Phân tích xu hướng phát triển đô thị thành phố Cần Thơ giai đoạn 2004 - 2019
,
,
,
và
Article Sidebar
Full Text: 
PDF
Abstract
The study was analyzed and evaluated the trend of urban growth in 2004 and 2019 supporting localities in planning urban development orientations in Can Tho city. Landsat images were applied using the Maximum Likelihood Classifier (MCL) classification to map the land use/land cover in Can Tho city and hotspot analysis to explore the urbanization trend. The results revealed that urban areas are mainly concentrated in Cai Rang, Ninh Kieu, Binh Thuy, and Thot Not districts. The urban area in 2004 was 6,400.2 hectares (ha) and 16,007.0 ha in 2019. The urban proportion increased from 4.45% to 11.12%. The average annual urbanization rate in the whole city was 0.43%/year in which the highest rate in Ninh Kieu district at 1.52%/year and the lowest rate in Co Do district at 0.19%/year. Urban density in Ninh Kieu district is the highest value with 45.9% in 2004 and 65.62% in 2019. The urbanization trends forming residential chains were along the Hau river, the Can Tho river toward the southeast and main national highways.
Tóm tắt
Nghiên cứu được thực hiện nhằm phân tích và đánh giá xu hướng phát triển đô thị thành phố (TP.) Cần Thơ năm 2004 và 2019 từ đó hỗ trợ các địa phương định hướng phát triển vùng đô thị tại các quân/huyện TP. Cần Thơ. Ảnh Landsat được phân loại bằng thuật toán xác suất cực đại (Maximum Likelihood Classification-MCL) và phân tích điểm nóng (Hotspot) theo dõi xu hướng đô thị hóa. Kết quả nghiên cứu cho thấy đô thị tập trung chủ yếu tại 4 quận Cái Răng, Ninh Kiều, Bình Thủy và Thốt Nốt với tổng diện tích năm 2004 là 6.400,2 héc-ta (ha) và năm 2019 là 16.007,0 ha. Tỷ lệ đô thị của TP. Cần Thơ tăng từ 4,45% năm 2004 lên 11,12% năm 2019. Tốc độ đô thị hóa trung bình năm của toàn thành phố là 0,43%, cao nhất là quận Ninh Kiều với 1,52% và thấp nhất là 0,19% ở huyện Cờ Đỏ. Mật độ đô thị quận Ninh Kiều cao nhất toàn thành phố với 45,9% năm 2004 và 65,62% năm 2019. Đô thị hóa phát triển theo hướng (1) dọc theo sông Hậu hình thành một đô thị dạng chuỗi, (2) theo sông Cần Thơ về phía Tây Nam và (3) theo hướng các tuyến quốc lộ chính.
Article Details
Tài liệu tham khảo
Ahmad, F., & Goparaju, L. (2016). Analysis of Urban Sprawl Dynamics Using Geospatial Technology in Ranchi City, Jharkhand, India. J. Environ. Geogr., 9(1-2), 7–13. https://doi.org/10.1515/jengeo-2016-0002.
Aithal, B.H., & Sanna, D.D. (2012). Insights to urban dynamics through landscape spatial pattern analysis. International Journal of Applied Earth Observation and Geoinformation, 18, 329-343. https://doi.org/10.1016/j.jag.2012.03.005.
Al-shalabi, M., Pradhan, B., Billa, L., Mansor, S., & Althuwaynee, O.F. (2013). Manifestation of remote sensing data in modeling urban sprawl using the SLEUTH model and brute force calibration: a case study of Sana’a city, Yemen. Journal of the Indian Society of Remote Sensing, 41(2), 405-416. https://doi.org/10.1007/s12524-012-0215-6.
Bộ Xây dựng. (2019). Tạp chí Quy hoạch Xây dựng (Số 97+98/2019). https://moc.gov.vn/en/news/52307/quy-hoach-tong-the-he-thong-do-thi-quoc-gia--tu-goc-do-quan-ly-phat-trien-do-thi.aspx.
Cục khảo sát địa chất Hoa kỳ (USGS). (2019, November 6). USGS Earth Explore. https://earthexplorer.usgs.gov.
Cục Thống kê thành phố Cần Thơ. (2020). Kết quả Tổng điều tra dân số nhà ở năm 2019. Nhà xuất bản Thống kê.
Cục Thống kê thành phố Cần Thơ. (2019). Niên giám thống kê thành phố Cần Thơ. Nhà xuất bản Thống kê.
Cổng thông tin điện tử thành phố Cần Thơ. (06/12/2017). Tổng quan thành phố Cần Thơ. https://www.cantho.gov.vn/wps/portal/home/gioi-thieu/chi-tiet/Gioi+thieu+TPCT/Gioi+thieu+chung.
ESRI. (2018, October 12). How Hot Spot Analysis (Getis-Ord Gi*) works. http://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-statistics-toolbox/h-how-hot-spot-analysis-getis-ord-gi-spatial-stati.htm.
Gao, B. C. (1996). NDWI A Normalized Difference Water Index for Remote Sensing of Vegetation Liquid Water from Space. Remote Sensing of Environment, 58(3), 257-266. https://doi.org/10.1016/S0034-4257(96)00067-3.
Hu, Q., Wu, W., Xia, T., Yu, Q., Yang, P., Li, Z., & Song, Q. (2013). Exploring the Use of Google Earth Imagery and Object-Based Methods in Land Use/Cover Mapping. Remote Sens., 5(11), 6026-6042. https://doi.org/10.3390/rs5116026.
Huỳnh Trọng Nhân. (5/2/2021). Ứng dụng kết quả phân tích ảnh viễn thám Sentinel-2 trong quản lý thoát nước mặt các đô thị vùng ĐBSCL theo hướng bền vững. http://vwsa.org.vn/vn/article/2260/ung-dung-ket-qua-phan-tich-anh-vien-tham-sentinel-2-trong-quan-ly-thoat-nuoc-mat-cac-do-thi-vung-dbscl-theo-huong-ben-vung.html.
Hardin, P. J., Jackson, M. W., & Otterstrom, S. M. (2007). Mapping, Measuring and Modeling Urban Growth. Geo-spatial Technologies in Urban Environments, Springer.
Lê Văn Trung & Nguyễn Nguyên Vũ. (2018). Ứng dụng viễn thám và GIS đánh giá xu thế đô thị hóa tại thành phố Cần Thơ. Tạp chí Phát triển Khoa học & Công nghệ: Chuyên san khoa học trái đất & môi trường, 2(1), 57-62.
Liu, L., Shi, L., Zhang, Z., and Zhao, X. (2015). Evaluating Urban Expansion of Beijing during 1973-2013, by using GIS and Remote Sensing. Geo-informatics in Resource Management and Sustainable Ecosystem, Springer.
Maktav, D., & Erbek, F. (2005). Analysis of urban growth using multi‐temporal satellite data in Istanbul, Turkey. International Journal of Remote Sensing, 26(4), 797-810. https://doi.org/10.1080/01431160512331316784.
Madhavan, B. B., Kubo, S., Kurisaki, N., & Sivakumar, T. (2001). Appraising the anatomy and spatial growth of the Bangkok Metropolitan area using a vegetation-impervious-soil model through remote sensing. International Journal of Remote Sensing, 22(5), 789-806. https://doi.org/10.1080/01431160051060200.
Peng, X., Chen, X., & Cheng, Y. (2010). Urbanization and Its Consequences, in: Demography. Encyclopedia of Life Support Systems (EOLSS), UK.
Pajares, G., Sánchez-Beato, A., Cruz, J. M., & Ruz, J. J. (2007). A Neural Network Model for Image Change Detection Based on Fuzzy Cognitive Maps. Pattern Recognition and Image Analysis, Springer.
Ramachandra, T., Bharath, H., & Sowmyashree, M. (2013). Analysis of Spatial Patterns of Urbanisation Using Geoinformatics and Spatial Metrics. Theoretical and Empirical Researches in Urban Management, 8(4), 5-24.
Shalaby, A. (2012). Assessment of Urban Sprawl Impact on the Agricultural Land in the Nile Delta of Egypt Using Remote Sensing and Digital Soil Map. International Journal of Environment and Sciences, 1(4), 253-262.
Sintusingha, S. (2011). Bangkok’s Urban Evolution: Challenges and Opportunities for Urban Sustainability, in: Sorensen, A., Okata, J. (Eds.), Megacities. Urban Form Governance and Sustainability, Springer. https://doi.org/10.1007/978-4-431-99267-7_7.
Sở Tài nguyên và Môi trường TP. Cần Thơ. (06/12/2019). Bản đồ ranh giới hành chính thành phố Cần Thơ. https://www.invert.vn/ban-do-can-tho-ar2522.
Tổng cục Thống kê. (2020). Kết quả toàn bộ tổng điều tra dân số và nhà ở năm 2019. Nhà xuất bản thống kê.
Trần Thị Vân. (2008). Đô thị hóa và chất lượng môi trường đô thị từ viễn thám các mặt không thấm: trường hợp Tp.HCM. Tạp chí Phát triển Khoa học và Công nghệ, ĐHQG-HCM, 11(4), 1-7.
Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote Sens. Environ, 8(2), 127–150. https://doi.org/10.1016/0034-4257(79)90013-0.
Ủy ban nhân dân thành phố Cần Thơ. (24/05/2021). Cần Thơ điều chỉnh quy hoạch chung đáp ứng yêu cầu phát triển. https://moc.gov.vn/vn/tin-tuc/1184/67456/can-tho-dieu-chinh-quy-hoach-chung-dap-ung-yeu-cau-phat-trien.aspx.
Wei, W., Yunjia, W., Qing, W., Dajun, L., & Zhijie, W. (2012). Application of Decision Tree in Land Use Classification. International Conference on Informatics, Cybernetics, and Computer Engineering (ICCE2011), 42(5), 120-135. Melbourne, Australia.
Yang, X. (2010). Integration of Remote Sensing with GIS for Urban Growth Characterization. Geospatial Analysis and Modelling of Urban Structure and Dynamics, Springer.
Zha, Y., Gao, Y. & Ni, S. (2003). Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International Journal of Remote Sensing, 24(3), 583–594. https://doi.org/10.1080/01431160304987.