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

Abstract

Urban sprawl is a significant phenomenon that emerges from the growth process of settlement areas, which has evolved over time. The historical background and geographical characteristics of a city directly influence its sprawl process. Additionally, the changing sectoral structure of the city, population growth, technological advancements, and economic fluctuations can indirectly affect the direction, speed, and extent of urban sprawl, potentially leading to adverse outcomes. Therefore, it is essential to monitor this process and implement spatial and temporal modeling to keep urban sprawl under control. This study simulates urban sprawl in Konya, a city with valuable agricultural lands, for the year 2040 using two scenarios based on expert knowledge and artificial intelligence. The first scenario combines the Analytic Hierarchy Process (AHP) for weighting sprawl criteria with Cellular Automata (CA), while the second scenario employs Artificial Neural Networks (ANN) with CA to predict future land use changes. Both models used six spatial datasets (DEM, slope, aspect, distances to streams, roads, and protected areas) and CORINE land use maps (2000, 2018), with the 2023 map obtained from Konya GIS data. Model performance was evaluated by comparing simulated and actual 2023 maps using accuracy, Kappa, precision, recall, and F1-score; AHP-CA achieved 96.13 % accuracy and 0.94 Kappa, whereas ANN-CA reached 92.13 % and 0.89, indicating both models reliably capture urban dynamics, with AHP-CA performing better. Both scenarios predict inevitable urban expansion, but the expert-based AHP-CA scenario better preserves agricultural lands and natural vegetation. Based on these results, the study discusses the directions and factors influencing urban change and provides spatial planning recommendations for urban managers

Keywords

• Urban Sprawl
• Cellular Automata
• AHP
• Artificial Neural Networks
• GIS

References

1. Keleş, R. (2002). Kentleşme politikası. İmge Kitapevi, Ankara.
2. Kaypak, Ş. (2013). Modernizmden postmodernizme değişen kentleşme. Global Journal of Economics and Business Studies, 2, 80–95.
3. Kayan, A. (2017). Planlı dönemden önce kentleşme politikalarındaki sorunların günümüze yansımaları. International Journal of Social Science Research, 6(2), 158–183.
4. Çalışkan, H., & Öztürk, S. (2019). Kentleşme gelişiminin ekonomik büyüme üzerine etkisi: Türkiye örneği. Iğdır Üniversitesi Sosyal Bilimler Dergisi, (17) 677–694.
5. Sezgin, D., & Varol, Ç. (2012). Ankara’daki kentsel büyüme ve saçaklanmanın verimli tarım topraklarının amaç dışı kullanımına etkisi. METU JFA, 29, 273–288. https://doi.org/10.4305/metu.jfa.2012.1.15 European Environment Agency. (2016). Publications Office.
6. Çavuş, C. Z., & Başaran Uysal, A. (2018). Çanakkale’de kentsel gelişme, yayılma ve kırsal alanlarla etkileşim. Planlama, 28 (50), 105–117. https://doi.org/10.14744/planlama.2018.85547
7. Koç, C., & Koç, A. (2019). Kentsel yayılma sonucu tarım alanlarında oluşan değer değişimi: Yalova (Kadıköy) örneği. ÇOMÜ Ziraat Fakültesi Dergisi, 7 (2), 289–298.
8. Karabacak, K. (2020). Türkiye’deki büyükşehir belediyeli şehirlerde kentsel yayılma. Ankara Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Dergisi, 60 (1), 158–178. https://doi.org/10.33171/dtcfjournal.2020.60.1.9

9. Öncel, H., & Meşhur, M. Ç. (2021). Konya kentsel alanının büyümesinde kentsel saçaklanma ve nedenleri. Planlama, 31 (2), 191–207. https://doi.org/10.14744/planlama.2021.04127
10. Akseki, H. (2011). Kentsel yayılmanın tarım arazileri üzerindeki etkisi, Konya kenti örneği (Master’s Thesis). Selcuk University, Konya.
11. Karataş, N. (2007). İzmir’deki şehirsel saçaklanma eğilimlerinin Torbalı-Ayrancılar’da arazi sahipliği el değișim süreçlerine etkileri. TMMOB Şehir Plancıları Odası Planlama Dergisi, 2, 3–10.
12. Nas, İ. (2016). Kentleşmenin tarım alanlarına etkisinin yasal ve yönetsel açıdan irdelenmesi: Denizli örneği (Master’s Thesis). Bartın University, Bartın.
13. Işıklar, Ö., & Yalçıntaş, E. (2023). Kentsel tarımın mekânsal olarak düzenlenmesi; Tarım arsası kavramı. Türkiye Arazi Yönetimi Dergisi, 5 (1), 1–8. https://doi.org/10.51765/tayod.1216052
14. Akseki, H., & Meşhur, M. Ç. (2013). Kentsel yayılma sonucu yapılaşmaya açılan verimli tarım alanları: Konya kenti deneyimleri. Megaron, 8 (3), 165–174. https://doi.org/10.5505/megaron.2013.99609
15. Aydın, M. B. S., & Kahraman, E. D. (2019). Kompakt kent ölçütlerinden biri olan yoğunluk tespiti ve değerlendirmesi: Türkiye kentleri (il merkezleri) örneği. Planlama, 29 (2), 171–193. https://doi.org/10.14744/planlama.2019.86547
16. Çelik, M., & Akın, D. (2011). Arazi kullanımı-ulaşım modeli ile alternatif plan senaryolarının değerlendirilmesi: Kentsel yayılma ve akıllı büyüme. Stratejik Çevresel Değerlendirme & Planlama/Strategic Environmental Assessment & Planning Chapter, 243–264.
17. Güneş, M. (2023). Hücresel otomat tabanlı Sleuth model kullanılarak kentsel büyümenin tarım alanları üzerindeki etkisinin incelenmesi (Master’s Thesis). Konya Technical University, Konya.
18. Hayrullahoğlu, G. (2018). Kentsel yayılma alanları ve bu alanlarda konut talebini etkileyen faktörlerin analizi: Alacaatlı-Yaşamkent mahalleleri örneği (Master’s Thesis). Ankara University, Ankara.
19. Peldek, S., & Beceri̇kli̇, Y. (2019). Hücresel otomata tabanlı ikili sınıflandırma. Bilişim Teknolojileri Dergisi, 12 (1), 43–58. https://doi.org/10.17671/gazibtd.397452
20. Guzman, L. A., Escobar, F., Peña, J., & Cardona, R. (2020). A cellular automata-based land-use model as an integrated spatial decision support system for urban planning in developing cities: The case of the Bogotá region. Land Use Policy, 92, 104445. https://doi.org/10.1016/j.landusepol.2019.104445
21. Temuçin, M. B., Kocabaş, İ., & Oğuz, K. (2020). Using cellular automata as a basis for procedural generation of organic cities. European Journal of Engineering and Technology Research, 5 (12), 116–120. https://doi.org/10.24018/ejers.2020.5.12.2293
22. Ateş, E., Altundal Öncü, M., Bayar, R., & Yılmaz, M. (2020). Eskişehir kentsel büyüme alanın hücresel otomat ve CA-Markov zincirleri ile analizi (1984-2056). Coğrafi Bilimler Dergisi, 18 (2), 276–295. https://doi.org/10.33688/aucbd.803432
23. Aydın, T. K. (2022). İklim değişikliğinin Konya Ereğli-Bor alt havzasındaki arazi kullanımı/örtüsü ve kentsel gelişime etkilerinin belirlenmesi (PhD Thesis). Necmettin Erbakan University, Konya.
24. Baqa, M. F., Chen, F., Lu, L., Qureshi, S., Tariq, A., Wang, S., Jing, L., Hamza, S., & Li, Q. (2021). Monitoring and modeling the patterns and trends of urban growth using urban sprawl matrix and CA-Markov model: A case study of Karachi, Pakistan. Land, 10(7), 700. https://doi.org/10.3390/land10070700
25. Ghalehteimouri, K. J., Shamsoddini, A., Mousavi, M. N., Binti Che Ros, F., & Khedmatzadeh, A. (2022). Predicting spatial and decadal of land use and land cover change using integrated cellular automata Markov chain model based scenarios (2019–2049) Zarriné-Rūd River Basin in Iran. Environmental Challenges, 6, 100399. https://doi.org/10.1016/j.envc.2021.100399
26. Tawfeeq, A. F., & Kurban, T. (2022). Hücresel otomata markov zincir yöntemi ile kentsel yayılmanın modellenmesi: Kerkük ili örneği. Geomatik, 7 (1), 58–70. https://doi.org/10.29128/geomatık.852900
27. Göncüler, K. N., & Köylü, Ü. (2024). Arazi kullanımı ve arazi örtüsü değişim analizi ve geleceğe yönelik simülasyon modeli, Kayseri Melikgazi örneği. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, 40 (1), 108–122.
28. Chen, Y., & Feng, M. (2022). Urban form simulation in 3D based on cellular automata and building objects generation. Building and Environment, 226, 109727. https://doi.org/10.1016/j.buıldenv.2022.109727
29. Lin, J., Li, X., Wen, Y., & He, P. (2023). Modeling urban land-use changes using a landscape-driven patch-based cellular automaton (LP-CA). Cities, 132, 103906. https://doi.org/10.1016/j.cıtıes.2022.103906
30. Ding, Y., Cao, K., Qiao, W., Shao, H., Yang, Y., & Li, H. (2022). A whale optimization algorithm–based cellular automata model for urban expansion simulation. International Journal of Applied Earth Observation and Geoinformation, 115, 103093. https://doi.org/10.1016/j.jag.2022.103093
31. Oğuz, H., & Bozali, N. (2014). Gaziantep kentinde 2040 yılına kadar oluşabilecek arazi kullanımı/arazi örtüsü değişiminin tahmini. Journal of Agricultural Sciences, 20 (1), 83–101. https://doi.org/10.15832/TBD.77489
32. Uysal, C., Uysal, M., & Uysal, M. (2020). CBS temelli hücresel özişleme yaklaşımı ile kentsel büyüme simülasyonu: Afyonkarahisar örneği. Turkish Journal of Geographic Information Systems, 2(1), 26–36.
33. Yakup, A. E., & Ayazlı, İ. E. (2021). SLEUTH ile arazi örtüsü değişimi simülasyon modelinin oluşturulması, İstanbul ili örneği. Türkiye Coğrafi Bilgi Sistemleri Dergisi 3 (1), 40–47.
34. Yakup, A. E., & Ayazlı, İ. E. (2022). Investigating changes in land cover in high-density settlement areas by protected scenario. International Journal of Engineering and Geosciences, 7(1), 1–8. https://doi.org/10.26833/ijeg.850247
35. Abdrabo, K. I., Hamed, H., Fouad, K. A., Shehata, M., Kantoush, S. A., Sumi, T., Elboshy, B., & Osman, T. (2021). A methodological approach towards sustainable urban densification for urban sprawl control at the microscale: Case study of Tanta, Egypt. Sustainability, 13(10), 5360. https://doi.org/10.3390/SU13105360
36. Demiroğlu İzgi, B. (2024). Quantitative analysis of peri-urbanization: Developing a peri-urban index for medium-sized cities using the analytic hierarchy process-A case study of Yozgat, Turkey. Sustainability (2071-1050), 16(14), 6002. https://doi.org/10.3390/su16146002
37. Guerroudj, A., Hadeid, M., Djellabi, B., & Mega, N. (2022). Application multicriteria decision analysis-Approach AHP-to develop land suitability for urban sprawl. Turkish Journal of Computer and Mathematics Education, 13(3), 500–511.
38. 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/geomatık.764579
39. Asadi, M., Oshnooei-Nooshabadi, A., Saleh, S. S., Habibnezhad, F., Sarafraz-Asbagh, S., & Van Genderen, J. L. (2022). Urban sprawl simulation mapping of Urmia (Iran) by comparison of cellular automata–markov chain and artificial neural network (ANN) modeling approach. Sustainability, 14(23), 15625. https://doi.org/10.3390/su142315625
40. Xu, Q., Zhu, A. X., & Liu, J. (2023). Land-use change modeling with cellular automata using land natural evolution unit. CATENA, 224, 106998. https://doi.org/10.1016/J.catena.2023.106998
41. Mhangara, P., Gidey, E., & Manjoo, R. (2024). Analysis of urban sprawl dynamics using machine learning, CA-Markov chain, and the Shannon entropy model: A case study in Mbombela City, South Africa. Environmental Systems Research, 13, 17. https://doi.org/10.1186/s40068-024-00348-5
42. Bayar, R. (2020). Ankara şehri kentsel büyüme alanlarının arazi uygunluk analizi. Ankara Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Dergisi, 60(1), 39–59.
43. Ersöz, F., & Kabak, M. (2010). Savunma sanayi uygulamalarında çok kriterli karar verme yöntemlerinin literatür araştırması. Savunma Bilimleri Dergisi, 9(1), 97–125. https://doi.org/10.17134/sbd.85950
44. Timor, M. (2011). Analitik hiyerarşi prosesi. Türkmen Kitabevi.
45. Saaty, T. L., & Vargas, L. G. (2001). Models, methods, concepts and applications of the analytic hierarchy process. In International Series in Operations Research & Management Science. New York: Springer.
46. Saaty, T. L., & Vargas, L. G. (1982). The logic of priorities. Springer Science & Business Media.
47. Başlık, S. (2008). Dinamik kentsel büyüme modeli: lojistik regresyon ve cellular automata (İstanbul ve Lizbon örnekleri) (PhD Thesis). Mimar Sinan Fine Arts University, İstanbul.
48. Ayazlı, İ. E., Batuk, F., & Demir, H. (2011, April). Kentsel yayılma simülasyon modelleri ve hücresel otomat. 13. Türkiye Harita Bilimsel ve Teknik Kurultayı.
49. Görentaş, S. Y. (2021). Mersin-Tarsus-Adana hattında şehirleşmenin mekansal yapılanması ve markov chain modeliyle arazi kullanım senaryolarının üretilmesi (PhD Thesis). Marmara University, İstanbul.
50. Aydın, O. (2015). Karmaşık kent sistemi, kentsel büyüme kavramlarının anlaşılması ve kent modelleme teknikleri. Türk Coğrafya Dergisi, 64, 51–60. https://doi.org/10.17211/tcd.69978
51. Yazıcı, A. D., Öztürk, D., & Ayazlı, İ. E. (2019). Kentsel büyümenin modellenmesi ve simülasyon modelleri. International Journal of Multidisciplinary Studies and Innovative Technologies, 3(1), 44–47.
52. Benenson, Itzhak., & Torrens, P. (2004). Geosimulation: Automata-based modelling of urban phenomena. John Wiley & Sons.
53. Alalawi, A. F. T. (2020). Uydu görüntüleri ile Kerkük ili ve çevresindeki kentsel yayılmanın izlenmesi (Master’s Thesis). Erciyes University, Kayseri.
54. Triantakonstantis, D., & Mountrakis, G. (2012). Urban growth prediction: a review of computational models and human perceptions. Journal of Geographic Information System, 4(6), 555–587. https://doi.org/10.4236/jgis.2012.46060
55. Aydın, O., & Raja, N. B. (2025). Using artificial neural networks for predicting flood events in Artvin, Türkiye. Turkish Journal of Engineering, 9(2), 189–201. https://doi.org/10.31127/tuje.1530593
56. Basheer, I. A., & Hajmeer, M. (2000). Artificial neural networks: fundamentals, computing, design, and application. Journal of Microbiological Methods, 43(1), 3–31. https://doi.org/10.1016/s0167-7012(00)00201-3
57. Boğar, E., & Özsüt Boğar, Z. (2017). Türkiye’nin sektörel CO2 gazı salınımlarının yapay sinir ağları ile tahmini. Akademia Disiplinlerarası Bilimsel Araştırmalar Dergisi, 3(2), 15–27.
58. Kunt, F. (2014). Bulanık mantık ve yapay sinir ağları yöntemleri kullanılarak Konya il merkezi hava kirliliği modellenmesi (PhD Thesis). Selçuk University, Konya.
59. Öztemel, E. (2012). Yapay sinir ağları. Papatya Yayıncılık.
60. Liao, J., Shao, G., Wang, C., Tang, L., Huang, Q., & Qiu, Q. (2019). Urban sprawl scenario simulations based on cellular automata and ordered weighted averaging ecological constraints. Ecological Indicators, 107, 105572. https://doi.org/10.1016/j.ecolınd.2019.105572
61. Pour, N. M., & Oja, T. (2021). Urban expansion simulated by ıntegrated cellular automata and agent-based models; An example of Tallinn, Estonia. Urban Science, 5(4), 85. https://doi.org/10.3390/urbansci5040085
62. Yatoo, S. A., Sahu, P., Kalubarme, M. H., & Kansara, B. B. (2022). Monitoring land use changes and its future prospects using cellular automata simulation and artificial neural network for Ahmedabad city, India. GeoJournal, 87, 765–786. https://doi.org/10.1007/s10708-020-10274-5
63. Cao, Y., Zhang, X., Fu, Y., Lu, Z., & Shen, X. (2020). Urban spatial growth modeling using logistic regression and cellular automata: A case study of Hangzhou. Ecological Indicators, 113, 106200. https://doi.org/10.1016/j.ecolind.2020.106200
64. Falah, N., Karimi, A., & Harandi, A. T. (2020). Urban growth modeling using cellular automata model and AHP (case study: Qazvin city). Modeling Earth Systems and Environment, 6, 235–248. https://doi.org/10.1007/s40808-019-00674-z
65. Rienow, A., Mustafa, A., Krelaus, L., & Lindner, C. (2021). Modeling urban regions: Comparing random forest and support vector machines for cellular automata. Transactions in GIS, 25(3), 1625–1645. https://doi.org/10.1111/tgis.12756
66. Yakup, A. E., & Ayazlı, İ. E. (2022). Investigating changes in land cover in high-density settlement areas by protected scenario. International Journal of Engineering and Geosciences, 7(1), 1-8.
67. Bag, A., Sharma, A., & Pal, S. (2024). Studying urbanization pattern in Sambalpur City during 1992-2042 using CA-ANN, and Markov-Chain model. International Journal of Engineering and Geosciences, 9(3), 356-367.
68. Clarke, K. C., & Johnson, J. M. (2020). Calibrating SLEUTH with big data: Projecting California's land use to 2100. Computers, Environment and Urban Systems, 83, 101525.
69. Turing, Alan M. (1936). On computable numbers, with an application to the Entscheidungsproblem. Proceedings of the London Mathematical Society Series 2 (42):230-265.
70. Hirte, R. (2022). John Horton Conway’s Game of Life, Anoverview and examples. Institut F¨ Ur Informatik der Ludwig-Maximilians-Universit¨ at M¨unchen.
71. Tariq, A., Yan, J., & Mumtaz, F. (2022). Land change modeler and CA-Markov chain analysis for land use land cover change using satellite data of Peshawar, Pakistan. Physics and Chemistry of the Earth, Parts a/b/c, 128, 103286.
72. Tariq, A., & Mumtaz, F. (2023). A series of spatio-temporal analyses and predicting modeling of land use and land cover changes using an integrated Markov chain and cellular automata models. Environmental Science and Pollution Research, 30(16), 47470-47484.
73. Ansari, N., Rukhsana, & Alam, A. (2024). A modelling approach of cellular automata-based artificial neural network for investigating dynamic urban expansion in Kolkata urban agglomeration. Modeling Earth Systems and Environment, 10(3), 3789-3814.
74. Al Mazroa, A., Maashi, M., Kouki, F., Othman, K. M., Salih, N., Elfaki, M. A., & Begum, S. (2024). An analysis of urban sprawl growth and prediction using remote sensing and machine learning techniques. Journal of South American Earth Sciences, 142, 104988.
75. Duan, X., Haseeb, M., Tahir, Z., Mahmood, S. A., & Tariq, A. (2025). Analyzing and predicting land use and land cover dynamics using multispectral high-resolution imagery and hybrid CA-Markov modeling. Land Use Policy, 157, 107655.
76. Eren, F. & Çay, K. (2025). Elements of a Digital Urbanisation Strategy for Türkiye Evidence from Psychometric Testing. Social Sciences, 14(89). https://doi.org/10.3390/socsci14020089
77. Unel, F. B., Kusak, L., & Yakar, M. (2023). GeoValueIndex map of public property assets generating via Analytic Hierarchy Process and Geographic Information System for Mass Appraisal: GeoValueIndex. Aestimum, 82, 51-69
78. Taha, D., Salehi, H., & Seker, D. Z. (2025). Identification of appropriate locations for the establishment of solar photovoltaic (PV) power plants using Station-based and ERA5 datasets in the Mediterranean Region of Türkiye. International Journal of Engineering and Geosciences, 11(1), 40-53. https://doi.org/10.26833/ijeg.1643891
79. Boutallaka, M., Miloud, T., El Mazi, M., … Hmamouchi, M. (2025). Assessment of current and future land sensitivity to degradation under climate change in the upstream Ouergha watershed (Morocco) using GIS and AHP method. International Journal of Engineering and Geosciences, 10(1), 46-58. https://doi.org/10.26833/ijeg.1521350