Hızlı büyüyen yerleşim yerlerinde kentsel büyümenin yüksek doğruluklu simülasyon modelleri ile izlenmesi: Model kalibrasyonu için T-AFA yöntemi önerisi

İsmail Ercüment Ayazlı

doi:10.29128/geomatik.764579

Hızlı büyüyen yerleşim yerlerinde kentsel büyümenin yüksek doğruluklu simülasyon modelleri ile izlenmesi: Model kalibrasyonu için T-AFA yöntemi önerisi

Öz

Dünya nüfusu her yıl artmakta ve bu nüfusun yarısı kentlerde yaşamaktadır. Nüfus artışı nedeniyle kent mekânı fiziksel olarak genişlemekte ve fiziksel, çevresel, sosyal ve ekonomik sorunlara yol açmaktadır. Bu sorunların üstesinden gelebilmek için kentsel büyüme simülasyon modelleri sıklıkla kullanılmaktadır. SLEUTH modeli, bu modeller arasında en çok uygulananlardan biridir. Test, kalibrasyon ve kestirim olmak üzere üç aşamada oluşturulan simülasyon modelinin en önemli aşaması kalibrasyondur ve bu işlem adımı ne kadar hassas tamamlanırsa model de o kadar doğru sonuçlar üretmektedir. 13 adet ölçüte göre büyüme katsayılarının hesaplandığı kalibrasyon aşamasında farklı yöntemler geliştirilmiştir. Bu çalışmanın amacı, 13 ölçütün kullanılarak kalibrasyon aşamasının tamamlanabilmesini mümkün kılan Toplam Açımlayıcı Faktör Analizi (T-AFA) yönteminin nüfus artışı hızı çok yüksek olan yerleşmelerdeki başarısını araştırmaktır. Bu kapsamda, İstanbul Sancaktepe İlçesi çalışma alanı olarak seçilmiştir ve 2040 yılı için bir kentsel büyüme simülasyon modeli üretilmiştir. Elde edilen sonuçlar T-AFA yönteminin farklı çalışmalarda da kullanılabilmesi için umut vaat edicidir.

Anahtar Kelimeler

Destekleyen Kurum

TÜBİTAK

Proje Numarası

112K469

Teşekkür

Bu çalışmada kullanılan veriler TÜBİTAK 112K469 numaralı proje kapsamında üretilmiştir.

Kaynakça

Ayazli I E, Kilic F, Lauf S, Demir H & Kleinschmit B (2015). Simulating urban growth driven by transportation networks: A case study of the Istanbul third bridge. Land Use Policy, 49, 332–340. https://doi.org/10.1016/j.landusepol.2015.08.016
Ayazli I E, Kilic F, Lauf S, Demir H & Kleinschmit B (2015). Simulating urban growth driven by transportation networks: A case study of the Istanbul third bridge. Land Use Policy, 49, 332–340. https://doi.org/10.1016/j.landusepol.2015.08.016
Ayazli I E & Bilen O (2019). Using exploratory factor analysis to improve the calibration of sleuth urban growth models. Fresenius Environmental Bulletin, 28(2), 975–979.
Ayazli I E, Gul F K, Baslik S, Yakup A E & Kotay D (2019). Extracting an urban growth model’s land cover layer from spatio-temporal cadastral database and simulation application. Polish Journal of Environmental Studies, 28(3), 1063–1069. https://doi.org/10.15244/pjoes/89506
Ayazlı I E (2011). Ulaşım ağlarının etkisiyle kentsel yayılmanın simülasyon modeli: 3. Boğaz Köprüsü örneği. Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü.
Ayazlı I E & Başlık S (2016). Mülkiyet Deseni İle Kentsel Büyüme İlişkisinin Simülasyon Modelinin Oluşturulması Projesi Sonuç Raporu.
Balanza R, García-Lorda P, Pérez-Rodrigo C, Aranceta J, Bonet M B & Salas-Salvadó J (2007). Trends in food availability determined by the Food and Agriculture Organization’s food balance sheets in Mediterranean Europe in comparison with other European areas. Public Health Nutrition, 10(2), 168–176. https://doi.org/10.1017/S1368980007246592
Batty M (2007). Cities and Complexity. MIT Press.

Batty M & Xie Y (1994). From cells to cities. Environment ve Planning B: Planning ve Design, 21(Celebration Issue), 531–548. https://doi.org/10.1068/b21s031
Benenson I & Torrens P M (2004). Geosimulation. Automata-based modeling of urban phenomena. John Wiley ve Sons Ltd.
Büyüköztürk Ş (2002). Faktör Analizi: Temel Kavramlar ve Ölçek Geliştirmede Kullanımı. Kuram ve Uygulamada Eğitim Yönetimi, 32, 470–483.
Candau J T (2002). Temporal calibration sensitivity of the SLEUTH urban growth model. University of California, Santa Barbara.
Candau J (2000). Calibrating a cellular automaton model of urban growth in a timely manner. 4th International Conference on Integrating Geographic Information Systems and Environmental Modeling: Problems, Prospects, and Needs for Research, 2–8.
Candau J & Clarke (2000). Probabilistic Land Cover Transition Modeling Using Deltatrons. 2000 URISA Annual Conference, Orlando.
Clarke K C, Hoppen S & 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, 24(2), 247–261. https://doi.org/10.1068/b240247
Clarke K C, Hoppen S & Gaydos L J (1996). Methods And Techniques for Rigorous Calibration of a Cellular Automaton Model of Urban Growth. Third International Conference/Workshop on Integrating GIS and Environmental Modeling; 1996 Jan 21-25, Santa Fe, New Mexico.
Clarke K C & Gaydos L J (1998). Loose-coupling a cellular automaton model and GIS: Long-term urban growth prediction for San Francisco and Washington/Baltimore. International Journal of Geographical Information Science, 12(7), 699–714. https://doi.org/10.1080/136588198241617
Couclelis H (1985). Cellular worlds: A framework for modeling micro—macro dynamics. Environment and Planning A, 17(5), 585–596.
Dietzel C & Clarke K (2007). Toward Optimal Calibration of the SLEUTH Land Use Change Model. T. GIS, 11, 29–45. https://doi.org/10.1111/j.1467-9671.2007.01031.x EEA (2016). Urban Sprawl in Europe: Joint EEA-FOEN.
Glaeser E L & Kahn M E (2005). Sprawl and Urban Growth. SSRN Electronic Journal, 4(04). https://doi.org/10.2139/ssrn.405962
Jafarnezhad J, Abdolrassoul S & Yousef S (2016). Subjectivity versus objectivity: comparative study between brute force method and genetic algorithm for calibrating the SLEUTH urban growth model. Journal of Urban Planning and Development, 142(3), 05015015.
Jantz C A, Goetz S J & Shelley M K (2004). Using the SLEUTH urban growth model to simulate the impacts of future policy scenarios on urban land use in the Baltimore-Washington metropolitan area. Environment and Planning B: Planning and Design, 31(2), 251–271. https://doi.org/10.1068/b2983
Junfeng J (2003). Innovations in Design ve Decision Support Systems in Architecture and Urban Planning. In Transition Rule Elicitation for Urban Cellular Automata models (Doctoral dissertation, tesi di dottorato (non pubblicata)). https://doi.org/10.1007/978-1-4020-5060-2
Kotay D, Ayazli İ E & Yakup A E (2018). KENTSEL BÜYÜME SİMÜLASYON MODEL DOĞRULUĞ UNUN. VII. Uzaktan Algılama CBS Sempozyumu, 18-21 Eylül, 160–166.
Li S, Yang Z & Li H (2017). Statistical evaluation of no-reference image quality assessment metrics for remote sensing images. ISPRS International Journal of Geo-Information, 6(5). https://doi.org/10.3390/ijgi6050133
Oguz H, Klein A G & Srinivasan R (2007). Using the SLEUTH urban growth model to simulate the impacts of future policy scenarios on urban land use in the Houston-Galveston-Brazoria CMSA. Research Journal of Social Sciences, 2(1), 72–82.
Phipps M (1989). Dynamical behavior of cellular automata under the constraint of neighborhood coherence. Geographical Analysis, 21(3), 197–215.
Portugali J & Benenson I (1995). Artificial planning experience by means of a heuristic cell-space model: simulating international migration in the urban process. Environment ve Planning A, 27(10), 1647–1665. https://doi.org/10.1068/a271647
Pro (2019). Project Gigalopolis.
Sevik O (2006). Application of SLEUTH Model in Antalya. Master of ScienceThesis. Middle East Technical University.
Silva E & Clarke K (2002). Calibration of the SLEUTH urban growth model for Lisbon and Porto, Portugal. Computers, Environment and Urban Systems, 26, 525–552. https://doi.org/10.1016/S0198-9715(01)00014-X
Tabachnick B G & Fidell L (2013). Using Multivariate Statistics (C. Campanella (ed.); Sixth Edit). Pearson.
Tobler W R (1979). Cellular Geography. In S. Gale ve G. Olsson (Eds.), Philosophy in Geography Theory and Decision Library (An International Series in the Philosophy and Methodology of the Social and Behavioral Sciences), vol 20. Springer, Dordrecht. https://doi.org/doi.org/10.1007/978-94-009-9394-5_18
Torrens P M (2000). How cellular models of urban systems work. Casa, 160(955), 68. http://www.bartlett.ucl.ac.uk/casa/pdf/paper28.pdf
TÜİK (2019). TÜİK. https://biruni.tuik.gov.tr/medas/?kn=95velocale=tr
UN (2015). United Nations. http://www.un.org/sustainabledevelopment/sustainable-development-goals/
White R & Engelen G (1994). Cellular dynamics and GIS: Modelling spatial complexity. Geographical Systems, 1, 237–253.
White R & Engelen G (1997). Cellular automata as the basis of integrated dynamic regional modelling. Environment and Planning B: Planning and Design, 24(2), 235–246. https://doi.org/10.1068/b240235
White R, Straatman B & Engelen G (2004). Planning scenario visualization and assessment: a cellular automata based integrated spatial decision support system. In D. G. Goodchild, M. F., ve Janelle (Ed.), Spatially integrated social science (pp. 420–442). Oxford University Press, Inc.
Wu F (1998). An experiment on the generic polycentricity of urban growth in a cellular automatic city. Environment and Planning B: Planning and Design, 25(5), 731–752. https://doi.org/10.1068/b250731
Yang X & Lo C P (2003). Modelling urban growth and landscape changes in the Atlanta metropolitan area. International Journal of Geographical Information Science, 17(5), 463–488. https://doi.org/10.1080/1365881031000086965

Ayrıntılar

Birincil Dil

Türkçe

Konular

Mühendislik

Bölüm

Araştırma Makalesi

Yazarlar

İsmail Ercüment Ayazlı ^*
0000-0003-0782-5366
Türkiye

Yayımlanma Tarihi

15 Nisan 2022

Gönderilme Tarihi

6 Temmuz 2020

Kabul Tarihi

29 Aralık 2020

Yayımlandığı Sayı

Yıl 2022 Cilt: 7 Sayı: 1

DOI

https://doi.org/10.29128/geomatik.764579

IZ

https://izlik.org/JA68PR35PN

Kaynak Göster

RIS / Bibtex

APA

Ayazlı, İ. E. (2022). Hızlı büyüyen yerleşim yerlerinde kentsel büyümenin yüksek doğruluklu simülasyon modelleri ile izlenmesi: Model kalibrasyonu için T-AFA yöntemi önerisi. Geomatik, 7(1), 1-9. https://doi.org/10.29128/geomatik.764579

AMA

1.Ayazlı İE. Hızlı büyüyen yerleşim yerlerinde kentsel büyümenin yüksek doğruluklu simülasyon modelleri ile izlenmesi: Model kalibrasyonu için T-AFA yöntemi önerisi. Geomatik. 2022;7(1):1-9. doi:10.29128/geomatik.764579

Chicago

Ayazlı, İsmail Ercüment. 2022. “Hızlı büyüyen yerleşim yerlerinde kentsel büyümenin yüksek doğruluklu simülasyon modelleri ile izlenmesi: Model kalibrasyonu için T-AFA yöntemi önerisi”. Geomatik 7 (1): 1-9. https://doi.org/10.29128/geomatik.764579.

EndNote

Ayazlı İE (01 Nisan 2022) Hızlı büyüyen yerleşim yerlerinde kentsel büyümenin yüksek doğruluklu simülasyon modelleri ile izlenmesi: Model kalibrasyonu için T-AFA yöntemi önerisi. Geomatik 7 1 1–9.

IEEE

[1]İ. E. Ayazlı, “Hızlı büyüyen yerleşim yerlerinde kentsel büyümenin yüksek doğruluklu simülasyon modelleri ile izlenmesi: Model kalibrasyonu için T-AFA yöntemi önerisi”, Geomatik, c. 7, sy 1, ss. 1–9, Nis. 2022, doi: 10.29128/geomatik.764579.

ISNAD

Ayazlı, İsmail Ercüment. “Hızlı büyüyen yerleşim yerlerinde kentsel büyümenin yüksek doğruluklu simülasyon modelleri ile izlenmesi: Model kalibrasyonu için T-AFA yöntemi önerisi”. Geomatik 7/1 (01 Nisan 2022): 1-9. https://doi.org/10.29128/geomatik.764579.

JAMA

1.Ayazlı İE. Hızlı büyüyen yerleşim yerlerinde kentsel büyümenin yüksek doğruluklu simülasyon modelleri ile izlenmesi: Model kalibrasyonu için T-AFA yöntemi önerisi. Geomatik. 2022;7:1–9.

MLA

Ayazlı, İsmail Ercüment. “Hızlı büyüyen yerleşim yerlerinde kentsel büyümenin yüksek doğruluklu simülasyon modelleri ile izlenmesi: Model kalibrasyonu için T-AFA yöntemi önerisi”. Geomatik, c. 7, sy 1, Nisan 2022, ss. 1-9, doi:10.29128/geomatik.764579.

Vancouver

1.İsmail Ercüment Ayazlı. Hızlı büyüyen yerleşim yerlerinde kentsel büyümenin yüksek doğruluklu simülasyon modelleri ile izlenmesi: Model kalibrasyonu için T-AFA yöntemi önerisi. Geomatik. 01 Nisan 2022;7(1):1-9. doi:10.29128/geomatik.764579

Cited By

Çanakkale İlinin Kentsel Alan Değişiminin SLEUTH Model ile Analizi

Afyon Kocatepe University Journal of Sciences and Engineering

https://doi.org/10.35414/akufemubid.1447334

İnegöl Havzası’nda (Bursa) Coğrafi Bilgi Sistemleri İle Antropojenik Kaynaklı Jeomorfolojik Değişimlerin Yoğunluk ve Etki Analizi

Geomatik

https://doi.org/10.29128/geomatik.1537753

Spatial and Temporal Modeling Approach to Urban Sprawl: A Comparative Analysis of Artificial Intelligence and AHP-Based Approaches

International Journal of Engineering and Geosciences

https://doi.org/10.26833/ijeg.1727806