فاطمه جهانی شکیب - استادیار گروه محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، ایران
ملیحه عرفانی - استادیار گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه زابل، ایران

رشد بی رویه شهری به طور فزاینده ای استفاده پایدار از اراضی را به چالش کشیده است، از این رو مدل سازی رشد شهری به منظور انطباق با توسعه متوازن بسیار مهم است. این پژوهش با استفاده از اتوماتای سلولی در بستر مدل سازی SLEUTHبا هدف شبیه سازی گسترش آینده شهر بیرجند از سال ۲۰۲۰ تا ۲۰۵۰ با درنظرگرفتن سناریوهای رشد تاریخی و رشد محیط زیستی انجام شد. بر اساس نتایج کالیبراسیون مدل SLEUTH ضریب انتشار (۶۵) و ضریب مقاومت به شیب (۴۲) به ترتیب بیشترین اثر را در سناریوی رشد تاریخی و محیط زیستی داشتند. کالیبراسیون مدل در سه مرحله درشت، ریز و نهایی و با استفاده از بهترین مقادیر برازش شده نمایه های OSM و Leesale انجام شد. نتایج شبیه سازی نشان داد که گسترش شهری در سناریوی رشد تاریخی ۸۵/۲۲۰۱ و در سناریوی رشد محیط زیستی ۹۱/۲۱۵۰ هکتار خواهد شد، بنابراین افزایش گستره کلانشهر بیرجند امری اجتناب ناپذیر در هر دو سناریوی است. مقایسه دو سناریوی حاکی از این است که در سناریوی رشد تاریخی نرخ رشد شهری بالاتر و نابودی پوشش گیاهی نیز حداکثر است. یافته های حاصل از این مطالعه می تواند در تدوین آگاهانهتر استراتژی های برنامه ریزی شهری به تصمیم گیرندگان و مدیران کمک کند تا کمترین اثر تخریبی را در آینده بر محیط زیست بر جای بگذارد.

یادگیری ماشینی, توسعه پایدار, کالیبراسیون, مدلسازی, سناریوی محیط زیست