تعداد نشریات | 161 |
تعداد شمارهها | 6,496 |
تعداد مقالات | 70,219 |
تعداد مشاهده مقاله | 123,410,457 |
تعداد دریافت فایل اصل مقاله | 96,635,105 |
تحلیل فضایی فرسودگی محلههای شهر قم با استفاده از رگرسیون وزنی جغرافیایی | ||
پژوهشهای جغرافیای برنامهریزی شهری | ||
مقاله 8، دوره 6، شماره 2، تیر 1397، صفحه 361-383 اصل مقاله (1.45 M) | ||
نوع مقاله: پژوهشی - کاربردی | ||
شناسه دیجیتال (DOI): 10.22059/jurbangeo.2018.234405.724 | ||
نویسندگان | ||
مجتبی رفیعیان* 1؛ نفیسه زاهد2 | ||
1دانشیار گروه شهرسازی دانشکدة هنر دانشگاه تربیتمدرس | ||
2کارشناس ارشد برنامهریزی شهری دانشکدة هنر دانشگاه تربیتمدرس | ||
چکیده | ||
تحلیل الگوهای فضایی فرسودگی و بررسی روابط فضایی میان فرسودگی و عوامل مؤثر آن، بسیار تأثیرگذار و قابلتوجه است؛ زیرا به درک بهتر عوامل مؤثر و بهبود عملکرد مدیریت نوسازی شهری میانجامد. بدینمنظور، پژوهش حاضر با روشهای آمار فضایی به تحلیل الگوی فرسودگی و عوامل مؤثر بر آن پرداخته است. نتایج حاصل از کاربرد شاخص موران دربارة توزیع فضایی فرسودگی این ضریب مثبت، و 314/0 است و خوشهایبودن توزیع فضایی فرسودگی را نشان میدهد. با توجه به اینکه با شاخص موران نمیتوان انواع طبقهبندی الگوهای فضایی را شناسایی کرد، تحلیل آمارة عمومی G میتواند برای این منظور کارساز باشد. براساس نتایج تحلیل آماری، محلههایی با فرسودگی زیاد کنار هم قرار دارند و از روند خوشهای با تمرکز بالا برخوردارند. خوشههای خیلی گرم حدود 29/6 درصد از مساحت محدودة فرسوده را به خود اختصاص دادهاند و 5 محله را شامل میشوند. همچنین در این پژوهش، عوامل مؤثر بر فرسودگی با روش رگرسیون وزنی جغرافیایی (GWR) بررسی شد که در آن میزان فرسودگی بهعنوان متغیر وابسته، و شاخصهای کالبدی، اقتصادی و اجتماعی بهعنوان متغیرهای مستقل درنظر گرفته شدند. نتایج نشان میدهد مدل مورد نظر با برابر 92/0، و تعدیلشده برابر 84/0 است که دقت قابلقبولی را در مدلسازی روابط فضایی عوامل مؤثر بر فرسودگی شهری نشان میدهد. همچنین خودهمبستگی برآوردشده در مقادیر باقیمانده و حاصل مدل رگرسیون وزنی جغرافیایی با استفاده از آمارة موران I (Moranʼs I) بیانگر عدم خودهمبستگی معنادار است. مطابق نتایج میزان تأثیرگذاری هریک از شاخصها بر فرسودگی، متغیرهای نفوذناپذیری، ریزدانگی، کیفیت زیرساختها، بار تکفل، مالکیت استیجاری و قیمت زمین، اثری افزایشی بر فرسودگی دارند؛ از اینرو میتوان این یافتهها را پایهای علمی برای سیاستگذاری بهمنظور کاهش فرسودگی و آثار آن دانست. | ||
کلیدواژهها | ||
بافت فرسوده؛ تحلیل فضایی؛ رگرسیون وزنی جغرافیایی؛ شهر قم | ||
مراجع | ||
بلیانی، یدالله و سید یاسر حکیمدوست، 1393، اصول و مبانی پردازش دادههای مکانی (فضایی) با استفاده از روشهای تحلیل فضایی، آزادپیما، تهران. حکیمدوست، سید یاسر و همکاران، 1393، «تحلیل فضایی خشکسالی اقلیمی و اثرات آن بر الگوی فضایی مکانگزینی سکونتگاههای روستایی (مطالعة موردی: روستاهای استان مازندران)»، جغرافیا و مخاطرات محیطی، 1393، شمارة یازدهم، صص 61-75. زبردست، اسفندیار، خلیلی، احمد و مصطفی دهقانی، 1392، «کاربرد روش تحلیل عاملی در شناسایی بافتهای فرسودة شهری»، نشریة هنرهای زیبا، معماری و شهرسازی، دورة هجدهم، شمارة 2، صص 27-42. شماعی، علی و باقر احمدی، 1395، «تحلیل فضایی سطوح توسعهیافتگی شهرستانهای استان کردستان»، مجلة آمایش جغرافیایی، سال ششم، شمارة 20، صص 117- 128. عسگری، علی، 1390، تحلیلهای آماری فضایی با ArcGIS، انتشارات سازمان فناوری اطلاعات و ارتباطات شهرداری تهران، تهران. عسگری، علی و نعمتاله اکبری، 1380، «روششناسی اقتصادسنجی فضایی؛ تئوری و کاربرد»، مجلة پژوهشی دانشگاه اصفهان، سال دوازدهم، شمارة 1 و 2، صص 93-122. علیجانی، بهلول، 1394، «تحلیل فضایی در مطالعات جغرافیایی»، تحلیل فضایی مخاطرات محیطی، سال دوم، شمارة 3، صص 1-14. Berry, B. J. L., and Marble, D. F., 1968, Spatial Analysis: A Reader in Statistical Geography, Prentice-Hall. Bunge, W., 1966, Theoretical Geography (Vol. 1), Royal University of Lund, Dept, of Geography; Gleerup. Curry, M. R., 2005, Toward a Geography of a World without Maps: Lessons from Ptolemy and Postal Codes, Annals of the Association of American Geographers, Vol. 3, No. 95, PP. 680-691. Fotheringham, A. S., Brunsdon, C., and Charlton, M., 2003, Geographically Weighted Regression: The Analysis of Spatially Varying Relationships, John Wiley and Sons. Gao, J., and Li, S., 2011, Detecting Spatially Non-Stationary and Scale-Dependent Relationships Between Urban Landscape Fragmentation and Related Factors Using Geographically Weighted Regression, Applied Geography, VoL. 31, No. 1, PP. 292-302. Ghosh, D., and Manson, S. M., 2008, Robust Principal Component Analysis and Geographically Weighted Regression: Urbanization in the Twin Cities Metropolitan Area of Minnesota, Journal of the Urban and Regional Information Systems Association/ URISA, Vol. 20, No. 1, PP. 15-25. Goodchild, M. F., 1987, A Spatial Analytical Perspective on Geographical Information Systems, International Journal of Geographical Information System, Vol. 1, No. 4, PP. 327-334. Goodchild, M. F., and Janelle, D. G., 2004, Thinking Spatially in the Social Sciences, Spatially Integrated Social Science, 3-22. Greig, A., El-Haram, M., and Horner, M., 2010, Using Deprivation Indices in Regeneration: Does the Response Match the Diagnosis? Cities, Vol. 27, No. 6, PP. 476-482. Ivajnšič, D., Kaligarič, M., and Žiberna, I., 2014, Geographically Weighted Regression of the Urban Heat Island of a Small City, Applied Geography, Vol. 53, No. 53, PP. 341-353. La Rosa, D. et al, 2017, Assessing Spatial Benefits of Urban Regeneration Programs in a Highly Vulnerable Urban Context: A Case Study in Catania, Italy, Landscape and Urban Planning, Vol. 157, PP. 180-192 Lee, G. K. L., and Chan, E. H. W., 2006, Effective Approach to Achieve Sustainable Urban Renewal in Densely Populated Cities, In 1st International CIB Student Chapters Postgraduate Conference—Built Environment and Information Technologies, CIB Students Chapters, Turkey (PP. 16-18). Lee, J., and Wong, D. W., 2001, Statistical Analysis with Arcview GIS, John Wiley and Sons. Ley, D., 2000, The Inner City, in Bunting T, and Filion, P, Oxford University 14, International Structure of The City, Oxford University Press. Mennis, J., 2013, Mapping the Results of Geographically Weighted Regression, The Cartographic Journal, Vol. 43, pp. 171-179. Pitkin, B., 2001, Theories of Neighborhood Change: Implications for Community Development Policy and Practice, UCLA Advanced Policy Institute. Roberts, P., and Sykes, H., (Eds), 2000, Urban Regeneration: A Handbook, Sage. Rosenthal, S. S., 2008, Old Homes, Externalities, and Poor Neighborhoods, a Model of Urban Decline and Renewal, Journal of Urban Economics, Vol. 63, No. 3, PP. 816-840. Sheng, J., Han, X., and Zhou, H., 2016, Spatially Varying Patterns of Afforestation/ Reforestation and Socio-Economic Factors in China: A Geographically Weighted Regression Approach, Journal of Cleaner Production, Vol. 153, PP. 362-371. Synder, M., Distasio, J., and Hathout, S., 2006, The Use of Spatial and Non-Spatial Analysis for Evaluating the Need for Urban Revitalization in Winnipeg, Prairie Perspectives, Vol. 9, No. 1 , PP. 143-168. Thomas, R. W., Hug Get, R. J., 1980, Modeling in Geography, A Mathematical Approach,Harperand Row, Publisher, London. Weaver, R. C., 2014, Urban Geography Evolving: Toward an Evolutionary Urban Geography, Quaestiones Geographicae, Vol. 33, No. 2, PP. 7-18. Weaver, R. C., and Bagchi-Sen, S., 2013, Spatial Analysis of Urban Decline: The Geography of Blight, Applied Geography, Vol. 40, No. 40, PP. 61-70. Shamaei, A., and Ahmadi, B., 2016, Spatial Analysis the Level of Development in Townships of Kurdistan Province, Geographical Planning of Space, Vol. 6, No. 20, PP. 117-128. (In Persian) Alijani B., 2015, Spatial Analysis in Geography Studies, Jsaeh, Vol. 2, No. 3, PP. 1-14. (In Persian) Asgari, A., and Akbari, N., 2002, Spatial Econometrics Methods: Theory and Application, Research Bulletin of Isfahan University (HUMANITIES), Vol. 12, No. 1 and 2, PP. 93 - 122. (In Persian) Asgari, A., 2011, Spatial Statistical Analysis with Arc View GIS, Press Tehran Municipality ICT Organization. (In Persian) Belyani, Y., andHakimdost, Y., 2014, The Principal of Spatial Data Analysis, Press, Azadpeyma. (In Persian) Hakimdoust, Y. et al, 2014, Analysis of the Climate Drought and Its Effects on Spatial Patterns of Location in Rural Settlement (Case Study Villages in Mazandaran Province), Geography and Environmental Hazards, Vol. 3, No. 3, PP. 61-76. Doi: 10.22067/ Geo. V3i3. 32701. (In Persian) Zebardast, E., Khalili, A., and Dehqani, M., 2013, Application of Factor Analysis Method in Identification of Decayed Urban Fabrics An. Honar-Ha-Ye-Ziba: Memary Va Shahrsazi, Vol. 18, No. 2, PP. 27-42. Doi: 10. 22059/ Jfaup. 2013. 50524. (In Persian) | ||
آمار تعداد مشاهده مقاله: 912 تعداد دریافت فایل اصل مقاله: 1,231 |