پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,995,673 |
| تعداد دریافت فایل اصل مقاله | 89,667,288 |
تحلیل جامع تاب‌آوری شهری در مواجهه با خطر وقوع زلزله (مطالعۀ موردی: شهر ساری) | ||
| مدیریت مخاطرات محیطی | ||
| مقاله 4، دوره 7، شماره 4، دی 1399، صفحه 383-400 اصل مقاله (1.3 M) | ||
| نوع مقاله: پژوهشی کاربردی | ||
| شناسه دیجیتال (DOI): 10.22059/jhsci.2021.312902.608 | ||
| نویسندگان | ||
| میثم رئیسیان1؛ مریم ایلانلو* 2؛ لیلا ابراهیمی1؛ کیا بزرگمهر1 | ||
| 1گروه جغرافیا، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران | ||
| 2گروه جغرافیا، واحد ماهشهر، دانشگاه آزاد اسلامی، ماهشهر، ایران | ||
| چکیده | ||
| با توجه به خسارات فراوان مخاطرات طبیعی از جمله زلزله، امروزه موضوع تاب‌آوری شهری اهمیت زیادی دارد. پژوهش حاضر با هدف تحلیل جامع تاب‌آوری شهری در برابر مخاطرات با استفاده از تحلیل عاملی در شهر ساری انجام گرفته است. در این پژوهش ابتدا با استفاده از روش دلفی فازی و با توجه به نظر خبرگان پژوهش در سه مرحله، 53 عامل استخراج‌شده از مطالعات پیشین با استفاده از روند کیفی تأیید و غربال شد تا بدین واسطه عوامل استخراج‌شده برای فرایند تحلیل عاملی اکتشافی تعدیل و تأیید شوند. سپس براساس نتایج به‌دست‌آمده از این روش، پرسشنامه‌های تحلیل عاملی اکتشافی تدوین شد و پس از جمع‌آوری اطلاعاتِ این پرسشنامه‌ها از 98 کارشناس، به تجزیه‌وتحلیل آنها با استفاده از رویکرد تحلیل عاملی اکتشافی پرداخته شد. متغیرهای تحت بررسی در جهت تبیین تاب‌آوری شهر ساری عبارت‌اند از وضعیت فضاهای باز، کاربری‌های ناسازگار، زمین (بستر)، مقاومت ساختمان، دسترسی، مالکیت و تراکم که در پارادایم ارائه‌شده واکاوی شدند. در ابتدا 46 عامل وجود داشت که پس از تجزیه‌وتحلیل به 40 زیرشاخص در قالب هفت شاخص طبقه‌بندی و غربال شدند. به‌منظور تأیید مدل ایجادشده، از روند تحلیل عاملی تأییدی (معادلات ساختاری) با استفاده از نرم‌افزار لیزرل استفاده شد. با توجه به نتایج سازۀ ضرایب استاندارد، بیشترین ضریب در مؤلفه‌ها به شاخص اجتماعی اختصاص داده شده است و در این شاخص نیز زیرشاخص‌های میزان عدالت اجتماعی، تراکم جمعیتی و مشارکت اجتماعی به‌ترتیب بیشترین ضریب همبستگی را در مدل دارند که نشان می‌دهد عوامل مؤثر بر شاخص‌های اجتماعی در روند افزایش تاب‌آوری شهری بسیار مؤثر است. | ||
| کلیدواژه‌ها | ||
| تاب‌آوری؛ تحلیل عاملی؛ دلفی؛ شریان‌ها؛ ساری | ||
| عنوان مقاله [English] | ||
| Comprehensive analysis of urban resilience in the face of earthquake risk (Case study: Sari city) | ||
| نویسندگان [English] | ||
| Meysam Raiesian1؛ Maryan Ilanloo2؛ Leyla Ebrahimi1؛ Kia Bozorgmehr1 | ||
| 1Department of Geography, Chalous Branch, Islamic Azad University, Chalous, Iran | ||
| 2Department of Geography, Mahshahr Branch, Islamic Azad University, Mahshahr, Iran | ||
| چکیده [English] | ||
| Introduction Expanding the urban population to more than two-thirds of the world's population by 2050 on one hand and predicting the growth of natural hazards in the future on the other hand, enforce the need for managers, planners and urban policymakers to pay attention to the issue of greater resilience of communities in the face of natural hazards [12]. Analysis of environmental risk management in Iran indicates the relative failure of harmful effects and their consequences. Accordingly, the present study was conducted with the aim of comprehensive analysis of urban resilience against hazards using factor analysis in Sari. Methodology In this research, using fuzzy Delphi method, according to the opinion of research experts, in three stages, 53 factors extracted from previous studies. Afterward, froming the qualitative process have been confirmed and screened. So, the factors extracted for the exploratory factor analysis process are adjusted. After this step, based on the results obtained from mentioned method, exploratory factor analysis questionnaires have been compiled. After collecting information, exploratory factor analysis questionnaire from 98 experts in the process of urban resilience in Sari city was prepared. These analysis has been explored using the factor analysis approach. The studied variables in order to explain the resilience of Sari city are as follows: the conditions of open spaces, incompatible uses, land (bed), building resistance, access, ownership, density, which are in the presented paradigms of research findings. Initially, there were 46 factors, which after analysis were classified and screened into 40 sub-indicators in the form of seven indicators. In the meantime, from the point of view of news people, in order to select the appropriate names for the indicators according to the experimental commonalities between them, and to confirm the created model, the process of confirmatory factor analysis (structural equations) using LISREL software has been used. Based on the goodness indicators, the fit of the model related to "urban resilience", all the mentioned indicators are at an acceptable level, and therefore the model has a good fit. Figure 4 shows the standard coefficients for this structure. These include following areas: the degree of resilience of arteries and vital centers, the capacity of vital infrastructure, the distance of relief uses (fire, hospitals and clinics), the degree of cohesion of buildings in neighborhoods, diversity of green and open urban spaces, level of age distribution, level of education, and level of income. These areas do not have a significant relationship because their level of significance was less than 1.96. Therefore, they considered as a free component and removed from the final model. Results Urban resilience is one of the most important criteria in the process of urban development and population density in different regions. The higher the level of urban resilience, the more security is guaranteed to live in an urban area. So, policymakers as well as decision-makers in the field of urban management are constantly measuring and monitoring resilience in urban areas, in order to examine the existing weaknesses and strengths to take appropriate measures to correct and improve barriers and problems to increase the level of urban resilience in order to increase capacity at the time of the accident in the urban area. Therefore, it is necessary to correctly identify the factors affecting urban resilience according to the nature and requirements of each urban area. Finaly, a suitable model was created for measuring urban resilience, which measure the level of urban resilience and determine its status, weaknesses and problems, so that the level of urban resilience in the event of natural disasters can be increased. | ||
| کلیدواژه‌ها [English] | ||
| Resilience, Factor Analysis, Earthquake, Arteries, Sari | ||
| مراجع | ||
|
[1]. اسدافروز، آیدا؛ متدین، حشمت‌الله؛ مثنوی، محمدرضا؛ و منصور، سیدامیر (1399). «تاب‌آوری محیطی در برابر مخاطرات سیلاب فروردین 1398 در شهر شیراز با رویکرد منظر تئوری سیستم‌ها و مدل DPSIR»، مدیریت مخاطرات محیطی (دانش مخاطرات سابق)، دورۀ 7، شمارۀ 1، ص 75-55. [2]. اصلانی، فرشته؛ امینی حسینی، کامبد؛ فلاحی، علیرضا (1397). «چارچوب تاب‌آوری کالبدی و اجتماعی محله در برابر زلزله (مطالعۀ موردی: محلۀ کشاورز واقع در منطقۀ 6 تهران)»، مدیریت مخاطرات محیطی (دانش مخاطرات سابق)، دورۀ 5، شمارۀ 4، ص 433-417. [3]. حاجی‌زاده، فاضل؛ و ایستگلدی، مصطفی (1397). تحلیلی بر تاب‌آوری سکونتگاه‌های روستایی با تأکید بر زلزله (مطالعۀ موردی: دهستان حومۀ شهرستان لامرد)»، مدیریت مخاطرات محیطی (دانش مخاطرات سابق)، دورۀ 5، شمارۀ 1، ص 83-67. [4]. ساسان‌پور، فرزانه؛ آهنگری، نوید؛ و حاجی‌نژاد، صادق (1396). «ارزیابی تاب‌آوری منطقۀ 12 کلان‌شهر تهران در برابر مخاطرات طبیعی»، تحلیل فضایی مخاطرات محیطی، دورۀ 4، شمارۀ 3، ص 98-85. [5]. سلمانی، محمد؛ بدری، سیدعلی؛ مطوف، شریف؛ کاظمی ثانی عطاالله، نسرین (1394). «ارزیابی رویکرد تاب‌آوری جامعه در برابر مخاطرات طبیعی (مورد مطالعه: شهرستان دماوند)»، مدیریت مخاطرات محیطی (دانش مخاطرات سابق)، دورۀ 2، شمارۀ 4، ص 409-393. [6]. صائمی‌پور، حسین؛ قربانی، مهدی؛ ملکیان، آرش؛ و رمضان‌زاده لسبویی، مهدی (1397). «سنجش و ارزیابی تاب‌آوری ذی‌نفعان محلی در مواجهه با خشکسالی (منطقۀ مورد مطالعه: روستای نردین، شهرستان میامی، استان سمنان)»، مرتع، دورۀ دوازدهم، شمارۀ اول، ص 72-62. [7]. مهندسین مشاور هفت شهر (1392). [8]. Alberti, M.; Marzluff, J. M.; Shulenberger, E.; Bradley, G.; Ryan, C.; & Zumbrunnen, C. (2017). “Integrating humans into ecology: Opportunities and challenges for studying urban ecosystems”, Bioscience, 53(12), pp: 1169–1179. [9]. Burton, C.G. (2018). “Social vulnerability and hurricane impact modeling”, Natural Hazards Review, 11(2), pp: 58-68. [10]. Cutter, L.; & Burton, C.; & Emrich, C. (2016). “Disaster Resilience Indicators for Benchmarking Baseline Conditions”, Homeland Security and Emergency Management, 7. 1. 51, pp: 1-22. [11]. Fantechi, F.; Urso, G.; Modica, M. (2020). “Can extreme events be an opportunity? Depopulation and resilience of rural communities in Central Italy after the 1997 earthquake”, Journal of Rural Studies, No 79, pp: 301-320. [12]. Klein, R.J.T.; Nicholls, R.J.; & Thomalla, F. (2013). “Resilience to natural hazards: how useful is this concept?”, Environmental Hazards, 5 (1–2), pp: 35–45 [13]. Lu, P.; & Stead, D. (2017). “Understanding the notion of resilience in spatial planning: A case study of Rotterdam”, The Netherlands. Cities, 35, pp: 200–212. [14]. Manyena, S.B. (2016). “The concept of resilience revisited”, Disasters, 30 (4), pp: 433–450 [15]. Mayunga, J.S. )2017). Understanding and applying the concept of community disaster resilience: A capital-based approach. Draft working paper prepared for the summer academy. Megacities as Hotspots of Risk: Social Vulnerability and Resilience Building, Munich, Germany, 22-28 July. [16]. Pascua, M. C.; Chang-Richards, A. (2018). “Investigating the resilience of civil infrastructure firms in New Zealand”, Procedia Engineering, Vol 212, pp: 286–293 [17]. Romero-Lankao, P.; & Gnatz, D. M. (2019). “Exploring urban transformations in Latin America”, Current Opinion in Leichenko, R. (2018). Climate change and urban resilience”, Current Opinion in Environmental Sustainability, 3(3), pp: 164–168. [18]. Shia, L.; Jiangzhou, S.; Dongtao, W.; Jiang, Q. (2020). “Recover from the adversity: functional connectivity basis of psychological resilience”, journal Neuropsychologia, Vol 134, pp: 1-20. [19]. Squiresa, G.; & White, I. (2019). “Resilience and housing markets: Who is it really for?”, Land Use Policy, Vol, 81, pp: 167–174. [20]. Thornbush, M.; Golubchikov, O.; & Bouzarovski, S. (2020). “Sustainable cities targeted by combined mitigation–adaptation efforts for future-proofing”, Sustainable Cities and Society, 9, pp: 1–9. [21]. Tierney, K. (2017). “Conceptualizing and measuring organizational and community resilience: Lessons from the emergency response following the September 11, 2001 attack on the World Trade Center”, Newark, DE: Department of Sociology and Criminal Justice, University of Delaware. [22]. Tierney, K.; & Bruneau, M. (2017). “Conceptualizing and measuring resilience: A key to disaster loss reduction”, TRNews. May-June, pp: 14-17. [23]. Twigg, J. (2007). Characteristics of a Disaster-resilient Community, A Guidance Note, Version 1 (for field testing), August, for the DFID Disaster Risk Reduction Interagency Coordination Group [24]. WEIN, A.; & ROSE, A. (2020). “Economic resilience lessons from the ShakeOut earthquake scenario”, Earthquake Spectra, 27, pp: 559-573. [25]. WALSH, F. (2017). “Traumatic loss and major disasters: Strengthening family and community resilience”, Family process, 46, pp: 207-227. [26]. Zhang, Y. (2018). Modeling single family housing recovery after hurricane Andrew in Miami-Dade County, Florida (Unpublished doctoral dissertation), Texas A&M University, College Station, TX. [27]. Zhou, H. (2019). “Resilience to natural hazards: a geographic perspective”, Natural Hazards, DOI 10.1007/s11069- 009-9407-y. [28]. Underwooda, G.; Hilla., D.; & Lamichhane, S. (2021). “Earthquakes, blockades and energy crises: A conceptual framework for energy systems resilience applied to Nepal”, Energy Research & Social Science, No 69, pp: 101-119. | ||
|
آمار تعداد مشاهده مقاله: 457 تعداد دریافت فایل اصل مقاله: 356 |
||