کاربرد مدل فازی در برنامه‌ریزی کاربری زمین جهت توسعه شهری با هدف حفاظت از اکوسیستم طبیعی (مطالعه موردی: منطقه حفاظت‌شده بختگان)

نویسندگان

1 دانشیار ژئومورفولوژی، دانشگاه خوارزمی تهران

2 دانشجوی دکتری ژئومورفولوژی، دانشگاه خوارزمی تهران

3 دانشجوی دکتری ژئومورفولوژی، دانشگاه اصفهان، اصفهان

چکیده

امروزه با افزایش رشد جمعیت مناطق حفاظت‌شده مورد تخریب قرارگرفته‌اند، دریاچه بختگان، پارک ملی و منطقه حفاظت‌شده اطراف آن به‌عنوان بخشی از تالاب نی‌ریز از این قاعده مستثنی نیستند. حضور انسان و فعالیت‌های او مهم‌ترین شکل تعرض و اختلال بر روی مناطق حفاظت‌شده تلقی می‌شود. با توجه به پویا بودن و پیچیدگی و توسعه سریع و نامتوازن کالبدی شهرها استفاده از مدل در برنامه‌ریزی‌ها در سطح شهرها امری اجتناب‌ناپذیر تلقی می‌شوند. امری که ایجاب می‌کند ارزیابی توان اکولوژیکی سرزمین قبل از مداخله در اراضی انجام گیرد.شهر نی‌ریز در جنوب ناحیه حفاظت‌شده بختگان واقع‌شده است، ناحیه‌ای که ازنظر زیست‌محیطی و اکولوژیک اهمیت بسیار زیادی دارد اما امروزه به دلیل افزایش فعالیت‌های اقتصادی و کشاورزی همراه با رشد جمعیت شاهد خشکاندن تالاب‌ها و تبدیل آن‌ها به اراضی کشاورزی هستیم که نتیجه آن چیزی جزء یک اکوسیستم کویری نیست. بنابراین در این پژوهش برای ارزیابی توان اکولوژیک جهت توسعه آینده شهر نی‌ریز و مناطق مجاور آن با استفاده از منطق فازی جهات مناسب و نامناسب با توجه به عوامل زیست‌محیطی و شرایط طبیعی مشخص گردید.نقشه نهایی به دست آمده از مدل پیشنهادی نشان می‌دهد شمال شهر نی‌ریز به دلیل وجود زمین‌های مناسب جهت کشاورزی آبی فاقد توان جهت توسعه شهری است ولی بخش‌های غرب و شرقی با توجه به معیارهای مدنظر از بالاترین توان برخوردار است. همچنین اکثر محدوده مجاور منطقه حفاظت‌شده بختگان دارای توان متوسط جهت توسعه شهری بوده است. به‌طور کلی مناطق با توان‌های عالی حدود 16/5 درصد، مناطق با توان زیاد 42/12 درصد، مناطق با توان متوسط 46/23 درصد، مناطق با توان کم 18/22 درصد و در نهایت مناطق با توان بسیار کم 75/36 درصد منطقه را تشکیل می‌دهد، به عبارتی حدود 59 درصد از مساحت ناحیه برای توسعه شهری نامناسب می‌باشد. این نقاط با امتیاز صفر بر روی نقشه نشان داده شده‌اند.

کلیدواژه‌ها


عنوان مقاله [English]

Application of fuzzy model in land use planning for urban development with the aim of natural ecosystems protection (Case study: Bakhtegan Protected area)

نویسندگان [English]

  • amir karam 1
  • farideh safakish 2
  • taebeh keiani 3
1 associate professor kharazmi University
2 phd candidate kharazmi University
3 phd candidate isfahan university
چکیده [English]

1-Introduction With the rise of population, the preserved areas have been destroyed by humans. Bakhtegan Lake and the National park and preserved area around it as part of Neyriz Pond are no exceptions and are facing a host of hazards. The presence of humans and their activities is the most significant type of invasion and hazard in preserved areas since their presence simultaneously with urbanization has led to invasion of preserved areas. Urbanization is a dynamic and complex process with many entities involved each of which has different behavioral patterns that include the physical, social and economic factors. Given the complexity and haphazard fast-paced development in cities, using models in city planning is considered inevitable. This necessitates assessment of ecologic potencies of the territory prior to land intervention, to be used as a basis together with economic and social needs to determine appropriate expansion method. 2- Methodology According to research purposes, data and information layers slope,distance from the city, distance from the village, elevation, distance from the river,geology, soil, distance from the road and land use were assigned as effective parameters to physical development. After providing information’s mentioned above and determining kind of their relation with the physical development membership function for each of the parameters. After applying membership function to layers in Arc GIS software, all layers have values between zeros to one, then layers entered to fuzzy model. To perform fuzzy technique, it is necessary to use operators as ::::::union::::::, Subscription, Gama, algebraic multiplication and sum. In this research Gama, algebraic multiplication and sum is used. 3- Discussion Neyriz City is located south of Bakhtegan preserved area, it is an area significant for environmental and biological aspects. But today, with the rise of economic and agricultural activities together with the growth in population we have witnessed drying of ponds and turning them into agricultural and residential areas while the ecosystem is becoming similar to that of a desert. First algebraic sum and multiplication operators applied to the layers which amount of membership is determined, then to find the final map of physical development and to adjust prepared maps according to algebraic sum and multiplication are used Gama 0.9, Gama0.8 and Gama 0.7 operators. Gama 0.9 Map has had the highest correlation with the primary info layers, therefore Gama 0.9 Map chose as the final map of physical development which is classified in to five levels according to natural break method. 4- Conclusion Most area of the region is related to the zones with very low Proportion of the physical development which has 765685 square kilometers area and smallest area is related to zones with very high Proportion of the physical development which has 107697.5 square kilometers. According to the importance of environmental resources in maintaining natural ecosystems, retaining these resources is essential. Thus in light of the fact that fuzzy logic is a scientific instrument for the dynamic simulation of a system without the need for lengthy mathematical descriptions by quantitative and qualitative data, this study uses fuzzy logic of appropriate and inappropriate aspects regarding environmental and natural factors to prevent an environmental catastrophe in future.

کلیدواژه‌ها [English]

  • ecosystem
  • Bakhtegan
  • Physical Development
  • fuzzy
  • Neyriz
طاهری، سید محمود (1378) آشنایی با نظریه‌های فازی، چاپ دوم، جهاد دانشگاهی مشهد.

قنواتی عزتاله و فاطمهدلفانیگودرزی (1392) مکان‌یابیبهینهتوسعهشهریباتأکیدبرپارامترهایطبیعیبااستفادهازمدل تلفیقیفازی AHP / مطالعهموردی: شهرستانبروجرد، دوفصلنامه‌یژئومورفولوژیکاربردیایران،شماره 1، صص 52-69.

فرید، یداله (1375) جغرافیا و شهرشناسی، انتشارات دانشگاه تبریز.

حسینی، هاشم، امیر کرم، امیر صفاری، عزت اله قنواتی و جاوید ابراهیم بهشتی (1390) ارزیابی و مکان‌یابی جهات توسعه فیزیکی شهر با استفاده از مدل منطق فازی (مطالعه موردی: شهر دیواندره)، نشریهتحقیقاتکاربردیعلومجغرافیایی،شماره23. صص 63-83.

قدسی پور، ح (1385) فرایند تحلیل سلسله مراتبی، ص 236.

گریماف و بوهامکارتر (١٣٧٩)سیستم‌هایاطلاعاتجغرافیاییبرایدانش‌پژوهانعلومزمین،ترجمهگروهGISسازمانزمین‌شناسیواکتشافاتمعدنیکشور.

فرخیان، سمیه (1384) مقدمه‌ای بر منطق فازی، قابل دسترسی در

http://www.vojoudi.com/uncertainty/fuzzy_logic/farokhian.htm

علمی زاده، هیوا (1382) کاربرد ژئومورفولوژی در توسعه و محدودیت کرج، مجله جغرافیا و توسعه، شماره 71، صص 67-63.

شمسی‌پور،علی‌اکبرومحمدشیخی (1389) پهنه‌بندیمناطقحساسوآسیب‌پذیریمحیطیدرناحیه‌یغرب فارسباروشفازیوفرآیندتحلیلسلسلهمراتبی،مجله‌یپژوهش‌هایجغرافیایطبیعی،شماره‌ 73، 73-68.

میرکتولی،جعفر ومحمدرضاکنعانی(1390)ارزیابیتواناکولوژیککاربریتوسعه‌یشهریبامدلتصمیم‌گیری چندمعیاریMCDM, GIS،مجله‌یپژوهش‌هایجغرافیایانسانی،شماره‌77، صص 88_55.

همدمی، قاسم، مجتبی محمدی، حسن احمدی و اسماعیل شیدای (1389) ارزیابی توان توسعه و آمایش حوضه آبخیز زرین گل استان گلستان با استفاده از GIS، نخستین کنفرانس و پژوهش‌های کاربردی منابع آب ایران.

لطفیزاده (2006) قابل دسترسی در:

An, P.,Moon, W.M., Rencz, A., (1991). Application of fuzzy set theory to integrated mineral exploration. Canadian Journal of Exploration Geophysics, 27(1), 1-11.

Andriantiatsaholiniaina, L. A., V. S. Kouikoglou, et al. (2004). Evaluatingstrategies for sustainable development: fuzzy logic reasoning and sensitivityanalysis, Ecological Economics, 48(2): 149-172.

Angel, S., Sheppard, S., Civco, D. L., Buckley, R., Chabaeva, A., Gitlin, L.,& Perlin, M. (2005). The dynamics of global urban expansion (p. 200). Washington, DC: World Bank, Transport and Urban Development Department.

Baglio, S., Fortuna, L., Graziani, S. & Muscato, G., (1994). Membership function shape and the dynamic behaviour of systems, Adaptive Control Signal Process, v.8, p. 369–377.

Bonham-Carter, G. (1994). Geographic information systems for geoscientists: modelling with GIS (No. 13). Elsevier.

Chang Ni BIN, (2008). combing GIS with Fuzzy malticriteria decicsion making for landfill siting in afast geowing urban region. Jornal of Environmental management.

de Gruijter J. J., Walvoort D. J. J. & Bragato G., (2011). Application of fuzzy logic to Boolean models fordigital soil assessment, Journal of Geoderma, Vol. 166(1): 15–33.

Dill, R., Borba, J. A., & Murcia, F. (2004). Organization's Profitability Analysis: A Fuzzy Logic Approach. In Enampad Congress.

Ertugrul Karsak, E., & Tolga, E. (2001). Fuzzy multi-criteria decision-making procedure for evaluating advanced manufacturing system investments. International journal of production economics, 69(1), 49-64.

Fallah-Ghalhary, G. A., Mousavi-Baygi, M., & Nokhandan, M. H. (2009). Annual Rainfall Forecasting by Using Mamdani Fuzzy Inference System. Research Journal of Environmental Sciences, 3(4).

Hough, M., (1990). Out of Place Restoring Identity the Regional Landscape, Yale Colledge.

Kahraman, C., Cebeci, U., & Ruan, D. (2004). Multi-attribute comparison of catering service companies using fuzzy AHP: The case of Turkey. International Journal of Production Economics, 87(2), 171-184.

Khan, Z., & Anjaneyulu, Y. (2003). Selection of hazardous waste dumpsites based on parameters effecting soil adsorption capacity–a case study. Environmental geology, 43(8), 986-990.

Lin, F., Ying, H., MacArthur, R. D., Cohn, J. A., Barth-Jones, D., & Crane, L. R. (2007). Decision making in fuzzy discrete event systems. Information Sciences, 177(18), 3749-3763.

Liu, Y., & Phinn, S. R. (2003). Modelling urban development with cellular autoata incorporating fuzzy-set approaches. Computers, Environment and Urban Systems, 27(6), 637-658.

Malczewski, J. (1999). GIS and multicriteria decision analysis. John Wiley & Sons.

Masser, I. (2001). Managing our urban future: the role of remote sensing and geographic information systems. Habitat International, 25(4), 503-512.

Novriadi, H. P. M. & Darijanto, T., (2006). ApplyingFuzzy Logic Method in mineral potential mapping forepithermal gold mineralization in the Island of flores, EastNusa Tenggara using geographical information systems(GIS), Proceeding of 9th International Symposium onMineral Exploration: 62-68.

Rafii, Y., Alavipanah, S. K., Malekmohammadi, B., Ramazani Mehrian, M., & Nasiri, H. (2011). Producing land cover maps using remote sensing and decision tree algorithm (Case study: Bakhtegan national park and wildlife refuge). Geography and Environmental Planning, 23(3), 93-110.

Roger Jang, J. S. (1993). ANFIS: Adaptive-Network-Based FuzzyInference System, IEEE Trans. on Systems, Man and Cybernetics, vol. 23(3):665-685.

Safari M, Kakaei R, Ataei M, et al. (2010). Using fuzzy TOPSIS method for mineral processing plant siteselection Case study: Sangan iron ore mine (phase 2). Arabian Journal of Geosciences. 10(4);327-329.

Sands, P., & Peel, J. (2012). Principles of international environmental law. Cambridge University Press.

Shetaii, SH,. Abdi, O,. (2008). Mapping of land use in mountainous regions of Zagros using ETM+ data, Journal of Agricultural Sciences and Natural Resources, 57, 129-138.

Subedi S.P. (2006). International Economic Law Section A: Evolution and principles of

 

international economic law, Revised version, University of London Press.

Sudhira, H. S., Ramachandra, T. V., & Jagadish, K. S. (2004). Urban sprawl: metrics, dynamics and modelling using GIS. International Journal of Applied Earth Observation and Geoinformation, 5(1), 29-39.

Tangestani, M., (2009). A comparative study ofDempster–Shafer and fuzzy models for landslidesusceptibility mapping using a GIS: An experience fromZagros Mountains, SW Iran, Journal of Asian EarthSciences, Vol. 35 (1): 66–73.

Tewolde, M. G., & Cabral, P. (2011). Urban sprawl analysis and modeling in Asmara, Eritrea. Remote Sensing, 3(10), 2148-2165.

Zadeh, L. A., (1965). Fuzzy sets. IEEE Information and Control, 8(3), 338–353.

Zimmermann, H.J., (1991). Fuzzy Set Theory and its Applications, second ed. Kluwer Academic Publishers, Boston, Dordrecht, London.