این صورت گروه قدیمی حفظ می شود. اگر هیچ یک از دو گره عضو گروهی در لیست گروه نباشد یا گره اضافی را نتوان به یک گروه اضافه کرد، یک گروه جدید ایجاد می شود. در اینجا MBR نیز توسط دو عضو تشکیل می شود و نسبت پوشش ساختمان تعیین می شود. اگر بالاتر از مقدار آستانه باشد، گروه در لیست گروه ها ذخیره می شود. این روش برای تمام عناصر موجود در لیست، به ترتیب لبه ها یا جفت ساختمان ها انجام می شود. نتیجه نهایی الگوریتم لیستی است که شامل فهرست های فرعی از گروه های ساختمانی است.

الگوریتم 2. الگوریتم تجمع مبتنی بر MST
Ijgi 10 00353 i002

2.7. اصلاح

در فرآیند پالایش (ر.ک. شکل 7 )، MBR ساختمان‌های بزرگ منفرد (جای پای ساختمان > 300 متر مربع ) و مستطیل‌های حاصل به شبکه جاده‌ها متصل می‌شوند و با چند ضلعی‌های بلوک توسعه‌یافته ادغام می‌شوند. سپس شکاف ها و سوراخ ها بسته می شوند. در نهایت، مناطق بسیار کوچک برای تشکیل UGB حذف می شوند.
Snapping با ایجاد چند ضلعی بین هر مستطیل و جاده های مجاور انجام می شود. از آنجایی که، بسته به موقعیت، ممکن است یک مستطیل به چندین جاده، گاهی اوقات در جهات مختلف، متصل شود، یک روش انعطاف پذیر مورد نیاز است. برای این منظور از گوشه های مستطیل تا شبکه راه ها کوتاه ترین چند خط ممکن تشکیل می شود. این خطوط با توجه به جهت آنها گروه بندی می شوند.
سپس میانگین طول برای هر گروه محاسبه می شود. اگر میانگین طول گروهی 1.5 برابر بیشتر از میانگین طول گروهی باشد که کوتاه ترین طول را دارد، خطوط درون این گروه حذف می شوند. در مطالعه موردی ما، ضریب به‌طور تجربی تعیین شد تا اطمینان حاصل شود که وقتی گروهی از ساختمان‌ها (کم و بیش) از چندین جاده به یک اندازه فاصله دارند، چند خطوط حاصل حذف نمی‌شوند. چند ضلعی ها از خطوط باقیمانده، لبه های مستطیل و بخش جاده تولید می شوند. همه چند ضلعی هایی که پنج برابر بزرگتر از خود مستطیل هستند یا 4900 متر مربع ( به زیر، آستانه شکاف مراجعه کنید) حذف می شوند. این عمل برای تمام مستطیل ها انجام می شود. در نهایت، مستطیل ها و چند ضلعی های باقی مانده به چند ضلعی های تک قسمتی حل می شوند.
اجماع عمومی این است که یک منطقه توسعه نیافته بین ساختمان‌های موجود در لبه سکونتگاه در داخل UGB است اگر آن منطقه بیش از دو قطعه نباشد [ 95 ]]. پس از محاسبه تمام مرزها در منطقه مورد مطالعه، مجدداً بررسی می شوند تا شکاف های باریک بین آنها بسته شود. اگر منطقه را نتوان به UGB اختصاص داد، شکاف ایجاد می کند. شکاف می تواند یک شکاف در یک چند ضلعی یا ناحیه بین دو چند ضلعی باشد. برخلاف یک سوراخ، به طور کامل توسط یک هندسه محصور نشده است. بافر دوگانه برای تشخیص شکاف ها استفاده می شود: در مرحله اول، طرح کلی چند ضلعی های حل شده با 15 متر بافر می شود. دوم، طرح کلی چند ضلعی های حاصل دوباره با 15 متر بافر می شود. با کم کردن این خطوط بافر از چند ضلعی های بافر اولیه، چند ضلعی های جدیدی ایجاد می شوند که نشان دهنده شکاف ها هستند. چند ضلعی های شکاف کوچکتر از 200 متر مربع حذف می شوند، زیرا بیشتر در گوشه ها به عنوان یک اثر جانبی بافر رخ می دهند. با توجه به Bukies و همکاران. [ 89]، یک منطقه توسعه نیافته دو تا سه قطعه ساختمانی، یعنی تقریباً 50 تا 60 متر، معمولاً در داخل UGB فرض می شود. حتی یک فضای باز تا 90 متر لزوماً منطقه ساخته شده را قطع نمی کند [ 83 ]. به منظور اجتناب از ترجیح ساختار سکونتگاه پراکنده نسبت به اشکال استقرار فشرده و صرفه جویی در فضا، شکاف های بین ساختمان ها تا 70 متر، یعنی تا 4900 متر مربع در مورد یک مربع به UGB اضافه شد [ 89] . ]. چند ضلعی های شکاف کوچکتر از این به اصطلاح آستانه شکاف در صورتی حفظ می شوند که حداقل 70 درصد محیط آنها با چند ضلعی منحل شده هم مرز باشد، زیرا یک قطعه زمین معمولاً اگر توسط ساختمان هایی از سه طرف احاطه شده باشد به یک UGB اختصاص داده می شود [ 98 ]]. با این حال، تعداد زیادی از مناطق توسعه نیافته بین ساختمان ها در UGB وجود دارد که به دلیل وسعت آنها نمی توان آنها را به عنوان مناطق ساخته شده طبقه بندی کرد. به خصوص در مورد بلوک های توسعه نیافته، پارک ها، فضای سبز یا علفزارها، تعیین حدود از داخل ممکن است مناسب باشد. اگر این مناطق توسعه نیافته حفره هایی را تشکیل دهند که بزرگتر از 1 هکتار هستند، از منطقه استقرار کسر می شوند [ 89 ]. همین امر در مورد مناطق شکاف نیز صدق می کند. به گفته لانگ و همکاران. چند ضلعی های با فشردگی کم و مساحت کوچک (<1 هکتار) باید حذف شوند زیرا برای توسعه شهری امکان پذیر نیستند [ 57 ]. بوکیس و همکاران همچنین بیان کرد که صرف نظر از جنبه کیفی مجاورت، تعداد ساختمان های مسکونی موجود باید دارای وزن معینی باشد [ 89 ]]. از نظر ساختارهای سکونتگاهی مختلف، در حالی که هیچ حداقل پذیرفته شده ای وجود ندارد، معمولاً حدود 20 تا 25 ساختمان مسکونی برای تشکیل یک UGB مستقل کافی در نظر گرفته می شود [ 89 ]. بر این اساس، مناطق خرد شده کوچکتر از 1 هکتار و با کمتر از 20 ساختمان در مورد ما حذف شد. پس از محاسبه تمام مرزها در منطقه مورد مطالعه، مجدداً بررسی می شوند تا شکاف های باریک بین آنها بسته شود.

2.8. مقایسه نمونه ای از ترسیم های کارشناسی و مرزهای رشد شهری

یک راه ساده برای مقایسه دو مرز، در نظر گرفتن تقاطع آنها و اندازه گیری مناطق بین آنها (به اصطلاح چندضلعی های اعوجاج) است [ 101 ، 102 ]. برای این منظور، نواحی UGB ها با هندسه های مقایسه ای پوشانده شدند تا مناطق تقاطع را نشان دهند (معادله ( 1 )).

آ△ب=(آ\ب)∪(ب\آ).
در اینجا لازم است بین انحرافات ناحیه مثبت و ناحیه منفی تفاوت قائل شویم. انحرافات ناحیه مثبت در UGBهای تولید شده وجود دارد، اما در EDها وجود ندارد. در مقابل، انحرافات ناحیه منفی در UGB ها تعریف نشده اند، اما در ED ها وجود دارند. به منظور تجزیه و تحلیل دقیق تر انحرافات، ما هشت نوع انحراف با ناحیه مثبت ( شکل 8 را ببینید ) و هشت نوع انحراف منطقه-منفی (نگاه کنید به شکل 9 ) تعریف کردیم. هر منطقه فقط به یک نوع انحراف اختصاص داده شد.
هر کلاس از انحرافات ناحیه مثبت مربوط به یک کلاس منطقه منفی است. طبقه بندی بر اساس اندازه مساحت، نسبت پوشش ساختمان و کاربری زیربنایی زمین بود ( جدول 2 ). کلاس ها به گونه ای تعریف شده بودند که با ارزشیابی به سؤالات تحقیق پاسخ داده شود. آستانه پوشش ساختمان (BC) بر اساس مقادیر برگرفته از ادبیات [ 36 ، 103 ] است: تکه‌های خالی (BC <3%)، تکه‌های پایین قبل از میلاد (3٪ تا <15٪ قبل از میلاد)، مناطق با BC بالا (BC > 15) ٪. در نهایت، مجموع مساحت انواع در رابطه با مساحت کل تنظیم می شود. معیارهای تشخیص لکه هایی با مناطق عمدتا صنعتی یا تجاری ( آمنnدسیoمترمتر+، آمنnدسیoمترمتر–) اندازه مساحت حداقل 1 هکتار، نسبت پوشش ساختمان بیش از 15٪ است. حداقل 50 درصد از مساحت پچ در ATKIS ® Base DLM به عنوان یک منطقه صنعتی یا تجاری تعیین شده است. مناطق مسکونی که در ED گنجانده نشده اند به عنوان آآرهسمند+; آنهایی که در UGB به عنوان گنجانده نشده اند آآرهسمند–. به منظور شناسایی این مناطق، وصله هایی که حداقل 50٪ به عنوان مناطق مسکونی، مناطق کاربری ترکیبی یا مناطق با ویژگی های عملکردی خاص طبقه بندی شده اند از قبل انتخاب می شوند. کسانی که حداقل وسعت 1 هکتار و نسبت پوشش ساختمان بیش از 15% دارند به کلاس اختصاص داده می شوند. مناطقی با ساختمان‌های مجزا یا گروه‌هایی از ساختمان‌ها در حاشیه یک سکونتگاه نشان‌دهنده دسته دیگری از طبقات است: اگر نسبت پوشش ساختمان بیش از 15٪ باشد، آنها به طبقه اختصاص داده می‌شوند. آبدgEدgه+یا آبدgEدgه–. اگر نسبت پوشش ساختمان پچ بین 3% و ≤15% باشد، این مناطق به کلاس اختصاص داده می شوند. آLowDهnسبدgجیrپ+یا آLowDهnسبدgجیrپ–. مناطق با نسبت پوشش ساختمانی ≤3% به عنوان تکه های توسعه نیافته در نظر گرفته می شوند و به طبقه اختصاص داده می شوند. آEمترپتیyآrهآ+یا آEمترپتیyآrهآ–. وصله هایی با درجه پوشش کمتر از 3% که به طور کامل توسط UGB محصور شده اند، بنابراین نشان دهنده حفره ها هستند، به عنوان کلاس ثبت می شوند. آاچoلهس+یا آاچoلهس–. کلاس ها آLآrgهEمترپتیyآrهآ+و آLآrgهEمترپتیyآrهآ–شامل تکه های بزرگ بیش از 1 هکتار است که شامل هیچ ساختمان یا تنها ساختمان های منفرد نیست (نسبت پوشش ساختمان <3٪). تمام مناطق دیگر بدون ساختمان در لبه سکونتگاه ها به عنوان طبقه طبقه بندی می شوند آEمترپتیyآrهآ+یا آEمترپتیyآrهآ–. اگر بدنه تسویه حساب به طور کامل در UGB وجود نداشته باشد، منطقه برای تایپ اختصاص داده می شود آاسهتیتیبoدy–. اگر ارگان های اسکان اضافی وجود داشته باشد، این ها به عنوان طبقه بندی می شوند آاسهتیتیبoدy+. از آنجایی که بسیاری از چند ضلعی های تکه تکه در طول فرآیند تقاطع ایجاد می شوند، که نتایج را جعل می کند، وصله های <250 متر مربع حذف می شوند. این مقدار همچنین در مطالعات دیگر به عنوان آستانه ای برای مناطقی که می توان با خیال راحت نادیده گرفت استفاده شده است [ 85 ، 90 ].

3. مناطق و داده های مطالعه

در آلمان، تفاوت های منطقه ای زیادی در تراکم سکونتگاه، ساختار سکونتگاه و پویایی سکونت وجود دارد [ 5 ، 6 ، 7 ]. این تأثیر مستقیمی بر نحوه ترسیم UGB ها دارد. برای پوشش سناریوهای توسعه مربوطه، ما روش خود را در سه منطقه در آلمان که داده‌های ED مناسب برای آنها در دسترس بود، اعمال کردیم: ایالت براندنبورگ، منطقه هانوفر و فرانکفورت/ماین.
براندنبورگ 29654 کیلومتر مربع مساحت و 2.5 میلیون نفر جمعیت دارد. این ایالت با تراکم جمعیت 85 نفر در کیلومتر مربع ، دومین ایالت فدرال کم جمعیت است. این ایالت به 413 شهرداری تقسیم شده است [ 104 ]. منطقه هانوفر با 1.1 میلیون نفر و مساحت 2299 کیلومتر مربع ، دومین منطقه کوچک از سه منطقه مورد مطالعه است. تراکم جمعیت 492 نفر/کیلومتر مربع است که تقریباً میانگین مقدار برای مناطق آلمان است [ 105 ]. این منطقه از 21 شهرداری تشکیل شده است. شهر فرانکفورت/ماین با خط افق آسمان خراش معروفش، یکی از مهم ترین قطب های مالی اروپا است. مساحت آن تقریباً 248 کیلومتر مربع استو 750000 نفر جمعیت دارد. تراکم جمعیت 3008 نفر در کیلومتر مربع است [ 106 ] .
مناطق مورد مطالعه فقط به مناطق فرعی در محدوده اداری این مناطق یا شهرها اشاره دارد ( شکل 10 ). آنها به طور قابل توجهی در شهرنشینی و وسعت فضایی خود متفاوت هستند ( جدول 3 ). منطقه مورد مطالعه در براندنبورگ 2887 کیلومتر مربع را پوشش می دهد که حدود 10٪ از قلمرو ایالت را تشکیل می دهد. این به سه منطقه فرعی عمدتاً روستایی تقسیم می شود که در شرق، جنوب غربی و غرب ایالت قرار دارند. متوسط ​​مساحت یک شهرک 9 هکتار است. در مجموع 618 شهرک منفرد یا بخش هایی از سکونتگاه ها در براندنبورگ مورد بررسی قرار گرفت.
مناطق مورد مطالعه در منطقه هانوفر در حلقه ای در اطراف شهر هانوفر با مساحت کل 47 کیلومتر مربع قرار دارند. در مجموع 164 آبادی با مساحت متوسط ​​20 هکتار در اینجا مورد توجه است. منطقه مورد مطالعه فرانکفورت / ماین دارای وسعت فضایی 144 کیلومتر مربع است که 58٪ از شهر را پوشش می دهد. آنها شامل 48 منطقه جداگانه با وسعت متوسط ​​118 هکتار بودند.
سکونتگاه‌های مورد مطالعه بر اساس معیارهای مکانی (مثلاً مکان در منطقه مورد مطالعه) و در دسترس بودن داده‌های ED انتخاب شدند، زیرا یک ED برای هر شهرک در یک منطقه در دسترس نبود. پیکربندی خاص مناطق انتخاب شده به ساختارهای استقرار موجود و پارتیشن بندی بستگی دارد (به بخش 2.1 مراجعه کنید ).
در این مطالعه، ما از محصول داده ملی چند ضلعی های ساختمانی رسمی (HU-DE) آلمان از سال 2011 تا 2019 استفاده کردیم. چند ضلعی ها به غیر از یک کلید رسمی شهرداری [ 107 ] حاوی هیچ اطلاعات انتسابی نیستند . مجموعه داده HU-DE هر سال به روز می شود. برای غنی‌سازی داده‌ها با ویژگی‌های بیشتر، از داده‌های ساختمان سه بعدی از سال 2016 استفاده کردیم که شامل ارتفاع شی و شناسه، نشانه‌های کیفیت و عملکرد ساختمان است [ 108 ]]. در نهایت، ما از داده‌های شبکه‌های خیابانی و جاده‌ای و همچنین داده‌های توپوگرافی، به عنوان مثال، در جنگل‌ها، گرما، باتلاق‌ها و مرداب‌ها از سال 2011 تا 2017 به عنوان داده‌های کمکی سیستم اطلاعات توپوگرافی-کارتوگرافی معتبر (ATKIS® Base DLM) استفاده کردیم . این مجموعه داده ها برای کل آلمان در دسترس هستند [ 109 ]. جدول 4 نمای کلی از داده های مورد استفاده و منابع آنها را برای مناطق مختلف مطالعه ارائه می دهد.
همانطور که در بالا توضیح داده شد، داده های مفید و به روز UGB در حال حاضر محدود است. بنابراین برای ارزیابی نتایج خود، از داده های مقایسه ای ایجاد شده توسط کارشناسان استفاده کردیم. این توصیفات تخصصی (EDs) از مقامات برنامه ریزی منطقه ای در هر یک از سه منطقه به دست آمد. در مورد ایالت براندنبورگ، ED مجموعه ای از قوانین است که طبق قانون ساختمان فدرال § 34 است. آنها در دوره بین سال های 2009 تا 2019 توسط شهرداری ها تصویب شدند.
برای فرانکفورت/ماین، مرزها به صورت دستی در سال 2011 ایجاد شدند. در اینجا، کارشناسان منابع مختلف داده را یکپارچه کردند: منطقه بندی مناطق مسکونی و ساختمان های مختلط که در طرح کاربری منطقه ای مشخص شده است، مناطق شهری همانطور که در عکس های هوایی نشان داده شده است و اطلاعات مربوط به مناطق توسعه. این مرزها در ابتدا برای تشخیص پتانسیل‌های توسعه پرکننده [ 90 ] تعریف شدند.
به طور مشابه، داده های مقایسه ای برای منطقه هانوفر به صورت دستی در سال 2005 از یک نقشه نقشه برداری خودکار زمین و عکس های ارتو به عنوان بخشی از برنامه برنامه ریزی منطقه ای برای ثبت تمام سکونتگاه های کوچک با کمتر از 2000 نفر ایجاد شد [ 89 ]. بنابراین، داده ها تنها بخش هایی از منطقه را پوشش می دهند.
ED ها معمولاً به گونه ای ایجاد می شوند که کل منطقه استقرار سکونتگاه مربوطه را پوشش می دهند. با این حال، هیچ یک از این ED ها به معنای UGB کامل نیستند. داده ها برای هانوفر و فرانکفورت فقط مناطق مسکونی و نه مناطق تجاری و صنعتی را در نظر گرفته است. تمرکز در اینجا بر روی شناسایی پیشرفت‌های پرشده در این مناطق مسکونی بود. برای براندنبورگ، قوانین منطقه کامل سکونت گاه را منعکس نمی کنند، زیرا مساحت طرح کاربری قانونی زمین را پوشش نمی دهند و شهرداری های فردی موظف به تصویب هیچ قانونی نیستند. ED ها توسط مقامات مربوطه ارائه شده است ( جدول 4 را ببینید ).

4. نتایج

روشی که در بالا توضیح داده شد در سه منطقه مطالعه براندنبورگ، منطقه هانوفر و فرانکفورت/ماین به کار گرفته شد. نتایج ترسیم با توصیفات متخصص (EDs) مقایسه شد. جدول 5 انحرافات طبقه بندی شده، تعداد ویژگی های یک هندسه، مساحت مربوطه و نسبت این ناحیه به کل را نشان می دهد.
نسبت مساحت تقاطع برای هانوفر و فرانکفورت یکسان است، یعنی 75.8%. برای براندنبورگ ارزش 61.0٪ است. انحرافات ناحیه مثبت نسبت کل بیشتری نسبت به انحرافات مساحت منفی دارند. در اینجا مقادیر هانوفر (18.0٪، 6.0٪) و فرانکفورت (17.2٪، 6.8٪) نیز مشابه هستند. مقادیر برای براندنبورگ 24.1٪ و 14.7٪ است. تقریباً نیمی از تمام مناطق کوچکتر از 250 متر مربع ( مناطق طبقه بندی نشده) نیستند. نگاه دقیق‌تر به کلاس‌های انحراف فردی، نسبت‌های بزرگ‌تری را برای مناطق صنعتی و تجاری، مناطق مسکونی، مناطق با نسبت پوشش ساختمان پایین، مناطق خالی بزرگ و مناطق خالی کوچک نشان می‌دهد. نسبت مناطق مثبت صنعتی و تجاری ( آمنnدسیoمترمتر+) و مناطق مسکونی مثبت ( آآرهسمند+) 9.5 درصد هستند. 5.0 درصد برای فرانکفورت و 4.7 درصد در مقابل. 0.7 درصد برای هانوفر. برای مناطق بسیار روستایی در براندنبورگ، مقادیر مربوطه 4.0٪ و 3.5٪ است. با این حال، مناطق صنعتی و تجاری معمولاً به UGB اختصاص داده می‌شوند که حداقل برخی از ساختمان‌های اجتماعی، ادارات یا ساختمان‌های اداری را نیز شامل شوند [ 95 ]. با این حال، اینها اغلب از ED ها حذف می شوند، که اغلب فقط برای مناطق مسکونی ایجاد می شوند [ 89 ] (ر.ک. شکل 8). آمنnدسیoمترمتر+). بنابراین، این مناطق نباید به عنوان خطا در تعیین یک UGB در نظر گرفته شوند. همین امر در مورد مناطق مسکونی نیز صدق می کند ( آآرهسمند+) (ر.ک. شکل 8 آآرهسمند+). در چنین مواردی، احتمالاً بین زمان تنظیم ED و تاریخ ثبت ردپاهای ساختمان، توسعه شهرک سازی صورت گرفته است، که توسط قوانین مربوطه پوشش داده نشده است. مناطق خالی بزرگ اضافی ( آLآrgهEمترپتیyآrهآ+) در تمام زمینه های مطالعاتی تنها نقشی جزئی دارند. مناطق بزرگ با مساحت مثبت، مناطقی را در لبه سکونتگاه‌ها نشان می‌دهند که می‌توانستند به دلیل نسبت پوشش ساختمان‌شان در UGB ادغام شوند، اما عمداً در ED حذف شدند. مناطق بزرگ توسعه نیافته ( آLآrgهEمترپتیyآrهآ–) تنها در براندنبورگ (3.1%) و فرانکفورت (3.6%) یافت می شوند. اینها بیانی از یک توسعه سکونتگاهی مطلوب سیاسی هستند، زیرا مناطق بزرگ و توسعه نیافته در اینجا در ED محصور شده اند (به شکل 1 و شکل 9 مراجعه کنید). از آنجایی که این مناطق در حاشیه سکونتگاه قرار دارند و توسعه نیافته اند، نباید به سکونتگاه به معنای محدودتر اختصاص داده شوند [ 95 ].
تخمین دقت ترسیم کاری دشوار است زیرا مناطقی که به درستی و نادرست ترسیم شده اند در همه کلاس ها گنجانده شده است. بنابراین دقت را فقط می توان تقریبی کرد. دقت روش برای منطقه مورد مطالعه فردی با مجموع تقاطع ها، مناطق صنعتی و تجاری تعیین می شود. آمنnدسیoمترمتر+) ، مناطق مسکونی ( آآرهسمند+) و مناطق بزرگ توسعه نیافته در حاشیه سکونتگاه ( آLآrgهEمترپتیyآrهآ–). به این ترتیب، دقت کلی برای براندنبورگ 74.6 درصد، برای منطقه هانوفر 81.6 درصد و برای فرانکفورت/ماین 93.9 درصد است ( جدول 6 را ببینید). با توجه به ساختار سکونتگاهی می توان نتیجه گیری زیر را گرفت. بیشترین انحرافات برای گروه‌هایی از ساختمان‌ها در لکه‌های مساحت مثبت با پوشش کم ساختمان وجود دارد. آLowDهnسبدgجیrپ+) با 10.8 درصد در براندنبورگ. به طور نسبی، این در مورد هانوفر و فرانکفورت نیز صدق می کند، اما به ترتیب تنها 5.2٪ و 1.8٪. نسبت پوشش کم مساحت منفی ساختمان تنها در براندنبورگ 5.2 درصد قابل توجه است. از یک طرف، این ممکن است به دلیل تعریف نسبتاً گسترده این کلاس ها باشد. از سوی دیگر، تخصیص این تکه ها به دلیل ساختارهای پراکنده و پراکنده سکونتگاهی که باعث پوشش کم ساختمان آنها می شود، دشوار است. این طبقات بیشتر در مناطقی با اشکال سکونتگاهی متفاوت رخ می دهد. بنابراین، این خطاها در براندنبورگ به دلیل سکونتگاه‌های کوچک و ناهمگون در این منطقه بسیار رایج است. درصد نواحی پیرامونی و در نتیجه تعداد موارد خاص که توسط الگوریتم قابل بازتولید نیستند نیز بیشتر است. وضعیت برای شهرک های منطقه هانوفر نیز مشابه است. در مقابل، UGB فرانکفورت، که در مجموع بسیار فشرده‌تر است، جدا از انحراف ناشی از فقدان مناطق صنعتی و تجاری، فقط انحرافات نسبتاً کمی را نشان می‌دهد. بنابراین، نتایج باید با توجه به تعداد، اندازه متوسط ​​نشست و طول کل لبه‌های سکونتگاه‌های مربوطه مورد مطالعه در نظر گرفته شود (نگاه کنید بهجدول 3 ) که تا حدی تفاوت بین مناطق مورد مطالعه منفرد را نسبی می کند. تکه های خالی کوچک ( آEمترپتیyآrهآ+، آEمترپتیyآrهآ–) نقش عمده ای در رابطه با فراوانی آنها دارند. با این حال، سهم آنها از کل مساحت تنها 2.7٪ و 3.9٪ در براندنبورگ، 3.1٪ و 3.8٪ در منطقه هانوفر و 0.4٪ و 1.1٪ در فرانکفورت / ماین است. این مقادیر، همراه با کلاس‌هایی که تاکنون به آنها پرداخته نشده است، بیانی از ابهام ذاتی در روند هستند. این مناطق نشان دهنده مناطق انتقال از توسعه فشرده به توسعه شهری به طور فزاینده گسترده و پراکنده است.
به طور خلاصه، می توان بیان کرد که UGB ها را می توان در سطح ریز دانه با روش ارائه شده ترسیم کرد. ارزیابی همچنین اجازه می دهد تا اظهاراتی در مورد جایی که تحدید حدود قابل اعتماد است و کجا با عدم قطعیت بیشتری همراه است، بیان شود. بیشترین دقت در منطقه فرانکفورت/ماین با 93.9 درصد مشاهده شد. دقت 81.6 درصد برای منطقه هانوفر و 74.6 درصد برای سکونتگاه های روستایی در براندنبورگ به دست آمد. به طور کلی، درک یک ترسیم واضح از UGB ها در مناطق تکه تکه شده، که در آن تنها چند ساختمان با فضاهای بزرگتر در بین آنها وجود دارد، دشوار است.

5. بحث

در بالا ما یک روش جدید برای ایجاد خودکار مرزهای رشد شهری (UGBs) برای مناطق بزرگ با استفاده از داده‌های جغرافیایی رایج ارائه کرده‌ایم. در مقایسه با رویکردهای قبلی در تعیین مرزهای شهر بر اساس داده های ساختمان [ 29 ، 74 ، 75 ، 76 ]، وضوح بالاتری به دست می آید. در ترکیب با سازگاری با آلمان که امکان تجزیه و تحلیل دقیق فرآیندهای تغییر کاربری زمین را فراهم می کند. این روش می تواند برای تولید UGB برای سکونتگاه های روستایی ( شکل 11 الف-ج) و همچنین شهرهای بزرگ ( شکل 11) استفاده شود.د)، بدین وسیله منبعی از داده های قبلاً در دسترس برای مطالعات آینده و کاربردهای عملی فراهم می کند. علاوه بر این، مرزهای تولید شده امکان ارزیابی هندسه‌های موجود مانند ترسیم‌های متخصص (EDs) و ATKIS ® -Ortslage را فراهم می‌کنند. به طور کلی، می توان گفت که این روش مناطق سکونتگاهی فشرده، مانند آنچه در فرانکفورت یافت می شود، دقیق تر از سکونتگاه های بسیار ناهمگن و پراکنده در مناطق روستایی براندنبورگ و هانوفر ترسیم می کند. به طور خاص، ترسیم بخش هایی از سکونتگاه با تراکم ساختمانی کم یا شکاف در توسعه دشوار است.
اینها بخش‌هایی از مرز هستند که الگوریتم نمی‌تواند جایگزین ترسیم توسط متخصصان شود، متخصصانی که قادرند مرزها را در یک زمینه کلی قرار دهند و در تفسیر داده‌های موجود بهتر به ویژگی‌های محلی پاسخ دهند. این امر به ویژه در انتقال از توسعه تکه تکه شده که به UGB اختصاص داده شده است به توسعه تکه تکه که مستثنی شده است قابل توجه است. همین امر در مورد مناطق کوچک توسعه نیافته نیز صدق می کند. با این حال، اینها مناطقی هستند که حتی کارشناسان در ترسیم صحیح شهرک برای آنها مشکل دارند [ 95 ].
از آنجایی که اکثر ED ها همه مناطق مربوطه را پوشش نمی دهند (به شکل 1 مراجعه کنید، نمی توان دقت UGB تولید شده به طور خودکار را تعیین کرد. واضح است که ED ها با اهداف متنوعی در ذهن ایجاد می شوند، آنها در تاریخ های خاصی ایجاد می شوند و ممکن است شامل مناطق توسعه نیافته یا حذف مناطق ساخته شده باشند. به عنوان مثال، EDهای تعیین شده توسط قانون هرگز مناطقی از یک طرح کاربری قانونی موجود را پوشش نمی دهند. الگوریتم این انحرافات را با استفاده از استانداردهای عینی یکسان برای تعیین حدود یکسان می کند. بنابراین، هر انحرافی خطا نیست، اگرچه ممکن است خطاهای واقعی نیز رخ دهد. به همین دلیل، نتایج نیازمند بررسی عمیق تر و ارزیابی دقیق تر است. تاکنون تنها با تعدیل نسبت پوشش ساختمان، تفاوت شهرهای بزرگ، شهرهای کوچک و سکونتگاه های روستایی در نظر گرفته شده است. شامل ارتفاع ساختمان مربوطه، مساحت ردپا،
مطالعه قبلی توسط Harig و همکاران. [ 79 ]، که با ترسیم خودکار مناطق ساخته شده بر اساس داده های توپوگرافی در آلمان سروکار داشت، از EDهای داده شده برای کالیبره کردن الگوریتم ترسیم [ 79 ] استفاده کرد. با این حال، این وجود این هندسه را پیش فرض می گیرد و کاربرد آن را به شدت محدود می کند.
با توجه به یک برنامه بین المللی، الزامات و انتظارات برای UGB ها به اندازه پویایی حل و فصل، شرایط چارچوب قانونی و برنامه ریزی در کشورهای مربوطه متفاوت است. در حالی که UGB ها در زمینه بین المللی نیز برای کنترل تصاحب زمین جدید خدمت می کنند، تمرکز در آلمان بیشتر بر تراکم و استفاده از پتانسیل های توسعه پر می باشد. ابزارهای دیگری برای اعلام مناطق توسعه جدید موجود است. از آنجایی که این رویکرد اساساً با شرایط آلمان تطبیق داده شد، که احتمالاً در اروپای مرکزی نیز وجود دارد، انتقال به مناطق خارج از اروپا تنها تا حد محدودی امکان پذیر است.
در حالی که هنوز فضا برای بهینه‌سازی الگوریتم برای ترسیم گروه‌های ساختمانی و صورت‌های فلکی پیچیده‌تر خیابان وجود دارد، حتی در شکل کنونی آن، این روش در حال حاضر طیف گسترده‌ای از کاربردها را ارائه می‌دهد، به عنوان مثال برای کمک به ارزیابی پتانسیل‌های توسعه منطقه‌ای یا بین منطقه‌ای. 85 ، ردیابی فرآیندهای تراکم [ 119 ] و همچنین در محاسبه شاخص های مرتبط مانند نسبت توسعه منطقه داخلی/خارجی [ 84 ]. علاوه بر این، UGB ها حتی می توانند نقش مهمی در توسعه و آزمایش ابزارهای برنامه ریزی جدید مانند گواهینامه های ساختمان ایفا کنند [ 87 ]]. بدیهی است که برای دستیابی به هدف ارتقای توسعه داخلی بر توسعه در حاشیه شهری و همچنین تقویت توسعه مناطق شهری یکپارچه، ابتدا تعریف هندسه UGB ضروری است [ 120 ].
تاکنون، وضعیت و تغییرات کاربری زمین به طور کلی با استفاده از داده های آماری منطقه ای و مرزهای اداری (شهرداری ها، شهرستان ها و غیره) ارزیابی شده است. مزیت این امر اتصال آسان داده های مربوطه با داده های اجتماعی-اقتصادی است [ 5 ]. UGB ها یک پایگاه داده را فراهم می کنند تا امکان تجزیه و تحلیل ویژگی های ساختاری اساسی الگوهای کاربری شهری و تغییرات آنها را مستقل از مرزهای اداری فراهم کند. مزیت در اینجا این است که تلاقی با داده های تخصصی آسان تر است و تجزیه و تحلیل در زیر سطوح تجمیع تعیین شده توسط مرزهای اداری امکان پذیر است. علاوه بر این، پیشرفت‌های در مقیاس کوچک را می‌توان برای ادارات محلی قابل مشاهده و اندازه‌گیری کرد، که در غیر این صورت به دلیل تجمع قوی داده‌های موجود پنهان می‌ماند.6 ]. بسیج موفقیت آمیز پتانسیل های توسعه تکمیلی نیز تا حد زیادی به اطلاع رسانی اهداف توسعه شهری به شهروندان یا ذینفعان بستگی دارد. تجسم موقعیت محلی فردی یک عامل حمایت کننده در همه برنامه ریزی های فضایی است. اغلب، ویژگی های جغرافیایی و توپوگرافی را نمی توان به اندازه کافی به صورت شفاهی توصیف کرد. بنابراین، نمایش دقیق و دقیق UGB ها و پتانسیل های درون شهر، مبنای مهمی برای کار برنامه ریزی است [ 88 ]. علاوه بر این، روش ارائه شده می تواند برای بازسازی تاریخی شهرک سازی استفاده شود. در حال حاضر روش هایی برای استخراج خودکار ساختمان [ 121 ] و استخراج بلوک ساختمانی [ 77 ] وجود دارد] بر اساس نقشه های توپوگرافی. از طریق تعیین خودکار مرزهای سکونتگاهی، عوامل شهری پویا مانند تراکم، رشد/پراکندگی یا انقباض را می توان در مقیاس های مختلف مورد بررسی قرار داد و به عنوان داده ورودی برای شبیه سازی استفاده کرد. در نهایت، روش ارائه شده برای ترسیم خودکار برای مدیریت و محدود کردن تعیین زمین ساختمانی با استفاده از سهمیه‌ها مناسب است، همانطور که قبلاً در طرح‌های منطقه‌ای تهیه‌شده در ایالت‌های هسن و برلین-براندنبورگ [ 122 ، 123 ] وجود دارد. نمونه اولیه این الگوریتم در حال حاضر برای این منظور توسط اداره ساخت و ساز و حمل و نقل ایالت براندنبورگ استفاده می شود.

6. نتیجه گیری

تعیین وسعت یک شهر برای اندازه گیری های سیستماتیک در مطالعات تطبیقی، در حکمرانی و برنامه ریزی شهری، برای اندازه گیری تغییرات در طول زمان، در ارزیابی اثرات زیست محیطی و همچنین در نقشه برداری و طبقه بندی زمین مهم است. به دلیل ناهمگونی و پیچیدگی ذاتی فضای شهری، معمولاً چنین خطوطی به صورت دستی توسط متخصصان ایجاد می شود. بنابراین، هر مجموعه داده حاصل به یک منطقه خاص، دوره تحقیق و استفاده اختصاصی مرتبط است. به منظور به دست آوردن داده های به روز، همگن، معنادار و مقرون به صرفه و همچنین برای جلوگیری از استفاده از خطوط تولید دستی یا نیمه خودکار، این مطالعه روشی را برای تولید UGB با استفاده از ردپای ساختمان و داده های توپوگرافی به طور کلی در دسترس ارائه می کند. به عنوان ورودی این در مناطقی در فرانکفورت/ماین اعمال شد، منطقه هانوفر و براندنبورگ روستایی در حالی که خواسته های برنامه ریزی و چارچوب قانونی آلمان برای توسعه فضایی را در نظر می گیرد. برای اینکه بتوانیم ارزیابی UGB ها را ممکن کنیم، یک رویه خودکار را بر اساس ترسیم‌های تخصصی ایجاد کردیم. این با تشکیل کلاس‌ها بر اساس پوشش ساختمان، اندازه و کاربرد، نقاط ضعف داده‌های UGB موجود را در نظر می‌گیرد. به این ترتیب می توان افراط و تفریط بیش از حد و کم را تشخیص داد و تحلیل کرد. نتایج نشان می‌دهد که این روش به طور کلی می‌تواند ضعف‌های داده‌های UGB در حال حاضر استفاده شده یا موجود را جبران کند و یک ترسیم فضایی فراگیر و جامع UGB‌ها را امکان‌پذیر کند. نتایج بهتری برای سکونتگاه‌های فشرده، سکونتگاه‌های شهری مانند فرانکفورت/ماین نسبت به سکونتگاه‌های روستایی و بسیار پراکنده مانند براندنبورگ به دست می‌آید. به خصوص،
بنابراین، تحقیقات آینده باید بر بهبود ترسیم مناطق کم تراکم در لبه سکونتگاه متمرکز شود، زیرا در حال حاضر این مناطق دارای بیشترین عدم قطعیت هستند، اما همچنین دارای پتانسیل زیادی برای توسعه سکونتگاه پایدار هستند. این رویکرد عموماً تا زمانی که در دسترس بودن و کیفیت کافی داده های ورودی ارائه شده باشد، در سطح بین المللی قابل انتقال است.
این رویکرد می تواند ابزار جالبی برای علوم فضایی و همچنین برای برنامه ریزان و ادارات باشد. حوزه احتمالی کاربرد، تجزیه و تحلیل الگوهای کاربری زمین شهری و تغییرات آنها، مستقل از مرزهای اداری در یک تفکیک فضایی است که قبلاً هرگز به دست نیامده بود. هندسه حاصل نیز می تواند برای تجسم مرزهای شهر برای پشتیبانی از برنامه ریزی استفاده شود. به عنوان مثال، برای کنترل و محدود کردن تعیین زمین ساختمانی از طریق سهمیه بندی مناسب است یا به ارزیابی پتانسیل های توسعه منطقه ای یا بین منطقه ای کمک می کند. بر این اساس می توان شاخص هایی مانند نسبت توسعه منطقه داخلی/خارجی را محاسبه کرد. علاوه بر این، نتایج می‌توانند به عنوان داده‌های اساسی برای توسعه و آزمایش ابزارهای برنامه‌ریزی جدید مانند گواهی‌های ساختمانی عمل کنند.

اختصارات

در این نسخه از اختصارات زیر استفاده شده است:

ATKIS ® سیستم اطلاعات توپوگرافی- کارتوگرافی معتبر
قبل از میلاد مسیح پوشش ساختمان
DLM مدل منظره دیجیتال
ED ترسیم کارشناسی
UGB مرز رشد شهری
MBR حداقل مستطیل مرزی
MST حداقل درخت پوشا

منابع

  1. 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 ]
  2. بانک جهانی. توسعه شهری – بررسی اجمالی 2021. در دسترس آنلاین: https://www.worldbank.org/en/topic/urbandevelopment/overview (در 2 مه 2021 قابل دسترسی است).
  3. Seto، KC; فراقیاس، م. گونرالپ، بی. ریلی، MK متا آنالیز گسترش جهانی زمین شهری. PLoS ONE 2011 ، 6 ، e23777. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  4. کولست، ا. لورانز، ی. لوورل، اچ. چه چیزی باعث گرفتن زمین و گسترش زمین شهری می شود؟ بررسی سیستماتیک سیاست کاربری زمین 2018 ، 79 ، 339-349. [ Google Scholar ] [ CrossRef ]
  5. Siedentop, S. Urban Sprawl—Verstehen, messen, steuern: Ansatzpunkte für ein empirisches Mess- und Evaluationskonzept der urbanen Siedlungsentwicklung. طرح DisP. Rev. 2005 , 41 , 23-35. [ Google Scholar ] [ CrossRef ]
  6. Siedentop، S. Fina، S. نظارت بر گسترش شهری در آلمان: به سوی یک رویکرد اندازه گیری و ارزیابی مبتنی بر GIS. J. کاربری زمین علمی. 2010 ، 5 ، 73-104. [ Google Scholar ] [ CrossRef ]
  7. کرچمر، او. اولتش، آ. بهنیش، ام. به سوی درک مصرف زمین در آلمان – طرح کلی عوامل تأثیرگذار به عنوان مبنایی برای تحلیل های چند بعدی. Erdkunde 2015 ، 69 ، 267-279. [ Google Scholar ] [ CrossRef ]
  8. Haines-Young، R. استفاده از زمین و روابط تنوع زیستی. سیاست کاربری زمین 2009 ، 26 ، 178-186. [ Google Scholar ] [ CrossRef ]
  9. آژانس محیط زیست اروپا سازگاری شهری با تغییرات اقلیمی در اروپا: چالش ها و فرصت ها برای شهرها همراه با سیاست های حمایتی ملی و اروپایی . گزارش فنی 2/2012; دفتر انتشارات رسمی اتحادیه اروپا: کپنهاگ، دانمارک، 2012; در دسترس آنلاین: https://data.europa.eu/doi/10.2800/41895 (دسترسی در 15 مارس 2021).
  10. اکو، جی. آیاما، یا اثرات پراکندگی شهری بر تنوع زیستی در زمین های کشاورزی پیرامونی در کالابار، نیجریه. جی. محیط زیست. علوم زمین 2013 ، 3 ، 14. [ Google Scholar ]
  11. Scalenghe، R. Marsan، FA مهر و موم انسانی خاک در مناطق شهری. Landsc. طرح شهری. 2009 ، 90 ، 1-10. [ Google Scholar ] [ CrossRef ]
  12. کارلسون، تحلیل TN و پیش‌بینی رواناب سطحی در یک حوضه شهری شهری با استفاده از تصاویر ماهواره‌ای. JAWRA J. Am. منبع آب دانشیار 2004 ، 40 ، 1087-1098. [ Google Scholar ] [ CrossRef ]
  13. Ministère de L’agriculture, de L’alimentation, de la Pêche; de la Ruralité et de L’aménagement du Territoire. Circulaire DGPAAT/SDB/C2012-3008 ; گزارش فنی؛ Ministère de L’agriculture, de L’alimentation, de la PêChe, de la Ruralité et de L’aménagement du Territoire: Paris, France, 2012. موجود آنلاین: https://www.haute-loire.gouv.fr/IMG /pdf/circulaire_CDCEADGPAATC20123008I.pdf (دسترسی در 15 مارس 2021).
  14. هورنویگ، دی. شکر، ال. Trejos Gómez، CL شهرها و انتشار گازهای گلخانه ای: حرکت رو به جلو. محیط زیست شهری. 2011 ، 23 ، 207-227. [ Google Scholar ] [ CrossRef ]
  15. سالیوان، WC; Lovell, ST بهبود کیفیت بصری توسعه تجاری در حاشیه روستایی-شهری. Landsc. طرح شهری. 2006 ، 77 ، 152-166. [ Google Scholar ] [ CrossRef ]
  16. کامانی، آر. جیبلی، ام سی; Rigamonti، P. تحرک شهری و فرم شهری: هزینه های اجتماعی و زیست محیطی الگوهای مختلف گسترش شهری. Ecol. اقتصاد 2002 ، 40 ، 199-216. [ Google Scholar ] [ CrossRef ]
  17. Le Goix، R. Gated Community: Sprawl and Social Segregation in Southern California. خانه گل میخ. 2005 ، 20 ، 323-343. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. بروکنر، جی کی پراکندگی شهری: تشخیص و درمان. بین المللی Reg. علمی Rev. 2000 , 23 , 160-171. [ Google Scholar ] [ CrossRef ]
  19. بانک جهانی. تغییر شکل جغرافیای اقتصادی ; شماره 2009 در گزارش توسعه جهانی; بانک جهانی: واشنگتن، دی سی، ایالات متحده آمریکا، 2009. [ Google Scholar ]
  20. مجمع عمومی سازمان ملل متحد تغییر جهان ما: دستور کار 2030 برای توسعه پایدار. در دسترس آنلاین: https://www.un.org/ga/search/view_doc.asp?symbol=A/RES/70/1&Lang=E (در 15 مارس 2021 قابل دسترسی است).
  21. کمیسیون اروپایی. گام های بعدی برای آینده پایدار اروپا اقدام اروپایی برای پایداری ; COM(2016) 739 Final; کمیسیون اروپا: استراسبورگ، فرانسه، 2016; در دسترس آنلاین: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=COM:2016:739:FIN (دسترسی در 15 مارس 2021).
  22. دولت فدرال آلمان. چشم انداز آلمان – استراتژی ما برای توسعه پایدار. 2003، ص. 269. موجود به صورت آنلاین: https://www.bundesregierung.de/resource/blob/998220/354630/3c4a42c0e125a732407d16b5420d7c6e/perspektives-for-germany-langfassung-data .
  23. دکوویل، ا. اشنایدر، ام. آیا هدف 2050 زمین صفر از اتحادیه اروپا قابل نظارت است؟ مطالعه تطبیقی. J. کاربری زمین علمی. 2015 ، 1-19. [ Google Scholar ] [ CrossRef ]
  24. Die Bundesregierung. Deutsche Nachhaltigkeitsstrategie—Aktualisierung 2018 ; گزارش فنی؛ Presse- und Informationsamt der Bundesregierung: برلین، آلمان، 2018؛ در دسترس به صورت آنلاین: https://www.bundesregierung.de/resource/blob/975292/1559082/a9795692a667605f652981aa9b6cab51/deutsche-nachhaltigkeitsstrategie-aktualisierung-load-20-20-20.pdf
  25. وزارت جوامع و حکومت محلی (DCLG). بیانیه سیاست برنامه ریزی 3 (PPS3) ; گزارش فنی؛ وزارت جوامع و دولت محلی: لندن، بریتانیا، 2011; در دسترس آنلاین: https://www.housinglin.org.uk/_assets/Resources/Housing/Policy_documents/PPS3.pdf (در 15 مارس 2021 قابل دسترسی است).
  26. هچت، ر. بهنیش، م. هرولد، اچ. رویکردهای نوآورانه، ابزارها و تکنیک های تجسم برای تحلیل ساختارهای کاربری زمین و پویایی شهرها و مناطق (سرمقاله). J. Geovisualization Spat. مقعدی 2020 ، 4 ، 19. [ Google Scholar ] [ CrossRef ]
  27. مورنو، مفاهیم، ​​تعاریف و منابع داده EL برای مطالعه شهرنشینی: دستور کار 2030 برای توسعه پایدار. نشست گروه کارشناسی سازمان ملل در مورد شهرها، تحرک انسانی و مهاجرت بین المللی. 2017. در دسترس آنلاین: https://www.un.org/en/development/desa/population/events/pdf/expert/27/papers/II/paper-Moreno-final.pdf (دسترسی در 15 مارس 2021).
  28. روزا، دبلیو. هدف 11. شهرها و سکونتگاه های انسانی را فراگیر، ایمن، انعطاف پذیر و پایدار کنید. در عصر جدیدی در بهداشت جهانی: پرستاری و دستور کار 2030 سازمان ملل برای توسعه پایدار ؛ Springer Publishing Company: نیویورک، نیویورک، ایالات متحده آمریکا، 2017; پ. 339. [ Google Scholar ]
  29. چودری، او. Mackaness، WA شناسایی خودکار مرزهای سکونتگاه شهری برای پایگاه‌های اطلاعاتی چندگانه. محاسبه کنید. محیط زیست سیستم شهری 2008 ، 32 ، 95-109. [ Google Scholar ] [ CrossRef ]
  30. فوجیتا، م. کروگمن، پی. موری، تی. در مورد تکامل سیستم های شهری سلسله مراتبی. یورو اقتصاد Rev. 1999 , 43 , 209-251. [ Google Scholar ] [ CrossRef ]
  31. اسنارد، AM; یانگ، ی. مطالعات توصیفی و تطبیقی ​​داده های وسعت شهری 1990 برای منطقه شهری نیویورک. URISA J. 2002 ، 14 ، 57-62. [ Google Scholar ]
  32. ون رنسبورگ، جی دی جی; کمپبل، MM مدیریت پراکندگی شهری با استفاده از یک استراتژی لبه شهری. انجمن شهری 2012 ، 23 ، 61-72. [ Google Scholar ] [ CrossRef ]
  33. نلسون، AC؛ پیترمن، DR آیا مدیریت رشد مهم است؟ تأثیر مدیریت رشد بر عملکرد اقتصادی. جی. پلان. آموزش. Res. 2000 ، 19 ، 277-285. [ Google Scholar ] [ CrossRef ]
  34. Calthorpe، P. Fulton، W. شهر منطقه ای ; مطبوعات جزیره: واشنگتن، دی سی، ایالات متحده آمریکا، 2001. [ Google Scholar ]
  35. Knaap، GJ; هاپکینز، LD رویکرد موجودی به مرزهای رشد شهری. مربا. طرح. دانشیار 2001 ، 67 ، 314-326. [ Google Scholar ] [ CrossRef ]
  36. شیلر، جی. بلوم، ا. هچت، ر. اورتل، اچ. فربر، یو. Meinel، G. پتانسیل توسعه شهری در آلمان: مقایسه بررسی و داده های Gis. ساختن. شهرها 2021 ، 2 ، 36–54. [ Google Scholar ] [ CrossRef ]
  37. هان، هی؛ لای، SK; دانگ، آر. Tan، Zb; Wu، Cf اثربخشی مرزهای ساخت و ساز شهری در پکن: یک ارزیابی. دانشگاه ژجیانگ. علمی A 2009 ، 10 ، 1285-1295. [ Google Scholar ] [ CrossRef ]
  38. Siedentop، S. فینا، اس. Krehl, A. Greenbelts در برنامه های منطقه ای آلمان – یک سیاست مدیریت رشد موثر؟ Landsc. طرح شهری. 2016 ، 145 ، 71-82. [ Google Scholar ] [ CrossRef ]
  39. لانگ، ی. هان، اچ. تو، ی. شو، X. ارزیابی اثربخشی مرزهای رشد شهری با استفاده از سوابق تحرک و فعالیت انسانی. شهرها 2015 ، 46 ، 76-84. [ Google Scholar ] [ CrossRef ]
  40. دینگ، سی. Knaap، GJ; هاپکینز، LD مدیریت رشد شهری با مرزهای رشد شهری: یک تحلیل نظری. J. شهری اقتصاد. 1999 ، 46 ، 53-68. [ Google Scholar ] [ CrossRef ]
  41. فیلیپس، جی. Goodstein، E. مدیریت رشد و قیمت مسکن: مورد پورتلند، اورگان. تحقیر کردن اقتصاد Policy 2000 , 18 , 334-344. [ Google Scholar ] [ CrossRef ]
  42. ابوت، سی. مارگهایم، جی. تصور مرز رشد شهری پورتلند: مقررات برنامه ریزی به عنوان نماد فرهنگی. مربا. طرح. دانشیار 2008 ، 74 ، 196-208. [ Google Scholar ] [ CrossRef ]
  43. هپینستال-سایمرمن، جی. کو، اس. Hutyra، الگوهای رشد شهری LR و مرزهای مدیریت رشد در مرکز Puget Sound، واشنگتن، 1986-2007. اکوسیست شهری. 2013 ، 16 ، 109-129. [ Google Scholar ] [ CrossRef ]
  44. کمربند سبز گان، SC: مروری بر پاسخ های مناطق به دستور کار در حال تغییر مسکن. جی. محیط زیست. طرح. مدیریت 2007 ، 50 ، 595-616. [ Google Scholar ] [ CrossRef ]
  45. مبارک، سیاست مرزی رشد شهری FA و حاشیه نشینی مسکونی: ریاض، عربستان سعودی. Habitat Int. 2004 ، 28 ، 567-591. [ Google Scholar ] [ CrossRef ]
  46. گوردون، دی. ویپوند، اس. تراکم ناخالص و شهرسازی جدید: مقایسه حومه‌های شهری متعارف و جدید در مارکهام، انتاریو. صبح. طرح. دانشیار مربا. طرح. دانشیار 2005 ، 71 ، 41. [ Google Scholar ] [ CrossRef ]
  47. Coiacetto، E. هدف گذاری بازار فرعی مسکونی توسط توسعه دهندگان در بریزبن. تصمیم سیاست شهری 2007 ، 25 ، 257-274. [ Google Scholar ] [ CrossRef ]
  48. Bengston، DN; Youn, YC Urban Containment Policy and the Protection of Natural Areas: مورد کمربند سبز سئول. Ecol. Soc. 2006 ، 11 ، art3. [ Google Scholar ] [ CrossRef ]
  49. ژنگ، XQ; Lv، LN یک روش وای برای تعیین مرزهای رشد شهری و کاربردهای آن در برنامه ریزی کاربری زمین. بین المللی جی. جئوگر. Inf. علمی 2016 ، 30 ، 691-707. [ Google Scholar ] [ CrossRef ]
  50. او، س. تان، آر. گائو، ی. ژانگ، ام. زی، پی. لیو، ی. مدلسازی مرز رشد شهری بر اساس ارزیابی پتانسیل گسترش: مطالعه موردی شهر ووهان در چین. Habitat Int. 2016 ، 72 ، 57-65. [ Google Scholar ] [ CrossRef ]
  51. یانگ، جی. گونگ، جی. تانگ، دبلیو. شن، ی. لیو، سی. گائو، جی. تعیین مرزهای رشد شهری با استفاده از یک مدل اتوماتای ​​سلولی مبتنی بر پچ تحت سناریوهای چندگانه فضایی و اجتماعی-اقتصادی. پایداری 2019 ، 11 ، 6159. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  52. داوکینز، سی جی; نلسون، سیاست های مهار شهری AC و قیمت مسکن: مقایسه بین المللی با مفاهیم برای تحقیقات آینده سیاست کاربری زمین 2002 ، 19 ، 1-12. [ Google Scholar ] [ CrossRef ]
  53. Pendall, R. آیا کنترل‌های کاربری زمین باعث پراکندگی می‌شوند؟ محیط زیست طرح. B طرح. دس 1999 ، 26 ، 555-571. [ Google Scholar ] [ CrossRef ]
  54. بهتا، ب. مدلسازی مرز رشد شهری با استفاده از ژئوانفورماتیک. بین المللی J. Digital Earth 2009 , 2 , 359-381. [ Google Scholar ] [ CrossRef ]
  55. طیبی، ع. پیجانوفسکی، ق.م. طیبی، ق، یک مدل مرز رشد شهری با استفاده از شبکه های عصبی، پارامترهای جغرافیایی و شعاعی: کاربرد در تهران، ایران. Landsc. طرح شهری. 2011 ، 100 ، 35-44. [ Google Scholar ] [ CrossRef ]
  56. طیبی، ع. پری، کامپیوتر; طیبی، ق پیش‌بینی گسترش یک مرز شهری با استفاده از رگرسیون لجستیک فضایی و روتین‌های شطرنجی-بردار ترکیبی با سنجش از دور و سیستم اطلاعات جغرافیایی. بین المللی جی. جئوگر. Inf. علمی 2014 ، 28 ، 639-659. [ Google Scholar ] [ CrossRef ]
  57. لانگ، ی. هان، اچ. لای، SK; مائو، Q. مرزهای رشد شهری منطقه شهری پکن: مقایسه شبیه سازی و آثار هنری. شهرها 2013 ، 31 ، 337-348. [ Google Scholar ] [ CrossRef ]
  58. ما، س. لی، ایکس. Cai, Y. تعیین مرزهای رشد شهری با یک مدل بهینه سازی کلونی مورچه اصلاح شده. محاسبه کنید. محیط زیست سیستم شهری 2017 ، 62 ، 146-155. [ Google Scholar ] [ CrossRef ]
  59. سابو، اف. کوربن، سی. فلورچیک، ای جی؛ فری، س. پسری، م. کمپر، ​​تی. مقایسه نقشه‌های منطقه ساخته شده تولید شده در چارچوب جهانی سکونتگاه انسانی. ترانس. GIS 2018 ، 22 ، 1406-1436. [ Google Scholar ] [ CrossRef ]
  60. هو، اس. تانگ، ال. Frazier، AE; لیو، ی. استخراج مرز شهری و تجزیه و تحلیل پراکندگی با استفاده از تصاویر Landsat: مطالعه موردی در ووهان، چین. Habitat Int. 2015 ، 47 ، 183-195. [ Google Scholar ] [ CrossRef ]
  61. ژانگ، جی. لی، پی. Wang, J. استخراج منطقه ساخته شده شهری از تصاویر Landsat TM/ETM+ با استفاده از اطلاعات طیفی و بافت چند متغیره. Remote Sens. 2014 , 6 , 7339–7359. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  62. پسری، م. ارلیش، دی. فری، س. فلورچیک، ای جی؛ فریره، اس. هالکیا، م. جولیا، ا. کمپر، ​​تی. سوئیل، پی. سیریس، V. رویه عملیاتی برای تولید لایه سکونت انسانی جهانی از داده های Landsat در دوره های 1975، 1990، 2000 و 2014 . گزارش فنی؛ دفتر انتشارات: لوکزامبورگ، 2016. [ Google Scholar ]
  63. Tiecke، TG; لیو، ایکس. ژانگ، ا. گروس، آ. لی، ن. یتمن، جی. کیلیچ، تی. موری، اس. بلانکسپور، بی. پریض، ای بی; و همکاران نقشه برداری از جمعیت جهان یک ساختمان در یک زمان. CorR 2017 . [ Google Scholar ] [ CrossRef ]
  64. هرفورت، بی. لی، اچ. فندریچ، اس. لاتنباخ، اس. Zipf، A. نقشه برداری از سکونتگاه های انسانی با دقت بالاتر و تلاش های داوطلبانه کمتر با ترکیب جمع سپاری و یادگیری عمیق. از راه دور. Sens. 2019 ، 17 ، 1799. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  65. اش، تی. هلدنز، دبلیو. هیرنر، آ. کیل، ام. مارکونچینی، ام. راث، ا. زیدلر، جی. دچ، اس. Strano، E. ایجاد زمینه جدید در نقشه برداری سکونتگاه های انسانی از فضا – ردپای جهانی شهری. ISPRS J. Photogramm. Remote Sens. 2017 ، 134 ، 30-42. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  66. کلوتز، ام. کمپر، ​​تی. گیس، سی. اش، تی. Taubenböck، H. نقشه چقدر خوب است؟ چارچوب مقایسه متقابل چند مقیاسی برای لایه‌های استقرار جهانی: شواهدی از اروپای مرکزی. سنسور از راه دور محیط. 2016 ، 178 ، 191-212. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  67. ژو، ی. اسمیت، اس جی. الویج، سی دی; ژائو، ک. تامسون، ا. Imhoff، M. روشی مبتنی بر خوشه برای نقشه‌برداری منطقه شهری از Dmsp/Ols Nightlights. سنسور از راه دور محیط. 2014 ، 147 ، 173-185. [ Google Scholar ] [ CrossRef ]
  68. لی، ایکس. وانگ، ایکس. ژانگ، جی. Wu، L. مقیاس بندی آلومتریک، توزیع اندازه و شکل گیری الگوی شهرهای طبیعی. کمون پالگریو 2015 ، 1 ، 1-11. [ Google Scholar ] [ CrossRef ]
  69. والتر، وی. تفسیر خودکار پایگاه های داده برداری با الگوریتم مبتنی بر شطرنجی. آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات فضایی، جلد. XXXVII، بخش B2، کمیسیون 2. در مجموعه مقالات کنگره ISPRS 2008، پکن، چین، 3-11 ژوئیه 2008. صص 175-180. [ Google Scholar ]
  70. بوروسو، جی. تراکم شبکه و تعیین حدود مناطق شهری. ترانس. GIS 2003 ، 7 ، 177-191. [ Google Scholar ] [ CrossRef ]
  71. ژو، Q. مطالعه تطبیقی ​​رویکردها برای تعیین مناطق ساخته شده با استفاده از داده های شبکه راه. ترانس. GIS 2015 ، 19 ، 848-876. [ Google Scholar ] [ CrossRef ]
  72. ماسوچی، AP; Arcaute، E. هاتنا، ای. استانیلوف، ک. Batty، M. در مورد مشکل مرزها و مقیاس برای شبکه های خیابان شهری. JR Soc. رابط 2015 ، 12 ، 1-7. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  73. جیانگ، بی. جیا، قانون T. Zipf برای همه شهرهای طبیعی در ایالات متحده: یک دیدگاه جغرافیایی. بین المللی جی. جئوگر. Inf. علمی 2011 ، 25 ، 1269-1281. [ Google Scholar ] [ CrossRef ]
  74. لی، ز. یان، اچ. آی، تی. چن، جی. تعمیم خودکار ساختمان بر اساس مورفولوژی شهری و نظریه گشتالت. بین المللی جی. جئوگر. Inf. علمی 2004 ، 18 ، 513-534. [ Google Scholar ] [ CrossRef ]
  75. آریباس-بل، دی. گارسیا لوپز، مایکروسافت؛ Viladecans-Marsal، E. ساختمان(ها و) شهرها: تعیین مناطق شهری با الگوریتم یادگیری ماشین. J. شهری اقتصاد. 2019 ، 103217. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  76. تانیر، سی. توماس، I. تعریف و مشخص کردن مرزهای شهری: تحلیل فراکتالی شهرهای نظری و شهرهای بلژیکی. محاسبه کنید. محیط زیست سیستم شهری 2013 ، 41 ، 234-248. [ Google Scholar ] [ CrossRef ]
  77. Muhs، S. هرولد، اچ. ماینل، جی. بورگاردت، دی. کرچمر، او. ترسیم خودکار منطقه ساخته شده در سطح بلوک شهری از نقشه های توپوگرافی. محاسبه کنید. محیط زیست سیستم شهری 2016 ، 58 ، 71-84. [ Google Scholar ] [ CrossRef ]
  78. دی بلفون، نماینده مجلس؛ Combes، PP; دورانتون، جی. گوبیلون، ال. گورین، سی. ترسیم مناطق شهری با استفاده از تراکم ساختمانی. J. شهری اقتصاد. 2019 ، 103226. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  79. هاریگ، او. بورگارد، دی. Hecht, R. یک رویکرد نظارت شده برای ترسیم مناطق ساخته شده برای نظارت و تجزیه و تحلیل سکونتگاه ها. ISPRS Int. J. Geo-Inf. 2016 ، 5 ، 137. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  80. شوماخر، U. لایه ماسک شهری به عنوان هندسه مرجع برای برنامه ریزی فضایی: حرکت از ژئوداده آلمانی به اروپایی. KN J. Cartogr. Geogr. Inf. 2021 . [ Google Scholar ] [ CrossRef ]
  81. Rozenfeld، HD; ریبسکی، دی. Andrade، JS; باتی، م. استنلی، HE; ماکس، قوانین رشد جمعیت HA. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2008 ، 105 ، 18702-18707. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  82. Rozenfeld، HD; ریبسکی، دی. Gabaix، X. Makse، HA منطقه و جمعیت شهرها: بینش های جدید از دیدگاهی متفاوت در مورد شهرها. صبح. اقتصاد Rev. 2011 , 101 , 2205–2225. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  83. ارنست، دبلیو. بیلنبرگ، دبلیو. کراتزبرگر، ام. بلخ اشمیت، آر. ارنست، دبلیو. Zinkahn، W. بیلنبرگ، دبلیو. کراتزبرگر، ام. Blechschmidt, R. Baugesetzbuch Commentar ; نسخه از: 1 اوت 2020 (139. برگه های تکمیلی) ed.; سی‌چ بک: مونیخ، آلمان، 2020؛ BauGB § 34 بند. 7، 8b، 23، 25، 26، 91. [ Google Scholar ]
  84. ماینل، جی. هچت، ر. هرولد، اچ. تجزیه و تحلیل سهام ساختمان با استفاده از نقشه های توپوگرافی و GIS. ساختن. Res. Inf. 2009 ، 37 ، 468-482. [ Google Scholar ] [ CrossRef ]
  85. شیلر، جی. اورتل، اچ. Blum, A. Innenentwicklungspotenziale در آلمان-Ergebnisse einer Bundesweiten Befragung ; جلد Methodik، Analyseergebnisse، Flächenmanagement، Flächennutzungsmonitoring V; Rhombos-Verlag: برلین، آلمان، 2013. [ Google Scholar ]
  86. الگندی، اچ. Michels, S. Raum+ Rheinland-Pfalz 2010: Die Bewertung Von Flächenpotenzialen Für Eine Zukunftsfähige Siedlungsentwicklung ; وزیریوم فور ویرتشافت، انرژی، کلیماسچوتز و زمین پلانونگ: ماینتس، آلمان، 2011. [ Google Scholar ]
  87. هنگر، آر. Bizer, K. مجوزهای برنامه ریزی قابل تجارت برای کنترل کاربری زمین در آلمان. سیاست کاربری زمین 2010 ، 27 ، 843-852. [ Google Scholar ] [ CrossRef ]
  88. لینکه، اچ جی. دتوایلر، ام. وگت، جی. اسپاتز، ال. کلین، ای. ریکس، جی. فرانکه، دبلیو. آیوین، آی. Wenzel, A. Aktive und Gemeinsame Innenentwicklung durch Visualisierung und Beteiligung—Forschungsergebnisse des BMBF-Projektes AktVis ; گزارش فنی؛ Technische Universität Darmstadt: دارمشتات، آلمان، 2019. [ Google Scholar ]
  89. بوکیس، ک. مایر، اچ. Rabe, E. Die Ermittlung der praktischen Grundlagen für die Festlegungen im Regionalen Raumordnungsprogramm 2005. In Steuerung der Eigenentwicklung in ländlichen Siedlungen ; شماره 123 در Beiträge zur regionalen Entwicklung، منطقه هانوفر، Team Regionalplanung; منطقه هانوفر: هانوفر، آلمان، 2009; ص 29-43. [ Google Scholar ]
  90. الند، ا. کونینگر، اس. مولر، B. Die Plattform Innenentwicklung Wohnen-Erfahrungen des Regionalverbandes FrankfurtRheinMain. در Flächennutzungsmonitoring V: Methodik—Analyseergebnisse—Flächenmanagement ; Meinel, G., Schumacher, U., Behnisch, M., Eds.; Leibniz-Institut für ökologische Raumentwicklung eV: برلین، آلمان، 2013; صص 35-42. [ Google Scholar ]
  91. منابع ESRI ArcGIS. چگالی نقطه چگونه کار می کند 2020. در دسترس آنلاین: https://desktop.arcgis.com/en/arcmap/latest/tools/spatial-analyst-toolbox/how-point-density-works.htm (در 15 ژوئیه 2020 قابل دسترسی است).
  92. Deutscher Städtetag. Kleinräumige Gliederung: Räumliches Ordnungssystem Zensus 1981. DST-Beiträge zur Statistik und Stadtforschung. Reihe H 1979 , 15 , 1. [ Google Scholar ]
  93. Conzen، MRG Alnwick، Northumberland: مطالعه ای در تجزیه و تحلیل طرح شهر. در معاملات و اوراق (موسسه جغرافی دانان بریتانیا) شماره 27 ; JSTOR: نیویورک، نیویورک، ایالات متحده آمریکا، 1960; صص 3-122. [ Google Scholar ] [ CrossRef ]
  94. لوفت، اچ. Bender, G. Fachwörterbuch, Benennungen und Definitionen im Deutschen Vermessungswesen mit Englischen und FranzöSischen Äquivalenten ; 15 Stadtplanung, Raumordnung = Urban Planning, Regional Policy 1998, ed.; Bundesamt für Kartographie und Geodäsie: Frankfurt am Main، آلمان، 1998. [ Google Scholar ]
  95. باتیس، یو. میچانگ، اس. رید، او. باتیس، یو. کراتزبرگر، ام. Löhr , RP Baugesetzbuch Commentar ; 14. Auflage ed.; سی‌چ بک: مونیخ، آلمان، 2019؛ BauGB § 34 بند. 7–10، 14، 16. [ Google Scholar ]
  96. وبر، سی. تعیین حدود تراکم شهری با استفاده از داده های سنجش از دور. در سنجش از دور و تحلیل شهری ; Donnay, JP, Barnsley, MJ, Longley, P., Eds. تیلور و فرانسیس: لندن، بریتانیا؛ نیویورک، نیویورک، ایالات متحده آمریکا، 2001; صص 145-159. [ Google Scholar ] [ CrossRef ]
  97. Hecht, R. Automatische Klassifizierung von Gebäudegrundrissen ein Beitrag zur kleinräumigen Beschreibung der Siedlungsstruktur ; Rhombos-Verl.: برلین، آلمان، 2014; پ. 217. [ Google Scholar ]
  98. اسپانوفسکی، دبلیو. اوچتریتز، ام. بیرک; هانس یورگ اسپانوفسکی، دبلیو. Uechtritz, M. BeckOK BauGB , 49th ed.; نسخه از: 01.05.2020 ed.; سی‌چ بک: مونیخ، آلمان، 2020؛ BauGB § 34 بند. 26. [ Google Scholar ]
  99. Kruskal, JB در مورد کوتاهترین زیردرخت فراگیر یک نمودار و مسئله فروشنده دوره گرد. Proc. صبح. ریاضی. Soc. 1956 ، 7 ، 48-50. [ Google Scholar ] [ CrossRef ]
  100. هاگبرگ، AA; شولت، دی. Swart، PJ در حال بررسی ساختار، دینامیک و عملکرد شبکه با استفاده از NetworkX. در مجموعه مقالات هفتمین کنفرانس علمی پایتون (SciPy 2008)، پاسادنا، کالیفرنیا، ایالات متحده آمریکا، 19 تا 24 اوت 2008. پ. 5. [ Google Scholar ]
  101. مک مستر، تعمیم خودکار خط RB. کارتوگر. بین المللی جی. جئوگر. Inf. Geovisualization 1987 ، 24 ، 74-111. [ Google Scholar ] [ CrossRef ]
  102. Veregin، H. کمی سازی خطای موقعیت القا شده توسط Line Simplificaton. بین المللی جی. جئوگر. Inf. علمی 2000 ، 14 ، 113-130. [ Google Scholar ] [ CrossRef ]
  103. اداره منطقه ای فرانکفورت راین مین. سازمان منطقه ای فرانکفورت راین مین: ساختار، وظایف و خدمات . اداره منطقه ای فرانکفورت راین مین، هیئت اجرایی منطقه ای: فرانکفورت آم ماین، آلمان، 2013; در دسترس آنلاین: https://www.region-frankfurt.de/media/custom/3255_59_1.PDF?1565008409 (دسترسی در 15 مارس 2021).
  104. Landesregierung Land براندنبورگ. Daten und Fakten zur Hauptstadtregion. 2020. در دسترس آنلاین: https://www.berlin-brandenburg.de/metropolregion/daten-und-fakten/ (در 15 مارس 2021 قابل دسترسی است).
  105. منطقه هانوفر (ویرایش) برنامه ریزی منطقه ای در منطقه هانوفر ; شماره 109b در Beiträge zur regionalen Entwicklung، Der Regionspräsident; منطقه هانوفر، Fachbereich Planung und Raumordnung: هانوفر، آلمان، 2009; پ. 4. [ Google Scholar ]
  106. باند منطقه ای فرانکفورت راین مین. نظارت منطقه ای 2019—Daten und Fakten—Regionalverband FrankfurtRheinMain ; گزارش فنی؛ Regionalverband FrankfurtRheinMain: فرانکفورت آم ماین، آلمان، 2019؛ در دسترس آنلاین: https://www.region-frankfurt.de/media/custom/3255_44_1.PDF?1565006922 (دسترسی در 15 مارس 2021).
  107. Zentrale Stelle Hauskoordinaten، Hausumringe und 3D-Gebäudemodelle (ZSHH). شرح قالب داده چند ضلعی های ساختمان رسمی آلمان (HU-DE، نسخه 2.5، 2019). 2019. Available online: https://www.adv-online.de/AdV-Produkte/Vertriebsstellen/ZSHH/binarywriterservlet?imgUid=5ce102a0-36fa-6b61-c2d2-1bf43b36c4c2&uBasVariant=11111111-1111-1111-1111-111111111111 (accessed در 15 مارس 2021).
  108. Zentrale Stelle Hauskoordinaten، Hausumringe und 3D-Gebäudemodelle (ZSHH). مشخصات فرمت داده مدل رسمی ساختمان سه بعدی LoD1 آلمان (LoD1-DE). 2017. Available online: https://www.adv-online.de/AdV-Produkte/Vertriebsstellen/ZSHH/binarywriterservlet?imgUid=e65416e7-efa8-461e-336b-6951fa2e0c97&uBasVariant=11111111-1111-1111-1111-111111111111 (accessed در 15 مارس 2021).
  109. کمیته کاری مقامات نقشه برداری Laender جمهوری فدرال آلمان (AdV). مستندسازی در مورد مدل سازی اطلاعات جغرافیایی نقشه برداری و نقشه برداری رسمی در آلمان. 2006. Available online: https://www.adv-online.de/AdV-Produkte/Geotopographie/Digitale-Landschaftsmodelle/binarywriterservlet?imgUid=e3d708e0-1df5-ae01-3bbd-251ec0023010&uBasVariant=11111111-1111-1111-1111-111111111111&isDownload =true (در 15 مارس 2021 قابل دسترسی است).
  110. Landesvermessung und Geobasisinformation Brandenburg (LGB). ساختمان های سه بعدی ایالت براندنبورگ 2021. در دسترس آنلاین: https://geobroker.geobasis-bb.de/gbss.php?MODE=GetProductInformation&PRODUCTID=0414a37a-a749-4ee6-9f59-a41226919c58 (در تاریخ 220216 مه قابل دسترسی است).
  111. Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN). مدل‌های ساختمان سه‌بعدی (LoD1، LoD2) – ایالت ساکسونی پایین. 2021. در دسترس آنلاین: https://geoportal.geodaten.niedersachsen.de/harvest/srv/ger/catalog.search ؛ jssessionid=e3d22dcd7016aptl16af47f8f01acaa8 # 09a36bd9a36bd9a36bd9a36bd9a36 .
  112. Hessische Verwaltung für Bodenmanagement und Geoinformation (HVBG). ساختمان های سه بعدی ایالت هسن 2021. در دسترس آنلاین: https://hvbg.hessen.de/geoinformation/landesvermessung/geotopographie/3d-daten/3d-geb%C3%A4udemodelle (در 6 مه 2021 قابل دسترسی است).
  113. Landesvermessung und Geobasisinformation Brandenburg (LGB). چند ضلعی های ساختمان رسمی (HU-DE) ایالت براندنبورگ. 2021. موجود به صورت آنلاین: https://geobroker.geobasis-bb.de/gbss.php?MODE=GetProductInformation&PRODUCTID=a7b74fc5-b830-4fe8-ac4d-3c8e2f095af5 (در 6 مه 2020 قابل دسترسی است).
  114. Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN). چند ضلعی های ساختمانی رسمی (HU-DE) نیدرزاکسن. 2021. در دسترس به صورت آنلاین: https://geoportal.geodaten.niedersachsen.de/harvest/srv/ger/catalog.search;jsessionid=E3D22DCD7016A88E569C47F8F01ACAA8#/metadata/bfcf4f29-4-01/bfcf4f62e4-47/01/01/01/01/02/06/04/08/08/08/08/08/08/08/08/04/08 .
  115. Hessische Verwaltung für Bodenmanagement und Geoinformation (HVBG). چند ضلعی های ساختمانی رسمی (HU-DE) ایالت هسن. 2021. در دسترس آنلاین: https://hvbg.hessen.de/geoinformation/liegenschaftskataster/hausumringe (در 6 مه 2021 قابل دسترسی است).
  116. Landesvermessung und Geobasisinformation Brandenburg (LGB). سیستم اطلاعات توپوگرافی-کارتوگرافی معتبر (ATKIS Base DLM) ایالت براندنبورگ. 2021. در دسترس آنلاین: https://geobroker.geobasis-bb.de/gbss.php?MODE=GetProductInformation&PRODUCTID=d2eaa212-f68d-4e2d-a7e7-8e8063d1b8215 (در 6 مه قابل دسترسی است).
  117. Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN). پایگاه DLM ATKIS برای نیدرزاکسن و برمن. 2021. در دسترس به صورت آنلاین: https://geoportal.geodaten.niedersachsen.de/harvest/srv/ger/catalog.search;jsessionid=E3D22DCD7016A88E569C47F8F01ACAA8#/metadata/e497e691-367561-1697-1996-1997-1696-497-691-497-691-356-1569-1997-1996-497-6954-497-691-497-1696-497-691-497-691-497-691-497-691-36-1696- ه .
  118. Hessisches Landesamt für Bodenmanagement und Geoinformation (HLBG). سیستم اطلاعات توپوگرافی-کارتوگرافی معتبر (ATKIS Base DLM) ایالت هسن. 2021. موجود به صورت آنلاین: https://www.geoportal.hessen.de/mapbender/php/mod_exportIso19139.php?url=https%3A%2F%2Fwww.geoportal.hessen.de%2Fmapbender%2Fphp%2Fmod_exportIso19139.php?url=https%3A%2F%2Fwww.geoportal.hessen.de%2Fmapbender%2Fphp%2Fmod_eputomatomatFo . %3Diso19139%26generateFrom%3Dwfs%26wfsid%3D437%26id%3Decac39c0-008b-41f5-be67-f8527e200720 (دسترسی در 6 مه 2021).
  119. جلینگ، م. شورشت، ام. هارتمن، تی. تراکم در حومه آلمان: رویکرد به سیاست و فضا از طریق مفاهیم عدالت. طرح شهر. Rev. 2020 , 91 , 217-237. [ Google Scholar ] [ CrossRef ]
  120. آدریان، ال. Bock، DS; Bunzel، DA; پریوس، تی. Rakel، M. Instrumente zur Reduzierung der Flächeninanspruchnahme. Texte 2018 ، 2018 ، 195. [ Google Scholar ]
  121. هرولد، اچ. اطلاعات جغرافیایی از گذشته . Springer Fachmedien Wiesbaden: Wiesbaden، آلمان، 2018. [ Google Scholar ]
  122. Hessisches Ministry für Wirtschaft, Verkehr und Landesentwicklung (Ed.) Landesentwicklungsplan Hessen 2000: Festgestellt Durch Rechtsverordnung Vom 13. Dezember 2000 ; شماره 2001، شماره 1 در Gesetz- und Verordnungsblatt für das Land Hessen; Bernecker: Melsungen، آلمان، 2001. [ Google Scholar ]
  123. Anlage zur Verordnung über den Landesentwicklungsplan Hauptstadtregion Berlin-Brandenburg (LEP HR). 2019. در دسترس آنلاین: https://www.landesrecht.brandenburg.de/dislservice/disl/dokumente/8141/dokument/13662 (دسترسی در 15 مارس 2020).
  124. هاریگ، او. هچت، ر. بورگاردت، دی. Meinel, G. IB-Tool (نسخه 1) [نرم افزار کامپیوتر] ; موسسه توسعه شهری و منطقه‌ای زیست‌محیطی لایب‌نیتس: درسدن، آلمان، 2021. [ Google Scholar ] [ CrossRef ]
Ijgi 10 00353 g001 550
شکل 1. با استفاده از شهرداری هرزبرگ (الستر) در آلمان به عنوان مثال، تصویر تفاوت بین ترسیم بدنه سکونتگاه (ATKIS ® -Ortslage) را با توجه به مدل‌های رسمی منظر دیجیتال (DLM) و یک ترسیم متخصص نشان می‌دهد. ED) یک منطقه داخلی توسط قانون. ( منبع : تصویر شخصی بر اساس داده های چند ضلعی های رسمی ساختمان، ATKIS ® -Ortslage Base-DLM © Geobasis-DE/BKG (2017) و سیستم اطلاعات برنامه ریزی اداره مشترک برنامه ریزی دولتی برلین/براندنبورگ).
Ijgi 10 00353 g002 550
شکل 2. گردش کار برای ترسیم و ارزیابی مرزهای رشد شهری بر اساس ردپای ساختمان ( منبع : تصویر خود).
Ijgi 10 00353 g003 550
شکل 3. فرآیند پارتیشن بندی کارتوگرافی: ( الف ) شطرنجی نقطه ای با مقادیر مختلف چگالی که با سایه های خاکستری از سفید = 0 تا سیاه = 1 نشان داده شده است. ( ب ) نمودار ورونوی نقاط انتخاب شده. و ( ج ) ساختمان های اصلی (خاکستری تیره) و مرزهای پارتیشن های نقشه کشی نهایی (خاکستری روشن). مقیاس 1:100000 ( منبع : تصویر شخصی بر اساس داده های چند ضلعی های رسمی ساختمان، ATKIS ® -Base -DLM © Geobasis-DE/BKG (2017)).
Ijgi 10 00353 g004 550
شکل 4. شکل نشان می دهد که چگونه منطقه مرجع برای محاسبه نسبت پوشش ساختمان تعیین می شود، در اینجا به عنوان مثال از شهرک اورتراند در براندنبورگ استفاده می شود. مناطق خاکستری روشن با حاشیه های خاکستری تیره بلوک های خیابانی هستند که از شبکه جاده ها به دست می آیند. اکثر بلوک‌های خیابان در حاشیه شهرک بسیار بزرگ هستند و تنها بخش کوچکی از آن‌ها را می‌توان به منطقه واقعی شهرک اختصاص داد. برای در نظر گرفتن تنها بلوک‌های خیابانی که در محدوده سکونتگاهی قرار دارند، تمام ساختمان‌ها توسط یک حائل ۱۰۰ متری (مناطق دریچه‌دار) محصور می‌شوند. بلوک‌های خیابانی که در این ناحیه حائل قرار دارند و حداقل 20 ساختمان یا بخش‌هایی از ساختمان را شامل می‌شوند برای محاسبه استفاده می‌شوند (مناطق خاکستری تیره). ( منبع : تصویر خود بر اساس داده های ATKIS ®Base-DLM © Geobasis-DE/BKG (2017)).
Ijgi 10 00353 g005 550
شکل 5. شکل نشان می دهد که چگونه الگوریتم فیلتر با استفاده از مثال سکونت هیرشفلد در براندنبورگ کار می کند. ساختمان های حذف شده توسط فیلتر منفی (که با رنگ قرمز مشخص شده اند) را می توان هم در داخل و هم در خارج از مرز کارشناسی یافت. در مقابل، اکثر ساختمان‌های فیلتر مثبت (که با رنگ آبی مشخص شده‌اند) فقط در محدوده کارشناسی رخ می‌دهند. تعداد بسیار کمی از ساختمان ها به هیچ یک از این دو فیلتر اختصاص نیافته اند. استفاده از تابع چگالی تضمین می کند که هر ساختمان آبی به شکل گیری چندضلعی بافر مثبت کمک نمی کند. ساختمان های قرمز خارج از منطقه حائل حذف می شوند. این تکلیف بر اساس اظهارات صریح در ادبیات تفسیری یا متن قانونی BauGB انجام شد. ( منبع: تلفیقی شخصی بر اساس داده های چند ضلعی های رسمی ساختمان، ATKIS ® Base-DLM © Geobasis-DE/BKG (2017)).
Ijgi 10 00353 g006 550
شکل 6. شکل، نتایج ترسیم ( a ) یک مساحت کمینه‌سازی و ( ب ) یک الگوریتم وزن‌دار لبه برای ایجاد حداقل مستطیل‌های محصور را نشان می‌دهد. ( منبع : تلفیقی شخصی بر اساس داده های چند ضلعی های رسمی ساختمان، ATKIS® Base-DLM © Geobasis -DE/BKG (2017)).
Ijgi 10 00353 g007 550
شکل 7. تجسم فرآیند پالایش: در مرحله اول، مناطق بین بلوک های متراکم، ساختمان های گروه بندی شده و ساختمان های منفرد بسته می شوند. به دنبال آن شکاف ها و سوراخ ها بسته می شود. در نهایت، تمام هندسه ها در یک هندسه ادغام می شوند. ( منبع : تصویر شخصی بر اساس داده های ATKIS® Base-DLM © Geobasis -DE/BKG (2017)).
Ijgi 10 00353 g008 550
شکل 8. انواع انحرافات مساحت مثبت ( منبع : گردآوری شخصی بر اساس داده های چند ضلعی های رسمی ساختمان، ATKIS ® Base-DLM © Geobasis-DE/BKG (2017)، سیستم اطلاعات برنامه ریزی اداره مشترک برنامه ریزی دولتی برلین/براندنبورگ) .
Ijgi 10 00353 g009 550
شکل 9. طبقات انحرافات منطقه منفی ( منبع : گردآوری شخصی بر اساس داده های چند ضلعی های رسمی ساختمان، ATKIS® Base-DLM © Geobasis -DE/BKG (2017)، سیستم اطلاعات برنامه ریزی اداره مشترک برنامه ریزی دولتی برلین/براندنبورگ) .
Ijgi 10 00353 g010 550
شکل 10. مناطق مطالعه در سه منطقه مورد تجزیه و تحلیل: ( الف ) براندنبورگ. ( ب ) منطقه هانوفر؛ و ( ج ) فرانکفورت/ماین؛ و ( د ) آلمان. مرزهای اداری مناطق به صورت خطوط سیاه و مناطق مورد مطالعه به صورت مناطق خاکستری نشان داده شده است. از آنجایی که چیدمان نتیجه ساختار استقرار (پارتیشن بندی) است، اینها با مرزهای اداری منطبق نیستند. نواحی سفید بین پارتیشن‌ها به دلیل از دست رفتن داده‌های تعیین‌شده متخصص است. ( منبع : گردآوری شخصی بر اساس داده های ATKIS ® Base-DLM © Geobasis-DE/BKG (2017)).
Ijgi 10 00353 g011 550
شکل 11. نتایج برای ( a ) Isernhagen، ( b ) Nordgoltern و Grossgoltern در منطقه هانوفر، ( c ) Rietz در براندنبورگ و ( d ) فرانکفورت/ماین. نواحی مشخص شده با روش ما با خاکستری روشن مشخص شده اند. ( منبع : گردآوری شخصی بر اساس داده های چند ضلعی های رسمی ساختمان، ATKIS® Base-DLM © Geobasis -DE/BKG (2017)، سیستم اطلاعات برنامه ریزی اداره مشترک برنامه ریزی دولتی برلین/براندنبورگ).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید