Pendahuluan
Pengembangan terorganisir, terencana, tidak
terkendali, dan tidak sah dari pertumbuhan perkotaan telah disebut sebagai
urban sprawl dan sering merujuk sebagai pola yang kompleks transportasi,
sosial, ekonomi, dan pengembangan penggunaan lahan (Frumkin, 2002; Sudhira et
al, 2004.). urban sprawl dapat dikategorikan dalam tiga bentuk utama sebagai
pita, katak lompatan dan memanggil ulang seperti yang ditunjukkan pada Gambar,
Ribbon urban sprawl sebagian besar di sekitar garis transportasi perkotaan
seperti jalan raya, bandara, dan jalur kereta api. Leapfrog dapat dikenal
sebagai tersebar, klaster terputus, dan secara luas dipisahkan pertumbuhan
perkotaan. Ulang urban sprawl ditemukan di sekitar daerah pinggiran, dan di
luar kota metropolitan.
Urban sprawl dalam waktu, ruang, dan konsekuensi
spasial memerlukan studi serius oleh para perencana, dan peneliti (Barredo et
al. selular automata (CA) secara luas teknik untuk pemodelan, simulasi, dan
prediksi urban sprawl digunakan (Putih dan Engelen, 1997; Clarke dan Gaydos,
1998; Lau dan Kam, 2005). CA pertama kali diperkenalkan oleh Metropolis, dan
Ulam pada tahun 1949. CA secara luas digunakan untuk mensimulasikan sistem yang
kompleks nonlinear (Wolfram, 1984; Itami, 1994). Saat ini, CA juga digunakan
untuk mensimulasikan sistem perkotaan. Batty dan Xie simulasi penggunaan lahan
dinamika untuk kerbau kota, New York (Batty dan Xie, 1994;. Batty et al, 1999).
Li dan Yeh (2000, 2002) mengembangkan model CA menggunakan jaringan saraf untuk
simulasi pembangunan kota di Cina selatan. Baru-baru ini, Al-Ahmadi dkk. (2009)
digunakan CA kabur untuk pemodelan perkotaan.
Permasalahan
Di India, urbanisasi meningkat pesat
dalam beberapa dekade terakhir yaitu 27,81% pada tahun 2001 menjadi 31,165 pada
tahun 2011 (Sensus India, 2011). Populasi perkotaan kota Jaipur pada tahun 2001
adalah 2.322.575 dan 3.046.163 pada tahun 2011 sekitar.
Tingginya tingkat populasi dan migrasi
telah mengubah pola pusat kota, dan pinggiran kota juga. Jadi, diperlukan untuk
merancang perencanaan kota yang tepat, penggunaan lahan dan sistem prediksi
masa depan untuk kota Jaipur. Pembangunan yang tidak terorganisir, tidak terencana,
tidak terkendali, dan tidak sah telah disebut sebagai urban sprawl dan sering
disebut sebagai pola transportasi, sosial, ekonomi, dan penggunaan lahan yang
kompleks. Peningkatan pesat dalam populasi dan perkembangan ekonomi adalah
pengaruh utama penyebaran kota.
Lokasi
Studi
Jaipur adalah ibu kota negara bagian
Rajasthan, dan kota dengan populasi kesepuluh tertinggi di India. Jaipur juga berada
di dekat ibu kota India, Delhi, dan kota wisata Agra, yang membentuk sirkuit
wisata segitiga emas.
Metodologi
- Klasifikasi citra dan deteksi
perubahan
Data penginderaan jauh yang diperoleh dari USGS diolah
dan dianalisis menggunakan penginderaan jauh, dan GIS. koreksi geometri citra
satelit dari TM dan ETM + telah dilakukan dengan menggunakan Geographic
(lintang / bujur) proyeksi, tetangga terdekat, dan Everest datum. akar berarti
square error (RMSE) dipertahankan menjadi sangat rendah pada saat koreksi
geometrik. Teknik peregangan kontras telah digunakan untuk peningkatan citra
untuk interpretasi yang lebih baik. Kemungkinan Maksimum teknik diawasi
Klasifikasi (MLC) digunakan untuk gambar diklasifikasikan tahun 2005 dan 2015.
MLC adalah klasifikasi terbaik yang cocok dengan akurasi yang lebih tinggi
(Sisodia et al., 2014). akurasi klasifikasi telah dilakukan dengan menggunakan
akurasi keseluruhan, akurasi produser, akurasi pengguna, dan statistik kappa
keseluruhan (Congalton, 1991).
Faktor-faktor yang mempengaruhi urban sprawl dianggap
sebagai parameter kabur seperti aksesibilitas dari jalan lokal, aksesibilitas
dari jalan utama, slop, ketinggian, dan kepadatan.
Fuzzy-CA-Markov
Model
Fuzzy-CA-Markov Model telah digunakan untuk mengukur
masa depan urban sprawl. software Idrisi Taiga telah digunakan untuk model
Fuzzy-CA-Markov. Dalam model ini, kita telah menggunakan enam parameter sebagai
masukan untuk model. lapisan Fuzzy model yang pertama diproses dalam dua cara:
1. input layer
adalah kalikan dengan berat badan yang merupakan indikasi pentingnya masukan.
2. Perkalian dengan
fungsi keanggotaan pembusukan jarak kabur yang menunjukkan kedekatan dengan
fitur yang diberikan.
Alih-alih mengambil fitur renyah yang menunjukkan
jarak jauh dari fitur, kami telah menggunakan fungsi pembusukan jarak kabur
yang ditangkap sejauh mana orang lebih memilih untuk tinggal di dekat atau jauh
dari jalan lokal, utama atau besar, slop, dan ketinggian menggunakan bahasa
alami. Prediksi masa depan urban sprawl diukur melalui Model CA Markov ini.
Model CA-Markov memiliki kemampuan untuk memprediksi pola urban sprawl masa
depan dengan menggunakan aturan interaksi lokal yang membuatnya lebih menarik
untuk studi urban sprawl (Blecic et al., 2004). Dalam perangkat lunak Idrisi
Taiga, Model CA-Markov digunakan untuk analisis masa depan urban sprawl. Dalam
model ini, kita harus menggunakan model analisis rantai Markov yang memberikan
kemungkinan perubahan tutupan lahan dengan mengembangkan transisi probabilitas
matriks antara dua periode waktu. Keluaran model Markov digunakan oleh model
yang CA. Dalam model CA, kita harus mengatur jumlah iterasi dan filter
kedekatan. peta kesesuaian disiapkan dengan menetapkan aturan transisi kabur
dari keadaan penggunaan lahan ke negara bagian lain (Subedi et al., 2013)
Kesimpulan
Di India, urbanisasi meningkat pesat dalam beberapa
dekade terakhir. pembebasan lahan untuk industrialisasi, infrastruktur, dan
peningkatan ekonomi menarik orang untuk bermigrasi dari daerah pedesaan ke
daerah perkotaan untuk fasilitas dasar. Tingginya tingkat populasi dan migrasi
telah mengubah pola pengembangan pusat kota, dan pinggiran kota juga. Perluasan
wilayah perkotaan di daerah pedesaan dapat mengubah tanah pedesaan untuk
pembangunan yang tidak direncanakan. Dalam tulisan ini, kami telah menunjukkan
bagaimana Model Fuzzy-CA-markov dapat digunakan untuk pemodelan urban sprawl.
Faktor-faktor yang mempengaruhi urban sprawl dianggap sebagai parameter kabur
seperti aksesibilitas dari jalan lokal, aksesibilitas dari jalan utama,
aksesibilitas dari jalan utama, slop, ketinggian, dan kepadatan. Model
Fuzzy-CA-Markov juga telah digunakan untuk mengukur masa depan urban sprawl
untuk kota Jaipur. Prediksi masa depan urban sprawl diukur melalui Model CA
Markov ini. Keluaran model Markov digunakan oleh model yang CA. Dalam model CA,
kita harus mengatur jumlah iterasi dan filter kedekatan. peta kesesuaian
disiapkan dengan menetapkan aturan transisi kabur dari keadaan penggunaan lahan
ke negara bagian lain. Hasil terbaik telah diterima dengan menggunakan
14-iterasi dan 15 * 1 lingkungan (maksimum kappa = 0,78). Peta LULC tahun 2015
disusun dengan menggunakan matriks transformasi, dan diprediksi untuk 2015
tahun yang sama untuk validasi. Dengan membandingkan kedua gambar, ada kesamaan
dekat dalam kedua gambar yang dikonfirmasi oleh kappa koefisien sebagai 0,89.
Menggunakan prosedur penilaian yang sama, dan parameter, kita telah
diproyeksikan masa depan pola urban sprawl untuk tahun 2025.
Tidak ada komentar:
Posting Komentar