Modeling the Development and Expansion of Tabriz City with an Emphasis on Demographic Changes

Document Type : *

Authors

• Esmaeil SoleimnaiRad ¹
• Firouz Jafari ²
• Akbar Asghari Zamani ³

¹ PhD Candidate in Geography and Urban Planning, Tabriz University, Tabriz, Iran

² Assistant Professor, Department of Geography and Urban Planning, Tabriz University, Tabriz, Iran

³ Associate Professor, Department of Geography and Urban Planning, Tabriz University, Tabriz, Iran

https://doi.org/10.22067/jgrd.2023.84684.1341

Abstract

The increasing expansion of cities which is affected by population growth and migration, has led to unplanned constructions and many changes in the spatial structure and physical development of cities. One of the major problems in urban planning due to the population growth and the lack of infrastructure facilities is determining the appropriate space for the physical development to satisfy the current needs and anticipate future needs. Therefore, it is very important to pay attention to the population as the main driver of changes in the future of the city. Considering the issue, this research tried to investigate the state of development and physical growth of Tabriz, considering the population of the city and the obstacles to its growth. To collect data, satellite images of Tabriz and document-library studies were used. For data analysis, 2016 Tabriz master plan and land use map (extracted for 1996 to 2022), as well as GIS, ENVI and TERRSET software were used. The ICM method was applied to predict urban growth. The findings showed that the direction of development of Tabriz is strongly affected by natural and human factors and will change the direction of development in the future. By examining the final map, the direction of development is determined. The future development of Tabriz will be towards the north and northwest. Finally, by predicting the population of Tabriz, its growth rate was adapted to the predicted population. At the end, some solutions were suggested to improve the current situation, which require the serious attention of managers and planners of this city.

Keywords

• City Growth
• Physical Development
• Modeling
• Tabriz

Main Subjects

• Planning in urban and rural areas

References

1. ارخی، صالح. (1393). پیش‌بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل LCM در محیط GIS(مطالعه موردی: منطقه سرابله). تحقیقات حمایت و حفاظت جنگل‌ها و مراتع ایران، 12(1)، 19-1.
2. اسفنده، س.، دانه‌کار، ا.، و سلمان ماهینی، ع. ر. (1400). شبیه‌سازی و پیش‌بینی الگوی رشد شهری تا سال 2050 با استفاده از مدل SLEUTH-3R‌ مطالعه موردی: ناحیه ساحلی شهرستان پارسیان. محیط‌شناسی، 47(1)، 65-88.
3. اکبری، ع.، اسکندری ثانی، م.، و اسماعیل‌نژاد، م. (1402). شبیه‌سازی و پیش‌بینی الگوی رشد شهری تا سال 1430 با استفاده از مدل SLEUTH-3R (مطالعه موردی: شهر زاهدان)،.جغرافیاوتوسعه ناحیه‌ای، 21(1)، 105-142.
4. پریزادی، ط.، میرزازاده، ح.، اصغری، ر.، و کریمی، ع. ل. (1401). بررسی الگوی توسعه فیزیکی شهر با رویکرد توسعه میان افزا (موردی: شهر میاندوآب). پژوهش‌های جغرافیای انسانی، 54(4)، 1303-1321.
5. تیموری، ا.، ربیعی‌فر، و.، هادوی، ف.، و هادوی، م. ر. (1392). ارزیابی و پیش‌بینی گسترش افقی شهر قزوین با تأکید بر تغییرات کاربری اراضی. فصلنامه اقتصاد و مدیریت شهری، 5(4)، 17-27.
6. جمالی، ر.، شمس‌الدینی، ع.، و پیوسته‌گر، ی. (1400). تبیین و تحلیل شهرهای بندرگاهی، روند شکل‌گیری و الگوی کالبدی (موردی: کنگان). فصلنامه دانش شهرسازی، 5(3)، 281-295.
7. حسینی‌خواه، ح.، و زنگی‌آبادی، ع. (1396)، تحلیل روند) و نحوه گسترش شهرهای سیاسی– اداری ایران (موردی: شهر یاسوج). فصلنامه جغرافیا و برنامه‌ریزی محیطی، 28(68)، 144-164.
8. سالنامه آماری. (1398). استان آذربایجان شرقی. بازیابی از https://www.amar.org.ir/
9. سامی، ا.، کرباسی، پ.، کریمی، پ.، و سنگین‌آبادی، م. (1401). ارزیابی و پیش‌بینی تغییرات فضایی و روند رشد شهری با استفاده از سنجش دور (موردی: شهر قروه). فصلنامه مطالعات برنامه‌ریزی سکونتگاه‌های انسانی، 17(6)، 1049-1061.
10. سیاح مفضلی، ا.، و اسدی، ع. ر. (1395). بررسی ساختارهای فکری و مفاهیم کلیدی در آینده‌پژوهی و ارائه چارچوب اجرای مطالعات آینده‌پژوهی. آینده‌پژوهی مدیریت، 26(1)، 15-26.
11. طهماسبی مقدم، ح.، قائدرحمتی، ص.، و شاهرخی‌فر، ز. (1397)، ارزیابی تطبیقی گستردگی شهری با تأکید بر تغییرات کاربری اراضی طی دوره 2016-1987 (موردی: شهرهای آمل و بابل). فصلنامه جغرافیا و آمایش شهری، 27، 149-166.
12. عبیات، م.، عبیات، م.، و عبیات، م. (1400). مدل‌سازی روند تغییرات زمانی‌ـ مکانی کاربری اراضی و توسعۀ شهری اهواز مبتنی بر رویکرد آمایشی.مجله علمی آمایش سرزمین، 13(1)، 215-245.
13. محمدیاری، ف.، میرسنجری، م.، و زرندیان، ا. (1400)، ارزیابی و مدل‌سازی اثرات گسترش شهری بر الگوهای سیمای سرزمین در کلان‌شهر کرج. فصلنامه آمایش سرزمین، 13(1)، 141-166.
14. مشکینی، ا.، و تیموری، ا. (1395)، سنجش گستردگی شهری و تأثیر آن بر تغییرات کاربری اراضی با استفاده از RS و GIS (مطالعه موردی: شهر کرج). فصلنامه معماری و شهرسازی آرمان‌شهر، 17(2)، 275-388.
15. مقصودپور، م. ع. (1394). عوامل مؤثر بر کاهش نرخ باروری در ایران از دیدگاه اقتصاد در دوره زمانی 95-1394. ماهنامه بررسی مسائل و سیاست های اقتصادی، 15(5)، 83-100.‎
16. نصیرزاده، ‌ا.، فلاح، م.، و تیمورزاده، و. (2015). ارائه روش جدید مبتنی بر الگوریتم‌های یادگیری برای پردازش داده جهت اتخاذ راهکارهای آینده‌پژوهی در آموزش عالی. آینده‌پژوهی مدیریت، 103، 1-14.
17. نوری، م. (1397). ارزیابی مطلوبیت پیاده راه‌های شهری براساس مؤلفه کیفی (موردی: پیاده‌راه علم الهدی شهر رشت). پژوهش و برنامه‌ریزی شهری، 25(17)، 125-140.
18. هاتفی ادرکانی، م. ر.، سرایی، م. ح.، کریم‌نژاد، م. م.، المدرسی، ع.، و مؤیدفر، س. (1402). بررسی عوامل مؤثر بر توسعه درونی شهرهای مناطق خشک (موردی: شهر اردکان). تحقیقات کاربردی علوم جغرافیایی، 23(69)، 134-120.
19. هاشمی، س. م، روشنعلی، م. (1397). بررسی و تحلیل رشد هوشمند شهری بر پراکندگی توسعه شهری بهشهر. فصلنامه مهندسی جغرافیای سرزمین، 2(4)، 129-141.

 

20. Al Rifat, S. A., & Liu, W. (2022), Predicting future urban growth scenarios and potential urban flood exposure using Artificial Neural Network-Markov Chain model in Miami Metropolitan Area. Land Use Polic,114, 105994.
21. 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, 2887–2895.
22. Brice, B. (2023). Urban land expansion and decreased urban sprawl at global, national, and city scales during 2000 to 2020. Ecosystem Health and Sustainability, 2(3). 1-10.
23. Ebrahimipour, A., Saadat, M., & Farshchin, A. (2016). Prediction of urban growth through cellular Automata-Markov chain. The Bulletin de la Societe Royale des Sciences de Liege, 85, 824-839.
24. Hanoon, S. K., Abdullah, A. F., Shafri, H. Z., & Wayayok, A. (2023). Urban growth forecast using machine learning algorithms and GIS-based novel techniques: A case study focusing on Nasiriyah city, Southern Iraq. ISPRS International Journal of Geo-Information, 12(2), 76.
25. Hennig, E. I., Soukup, T., Orlitova, E., Schwick, C., Kienast, F., & Jaeger, J. A. (2016). Annexes 1-5: Urban Sprawl in Europe. Joint EEA-FOEN report. No 11/2016.
26. Herold, M., Menz, G., & Clarke, K. C. (2001). Remote sensing and urban growth models–demands and perspectives. Paper presented at the Proceedings of the Symposium on Remote Sensing of Urban Areas, Regensburg, Germany.
27. Kim, J. M., Park, J. S., Lee, C. Y., & Lee, S. G. (2022). Predicting of urban expansion using convolutional LSTM network model: The case of Seoul Metropolitan Area, Korea. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 10, 113-118.
28. Kim, M., & Kim, G. (2022). Modeling and predicting urban expansion in South Korea using explainable artificial intelligence (XAI) Model. Applied Sciences,12(18), 9169.
29. Kumar, K. S., Kumari, K. P., & Bhaskar, P. U. (2016). Application of Markov chain & cellular automata based model for prediction of urban transitions. Paper presented at the 2016 International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT) (pp. 4007-4012). IEEE.
30. Liu, X., Wei, M., Li, Z., & Zeng, J. (2022). Multi-scenario simulation of urban growth boundaries with an ESP-FLUS model: A case study of the Min Delta region, China. Ecological Indicators, 135, 108538.
31. Lu, H., Shang, Z., Ruan, Y., & Jiang, L. (2023). Study on urban expansion and population density changes based on the inverse s-shaped function. Sustainability, 15(13), 10464.
32. Mallick, S. K., Das, P., Maity, B., Rudra, S., Pramanik, M., Pradhan, B., & Sahana, M. (2021). Understanding future urban growth, urban resilience and sustainable development of small cities using prediction-adaptation-resilience (PAR) approach.  Cities Sociology, 74, 103196.
33. McDonald, R. I., Green, P., Balk, D., Fekete, B. M., Revenga, C., & Todd, M. (2011). Urban growth, climate change, and freshwater availability. Proceeding of National Academy of Sciences, 108, 6312–6317.
34. 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 Urban Planning, 99, 104–114.
35. Rana, S., & Sarkar, S. (2021). Prediction of urban expansion by using land cover change detection approach. Heliyon, 7, e08437.
36. Seto, K. C., Fragkias, M., Güneralp, B., & Reilly, M. K. (2011). A meta-analysis of global urban land expansion. PloS One, 6(8), e23777.
37. Wang, Y., Dong, P., Liao, S., Zhu, Y., Zhang, D., & Yin, N. (2022). Urban expansion monitoring based on the digital surface model—A case study of the Beijing–Tianjin–Hebei Plain. Applied Science. 12, 5312.
38. Zhou, Y., Varquez, A. C., & Kanda, M. (2019). High-resolution global urban growth projection based on multiple applications of the SLEUTH urban growth model. Scientific Data, 6(1), 34.