Dự báo mở rộng đô thị sử dụng mô hình CA-Markov: trường hợp thành phố Tân An, tỉnh Long An
và
*
Article Sidebar
Full Text: 
PDF
Abstract
Exploratory research on urban growth in space and time using a modeling approach plays an important role. This study aims to analyze urban expansion through land use change modeling utilizing an integrated approach of remote sensing images, GIS, and the CA-Markov model in Tan An city. Landsat images in 2013, 2018, and 2023 are used to create the actual land use map. The forecast model is evaluated by comparing the simulation map with the actual land use map in 2023. Land use forecast results for 2033 illustrate that built-up land has been spreading by occupying areas for annual and perennial crops, which will be the primary land use change trend in the future. Urban is forecast to expand mainly from residential areas in the central region along existing transportation routes. The findings also showed that the CA-Markov model can better understand spatial and temporal dynamics when anticipating land use change scenarios.
Tóm tắt
Sự tăng trưởng đô thị theo không gian và thời gian được nghiên cứu bằng cách tiếp cận mô hình hóa có ý nghĩa quan trọng, nhằm mục đích phân tích mở rộng đô thị thông qua mô hình hóa thay đổi sử dụng đất ứng ụng ảnh viễn thám, GIS và mô hình CA-Markov tại thành phố Tân An. Các ảnh Landsat năm 2013, 2018 và 2023 đã được sử dụng để thành lập bản đồ hiện trạng sử dụng đất. Mô hình dự báo được đánh giá bằng cách so sánh bản đồ mô phỏng và bản đồ hiện trạng sử dụng đất năm 2023. Kết quả dự báo sử dụng đất đến năm 2033 cho thấy đất xây dựng ngày càng mở rộng chiếm đất trồng cây hằng năm và lâu năm là xu hướng thay đổi sử dụng đất chính trong tương lai. Đô thị dự báo tăng trưởng mở rộng chính từ các khu dân cư vùng trung tâm và dọc theo các tuyến giao thông hiện hữu. Kết quả cũng chứng minh mô hình CA-Markov có tiềm năng giúp hiểu rõ hơn về động lực không gian và thời gian trong dự đoán kịch bản thay đổi sử dụng đất đai.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Tài liệu tham khảo
Al-Darwish, Y., Ayad, H., Taha, D., & Saadallah, D. (2018). Predicting the future urban growth and it's impacts on the surrounding environment using urban simulation models: Case study of Ibb city–Yemen. Alexandria Engineering Journal, 57(4), 2887–2895. https://doi.org/10.1016/j.aej.2017.10.009
Alsharif, A. A., & Pradhan, B. (2014). Urban sprawl analysis of Tripoli Metropolitan city (Libya) using remote sensing data and multivariate logistic regression model. Journal of the Indian Society of Remote Sensing, 42, 149–163. https://doi.org/10.1007/s12524-013-0299-7
Amato, F., Pontrandolfi, P., & Murgante, B. (2014). Using spatiotemporal analysis in urban sprawl assessment and prediction. In Computational Science and Its Applications–ICCSA 2014: 14th International Conference, Guimarães, Portugal, June 30–July 3, 2014, Proceedings, Part II 14 (pp. 758–773). Springer International Publishing. https://doi.org/10.1007/978-3-319-09129-7_55
Arsanjani, J. J., Helbich, M., Kainz, W., & Boloorani, A. D. (2013). Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion. International Journal of Applied Earth Observation and Geoinformation, 21, 265–275. https://doi.org/10.1016/j.jag.2011.12.014
Baqa, M. F., Chen, F., Lu L., Qureshi, S., Tariq, A., Wang, S., Jing, L., Hamza, S., & Li, Q. (2021). Monitoring and modeling the patterns and trends of urban growth using urban sprawl matrix and CA-Markov model: A case study of Karachi, Pakistan. Land, 10(7), 700. https://doi.org/10.3390/land10070700
Han, H., Yang, C., & Song, J. (2015). Scenario simulation and the prediction of land use and land cover change in Beijing, China. Sustainability, 7(4), 4260–4279. https://doi.org/10.3390/su7044260
Hyandye, C., & Martz, L. W. (2017). A Markovian and cellular automata land-use change predictive model of the Usangu Catchment. International Journal of Remote Sensing, 38(1), 64–81. https://doi.org/10.1080/01431161.2016.1259675
Kamusoko, C., Aniya, M., Adi, B., & Manjoro, M. (2009). Rural sustainability under threat in Zimbabwe–simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata model. Applied Geography, 29(3), 435–447. https://doi.org/10.1016/j.apgeog.2008.10.002
Khanal, N., Uddin, K., Matin, M. A., & Tenneson, K. (2019). Automatic detection of spatiotemporal urban expansion patterns by fusing OSM and landsat data in Kathmandu. Remote Sensing, 11(19), 2296. https://doi.org/10.3390/rs11192296
Khwarahm, N. R., Qader, S., Ararat, K., & Fadhil Al-Quraishi, A. M. (2021). Predicting and mapping land cover/land use changes in Erbil/Iraq using CA-Markov synergy model. Earth Science Informatics, 14(1), 393–406. https://doi.org/10.1007/s12145-020-00541-x
Lambin, E. F. (1997). Modelling and monitoring land-cover change processes in tropical regions. Progress in Physical Geography, 21(3), 375–393. https://doi.org/10.1177/030913339702100303
Landis, J. R. & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33(1), 159–174. https://doi.org/10.2307/2529310
Leta, M. K., Demissie, T. A., & Tränckner, J. (2021). Modeling and prediction of land use land cover change dynamics based on land change modeler (LCM) in nashe watershed, upper blue nile basin, Ethiopia. Sustainability, 13(7), 3740. https://doi.org/10.3390/su13073740
Maithani, S. (2010). Cellular automata based model of urban spatial growth. Journal of the Indian Society of Remote Sensing, 38, 604–610. https://doi.org/10.1007/s12524-010-0053-3
Martellozzo, F., Amato, F., Murgante, B., & Clarke, K. C. (2018). Modeling the impact of urban growth on agriculture and natural land in Italy to 2030. Applied Geography, 91, 156–167. https://doi.org/10.1016/j.apgeog.2017.12.004
Park, S., Jeon, S., Kim, S., & Choi, C. (2011). Prediction and comparison of urban growth by land suitability index mapping using GIS and RS in South Korea. Landscape and Urban Planning, 99(2), 104–114. https://doi.org/10.1016/j.landurbplan.2010.09.001
Pijanowski, B. C., Brown, D. G., Shellito, B. A., & Manik, G. A. (2002). Using neural networks and GIS to forecast land use changes: a land transformation model. Computers, Environment and Urban Systems, 26(6), 553–575. https://doi.org/10.1016/S0198-9715(01)00015-1
Rimal, B., Zhang, L., Keshtkar, H., Haack, B. N., Rijal, S., & Zhang, P. (2018). Land use/land cover dynamics and modeling of urban land expansion by the integration of cellular automata and markov chain. ISPRS International Journal of Geo-Information, 7(4), 154. https://doi.org/10.3390/ijgi7040154
Rosenfield, G. H., & Fitzpatrick-Lins, K. (1986). A coefficient of agreement as a measure of thematic classification accuracy. Photogrammetric Engineering and Remote Sensing, 52(2), 223–227.
Ủy ban nhân dân thành phố Tân An. (2023). Điều kiện tự nhiên, ngày truy cập 13/10/2023. Địa chỉ https://tanan.longan.gov.vn/.
Van Oort, P. A. J. (2007). Interpreting the change detection error matrix. Remote Sensing of Environment, 108(1), 1–8. https://doi.org/10.1016/j.rse.2006.10.012
Wang, S. W., Munkhnasan, L., & Lee, W. K. (2021). Land use and land cover change detection and prediction in Bhutan's high altitude city of Thimphu, using cellular automata and Markov chain. Environmental Challenges, 2, 100017. https://doi.org/10.1016/j.envc.2020.100017
Yagoub, M. M., & Al Bizreh, A. A. (2014). Prediction of land cover change using Markov and cellular automata models: case of Al-Ain, UAE, 1992-2030. Journal of the Indian Society of Remote Sensing, 42, 665–671.
https://doi.org/10.1007/s12524-013-0353-5