شهرنشینی جهانی به سطوح بی‌سابقه‌ای رسیده است، به طوری که جمعیت شهری جهان در سال ۲۰۲۳ از ۴.۷ میلیارد نفر فراتر رفته و پیش‌بینی می‌شود تا سال ۲۰۵۰، ۲.۸ میلیارد نفر دیگر نیز افزایش یابد. این رشد سریع شهری به ویژه در کشورهای در حال توسعه مانند پاکستان، جایی که شهرها به دلیل مهاجرت از روستا به شهر، رشد طبیعی جمعیت و توسعه اقتصادی با سرعت فوق‌العاده‌ای در حال گسترش هستند، مشهود است. ^{۱ ، ۲ ، ۳.} روند شتابان شهرنشینی پیامدهای عمیقی بر الگوهای استفاده از زمین، مصرف منابع طبیعی و پایداری محیط زیست دارد که اغلب منجر به توسعه برنامه‌ریزی نشده و تخریب محیط زیست می‌شود. ^{۴ ، ۵ ، ۶.} این تحول شهری، چالش‌های مهمی را برای توسعه پایدار، به ویژه در مناطقی که گسترش شهری مستقیماً با بهره‌وری کشاورزی و اکوسیستم‌های طبیعی در رقابت است، ایجاد می‌کند.

در پاکستان، گسترش شهری به ویژه چشمگیر بوده است، به طوری که جمعیت شهری از ۲۸ درصد در سال ۱۹۹۰ به بیش از ۳۷ درصد در سال ۲۰۲۰ افزایش یافته و انتظار می‌رود تا سال ۲۰۵۰ به ۵۰ درصد برسد. ^{۲ ، ۷ ، ۸ ، ۹٫} تغییرات اجتماعی-اقتصادی قابل توجه، از جمله صنعتی شدن، افزایش فعالیت‌های تجاری و تغییر در الگوهای زندگی سنتی، این روند شهرنشینی را همراهی کرده‌اند. ^{۱۰ ، ۱۱ ، ۱۲٫} سرعت سریع رشد شهری اغلب از قابلیت‌های برنامه‌ریزی پیشی گرفته و منجر به سکونتگاه‌های غیررسمی، زیرساخت‌های ناکافی و استرس زیست‌محیطی شده است. ^{۱۳ ، ۱۴ ، ۱۵٫} این چالش‌ها به ویژه در شهرهای متوسط ​​​​مشهود است که اغلب فاقد منابع و ظرفیت برنامه‌ریزی مناطق بزرگ شهری هستند اما با فشارهای مشابه شهرنشینی روبرو هستند.

مناطق مولتان و سرگودها، واقع در استان پنجاب، مراکز مهم کشاورزی و تجاری هستند که شهرنشینی سریعی را تجربه می‌کنند که الگوهای سنتی کاربری زمین و تعادل اکولوژیکی را تهدید می‌کند. ^{۱۶ ، ۱۷ ، ۱۸٫} مولتان، که به عنوان «شهر مقدسین» شناخته می‌شود، اهمیت تاریخی دارد و یک مرکز عمده تجارت کشاورزی است. در عین حال، سرگودها، که به دلیل تولید مرکبات خود مشهور است، یک مرکز مهم کشاورزی و نظامی است. هر دو شهر در حال تجربه گسترش سریع فضایی هستند که ناشی از رشد جمعیت، توسعه اقتصادی و تغییر الگوهای کاربری زمین است. ^{۱۱ ، ۱۹ ، ۲۰ ، ۲۱ ، ۲۲ ، ۲۳٫} تبدیل این مناطق تاریخی کشاورزی به مراکز شهری در حال گسترش، چالش‌های منحصر به فردی را برای توسعه پایدار و حفاظت از محیط زیست ایجاد می‌کند.

تبدیل کاربری/پوشش زمین (LULC) در این مناطق ناشی از عوامل متقابل متعددی از جمله رشد جمعیت، توسعه صنعتی، تغییر اولویت‌های اقتصادی و تغییر در شیوه‌های کشاورزی است ^{۲۴ ، ۲۵ ، ۲۶ ، ۲۷٫} این تحولات بر اکوسیستم‌های محلی و بهره‌وری کشاورزی تأثیر می‌گذارند و بر الگوهای اقلیمی منطقه‌ای، منابع آب و پویایی اجتماعی تأثیر می‌گذارند. از دست دادن زمین‌های کشاورزی به توسعه شهری به ویژه در استان پنجاب نگران‌کننده است، که به عنوان قلب کشاورزی پاکستان عمل می‌کند و نقش مهمی در امنیت غذایی ملی ایفا می‌کند. درک و مدیریت این تغییرات برای ایجاد تعادل بین توسعه شهری و حفظ کشاورزی ضروری است.

پیشرفت‌های اخیر فناوری در سنجش از دور و محاسبات ابری، توانایی ما را در نظارت و تحلیل الگوهای رشد شهری متحول کرده است. پلتفرم موتور گوگل ارث (GEE)، همراه با الگوریتم‌های یادگیری ماشین و سیستم‌های اطلاعات جغرافیایی (GIS)، ابزارهای قدرتمندی را برای پردازش حجم زیادی از داده‌های مکانی و تشخیص تغییرات LULC در مقیاس‌های زمانی ارائه می‌دهد. ^{۲۸ ، ۲۹٫} این فناوری‌ها امکان ارزیابی دقیق‌تر روندهای گسترش شهری را فراهم می‌کنند و از تصمیم‌گیری مبتنی بر شواهد در برنامه‌ریزی شهری پشتیبانی می‌کنند. ادغام پلتفرم‌های محاسبات ابری با تکنیک‌های سنتی سنجش از دور، توانایی ما را در پردازش و تحلیل مجموعه داده‌های زمانی در مقیاس بزرگ افزایش داده و ردیابی الگوهای رشد شهری را با دقت و جزئیات بی‌سابقه‌ای امکان‌پذیر ساخته است.

کاربرد الگوریتم‌های طبقه‌بندی پیشرفته، به‌ویژه مدل‌های جنگل تصادفی (RF)، توانایی ما را در تشخیص و طبقه‌بندی تغییرات LULC به‌طور قابل‌توجهی بهبود بخشیده است. ^{۳۰ ، ۳۱ ، ۳۲ ، ۳۳٫} این رویکردهای یادگیری ماشینی، هنگامی که با اتوماتای ​​سلولی و شبکه‌های عصبی مصنوعی ترکیب می‌شوند، چارچوب‌های محکمی را برای تجزیه و تحلیل الگوهای تاریخی و پیش‌بینی سناریوهای رشد شهری آینده فراهم می‌کنند. گنجاندن این فناوری‌ها در فرآیندهای برنامه‌ریزی شهری، توانایی ما را در درک و مدیریت توسعه شهری به‌طور قابل‌توجهی افزایش می‌دهد.

مطالعات قبلی در پاکستان الگوهای رشد شهری را در مناطق کلان‌شهری بزرگ مانند کراچی، لاهور و اسلام‌آباد بررسی کرده‌اند. با این حال، تجزیه و تحلیل جامع از شهرهای متوسط ​​مانند مولتان و سرگودها همچنان محدود است. این شهرها به ویژه موارد جالبی هستند زیرا نمایانگر مراکز شهری به سرعت در حال رشد در مناطق عمدتاً کشاورزی هستند، جایی که تعادل بین توسعه شهری و حفظ کشاورزی برای امنیت غذایی منطقه‌ای و ثبات اقتصادی بسیار مهم است ^{۳ ، ۳۴ ، ۳۵ ، ۳۶٫} ویژگی‌های منحصر به فرد این شهرها، از جمله اهمیت تاریخی، اهمیت کشاورزی و مسیرهای توسعه فعلی آنها، آنها را به مطالعات موردی ارزشمندی برای درک الگوهای گسترش شهری در مناطق کشاورزی تبدیل می‌کند.

هدف مطالعه حاضر، ارزیابی الگوهای رشد شهری و تغییرات LULC در مناطق مولتان و سارگودها با استفاده از یک رویکرد یکپارچه ترکیبی از محاسبات ابری، GIS و مدل‌سازی پیش‌بینی است. این تحقیق به چندین شکاف مهم در درک ما از گسترش شهری در شهرهای متوسط ​​پاکستان می‌پردازد و از طریق کاربرد ابزارهای پیشرفته فناوری، بینش‌های روش‌شناختی ارزشمندی ارائه می‌دهد. ^{۳۷ ، ۳۸ ، ۳۹٫} اهداف عبارتند از: (۱) شناسایی و طبقه‌بندی الگوهای LULC با استفاده از تصاویر ماهواره‌ای چندزمانه، (۲) تجزیه و تحلیل پویایی تغییرات LULC از سال ۱۹۹۰ تا ۲۰۲۰، و (۳) مدل‌سازی سناریوهای بالقوه رشد شهری تا سال ۲۰۳۰٫

اهمیت این تحقیق فراتر از حوزه‌های مطالعاتی فعلی است و بینش‌هایی در مورد چالش‌ها و فرصت‌های مدیریت رشد شهری در مناطق کشاورزی در سراسر جنوب آسیا ارائه می‌دهد. این مطالعه با ترکیب تحلیل‌های تاریخی با پیش‌بینی‌های آینده، اطلاعات ارزشمندی را برای برنامه‌ریزان و سیاست‌گذاران شهری در مدیریت گسترش شهری ضمن حفظ زمین‌های کشاورزی و منابع طبیعی ضروری فراهم می‌کند. یافته‌ها به درک ما از فرآیندهای شهرنشینی در کشورهای در حال توسعه کمک کرده و از توسعه استراتژی‌های رشد شهری پایدارتر در مناطق مشابه پشتیبانی می‌کند.

منطقه مورد مطالعه

مناطق مولتان و سرگودها منطقه مورد مطالعه را تشکیل می‌دهند و در استان پنجاب پاکستان واقع شده‌اند (شکل  ۱ ). این مناطق، مراکز شهری و کشاورزی قابل توجهی در منطقه هستند که هر کدام ویژگی‌های جغرافیایی و اجتماعی-اقتصادی متمایزی دارند. منطقه مولتان بین عرض جغرافیایی ۳۰°۱۱’۵۲” شمالی و طول جغرافیایی ۷۱°۲۸’۱۱” شرقی قرار دارد و مساحتی تقریباً ۳۷۲۰ کیلومتر مربع را پوشش می‌دهد ^. این منطقه که در جنوب پنجاب واقع شده است، از ارتفاع ۱۰۰ تا ۱۵۰ متر از سطح دریا متغیر است و با توپوگرافی عمدتاً مسطح و گاهی اوقات دارای نوسانات ملایم ^{۳۳ ، ۴۰} مشخص می‌شود . آب و هوای آن خشک تا نیمه‌خشک است و دارای نوسانات شدید دما می‌باشد. دمای تابستان اغلب از ۴۵ درجه سانتیگراد فراتر می‌رود، در حالی که زمستان‌ها معتدل هستند و دمای آنها از ۴ تا ۲۰ درجه سانتیگراد متغیر است. این منطقه به طور متوسط ​​​​بارندگی سالانه ۱۸۶ میلی‌متر را دریافت می‌کند که عمدتاً در طول فصل باران‌های موسمی (ژوئیه تا سپتامبر) است. جمعیت مولتان در سال ۲۰۲۰ به ۴.۷۵ میلیون نفر رسید که نرخ رشد سالانه آن ۲.۳ درصد بود (PBS، ۲۰۲۰). این منطقه به خاطر تولیدات کشاورزی خود، به ویژه پنبه، گندم و انبه که ستون فقرات اقتصاد آن را تشکیل می‌دهند، مشهور است.

نقشه‌های موقعیت جغرافیایی منطقه مورد مطالعه. در تمام این نقشه‌ها، موقعیت منطقه مورد مطالعه در جهان مشخص شده است.

تصویر در اندازه کامل

^{منطقه سرگودها بین عرض جغرافیایی ۳۲°۰۸′۰۰″ شمالی و طول جغرافیایی ۷۲°۴۰′۰۰″ شرقی} قرار دارد و مساحتی بالغ بر ۵۸۵۴ کیلومتر مربع را در بر می‌گیرد . این منطقه در مرکز پنجاب واقع شده است و ارتفاع آن از سطح دریا بین ۱۵۰ تا ۲۰۰ متر متغیر است. توپوگرافی عموماً مسطح است و در میان آن مناطقی با پستی و بلندی‌های ملایم وجود دارد. آب و هوای آن نیمه‌خشک است و با تابستان‌های گرم و زمستان‌های معتدل مشخص می‌شود. میانگین دمای تابستان از ۳۵ تا ۴۲ درجه سانتیگراد متغیر است، در حالی که دمای زمستان معمولاً بین ۶ تا ۲۱ درجه سانتیگراد متغیر است (شکل  ۱ ). میانگین بارندگی سالانه ۴۱۰ میلی‌متر است که بیشتر آن در فصل باران‌های موسمی رخ می‌دهد. جمعیت این منطقه در سال ۲۰۲۰، ۳٫۷ میلیون نفر ثبت شده است که با نرخ سالانه ۲٫۱٪ رشد می‌کند (PBS، ۲۰۲۰). سرگودها به ویژه به دلیل تولید مرکبات خود مشهور است و عنوان “پایتخت مرکبات پاکستان” را به خود اختصاص داده است. هر دو منطقه شاهد گسترش قابل توجه شهری هستند که عمدتاً ناشی از رشد جمعیت، مهاجرت روستایی-شهری و توسعه اقتصادی است. تقریباً ۴۶٪ از جمعیت مولتان و ۳۱٪ از جمعیت سارگودها در مناطق شهری ساکن هستند. مراکز شهری در هر دو منطقه به عنوان قطب‌های حیاتی منطقه‌ای برای تجارت، آموزش و کارکردهای اداری عمل می‌کنند. این تحولات اغلب در مناطق پرخطر یا در زمین‌های کشاورزی حاصلخیز رخ می‌دهند و نگرانی‌هایی را در مورد امنیت غذایی و توسعه پایدار شهری ایجاد می‌کنند. تبدیل زمین‌های کشاورزی به کاربری‌های شهری، همراه با افزایش فشار جمعیت، بر اهمیت درک و مدیریت الگوهای رشد شهری در این مناطق تاریخی کشاورزی تأکید می‌کند.

نرم‌افزار و داده‌های مکانی

داده‌های مکانی این مطالعه از منابع معتبر متعددی به دست آمد. داده‌های نقشه‌برداری پایه، شامل شبکه‌های هیدروگرافی و خطوط کانتور، از پورتال پایگاه داده جغرافیایی سازمان نقشه‌برداری پاکستان ( https://www.surveyofpakistan.gov.pk/ ) به دست آمد. داده‌های شبکه حمل و نقل از اداره ملی بزرگراه‌های پاکستان ( https://nha.gov.pk/ ) تهیه شد. داده‌های مدل ارتفاعی دیجیتال (DEM) با وضوح ۳۰ متر از ماموریت توپوگرافی رادار شاتل (SRTM) ناسا به دست آمد. داده‌های سنجش از دور اولیه شامل مجموعه‌های سالانه تصاویر Landsat 5 TM (برای سال‌های ۱۹۹۰، ۲۰۰۰ و ۲۰۱۰) و تصاویر OLI Landsat 8 (برای سال ۲۰۲۰) بود که از طریق پلتفرم Google Earth Engine (GEE) قابل دسترسی بودند. این تجزیه و تحلیل از چندین پلتفرم نرم‌افزاری استفاده کرد: QGIS با افزونه MOLUSCE برای تجزیه و تحلیل مکانی و پیش‌بینی‌های آینده، ArcGIS 10.8 برای پردازش مکانی پیشرفته و پلتفرم GEE برای پردازش و طبقه‌بندی تصویر مبتنی بر ابر. پردازش‌های اضافی با استفاده از اسکریپت‌های پایتون سفارشی برای آماده‌سازی و تحلیل داده‌ها انجام شد.

پردازش روش‌شناختی

این روش از یک رویکرد سیستماتیک شامل سه مرحله اصلی پیروی می‌کرد (شکل  ۲ ). مرحله اول شامل پیش‌پردازش تصاویر ماهواره‌ای و طبقه‌بندی LULC بود. مرحله دوم بر تجزیه و تحلیل تغییرات LULC در دوره‌های زمانی مختلف متمرکز بود. مرحله نهایی شامل مدل‌سازی سناریوهای رشد شهری آینده برای سال ۲۰۳۰ بود.

نمودار جریان روش‌شناسی، نحوه استفاده از روش‌ها و داده‌ها برای این تحقیق را برای کل دانشجویان ارشد توضیح داد.

تصویر در اندازه کامل

طبقه‌بندی پوشش گیاهی، کاربری اراضی و پوشش زمین

پیش‌پردازش تصاویر ماهواره‌ای

پیش‌پردازش اولیه با گردآوری مناطق آموزشی برای هر کلاس LULC در مناطق مورد مطالعه آغاز شد. پنج کلاس مجزا شناسایی و با استفاده از گیرنده‌های GPS، صحت‌سنجی زمینی شدند: (i) زمین‌های کشاورزی (شامل زمین‌های زراعی و باغ‌ها)، (ii) پهنه‌های آبی، (iii) مناطق ساخته‌شده، (iv) زمین‌های بایر و (v) پوشش گیاهی. پردازش تصاویر ماهواره‌ای در GEE با استفاده از مجموعه‌های Landsat 5 (ID: LANDSAT/LT05/C01/T1_SR) برای داده‌های تاریخی (۱۹۹۰، ۲۰۰۰ و ۲۰۱۰) و Landsat 8 (ID: LANDSAT/LC08/C01/T1_SR) برای سال ۲۰۲۰ انجام شد. انتخاب تصویر، صحنه‌هایی را با حداقل پوشش ابر و زمان‌بندی فصلی بهینه برای تمایز پوشش زمین در اولویت قرار داد. پوشش ابر با استفاده از الگوریتم C Function of Mask (CFMask) برای حذف آلودگی ابر و سایه‌ها پیاده‌سازی شد. برای افزایش دقت طبقه‌بندی، چهار شاخص پوشش گیاهی محاسبه شد:

محاسبه شاخص‌های پوشش گیاهی

شاخص‌های طیفی زیر برای بهبود طبقه‌بندی پوشش زمین محاسبه شدند که در جدول ۱ توضیح داده شده‌اند .

این شاخص‌ها در فرآیند طبقه‌بندی گنجانده شدند تا تمایز بین انواع مختلف پوشش زمین، به‌ویژه بین مناطق ساخته‌شده و خاک لخت و بین انواع مختلف پوشش گیاهی، بهبود یابد.

طبقه‌بندی جنگل تصادفی (RF)

الگوریتم طبقه‌بندی RF در پلتفرم GEE برای طبقه‌بندی تصاویر چندزمانه پیاده‌سازی شد. طبقه‌بندی‌کننده RF به دلیل عملکرد قوی آن در طبقه‌بندی پوشش زمین و توانایی آن در مدیریت عوارض پیچیده زمین و اختلاط طیفی انتخاب شد. فرآیند طبقه‌بندی از ۵۰۰ درخت استفاده کرد و هم باندهای طیفی و هم شاخص‌های مشتق‌شده را در بر گرفت ^{۴۵ ، ۴۶٫} داده‌های آموزشی برای هر کلاس با استفاده از یک رویکرد نمونه‌گیری تصادفی طبقه‌بندی‌شده، با حداقل ۲۰۰ نقطه آموزشی در هر کلاس ^{۴۷ ، ۴۸} جمع‌آوری شد . طرح طبقه‌بندی شامل پنج دسته LULC بود: زمین‌های کشاورزی، بدنه‌های آبی، مناطق ساخته‌شده، زمین‌های بایر و پوشش گیاهی. حداقل واحد قابل نقشه‌برداری ۰٫۵ هکتار برای سازگاری در تمام طبقه‌بندی‌های زمانی ^۳۲ تعیین شد .

دینامیک تغییر کاربری زمین و پوشش زمین

تحلیل تغییرات کاربری اراضی (LULC) برای سال‌های ۱۹۹۰-۲۰۰۰، ۲۰۰۰-۲۰۱۰ و ۲۰۱۰-۲۰۲۰ انجام شد. تشخیص تغییرات از ماتریس‌های جدول‌بندی متقاطع برای تعیین کمیت انتقال بین طبقات کاربری اراضی استفاده کرد. نرخ سالانه تغییر با استفاده از معادله استاندارد شده FAO  ۱ محاسبه شد :

که در آن:  = نرخ سالانه تغییر  = مساحت در زمان اولیه  = مساحت در زمان نهایی  = تعداد سال‌ها بین اندازه‌گیری‌ها. علاوه بر این، تغییرات خالص، سود و زیان برای هر کلاس LULC برای درک پویایی تغییر پوشش زمین ^۴۹ محاسبه شد .

مدل‌سازی سناریوهای رشد شهری آینده

پیش‌بینی رشد شهری آینده، از یک رویکرد یکپارچه با ترکیب اتوماتای ​​سلولی (CA) و شبکه عصبی مصنوعی (ANN) پرسپترون چندلایه (MLP) در افزونه MOLUSCE در QGIS استفاده کرد. فرآیند مدل‌سازی شامل پنج متغیر کلیدی بود: (i) فاصله تا مناطق شهری موجود، (ii) فاصله تا جاده‌های اصلی، (iii) فاصله تا منابع آبی، (iv) شیب و (v) ارتفاع.

این متغیرها بر اساس تأثیر اثبات‌شده‌شان بر الگوهای رشد شهری در مطالعات مشابه و ارتباطشان با بافت محلی مولتان و سرگودها ^۵۰ انتخاب شدند .

فرآیند مدل‌سازی شامل چندین مرحله کلیدی برای اطمینان از پیش‌بینی‌های دقیق رشد شهری آینده بود. ابتدا، متغیرهای مکانی تهیه و با تبدیل آنها به یک وضوح مکانی مشترک، استانداردسازی شدند. در مرحله بعد، نقشه‌های پتانسیل گذار با استفاده از یک MLP-ANN تولید شدند. ANN روی ۱۰۰۰۰ نقطه نمونه با نرخ یادگیری ۰٫۰۱، مومنتوم ۰٫۰۵، ۱۰ لایه پنهان و ۱۰۰۰ تکرار آموزش آموزش داده شد ^{۲۴ ، ۵۱٫} پس از تولید نقشه‌های پتانسیل گذار، یک مدل CA برای تخصیص تغییرات بر اساس احتمالات گذار به صورت مکانی پیاده‌سازی شد ^{۵۲ ، ۵۳} .

اعتبارسنجی مدل با استفاده از داده‌های تاریخی برای ارزیابی دقت آن انجام شد. در نهایت، مدل اعتبارسنجی شده برای پیش‌بینی الگوهای رشد شهری آینده تا سال ۲۰۳۰ به کار گرفته شد. این رویکرد سیستماتیک، پیش‌بینی‌های قوی و قابل اعتمادی را تضمین می‌کند که می‌تواند برنامه‌ریزی شهری و توسعه سیاست را آگاه کند. اعتبارسنجی مدل با استفاده از داده‌های تاریخی از ۲۰۱۰ تا ۲۰۲۰ برای ارزیابی دقت پیش‌بینی انجام شد ^۵۴٫ سپس مدل اعتبارسنجی شده برای پیش‌بینی الگوهای رشد شهری تا سال ۲۰۳۰، با در نظر گرفتن روندهای رشد فعلی و محدودیت‌های مکانی، مورد استفاده قرار گرفت. کل چارچوب روش‌شناختی برای اطمینان از تکرارپذیری و قابلیت اطمینان در تجزیه و تحلیل تغییرات تاریخی LULC و پیش‌بینی سناریوهای رشد شهری آینده برای هر دو منطقه مورد مطالعه طراحی شد ^{۵۵ ، ۵۶} .

طبقه‌بندی کاربری و پوشش زمین

تحلیل چندزمانه تغییرات LULC از سال ۱۹۹۰ تا ۲۰۲۰، دگرگونی‌های قابل توجهی را در هر دو منطقه نشان داد (جدول ۲ ). در مولتان، پوشش گیاهی غالب بود اما نوسانات قابل توجهی را نشان داد، به طوری که در ابتدا از ۷۱.۰۲٪ (۲۵۹۶.۵۰ کیلومتر مربع) در سال ۱۹۹۰ به ۸۰.۱۵٪ (۲۹۳۰.۱۶ کیلومتر مربع) در سال ۲۰۰۰ افزایش یافت ^، قبل ^{از اینکه به تدریج به ۷۴.۳۴٪ (۲۷۱۷.۶۱ کیلومتر مربع} ) در سال ۲۰۲۰ کاهش یابد . این الگو نشان دهنده دوره‌ای از گسترش کشاورزی و به دنبال آن تجاوز به شهرها است. مناطق ساخته شده مسیر رشد ثابتی را نشان دادند و تقریباً از ۶٫۵۸٪ (۲۴۰٫۵۶ کیلومتر ^مربع ) در سال ۱۹۹۰ به ۱۲٫۰۴٪ (۴۴۰٫۳۰ کیلومتر ^مربع ) در سال ۲۰۲۰ دو برابر شدند و اوج قابل توجه آن ۱۴٫۸۹٪ (۵۴۴٫۴۱ کیلومتر ^مربع ) در سال ۲۰۱۰ بود. کاهش موقت مناطق ساخته شده بین سال‌های ۲۰۱۰ تا ۲۰۲۰ ممکن است به توسعه مجدد مناطق شهری قدیمی‌تر و طبقه‌بندی مجدد برخی از فضاهای شهری تخریب شده نسبت داده شود (شکل  ۳ ).

نقشه کاربری اراضی و پوشش اراضی هر دو منطقه مورد مطالعه از سال ۱۹۹۰ تا ۲۰۲۰.

تصویر در اندازه کامل

زمین‌های بایر در مولتان چشمگیرترین تغییرات را نشان دادند و از ۲۰٫۷۵٪ (۷۵۸٫۷۱ کیلومتر ^مربع ) در سال ۱۹۹۰ به ۱۱٫۱۲٪ (۴۰۶٫۶۲ کیلومتر ^مربع ) در سال ۲۰۲۰ به طور قابل توجهی کاهش یافتند، که بیشترین کاهش بین سال‌های ۱۹۹۰ تا ۲۰۰۰ رخ داده است. این روند نشان دهنده تبدیل مناطق بایر به کاربری کشاورزی یا توسعه شهری است. پهنه‌های آبی، در حالی که بخش نسبتاً کوچکی از کل مساحت را اشغال می‌کنند، تغییرات جالبی را نشان دادند، از حداقل ۰٫۶۹٪ (۲۵٫۲۵ کیلومتر مربع ⁾ در سال ۲۰۰۰ تا حداکثر ۲٫۵۰٪ (۹۱٫۲۹ کیلومتر مربع ⁾ در سال ۲۰۲۰، که منعکس کننده تغییرات اقلیمی و شیوه‌های مدیریت آب است. منطقه سارگودها الگوهای تحول LULC متمایزی را نشان داد. پوشش گیاهی نوسانات بارزتری نسبت به مولتان نشان داد و از ۶۸٫۳۸٪ (۳۹۳۸٫۶۸ کیلومتر مربع ⁾ در سال ۱۹۹۰ به اوج ۸۲٫۸۵٪ (۴۷۷۶٫۶۳ کیلومتر ^مربع ) در سال ۲۰۰۰ افزایش یافت، قبل از اینکه در سال ۲۰۲۰ به ۷۷٫۷۴٪ (۴۴۸۶٫۷۸ کیلومتر مربع ⁾ برسد . این الگو نشان دهنده شیوه‌های کشاورزی پویاتر و تغییرات کاربری زمین است. مناطق ساخته شده یک الگوی رشد غیرخطی منحصر به فرد را نشان دادند که از ۱۲٫۶۹٪ (۷۳۰٫۹۱ کیلومتر مربع) در سال ۱۹۹۰ شروع شد ^و در سال ۲۰۱۰ به ۶٫۷۳٪ (۳۸۷٫۶۵ کیلومتر ^مربع ) کاهش یافت، قبل از اینکه در سال ۲۰۲۰ به سرعت به ۱۷٫۸۳٪ (۱۰۲۹٫۰۷ کیلومتر مربع ⁾ گسترش یابد . این الگوی غیرمعمول ممکن است منعکس کننده برنامه‌های نوسازی شهری و توسعه مجدد مناطق شهری قدیمی‌تر در طول دوره میانی باشد.

ارزیابی دقت طبقه‌بندی LULC (جدول ۳ ) قابلیت اطمینان بالایی را در تمام طبقه‌بندی‌های زمانی نشان داد. مولتان به طور مداوم معیارهای دقت بالایی را حفظ کرد، با مقادیر دقت کلی (OA) از ۰٫۹۳ تا ۰٫۹۷ و شاخص‌های ضریب کاپا بین ۰٫۸۹ تا ۰٫۹۵٫ بالاترین دقت در سال ۱۹۹۰ (OA: 0.97، کاپا: ۰٫۹۵) به دست آمد، در حالی که سال ۲۰۰۰ معیارهای کمی پایین‌تر اما همچنان عالی (OA: 0.93، کاپا: ۰٫۸۹) را نشان داد. سارگودها نیز سطوح دقت بالای مشابهی را نشان داد، با مقادیر OA بین ۰٫۸۸ و ۰٫۹۷ و شاخص‌های کاپا از ۰٫۸۲ تا ۰٫۹۵، با حداکثر دقت در سال ۲۰۰۰ (OA: 0.97، کاپا: ۰٫۸۲).

دینامیک تغییر کاربری و پوشش زمین

تحلیل دگرگونی (جدول ۴ ) الگوهای پیچیده‌ای از گسترش شهری را در هر دو منطقه نشان داد. در مولتان، تبدیل بوته‌زارها و علفزارها به مناطق شهری افزایش تدریجی از ۸۰٫۱۶ هکتار در سال‌های ۱۹۹۰-۲۰۰۰ به ۵۳۱٫۹۳ هکتار در سال‌های ۲۰۰۰-۲۰۲۰ نشان داد که نشان‌دهنده افزایش ۵۶۴ درصدی در این دوره است. پیش‌بینی می‌شود این روند با کاهش تبدیل‌ها به ۳۵۷٫۱۱ هکتار در طول سال‌های ۲۰۲۰-۲۰۳۰، تعدیل شود. تداوم مناطق شهری، تثبیت قوی را نشان داد و از ۲۰۰٫۴۸ هکتار در دوره اولیه به ۱۱۰۵٫۴۰ هکتار مورد انتظار در سال‌های ۲۰۲۰-۲۰۳۰ افزایش یافت که نشان‌دهنده چشم‌انداز شهری در حال بلوغ است.

تحلیل اعتبارسنجی نقطه‌ای (جدول ۵ ) بینش‌های بیشتری در مورد دقت طبقه‌بندی ارائه داد. در مولتان، مناطق مسکونی در تمام دوره‌ها شناسایی ثابتی را نشان دادند، با ۱۶ نقطه اعتبارسنجی که دقت طبقه‌بندی را تأیید می‌کردند. طبقه پوشش گیاهی بالاترین پایداری را در اعتبارسنجی نشان داد، با ۱۵۰ نقطه که به طور مداوم مناطق دارای پوشش گیاهی را در تمام دوره‌های زمانی شناسایی می‌کردند. آبراه‌ها و زمین‌های بایر نتایج اعتبارسنجی متغیرتری را نشان دادند که منعکس کننده ماهیت پویای این نوع پوشش‌های زمینی است (شکل  ۴ ).

تبدیل منطقه به گسترش بی‌رویه شهری.

تصویر در اندازه کامل

الگوهای تبدیل شهری سارگودها شدیدتر و پیچیده‌تر بود. تبدیل بوته‌زارها و علفزارها به مناطق شهری از ۱۶۷.۹۸ هکتار در سال‌های ۱۹۹۰-۲۰۰۰ به ۳۰۲.۳۵ هکتار در سال‌های ۲۰۰۰-۲۰۲۰ افزایش یافت که افزایش ۸۰ درصدی ملایم‌تری را در مقایسه با مولتان نشان می‌دهد. با این حال، تداوم مناطق شهری رشد قابل توجهی را نشان داد و از ۱۷۲.۰۶ هکتار به ۸۷۱.۹۸ هکتار پیش‌بینی‌شده افزایش یافت که نشان‌دهنده الگوهای توسعه شهری پایدارتر است. تبدیل جنگل به مناطق شهری به طور مداوم کاهش یافت و از ۳۷.۹۱ هکتار در سال‌های ۱۹۹۰-۲۰۰۰ به ۵.۱۶ هکتار مورد انتظار در سال‌های ۲۰۲۰-۲۰۳۰ کاهش یافت که نشان‌دهنده بهبود اقدامات حفاظت از جنگل است.

جهت‌گیری و الگوهای رشد شهری

تحلیل جهت‌دار رشد شهری (جدول ۶ ) الگوهای توسعه فضایی متمایز و منحصر به فرد هر منطقه را نشان داد. در مولتان، بخش جنوب شرقی به عنوان جهت اصلی رشد پدیدار شد، به طوری که مساحت شهری به طور چشمگیری از ۲۶ کیلومتر ^مربع در سال ۱۹۹۰ به ۲۸۳ کیلومتر مربع ^در سال ۲۰۳۰ افزایش یافت که نشان‌دهنده افزایش ۹۸۸ درصدی است. بخش شرقی گسترش مداوم از ۵۲ کیلومتر ^مربع به ۱۱۴ کیلومتر ^مربع (افزایش ۱۱۹ درصدی) را نشان داد، در حالی که بخش جنوب غربی رشد را از ۲۹ کیلومتر ^مربع به ۲۲۳ کیلومتر مربع ⁽ افزایش ۶۶۹ درصدی) تسریع کرد. بخش‌های غربی و شمال غربی نیز رشد قابل توجهی را نشان دادند، اما با نرخ‌های متوسط‌تر.

پیشرفت زمانی جهت‌های رشد در مولتان سه مرحله متمایز را نشان داد:

• ۱۹۹۰–۲۰۰۰: تحت سلطه گسترش شرقی و غربی
• ۲۰۰۰–۲۰۱۰: ظهور رشد قوی جنوب شرقی
• ۲۰۱۰–۲۰۲۰: رشد چند جهته با تسلط جنوب شرقی

سارگودها الگوی رشد جهت‌دار متعادل‌تری را نشان داد و گسترش قابل توجهی در جهات مختلف داشت. بخش شمال شرقی چشمگیرترین رشد را نشان داد و از ۴۰ کیلومتر مربع به ۲۴۸ کیلومتر مربع (افزایش ۵۲۰ درصدی) افزایش یافت ^. بخش ^شمالی رشد قوی مشابهی را از ۱۹ کیلومتر مربع ^به ۱۵۲ کیلومتر مربع ⁽ افزایش ۷۰۰ درصدی) نشان داد. بخش شرقی رشد ثابتی را از ۳۲ کیلومتر مربع ^به ۱۸۷ کیلومتر ^مربع (افزایش ۴۸۴ درصدی) حفظ کرد. این الگوی رشد چند جهته، گسترش شهری برنامه‌ریزی‌شده‌تر و توزیع‌شده‌تری را نسبت به توسعه متمرکزتر مولتان نشان می‌دهد (شکل  ۵ ).

الگوی رشد چند جهته و گسترش شهری توزیع‌شده در مقایسه با ارتفاعات، نزدیکی به آب و جاده.

تصویر در اندازه کامل

سناریوهای رشد شهری آینده

پیش‌بینی‌های سال ۲۰۳۰ (جدول ۷ ) مسیرهای رشد شهری متفاوتی را برای این دو منطقه نشان می‌دهد. پیش‌بینی می‌شود که منطقه شهری مولتان تا سال ۲۰۳۰ با کاهش جزئی به ۴۳۳.۲۲ کیلومتر مربع برسد ^که نشان‌دهنده کاهش ۱.۶ درصدی نسبت به سطح سال ۲۰۲۰ است. این پیش‌بینی نشان‌دهنده تثبیت بالقوه رشد شهری و تراکم احتمالی به جای گسترش فضایی است. کاهش نرخ رشد ممکن است به محدودیت‌های فیزیکی، بهبود سیاست‌های برنامه‌ریزی شهری یا اشباع زمین‌های به راحتی توسعه‌یافته نسبت داده شود.

^{در مقابل، پیش‌بینی می‌شود که مساحت سارگودها تا سال ۲۰۳۰ به ۱۴۰۴.۹۷ کیلومتر مربع} افزایش چشمگیری داشته باشد که نشان‌دهنده افزایش ۳۶.۵ درصدی نسبت به سال ۲۰۲۰ است. این پیش‌بینی رشد قابل توجه، الگوی توسعه پراکنده‌تر و زمین‌های موجود در این منطقه را منعکس می‌کند. توزیع فضایی این رشد پیش‌بینی‌شده، که از تحلیل جهت‌دار به‌دست آمده است، نشان می‌دهد که گسترش شهری سارگودها همچنان از یک الگوی چند هسته‌ای پیروی خواهد کرد و رشد قابل توجهی در امتداد کریدورهای حمل و نقل و در مناطق پیرامونی خواهد داشت (شکل  ۶ ).

نتایج طبقه‌بندی هر دو منطقه مورد مطالعه.

تصویر در اندازه کامل

معیارهای اعتبارسنجی، قابلیت اطمینان این پیش‌بینی‌ها را تأیید می‌کنند، به طوری که هر دو منطقه در طول دوره تحلیل تاریخی، دقت طبقه‌بندی بالایی را نشان می‌دهند. ادغام روش‌های ارزیابی دقت چندگانه، از جمله اعتبارسنجی نقطه‌ای و شاخص‌های آماری، پشتیبانی قوی از سناریوهای پیش‌بینی‌شده ارائه می‌دهد. این پیش‌بینی‌ها بینش‌های ارزشمندی را برای برنامه‌ریزان شهری و سیاست‌گذاران در مدیریت رشد شهری آینده و چالش‌های مرتبط با آن در هر دو منطقه ارائه می‌دهند.

رشد شهری عامل مهمی است که بر تغییرات LULC در سراسر پاکستان تأثیر می‌گذارد و تجزیه و تحلیل ما از مناطق مولتان و سرگودها الگوهای پیچیده‌ای از گسترش شهری و تغییر شکل زمین را نشان می‌دهد که شایسته بررسی دقیق هستند. تغییرات مشاهده شده منعکس کننده روندهای منطقه‌ای گسترده‌تر هستند و در عین حال ویژگی‌های محلی متمایزی را نشان می‌دهند که بینش‌های ارزشمندی در مورد برنامه‌ریزی و مدیریت شهری ارائه می‌دهند.

پویایی زمانی رشد شهری

الگوهای متضاد رشد شهری مولتان و سارگودها، مسیرهای توسعه متفاوتی را نشان می‌دهند که توسط عوامل اجتماعی-اقتصادی محلی و محدودیت‌های جغرافیایی شکل گرفته‌اند. گسترش شهری مولتان، که با افزایش از ۲۴۰٫۵۶ کیلومتر مربع ^در سال ۱۹۹۰ به ۴۴۰٫۳۰ کیلومتر مربع ^در سال ۲۰۲۰ مشخص می‌شود، از الگوهایی مشابه آنچه در سایر شهرهای تاریخی جنوب آسیا مشاهده شده است، پیروی می‌کند. این نرخ رشد با مطالعات شهرهای قابل مقایسه مانند لاهور که افزایش ۱۶۷ درصدی در مناطق شهری بین سال‌های ۱۹۹۰ تا ۲۰۲۰ را تجربه کرده‌اند، همسو است . ^۵۷ با این حال، تثبیت پیش‌بینی‌شده مولتان تا سال ۲۰۳۰ (۴۳۳٫۲۲ کیلومتر مربع ⁾ نشان دهنده یک سیستم شهری در حال بلوغ است که احتمالاً تحت تأثیر محدودیت‌های جغرافیایی و مداخلات برنامه‌ریزی بهبود یافته قرار دارد . ^۵۸ تحول چشمگیرتر شهری سارگودها، به ویژه گسترش سریع از ۳۸۷٫۶۵ کیلومتر مربع ^در سال ۲۰۱۰ به ۱۰۲۹٫۰۷ کیلومتر مربع ^در سال ۲۰۲۰، نشان دهنده یک مدل رشد شهری متفاوت است. این الگو بیشتر شبیه رشد انفجاری مشاهده شده در شهرهای ثانویه نوظهور در کشورهای در حال توسعه است ^۵۹٫ افزایش پیش‌بینی‌شده به ۱۴۰۴٫۹۷ کیلومتر مربع ^تا سال ۲۰۳۰ نشان دهنده ادامه فشار شهرنشینی است که با روندهای مشاهده شده در شهرهای ثانویه به سرعت در حال رشد در هند و بنگلادش قابل مقایسه است. تضاد بین این دو منطقه، تنوع الگوهای توسعه شهری را در سیستم شهری پاکستان برجسته می‌کند.

الگوهای تغییر کاربری زمین

تبدیل مناظر کشاورزی و طبیعی به مناطق شهری، روندهای نگران‌کننده‌ای را در هر دو منطقه نشان می‌دهد. در مولتان، کاهش قابل توجه زمین‌های بایر از ۲۰.۷۵ به ۱۱.۱۲ درصد بین سال‌های ۱۹۹۰ تا ۲۰۲۰ نشان دهنده‌ی دگرگونی شدید زمین است که اغلب قبل از توسعه شهری رخ داده است. این الگو، روندهای مشاهده شده در سایر مناطق کشاورزی که شهرنشینی سریع را تجربه می‌کنند، مانند منطقه پنجاب هند، را منعکس می‌کند، جایی که از دست رفتن مناطق حائل کشاورزی به طور مشابه ثبت شده است.

الگوی پیچیده‌تر دگرگونی سارگودها، از جمله نوسان در مناطق ساخته شده و کاهش چشمگیر زمین‌های بایر از ۱۷.۴۶ به ۱.۵۰ درصد، نشان‌دهنده یک سیستم کاربری زمین پویاتر است . ^۶۰. حفظ پوشش گیاهی با ۷۷.۷۴ درصد تا سال ۲۰۲۰، نشان‌دهنده تعادل موفق‌تری بین رشد شهری و حفاظت از کشاورزی نسبت به سایر مناطق به سرعت در حال شهری شدن در پاکستان است. این موفقیت می‌تواند درس‌های ارزشمندی برای سیاست‌های برنامه‌ریزی منطقه‌ای ارائه دهد.

رشد جهت‌دار و پیامدهای برنامه‌ریزی فضایی

تحلیل جهت‌دار رشد شهری، الگوهای مهمی را با پیامدهای برنامه‌ریزی قابل توجه آشکار می‌کند. گسترش عمدتاً جنوب شرقی مولتان (از ۲۶ تا ۲۸۳ کیلومتر مربع ⁾ از کریدورهای حمل و نقل و محدودیت‌های توپوگرافی پیروی می‌کند، الگویی رایج در شهرهای تاریخی. با این حال، این جهت رشد متمرکز ممکن است منجر به چالش‌های مدیریت شهری، از جمله ازدحام ترافیک و ناکارآمدی ارائه خدمات، مشابه آنچه در سایر شهرهای جنوب آسیا با رشد سریع مشاهده می‌شود، شود. ^{۵۹ ، ۶۱٫} رشد جهت‌دار متعادل‌تر سارگودها، با گسترش قابل توجه در جهات مختلف (شمال شرقی: ۴۰ کیلومتر ^مربع تا ۲۴۸ کیلومتر ^مربع ، شمال: ۱۹ کیلومتر ^مربع تا ۱۵۲ کیلومتر ^مربع )، نشان دهنده یک مدل بالقوه پایدارتر از توسعه شهری است. این الگو امکان توزیع کارآمدتر زیرساخت‌ها را فراهم می‌کند و ممکن است فشار بر هر بخش واحد از شهر را کاهش دهد . ^۶۰٫ الگوی رشد چند جهته همچنین فرصت‌های قابل توجهی را برای توسعه برنامه‌ریزی شده و ادغام فضاهای سبز فراهم می‌کند، مشابه مدل‌های برنامه‌ریزی شهری موفق که در سایر مناطق در حال توسعه اجرا می‌شوند.

پیامدهای زیست‌محیطی و کشاورزی

تغییر الگوهای کاربری زمین در هر دو منطقه، نگرانی‌های زیست‌محیطی و کشاورزی قابل توجهی را ایجاد می‌کند. در مولتان، کاهش پوشش گیاهی و تبدیل زمین‌های کشاورزی به کاربری‌های شهری، بهره‌وری کشاورزی منطقه را تهدید می‌کند. این روند به ویژه با توجه به نقش پنجاب به عنوان قلب کشاورزی پاکستان و چالش‌های فزاینده امنیت غذایی در مواجهه با تغییرات اقلیمی، نگران‌کننده است . ^۶۲٫ حفظ نسبتاً بهتر پوشش گیاهی در سارگودها، مدلی بالقوه برای ایجاد تعادل بین رشد شهری و حفظ کشاورزی ارائه می‌دهد. با این حال، گسترش شهری پیش‌بینی‌شده به ۱۴۰۴٫۹۷ کیلومتر مربع ^تا سال ۲۰۳۰ ممکن است چالش‌های جدیدی را برای این تعادل ایجاد کند. تجربه هر دو منطقه، نیاز به رویکردهای برنامه‌ریزی شهری-روستایی یکپارچه را که از منابع کشاورزی محافظت می‌کنند و در عین حال رشد شهری لازم را نیز در خود جای می‌دهند، برجسته می‌کند.

بینش‌های روش‌شناختی و کاربردهای برنامه‌ریزی

سطوح بالای دقت به‌دست‌آمده در طبقه‌بندی ما (OA > 92%)، رویکرد روش‌شناختی را تأیید می‌کند و پایه‌های قابل اعتمادی را برای کاربردهای برنامه‌ریزی فراهم می‌کند. ادغام منابع داده چندگانه و تکنیک‌های طبقه‌بندی پیشرفته، چارچوبی قوی برای نظارت بر رشد شهری در زمینه‌های مشابه ارائه می‌دهد. ^{۶۳ ، ۶۴٫} کاربرد موفقیت‌آمیز طبقه‌بندی‌کننده جنگل تصادفی، همراه با شاخص‌های پوشش گیاهی متعدد، پتانسیل تکرار این رویکرد را در سایر مناطق به سرعت در حال شهری شدن نشان می‌دهد.

پیامدهای برنامه‌ریزی و سیاست‌گذاری

یافته‌های این مطالعه، بینش‌های مهمی را برای برنامه‌ریزی و سیاست‌گذاری شهری ارائه می‌دهد و بر نیاز به رویکردهای متناسب برای مدیریت رشد تأکید می‌کند. الگوهای متضاد گسترش شهری در مولتان و سارگودها، ضرورت استراتژی‌های متمایز برای سیاست‌های تجمیع و توسعه مجدد برای مولتان و چارچوب‌هایی برای مدیریت گسترش سریع برای سارگودها را برجسته می‌کند ^.۶۵ تبدیل قابل توجه زمین‌های کشاورزی به مناطق شهری، اقدامات حفاظتی قوی‌تری را برای حفظ مناطق کشاورزی برتر، به ویژه در مناطق پیرامون شهری، می‌طلبد. علاوه بر این، الگوهای رشد جهت‌دار شناسایی‌شده باید برنامه‌ریزی زیرساخت‌ها را هدایت کنند و اطمینان حاصل شود که توسعه‌های جدید توسط حمل و نقل و خدمات عمومی در بخش‌های به سرعت در حال رشد به خوبی پشتیبانی می‌شوند ^.۶۶ در نهایت، کاهش پوشش طبیعی زمین، نیاز فوری به برنامه‌ریزی یکپارچه فضای سبز و اقدامات حفاظت از محیط زیست را برای ارتقای توسعه پایدار شهری برجسته می‌کند.

چالش‌ها و فرصت‌های آینده

هر دو منطقه با چالش‌های قابل توجهی در مدیریت رشد شهری و در عین حال تضمین پایداری زیست‌محیطی و کشاورزی مواجه هستند. الگوهای رشد پیش‌بینی‌شده، چندین حوزه کلیدی را که نیاز به توجه فوری دارند، برجسته می‌کند. زیرساخت‌های حمل‌ونقل، به‌ویژه در بخش جنوب شرقی مولتان، که در صورت عدم اجرای برنامه‌ریزی دقیق حمل‌ونقل، رشد متمرکز ممکن است منجر به ازدحام و مشکلات دسترسی شود، از اهمیت بالایی برخوردار خواهند بود. افزایش تراکم شهری می‌تواند بدون شبکه‌های جاده‌ای مناسب و سیستم‌های حمل‌ونقل عمومی، مانع تحرک و فعالیت‌های اقتصادی شود. علاوه بر این، پایداری زیست‌محیطی همچنان یک نگرانی جدی است، زیرا از بین رفتن مداوم پوشش گیاهی و مناطق طبیعی، خطراتی را برای تنوع زیستی، کیفیت هوا و به‌طورکلی زیست‌پذیری شهری ایجاد می‌کند. رویکردهای نوآورانه برای سبزسازی شهری، مانند کمربندهای سبز، باغ‌های پشت‌بامی و حفظ اکوسیستم‌های طبیعی، برای کاهش این تأثیرات ضروری خواهد بود . ^۶۷

علاوه بر این، حفظ بهره‌وری کشاورزی در میان مناطق شهری در حال گسترش، به ویژه در سارگودها، که رشد سریع پیش‌بینی می‌شود، به طور فزاینده‌ای حیاتی خواهد بود. با توجه به اینکه کشاورزی جزء حیاتی اقتصاد محلی است، برنامه‌ریزان شهری باید بین پذیرش توسعه جدید و حفظ زمین‌های کشاورزی حاصلخیز تعادل برقرار کنند. استراتژی‌هایی مانند گسترش کنترل‌شده شهری و ترویج رشد عمودی می‌تواند به حفظ زمین‌های کشاورزی ارزشمند کمک کند. در نهایت، ادغام اجتماعی نیازمند مداخلات هدفمند برای رسیدگی به چالش‌های الگوهای مختلف رشد در هر دو منطقه خواهد بود. تضمین دسترسی عادلانه به خدمات اجتماعی، آموزش، مراقبت‌های بهداشتی و فرصت‌های شغلی در سراسر مناطق شهری در حال گسترش، کلید پرورش جوامع منسجم و فراگیر خواهد بود. رسیدگی به این چالش‌های چندوجهی برای ارتقای توسعه پایدار شهری در مولتان و سارگودها ضروری خواهد بود.

اگرچه این مطالعه بینش‌های ارزشمندی در مورد الگوهای رشد شهری و پیامدهای زیست‌محیطی آنها ارائه می‌دهد، اما محدودیت‌ها و زمینه‌های متعددی برای تحقیقات آینده پدیدار می‌شود که می‌تواند استحکام تحلیل‌های آینده را افزایش دهد. یکی از محدودیت‌های کلیدی، وضوح زمانی داده‌های مورد استفاده است. نمونه‌برداری زمانی مکرر می‌تواند درک دقیق‌تری از تغییرات کاربری زمین ارائه دهد و به محققان اجازه دهد تا گذارهای سریع شهری و نوسانات کوتاه‌مدت در پوشش زمین را با دقت بیشتری ثبت کنند . ^۶۸ علاوه بر این، این مطالعه فاقد ادغام عمیق عوامل اجتماعی-اقتصادی است که به طور قابل توجهی رشد شهری را هدایت می‌کنند. گنجاندن داده‌های دقیق اجتماعی-اقتصادی، مانند تراکم جمعیت، فعالیت‌های اقتصادی و توسعه زیرساخت‌ها، می‌تواند درک جامع‌تری از محرک‌های اساسی تغییرات کاربری زمین ارائه دهد . ^۶۹ این رویکرد امکان تجزیه و تحلیل دقیق‌تری از رابطه بین فعالیت‌های انسانی و گسترش شهری را فراهم می‌کند و به توصیه‌های سیاستی هدفمندتر کمک می‌کند.

یکی دیگر از زمینه‌های بهبود، گنجاندن پیش‌بینی‌های تغییرات اقلیمی در تحقیقات آینده است. رشد شهری بر آب و هوای محلی تأثیر می‌گذارد و تحت تأثیر تغییرات اقلیمی گسترده‌تر قرار می‌گیرد. گنجاندن پیش‌بینی‌های اقلیمی می‌تواند به محققان کمک کند تا پیامدهای زیست‌محیطی بلندمدت شهرنشینی را بهتر درک کنند و استراتژی‌هایی را برای افزایش تاب‌آوری شهری در برابر خطرات مرتبط با آب و هوا، مانند موج گرما، سیل و کمبود آب، شناسایی کنند. علاوه بر این، مطالعات آینده می‌توانند بر ارزیابی اثربخشی سیاست‌های برنامه‌ریزی موجود در مدیریت گسترش شهری تمرکز کنند. ارزیابی عملکرد سیاست‌های فعلی در کنترل گسترش شهری و حفظ زمین‌های کشاورزی و منابع طبیعی، درس‌های ارزشمندی برای استراتژی‌های مدیریتی آینده ارائه می‌دهد. این می‌تواند سیاست‌گذاران را در بازنگری یا معرفی مقررات جدید برای ترویج توسعه پایدار شهری راهنمایی کند.

این مطالعه، تجزیه و تحلیل جامعی از الگوهای رشد شهری و تغییرات LULC در مناطق مولتان و سارگودها پاکستان از سال ۱۹۹۰ تا ۲۰۳۰ ارائه می‌دهد که با استفاده از یک رویکرد یکپارچه ترکیبی از محاسبات ابری، GIS و مدل‌سازی پیش‌بینی انجام شده است. این تحقیق از طریق تجزیه و تحلیل پنج کلاس LULC مجزا، تحولات قابل توجهی را در مناظر شهری هر دو منطقه نشان داد. این طبقه‌بندی با شاخص‌های کاپای قوی، به طور مداوم به سطوح دقت بالایی بیش از ۹۲٪ دست یافت که اعتبار رویکرد تحلیلی را تأیید کرده و پایه محکمی برای پیش‌بینی‌های رشد شهری فراهم می‌کند. تجزیه و تحلیل چند زمانه، الگوهای متضادی از گسترش شهری بین دو منطقه را نشان داد. مساحت ساخته شده مولتان از ۲۴۰.۵۶ کیلومتر مربع ⁽ ۶.۵۸٪) در سال ۱۹۹۰ به ۴۴۰.۳۰ کیلومتر مربع ⁽ ۱۲.۰۴٪) در سال ۲۰۲۰ افزایش یافته است که نشان دهنده یک الگوی رشد متمرکز در درجه اول در جهت جنوب شرقی است. در مقابل، سارگودها در همین دوره رشد چشمگیرتری را از ۷۳۰.۹۱ کیلومتر مربع ⁽ ۱۲.۶۹٪) به ۱۰۲۹.۰۷ کیلومتر مربع ⁽ ۱۷.۸۳٪) تجربه کرد که نشان‌دهنده‌ی گسترش چند جهته متعادل‌تری است. علیرغم این تحولات، پوشش گیاهی همچنان نوع غالب کاربری زمین در هر دو منطقه باقی ماند، اگرچه وسعت آن به دلیل گسترش شهری و تشدید کشاورزی در نوسان بود.

پیش‌بینی‌های آینده برای سال ۲۰۳۰، مسیرهای رشد متفاوتی را برای این دو منطقه نشان می‌دهد. انتظار می‌رود مساحت شهری مولتان در حدود ۴۳۳.۲۲ کیلومتر مربع تثبیت شود ^که نشان‌دهنده بلوغ الگوی توسعه شهری آن است. در مقابل، پیش‌بینی می‌شود که سارگودها گسترش سریع و مداومی را تجربه کند و تا سال ۲۰۳۰ به ۱۴۰۴.۹۷ کیلومتر مربع برسد. ^این الگوهای رشد متمایز، نیاز به استراتژی‌های مدیریت شهری متناسب با چالش‌ها و فرصت‌های توسعه منحصر به فرد هر منطقه را برجسته می‌کند. تبدیل مناظر کشاورزی و طبیعی به مناطق شهری، به ویژه در مناطق پیرامون شهری، به عنوان یک نگرانی مهم پدیدار شده است و بر اهمیت رویکردهای توسعه متوازن که از منابع ضروری کشاورزی محافظت می‌کنند، تأکید دارد.

این یافته‌ها، بینش‌های ارزشمندی را برای برنامه‌ریزان شهری و سیاست‌گذاران فراهم می‌کند تا توسعه شهری را مدیریت کنند و در عین حال زمین‌های کشاورزی ضروری و منابع طبیعی را در شهرهای رو به رشد پاکستان حفظ کنند. این مطالعه اهمیت رویکردهای برنامه‌ریزی یکپارچه‌ای را نشان می‌دهد که نیازهای توسعه را با حفاظت از محیط زیست، به ویژه در مناطقی که به سرعت در حال شهری شدن هستند، متعادل می‌کنند. این روش و نتایج می‌تواند به عنوان چارچوبی برای تحلیل‌های مشابه در سایر مناطق در حال توسعه که با چالش‌های مشابهی در مدیریت رشد شهری در عین حفظ پایداری زیست‌محیطی و کشاورزی مواجه هستند، عمل کند.

در تحقیقات آینده باید بر گنجاندن عوامل اجتماعی-اقتصادی دقیق‌تر، تأثیرات تغییرات اقلیمی و ارزیابی‌های اثربخشی سیاست‌ها تمرکز شود تا درک ما از پویایی رشد شهری در این مناطق به سرعت در حال تحول افزایش یابد. ادغام این عوامل اضافی، بینش‌های جامع‌تری را برای برنامه‌ریزی توسعه پایدار شهری فراهم می‌کند و به تضمین پایداری بلندمدت سیستم‌های شهری و کشاورزی در چشم‌انداز در حال تحول پاکستان کمک می‌کند.