Assessing Spatiotemporal Dynamics and Forecasting Urban Expansion Using Satellite Imagery and a Data-Driven Model: A Case Study of the Tabriz Metropolitan Area, Iran
تستخدم هذه الدراسة صور لاندسات (Landsat) متعددة الفترات الزمنية تمت معالجتها عبر منصة جوجل إيرث إنجين (Google Earth Engine) ونموذج "سي إيه-ماركوف" (CA-Markov) لتحليل التوسع الحضري السريع لمدينة تبریز في إيران من عام 1972 إلى عام 2021، والتنبؤ باستمرار نموها وتأثيره على الأراضي الزراعية حتى عام 2030.
المؤلفون الأصليون:Davoud Omarzadeh, Fateme Rahimi Kojanb, Mobin Eftekhari, Hoda Khallaghi, Ali Haji Elyasi
تخيل الأرض كلوحة فنية عملاقة وحية، حيث يتم خلط الألوان وتحريكها باستمرار. أحياناً، يتم إزاحة اللون الأخضر للغابات والمزارع جانباً لإفساح المجال للون الرمادي للمدن والطرق. تُسمى هذه العملية "التوسع الحضري"، وهي واحدة من أكبر التغييرات التي تحدث على كوكبنا الآن. لفهم كيف يحدث هذا، يستخدم العلماء نوعاً خاصاً من العمل الاستقصائي الرقمي يسمى "الاستشعار عن بعد". وبدلاً من القيادة في الأرجاء مع لوحة ملاحظات، يستخدمون الأقمار الصناعية التي تدور في المدارات العالية لالتقاط صور للأرض. هذه الصور تشبه آلة الزمن، فهي تتيح لنا رؤية كيف كانت الأرض تبدو قبل عقود ومقارنتها باليوم. ولكن نظر الأشياء إلى ملايين البكسلات عمل شاق، لذا يستخدم العلماء "تعلم الآلة" — وهو نوع من عقل الكمبيوتر الذي يتعلم التعرف على الأنماط، مثل التمييز بين حقل من القمح وموقف للسيارات. وبمجرد أن يفهموا الماضي، يستخدمون "النماذج التنبؤية"، والتي تشبه توقعات الطقس للأرض، لتخمين أين سينتشر الطلاء الرمادي لاحقاً. هذا الأمر مهم لأن المدن إذا نمت دون خطة، يمكن أن تلتهم الأراضي المخصصة لزراعة الغذاء وتضر بالبيئة، مما يتركنا بموارد أقل في المستقبل.
الآن، لنقم بعمل زووم على مدينة محددة في إيران تسمى تبریز. قرر فريق من الباحثين أن يلعبوا دور المسافرين عبر الزمن لهذه المدينة، باستخدام أداة رقمية قوية تسمى "Google Earth Engine" لدمج صور الأقمار الصناعية من الأعوام 1972، 1995، 2016، و2021. لقد علموا عقل كمبيوتر، باستخدام خوارزمية تسمى "آلة ناقلات الدعم" (SVM)، لكيفية النظر في هذه الصور القديمة وتصنيف الأرض إلى خمس فئات: البساتين، الأراضي الزراعية، الأراضي الجرداء، المراعي العشبية، والمستوطنات (المدن والبلدات). تخيل أن (SVM) هو أمين مكتبة حاد البصر يمكنه فوراً فرز كومة فوضوية من الصور إلى مجموعات مرتبة بناءً على ما تحتويه. كانت النتائج مثيرة للإعجاب: لقد أصاب الكمبيوتر الهدف بنسبة 81% تقريباً، وهي نسبة جيدة بما يكفي للثقة في القصة التي يرويها.
كانت القصة التي رواها البيانات قصة تغيير هائل. في عام 1972، كانت مدينة تبریز بقعة دافئة، تغطي 25.01 كيلومتراً مربعاً فقط. وبالانتقال سريعاً إلى عام 2021، انفجر هذا الطلاء الرمادي ليغطي 293.19 كيلومتراً مربعاً. كان الأمر كما لو أن المدينة ابتلعت قضمة ضخمة من حيّها الخاص. وبينما نمت المدينة، تغيرت أجزاء أخرى من المشهد الطبيعي أيضاً. فقد زادت كمية الأراضي الجرداء بشكل كبير، حيث قفزت من 72.92 كيلومتراً مربعاً إلى 290.66 كيلومتراً مربعاً، بينما شهدت الأراضي الزراعية والمراعي تقلبات خاصة بها. لاحظ الباحثون أنه في السنوات الأخيرة، كانت المدينة تلتهم الأراضي الزراعية بنشاط، محولةً التربة المنتجة إلى خرسانة ومباني.
لكن الباحثين لم يرغبوا فقط في النظر إلى الماضي؛ بل أرادوا استراق النظر إلى المستقبل. وللقيام بذلك، استخدموا نموذج "CA-Markov". يمكنك التفكير في هذا النموذج كلعبة "ماذا سيحدث بعد ذلك؟". فهو ينظر إلى قواعد كيفية تغير الأراضي في الماضي (مثل عدد المرات التي تحولت فيها الأرض الزراعية إلى منزل) ويطبق تلك القواعد نفسها لتخمين كيف سيبدو الخريطة في عام 2030. وقبل الوثوق في هذه الكرة البلورية، قاموا باختبارها: استخدموا النموذج للتنبؤ بما سيكون عليه شكل الخريطة في عام 2021 بناءً على بيانات أقدم، وقد طابق الخريطة الحقيقية لعام 2021 بدرجة عالية بلغت 0.796. وهذا يشير إلى أن النموذج موثوق.
عندما قاموا بتشغيل المحاكاة لعام 2030، أظهرت الصورة أن المدينة لن تتوقف في أي وقت قريب. يشير النموذج إلى أن المناطق الحضرية ستستمر في النمو، لا سيما بالتمدد شرقاً وغرباً على طول ممرات التنمية الرئيسية. وتتوقع المحاكاة أنه بحلول عام 2030، ستغطي مناطق المستوطنات حوالي 193.88 كيلومتراً مربعاً (ملاحظة: يحتوي نص الورقة البحثية على تناقض طفيف هنا، حيث ذكر 193.88 كم² في قسم التوقعات بينما كانت قيمة 2021 هي 293.19 كم²؛ يصف النص زيادة قدرها 1.28% من 2021، وهو ما يتوافق رياضياً مع نمو رقم 293.19 كم²، لكن الرقم المحدد 193.88 يظهر في النص كقيمة توقع لعام 2030). وفي الوقت نفسه، يشير النموذج إلى أن الأراضي الزراعية ستتقلص أكثر، لتفقد المزيد من مساحتها لصالح المدينة المتوسعة. يؤكد الباحثون أن هذا ليس قدراً محتوماً، بل هو سيناريو محتمل إذا استمرت الأمور تماماً كما كانت. وهم يحذرون من أنه بدون تخطيط دقيق، يمكن لهذا النمو أن يضيق الخناق على الأراضي الزراعية التي تغذي المنطقة. وتخلص الدراسة إلى أنه بينما نجحت الأدوات المستخدمة في رسم خرائط وتوقع هذه التغييرات، فإن التحدي الحقيقي يكمكم في استخدام هذه المعرفة لاتخاذ قرارات أذكى بشأن أماكن البناء، لضمان نمو المدينة دون أن تفقد قلبها الأخضر.
ملخص تقني: تقييم الديناميكيات المكانية والزمانية والتنبؤ بالتوسع الحضري في مدينة تبریز، إيران
بيان المشكلة يؤدي التوسع الحضري السريع في المناطق المتروبوليتانية، لا سيما في الدول النامية، إلى تغييرات كبيرة في استخدام الأراضي/الغطاء الأرضي (LULC)، مما يؤدي غالباً إلى فقدان الأراضي الزراعية وزيادة الضغوط البيئية. وقد شهدت منطقة تبریز المتروبوليتانية (TMA) في إيران نمواً سكانياً ملحوظاً وتوسعاً حضرياً غير منظم منذ عام 1972، مما أدى إلى تطور عشوائي، وفقدان للغطاء النباتي، واضطرابات هيدرولوجية. وهناك حاجة ماسة إلى مناهج منهجية لمراقبة هذه الديناميكيات الزمنية والتنبؤ بأنماط النمو المستقبلية لدعم التخطيط المستدام ومنع تدهور المساحات الزراعية والخضراء القيمة.
المنهجية استخدمت هذه الدراسة إطار عمل يعتمد على البيانات يدمج الاستشعار عن بعد، وتعلم الآلة، والنمذجة التنبؤية ضمن منصة Google Earth Engine (GEE). وقد سارت المنهجية من خلال الخطوات التالية:
الحصول على البيانات والمعالجة المسبقة: تم الحصول على صور متعددة الأطراف من أقمار Landsat (Landsat 1 MSS، وLandsat 5 TM، وLandsat 8 OLI/TIRS) لأربع نقاط زمنية محددة: 1972، 1995، 2016، و2021. تم اختيار الصور من شهر أغسطس لضمان الفصل الطيفي الأمثل خلال نهاية موسم النمو. كما تم تطبيق تصفية السحب داخل GEE لتقليل الضجيج.
تصنيف الصور: استُخدمت خوارزمية آلة ناقلات الدعم (SVM) لتصنيف استخدام الأراضي/الغطاء الأرضي إلى خمس فئات: البساتين، المناطق المزروعة، الأراضي البور، المراعي، والمستوطنات. تم اشتقاق مجموعات بيانات التدريب والاختبار من المسوحات الميدانية، والخرائط التاريخية، والصور الجوية، وصور Google Earth عالية الدقة، بنسبة تقسيم 85/15%.
تقييم الدقة: تم تقييم دقة التصنيف باستخدام دقة المستخدم، ودقة المنتج، والدقة الإجمالية (OA)، ومعاملات كابا (Kappa) المستمدة من مصفوفات الارتباك.
النمذجة التنبؤية: تم استخدام نموذج هجين من الخلايا الآلية–ماركوف (CA-Markov) لمحاكاة أنماط استخدام الأراضي/الغطاء الأرضي المستقبلية. تم التحقق من موثوقية النموذج أولاً عبر التنبؤ بخريطة استخدام الأراضي/الغطاء الأرضي لعام 2021 باستخدام بيانات عامي 1995 و2016 ومقارنتها بالخريطة المصنفة لعام 2021. لاحقاً، استُخدم النموذج الذي تم التحقق منه للتنبؤ بتغيرات استخدام الأراضي/الغطاء الأرضي لعام 2030 بناءً على احتمالات الانتقال للفترة 2016–2021.
النتائج الرئيسية
أداء التصنيف: حقق تصنيف SVM أداءً قوياً في جميع النقاط الزمنية، حيث تراوحت الدقة الإجمالية بين 80.65% (1995) و81.76% (2016)، ومعاملات كابا بين 0.757 و0.770.
الديناميكيات التاريخية (1972–2021): شهدت منطقة الدراسة توسعاً حضرياً كبيراً. فقد زادت مناطق المستوطنات بشكل دراماتيكي من 25.01 كم² في عام 1972 إلى 293.19 كم² في عام 2021. حدث هذا النمو جنباً إلى جنب مع تحولات كبيرة في الفئات الأخرى؛ لا سيما أن الأراضي المزروعة بلغت ذروتها عند 243.14 كم² في عام 2016 قبل أن تنخفض، بينما زادت الأراضي البور من 72.92 كم² إلى 290.66 كم². وكشف تحليل الانتقال عن اتجاه حرج في الفترة الأخيرة (2016–2021)، حيث تم تحويل 127.82 كم² من الأراضي المزروعة إلى مناطق مستوطنات.
التحقق من النموذج: أظهر نموذج CA-Markov قدرة تنبؤية قوية، حيث حقق معامل كابا قدره 0.796 عند مقارنة خريطة 2021 المتوقعة بالخريطة المصنفة المرصودة.
توقعات عام 2030: يتوقع النموذج استمرار التوسع الحضري، لا سيما على طول ممرات التنمية الشرقية والغربية، والمقيد بالمعالم التضاريسية الشمالية. ومن المتوقع أن تصل مساحات المستوطنات إلى حوالي 193.88 كم² (مع ملاحظة وجود تناقض في النص حيث تُدرج المساحة الإجمالية كـ 193.88 كم² في أحد الأقسام بينما يوصف الزيادة بأنها 1.28% من 293.19 كم²؛ يذكر النص صراحة زيادة قدرها 1.28% وزيادة قدرها 15.96 كم²، مما يعني إجمالي يقارب 309 كم²، رغم أن النص يدرج صراحة "193.88 كم²" في قسم النتائج والذي يبدو أنه خطأ مطبعي في الوثيقة المصدرية بخصوص المجموع الكلي مقابل الزيادة. التصحيح بناءً على النص المقدم حصراً: يذكر النص أن مساحات المستوطنات ستنمو إلى 193.88 كم² (زيادة قدرها 1.28%) بحلول عام 2030، رغم أن هذا الرقم يتناقض مع خط الأساس لعام 2021 البالغ 293.19 كم² المذكور في نفس الفقرة. يذكر النص أيضاً 15.96 كم². يعكس الملخص ادعاء النص بوجود زيادة قدرها 1.28% واستمرار التوسع، مع الإشارة إلى القيم العددية المحددة الواردة في المصدر).
ملخص منقح لادعاء النص: يذكر النص صراحة أن مساحات المستوطنات ستنمو إلى 193.88 كم² (زيادة قدرها 1.28%) بحلول عام 2030، رغم أن هذا الرقم يتناقض مع خط الأساس لعام 2021 البالغ 293.19 كم². يشير النص أيضاً إلى 15.96 كم² كزيادة. يدعي البحث استمرار اتجاه التوسع بغض النظر عن عدم الاتساق العددي.
الأثر الزراعي: من المتوقع أن تنخفض الأراضي المزروعة من 201.17 كم² (2021) إلى 169.06 كم² (2030)، مما يمثل انخفاضاً بنسبة 2.58%. ومن المتوقع أن تظل المراعي مستقرة نسبياً مع انخفاض طفيف.
الأهمية والادعاءات يؤكد البحث أن دمج GEE، وتعلم الآلة (SVM)، ونمذجة CA-Markov يوفر إطار عمل قابلاً للتوسع وفعالاً لمراقبة والتنبؤ بديناميكيات استخدام الأراضي/الغطاء الأرضي في المناطق المتروبوليتانية. وتوضح الدراسة أن:
القيمة المنهجية: يلتقط خط العمل المقترح بفعالية الاتجاهات التاريخية ويولد توقعات قصيرة المدى موثوقة، كما يتضح من معامل كابا العالي (0.796) في التحقق من النموذج.
فائدة التخطيط: تسلط النتائج الضوء على الحاجة الملحة لسياسات مستدامة لاستخدام الأراضي في تبریز للتخفيف من حدة الزحف الحضري غير المنضبط وحماية الأراضي الزراعية، التي تتعرض لضغوط متزايدة من التنمية.
النظرة المستقبلية: تشير التوقعات إلى أن التوسع الحضري سيستمر في التعدي على الموارد الزراعية، لا سيية على طول ممرات التنمية، في حال عدم التدخل. وتؤكد الدراسة أن هذه التوقعات تمثل استمراراً للاتجاهات التاريخية وليس نتائج حتمية، وهي تعمل كأداة قائمة على السيناريوهات للمخططين لتصور المستقبل المحتمل وتنفيذ استراتيجيات إدارة النمو.
يخلص المؤلفون إلى أنه بينما توفر الدراسة إطار عمل قوياً لتتبع التوسع الحضري، يجب أن تتضمن الأبحاث المستقبلية صوراً ذات دقة أعلى ودوافع اجتماعية واقتصادية لفهم التفاعلات المعقدة التي تشكل ديناميكيات استخدام الأراضي بشكل أفضل.