(Riviu Jurnal)
Urban sprawl mengacu pada tingkat urbanisasi, yang merupakan fenomena global terutama
didorong oleh pertumbuhan populasi danmigrasi skala besar. Di negara-negara berkembang
seperti India, di mana populasinya lebih dari satu miliar, seperenam dari duniapopulasi, urban
sprawl mengambil korban pada sumber daya alam dengan kecepatan yang mengkhawatirkan.
Perencana kota membutuhkan informasiterkait dengan tingkat pertumbuhan, pola dan luas
penyebaran untuk menyediakan fasilitas dasar seperti air, sanitasi, listrik,dll. Dengan tidak
adanya informasi seperti itu, sebagian besar wilayah yang luas tidak memiliki fasilitas
infrastruktur dasar. Pola dan luasnyaSprawl dapat dimodelkan dengan bantuan data spasial dan
temporal. GIS dan data penginderaan jauh bersama dengan data jaminanmembantu dalam
menganalisis pertumbuhan, pola, dan tingkat penyebaran. Dengan analisis spasial dan temporal
bersama dengan pemodelannyadimungkinkan untuk mengidentifikasi pola sprawl dan kemudian
memprediksi sifat sprawl di masa depan. Makalah ini memunculkanluasnya sprawl yang terjadi
selama hampir tiga dekade menggunakan GIS dan Remote Sensing. Penelitian ini juga
mencobauntuk menggambarkan beberapa metrik lanskap yang diperlukan untuk mengukur
penyebaran. Untuk memahami dan memodelkan dinamika iniFenomena, faktor-faktor penyebab
yang menonjol dipertimbangkan.
1. Pengantar
Proses urbanisasi adalah fenomena universal yang terjadi di seluruh dunia, tempat manusia
tinggal. Semua negara rentan terhadap fenomena yang membingungkan ini yang terutama
bertanggung jawab karena peningkatan pertumbuhan populasi, ekonomi dan infrastruktur.
Tingkat urbanisasi atau penyebaran adalah salah satu fenomena yang mendorong perubahan pola
penggunaan lahan. Sprawl biasanya terjadi dalam arah radial di sekitar pusat kota atau dalam
arah linier.
di sepanjang jalan raya. Biasanya gepeng terjadi di pinggiran kota, di tepi daerah perkotaan
atau di sepanjang jalan raya. Studi tentang urban sprawl (The Regionalist, 1997; Sierra Club,
1998) dicoba di negara-negara maju (Batty et al., 1999; Torrens dan Alberti, 2000; Barnes et al.,
2001, Hurd et al., 2001; Epstein et al., 2002) dan baru-baru ini di negara-negara berkembang
seperti Cina (Yeh dan Li, 2001; Cheng dan Masser, 2003) dan India (Jothimani, 1997; Lata et al.,
2001; Sudhira et al., 2003). Di India saja saat ini 25,73% dari populasi (Sensus India, 2001)
tinggal di pusat-pusat kota, sementara diproyeksikan bahwa dalam lima belas tahun ke depan
sekitar 33% akan tinggal di pusat-pusat kota. Ini menunjukkan tingkat urbanisasi yang
mengkhawatirkan dan tingkat penyebaran yang dapat terjadi. Untuk memahami tingkat
peningkatan urban sprawl ini, sebuah upaya dilakukan untuk memahami engembangkan
dinamika dan mengembangkan strategi manajemen yang tepat yang dapat membantu dalam
pengembangan berkelanjutan di kawasan ini. Memahami fenomena seperti itu dan polanya
membantu dalam perencanaan pemanfaatan sumber daya alam yang efektif dan penyediaan
fasilitas infrastruktur.
Bangun umumnya dianggap sebagai pa-rameter untuk mengukur urban sprawl (Torrens dan
Alberti, 2000; Barnes et al., 2001; Epstein et al., 2002). Ini dikuantifikasi dengan
mempertimbangkan imperproof atau built-up sebagai fitur utama sprawl, yang digambarkan
menggunakan toposheet atau melalui data yang diperoleh dari jarak jauh. Konvergensi GIS,
penginderaan jauh dan sistem manajemen basis data telah membantu dalam mengukur,
memantau, memodelkan, dan kemudian memprediksi fenomena ini. Pada tingkat lanskap, SIG
membantu dalam menghitung fragmentasi, tambalan, porositas, kepadatan tambalan, interspersi
dan penjajaran, kekayaan relatif, keanekaragaman, dan dominasi dalam rangka untuk
mengkarakterisasi properti lanskap dalam hal struktur, fungsi, dan perubahan (ICIMOD, 1999;
Civco et al., 2002). Pemodelan dimensi spasial dan temporal telah menjadi subjek diskusi dan
studi untuk filsafat, matematika, ge-ography dan sains kognitif yang intens (Claramunt dan
Jiang, 2001). Pemodelan dinamika spasial sebagian besar bersandar pada studi tutupan lahan /
perubahan penggunaan lahan (Lo dan Yang, 2002) atau studi pertumbuhan kota. Untuk
memperkirakan skenario perubahan penggunaan lahan di DAS Ipswich, AS selama dua dekade,
Pontius et al. (2000) memprediksi perubahan penggunaan lahan di masa depan berdasarkan
model yang divalidasi untuk 1971, 1985 dan 1991.
Dalam studi pemodelan pertumbuhan perkotaan, fenomena spasial disimulasikan secara
geometris menggunakan teknik seluler automata (CA). Teknik CA digunakan secara luas dalam
model pertumbuhan perkotaan (Clarke et al., 1996) dan dalam simulasi perkotaan (Torrens dan
O 'Sullivan, 2001; Waddell, 2002). Ketidakcukupan dalam beberapa ini adalah bahwa model
gagal untuk berinteraksi dengan faktor-faktor penyebab pendorong sprawl seperti pertumbuhan
penduduk, ketersediaan tanah dan kedekatan dengan pusat kota dan jalan raya. Cheng dan
Masser (2003) melaporkan teknik regresi logistik spasial yang digunakan untuk menganalisis
pola pertumbuhan perkotaan dan selanjutnya memodelkan hal yang sama untuk sebuah kota di
Cina. Studi mereka juga mencakup analisis data eksplorasi yang luas mempertimbangkan faktor-
faktor penyebab. Ketidakcukupan dalam teknik mereka berhubungan dengan akurat menentukan
di mana sprawl akan terjadi. dapat diatasi secara efektif ketika jaringan saraf diterapkan pada
data penginderaan jauh terutama untuk klasifikasi dan representasi tematik (Foody, 2001). Model
interaksi spasial saraf akan membebaskan pengguna model dari kebutuhan untuk menentukan
dengan tepat model yang mencakup semua istilah yang diperlukan untuk memodelkan fungsi
interaksi spasial yang sebenarnya (Fischer, 2002).
Citra satelit LIS multispektral yang diperoleh dari NRSA, Hyderabad, India, digunakan untuk
analisis menggunakan Idrisi 32 (Eastman, 1999; http: // www. Clarklabs.org). Analisis gambar
termasuk ekstraksi band, restorasi, klasifikasi, dan peningkatan. Gaussian maximum likelihood
classifier (MLC) digunakan untuk klasifikasi. Klasifikasi awal penggunaan lahan 16 kategori
dikelompokkan menjadi vegetasi, bangunan (perumahan dan komersial), lahan pertanian dan
lahan terbuka, dan badan air. Area dengan tema bawaan diakui dan diekstraksi dari citra dan area
untuk tahun 1999 dihitung. Selanjutnya, dengan melapisi batas-batas desa, daerah yang dibangun
berdasarkan desa dihitung.
3. Pengumpulan Data
Pengumpulan data dilakukan dari sumber data primer dan sekunder. Data primer yang
dikumpulkan adalah Survey toposheet India skala 1: 50.000 untuk wilayah yang sesuai dan citra
satelit multispec-tral dari satelit India Remote Sensing (IRS), LISS-3 tanggal 29 Maret 1999 dari
National Remote Sensing Agensi, Hyderabad, India untuk jalur yang sesuai (97) dan baris (64).
Data sekunder yang dikumpulkan termasuk rincian demografis dari abstrak sensus primer dari
semua desa di wilayah studi untuk tahun 1971, 1981, 1991 dan 2001, dari Direktorat Operasi
Sensus, Sensus India. Peta desa wilayah ini diperoleh dari Direktorat Permukiman Survei dan
Catatan Tanah, Pemerintah Karnataka.
Teknik pemrosesan gambar standar seperti, ekstraksi gambar, perbaikan, restorasi, dan
klasifikasi-fikasi diterapkan dalam penelitian ini. Gambar diperoleh dari NRSA dalam tiga pita,
yaitu, pita2 (hijau), band 3 (merah) dan band 4 (dekat inframerah), digunakan untuk membuat
komposit warna palsu (FCC) seperti yang ditunjukkan pada Gambar. 2. Poligon pelatihan dipilih
dari gambar komposit dan data atribut yang sesuai diperoleh di lapangan menggunakan GPS.
Berdasarkan tanda tangan ini, sesuai dengan berbagai fitur tanah, klasifikasi usia dilakukan
menggunakan Gaussian MLC dan gambar rahasia diberikan pada Gambar. 3.
Nilai kepadatan peta dihitung dengan membagi jumlah piksel yang dibangun ke jumlah
total piksel dalam kernel. Ini ketika diterapkan pada citra satelit terklasifikasi yang mengkonversi
kelas tutupan lahan menjadi kelas kepadatan, yang diberikan pada Gambar. 6. Bergantung pada
tingkat kepadatan, dapat dikelompokkan lebih lanjut sebagai kepadatan rendah, sedang dan
tinggi (Gambar 7). Berdasarkan ini, bagian relatif dari setiap kategori dihitung (luas dan
persentase). Hal ini memungkinkan dalam mengidentifikasi berbagai pusat pertumbuhan
perkotaan dan selanjutnya menghubungkan hasilnya dengan entropi Shannon untuk
mengidentifikasi daerah-daerah dengan dispersi tinggi.
Mendefinisikan fenomena dinamis ini dan memprediksi sprawl masa depan adalah
tantangan yang lebih besar daripada kuantifikasi sprawl. Meskipun jenis sprawl yang berbeda
diidentifikasi dan didefinisikan, ada kekurangan dalam hal mengembangkan hubungan
matematika untuk mendefinisikannya. Ini memerlukan karakterisasi dan pemodelan penyebaran
perkotaan, yang akan membantu dalam perencanaan regional dan pembangunan berkelanjutan.
peran penting dalam studi saat ini untuk keperluan analisis, persentase peningkatan,
kepadatan populasi dan populasi dihitung dan dianalisis berdasarkan desa dan dikategorikan
sebagai sub-zona. Tingkat pertumbuhan populasi tahunan (agr) dihitung dari data populasi yang
tersedia dari tahun 1961 untuk semua desa. Tingkat pertumbuhan ini digunakan dalam
memprediksi populasi untuk tahun 1999 dan populasi selanjutnya di masa depan. Jarak dari pusat
kota, yaitu. Udupi dan Man-galore untuk masing-masing desa dihitung. Dengan demikian, efek
kedekatan kota pada penyebaran perkotaan sub-zona ini dianalisis. Dengan faktor-faktor
penyebabinidiidentifikasistudipemodelansedangdilakukan.
5.3.5. Pemodelan urban sprawl