Pemodelan urban sprawl menggunakan metode fuzzy

Pemodelan urban sprawl menggunakan model fuzzy seluler automata untuk kota Jaipur

Perkembangan pertumbuhan kota yang tidakterorganisir, tidak terencana, tidak terkontrol, dantidak sah telah disebut sebagai urban sprawl dansering disebut sebagai pola transportasi yang kompleks, sosial, ekonomi, dan penggunaan lahan(Frumkin, 2002; Sudhira et al., 2004). Urban sprawl dapat dikategorikan dalam tiga bentuk utamasebagai pita, lompatan katak dan redial sepertiyang ditunjukkan pada Gambar 1. Pita urban sprawl sebagian besar di sekitar jalur transportasiperkotaan seperti jalan raya, bandara, dan jalurkereta api. Leapfrog dapat dikenal sebagai cluster yang tersebar, terputus-putus, dan pertumbuhankota yang terpisah jauh. Bentangan kota redial ditemukan di sekitar daerah pinggiran, dan di luarkota metropolitan.

 

Gambar 1 Pola urban sprawl

2 Area studi dan kumpulan data

Jaipur adalah ibu kota negara bagian Rajasthan, dan kota dengan populasi kesepuluh tertinggi di India. Daerah studi mencakup dari 26 ° 92 'N hingga 75 ° 82' E. Jaipur juga berada di dekat ibukota India, Delhi, dan kota wisata Agra, yang membentuk sirkuit wisata segitiga emas. Menurutsensus India, populasi perkotaan kota Jaipur padatahun 2001 adalah 2.322.575 dan 3.046.163 padatahun 2011 sekitar.

 

​Gambar 2 Area studi (lihat versi online untukwarna)

Gambar 3 Klasifikasi kemungkinan maksimumterbimbing dari gambar ETM + untuk tahun (a) 2005 dan (B) 2015 (lihat versi online untuk warna).

 

Gambar 4 Diagram alir metodologi

 

Gambar 5 Input untuk model fuzzy: (a) jalan utama, (b) jalan utama dan (c) jalan lokal (lihat versi online untuk warna)

 

 

​

b Kemiringan

 Kemiringan permukaan tanah dapat meningkatkanbiaya pengembangan sehingga umumnya orang tidak akan memilih tanah yang memiliki tingkatkemiringan yang lebih tinggi seperti yang ditunjukkan pada Gambar 6.

Gambar 6 Slope (lihat versi online untuk warna)

 

​

c Ketinggian

Ketinggian adalah faktor yang juga meningkatkan biaya pengembangan. Ketikaketinggian tanah meningkat, demikian pula biayapembangunan seperti yang ditunjukkan padaGambar 7.

Gambar 7 Ketinggian (lihat versi online untukwarna)

 

d Kepadatan kota

Kepadatan perkotaan adalah ukuranperkembangan kota dalam hal berapa banyak selyang dikembangkan di sekitar sel yang dikembangkan. Sel, yang berdekatan dengan selyang berkembang penuh, memiliki kemungkinanpengembangan yang lebih tinggi karena daya tarikmemiliki fasilitas dasar seperti infrastruktur, air, listrik, sanitasi, rumah sakit, dan fasilitas lainnya.

Gambar 8 Kepadatan perkotaan (lihat versionline untuk warna)

 

Gambar 9 Perubahan non-urban menjadiurban dari 2005 hingga 2015 (lihat versi online untuk warna)

​                                                                                                                                             

​                                 Gambar 10 Tingkat pertumbuhan

Gambar 11 Perubahan yang diprediksi padanon-urban menjadi urban dari 2015 hingga 2025 (lihat versi online untuk warna).

 

Kesimpulan

 Di India, urbanisasi meningkat pesat dalambeberapa dekade terakhir. Pembebasan lahanuntuk industrialisasi, infrastruktur, dan peningkatanekonomi menarik orang untuk bermigrasi daridaerah pedesaan ke daerah perkotaan untukkenyamanan dasar. Tingginya tingkat populasi danmigrasi telah mengubah pola pengembangan pusatkota, dan juga pinggiran kota. Perluasan daerahperkotaan di daerah pedesaan dapat mengubahlahan pedesaan menjadi pembangunan yang tidakdirencanakan. Dalam tulisan ini, kami telahmenunjukkan bagaimana model fuzzy-CA-markovdapat digunakan untuk memodelkan urban sprawl.Faktor-faktor yang mempengaruhi urban sprawl dianggap sebagai parameter fuzzy sepertiaksesibilitas dari jalan lokal, aksesibilitas dari jalanutama, aksesibilitas dari jalan utama, lereng, ketinggian, dan kepadatan. Model fuzzy-CA-Markov juga telah digunakan untuk mengukurpenyebaran perkotaan di masa depan untuk kotaJaipur. Prediksi urban sprawl di masa mendatangdiukur melalui model Markov CA. Output dari model Markov digunakan oleh model CA. Dalam model CA, kita harus mengatur jumlah iterasi dan filter kedekatan.

Referensi

Al-Ahmadi, K. et al. (2009) ‘Calibration of a fuzzy cellular automata model of urban dynamics in Saudi Arabia’, Ecological Complexity, Vol. 6, No. 2, pp.80–101.

Arsanjani, J.J., Helbich, M., Kainz, W. and 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, Vol. 21, No. 1, pp.265–275.

Barredo, J.I. et al. (2004) ‘Modelling future urban scenarios in developing countries: an application case study in Lagos, Nigeria’, Environment and Planning B: Planning and Design, Vol. 31, No. 1, pp.65–84.

Batty, M. and Xie, Y. (1994) ‘From cells to cities’, Environment and Planning B: Planning and Design, Vol. 21, No.7, pp.S31–S48.

Batty, M., Xie, Y. and Sun, Z. (1999) ‘Modeling urban dynamics through GIS-based cellular automata’, Computers, Environment and Urban Systems, Vol. 23, No. 3, pp.205–233.

Blecic, I. et al. (2004) ‘Modelling urban dynamics with cellular automata: a model of the city of Heraclion’, 7th AGILE Conference on Geographic Information Science.

Clarke, K.C. and Gaydos, L.J. (1998) ‘Loose-coupling a cellular automaton model and GIS: long-term urban growth prediction for San Francisco and Washington/Baltimore’, InternationalJournal of Geographical Information Science, Vol. 12, No. 7, pp.699–714.

Clarke, K.C., Hoppen, S. and Gaydos, L. (1997) ‘A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area’, Environment and Planning B: Planning and Design, Vol. 24, No. 2, pp.247–261.