نوع مقاله : پژوهشی

نویسندگان

1 دانشجوی سنجش از دور و سیستم اطلاعات جغرافیایی ،، دانشکده علوم جغرافیایی، دانشگاه خوارزمی، تهران

2 استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی، تهران

چکیده

مطالعات کیفیت زندگی به منظور شناسایی نقاط ضعف مناطق محروم، بالا بردن میزان رضایتمندی در بین شهروندان، رتبه‌بندی مکان‌ها و نقش آن به عنوان ابزاری کارآمد در مدیریت و برنامه‌ریزی شهری است. هدف این مطالعه ایجاد مدلی فازی شامل معیار های موثر برای ارزیابی کیفیت زندگی محلات شهری در مناطق 3، 4، 5 و 6 شهر مشهد می‌باشد. در این راستا ابتدا معیار های موثر در کیفیت زندگی که از داده‌های سنجش از دوری، آماری و داده‌های مکانی به دست آمده بود در 5 قلمرو؛ اقتصادی (نرخ اشتغال، بیکاری، مالکیت مسکن و اجاره نشینی)، اجتماعی (نرخ باسوادی و بیسوادی، طلاق و مهاجرت)، کالبدی (نوع مصالح و نوع اسکلت مساکن، شیب و تراکم جمعیت)، دسترسی به خدمات(مراکز آموزشی، درمانی، فرهنگی، تفریحی و شبکه ارتباطی) و زیست محیطی (سبزینگی، آلودگی هوا و دمای سطح زمین) استخراج و سپس با استفاده از فرایند تحلیل شبکه وزن‌دهی گردید. سپس برای مدل‌سازی مکانی کیفیت زندگی معیار‌های انتخاب شده با استفاده از مدل فازی گاما تلفیق شدند. نتایج به دست آمده حاکی از این است که کیفیت زندگی در محلات مرکزی محدوده مورد مطالعه از کیفیت زندگی مطلوبتری برخوردار هستند اما با دور شدن از نواحی مرکزی به سمت حاشیه‌های محدوده مورد مطالعه به تدریج از کیفیت زندگی کاسته می‌شود. بنابراین برای ارتقاء شاخص کیفیت زندگی شهروندان محلاتی که وضعیت مناسبی از نظر کیفیت زندگی ندارند، لازم است تغییراتی در جهت بهبود ابعاد اقتصادی، اجتماعی، کالبدی، عدالت فضایی و محیط زیستی، صورت گیرد. در ادامه بررسی شاخص خودهمبستگی مکانی موران (57/0) بر عدم تصادفی بودن نحوه توزیع ویژگی کیفیت زندگی شهری و وجود الگوی خوشه‌ای در محدوده مورد مطالعه تأکید دارد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Spatial zoning of the quality of life in urban neighborhoods using FANP (Case study: areas 3,, 4,, 5, and 6 of Mashhad)

نویسندگان [English]

  • Hossein Ghahremanpour 1
  • Hani Rezayan 2
  • JAVAD SADIDI 2

1 collegian of Remote Sensing And GIS of kharazmi University. tehran. Iran.

2 Assistant Professor of Remote Sensing and GIS of kharazmi University. tehran. Iran.

چکیده [English]

Quality of life studies in order to identify the weaknesses of deprived areas, increase the level of satisfaction among citizens, ranking places and its role as an effective tool in urban management and planning. The purpose of this study is to create a fuzzy model including effective criteria for evaluating the quality of life in urban areas in areas 3, 4, 5 and 6 of Mashhad. In this regard, first, the effective criteria in quality of life that were obtained from distance measurement data, statistics and spatial data in 5 areas; Economic (employment rate, unemployment, home ownership and rent), social (literacy rate, divorce and migration), physical (type of materials and type of housing structure, slope and population density), access to services (educational, medical centers, Cultural, recreational and communication network) and environmental (greenery, air pollution and surface temperature) were extracted and then weighed using the network analysis process. Then, for spatial modeling of quality of life, the selected criteria were combined using the gamma fuzzy model. The results indicate that the quality of life in the central areas of the study area has a better quality of life, but by moving away from the central areas to the outskirts of the study area, the quality of life gradually decreases. Therefore, in order to improve the quality of life index of the citizens of neighborhoods that are not in a good condition in terms of quality of life, it is necessary to make changes to improve the economic, social, physical, spatial and environmental dimensions. In the following study, Moran spatial autocorrelation index (0.57) emphasizes the non-random nature of the distribution of urban quality of life characteristics and the existence of a cluster pattern in the study area.

کلیدواژه‌ها [English]

  • Urban quality of life
  • Spatial Information System
  • FANP Model
  • Moran'
  • s I Index
  • Mashhad
  1. اسدی، ا.، و اکبری، ا. (1399). تحلیل فضایی کیفیت زندگی شهروندان در محیط های شهری با استفاده از سیستم اطلاعات جغرافیایی(GIS) (مطالعه موردی: منطقه 2 شهر مشهد). تحقیقات کاربردی علوم جغرافیایی، 20(58)، 52-35.
  2. حاتمی نژاد، ح.، منوچهری میاندوآب، ا.، بهارلو، ا.، ابراهیم پور، ا.، و حاتمی نژاد، ح. (1391). شهر و عدالت اجتماعی: تحلیلی بر نابرابری های محله ای (مطالعه موردی: محله های قدیمی شهر میاندوآب). پژوهشهای جغرافیای انسانی (پژوهش های جغرافیایی)، 44(80)، 63-41.
  3. حاج یوسفی، ع. (1385). کیفیت زندگی و راهبرد های اصلاحی. نشریه دهاتی، 28، 38-30.
  4. ربانی خوراسگانی، ع.، و کیانپور، م. (1386). مدل پیشنهادی برای سنجش کیفیت زندگی (مطالعه موردی: شهر اصفهان). مجله دانشکده ادبیات و علوم انسانی (دانشگاه خوارزمی)، 15(59/58)، 108-67.
  5. رضاعلی، م.، حاتمی نژاد، ح.، فرجی سبکبار، ح.، علوی، س.، و قائدرحمتی، ص. (1395). تحلیل فضایی کیفیت زندگی در ایران. آمایش جغرافیایی فضا، 6(21)، 192-174.
  6. قالیباف، م.، روستایی، م.، رمضان زاده لسبویی، م.، و طاهری، م. (1390). ارزیابی کیفیت زندگی شهری (مطالعه موردی: محله یافت آباد). جغرافیا، 9(31)، 53-33.
  7. قدیری، م.، حکمت‌نیا، ح.، و سیف الهی، م. (1400). تحلیل شاخص‌های کیفیت زندگی در محلات شهری (مطالعۀ موردی: شهر کوهبنان). پژوهش های جغرافیای انسانی، 53(2)، 426-409.
  8. کاظم زاده، ع.، نیسانی سامانی، ن.، درویشی بلورانی، ع.، تومانیان، آ.، و پوراحمد، ا. (1397). ارزیابی کیفیت زندگی شهری با استفاده از سنجش از دور وGIS. اطلاعات جغرافیایی، 27(107)، 132-113.
  9. متکان، ع.، و پوراحمد، ا.، و منصوریان، ح.، و حسینی اصل، ا. (1388). سنجش کیفیت مکان های شهری با استفاده از روش ارزیابی چندمعیاره در GIS (مورد مطالعه: شهر تهران). سنجش از دور و GIS ایران، 1(4)، 20-1.
  10. مرکز آمار ایران. (1395). سرشماری عمومی نفوس و مسکن. تهران: مرکز آمار ایران.
  11. نسترن، م.، احمدی، ق.، و آقازاده مقدم، س. (1394). ارزیابی کیفیت زندگی شهری در محلات بافت قدیم و جدید شهر ارومیه. مطالعات توسعه اجتماعی ایران، 7(27)، 33-7.

 

  1. Harpham, T., Burton, S., & Blue, I. (2001). Healthy City Project in Developing Countries: The First Evaluation. Health Promotion International, 16(2), 14.
  2. Haslauer, E., Delmelle, E. C., Keul, A., Blaschke, T., & Prinz, T. (2015). Comparing Subjective and Objective Quality of Life Criteria: A Case Study of Green Space and Public Transport in Vienna, Austria. Social Indicators Research, 124(3), 17.
  3. Jensen, J. R. (2005). Introductory Digital Image Processing: A Remote Sensing Perspective (3 ed.). Prentice Hall.
  4. Jensen, R., Gatrell, J., Boulton, J., Harper, B. (2004). Using Remote Sensing and Geographic Information Systems to Study Urban Quality of Life and Urban Forest Amenities. Ecology and Society, 9(5).
  5. Jiménez-Muñoz, J. C., Sobrino, J. A., Skoković, D., Mattar, C., & Cristóbal, J. (2014). Land Surface Temperature Retrieval Methods From Landsat-8 Thermal Infrared Sensor Data. IEEE Geoscience and Remote Sensing Letters, 11(10), 1840 - 1843.
  6. Klee, P. (2011). The core of GIScience: A process-based approach. Enschede: University of Twente, Faculty of Geo-Information Science and Earth Observation (ITC).
  7. Lee, Y. J. (2008). Subjective quality of life measurement in Taipei Author links open overlay panel. Building and Environment, 43(7), 1205-1215.
  8. Li, G., & Weng, Q. (2007). Measuring the quality of life in city of Indianapolis by integration of remote sensing and census data. International Journal of Remote Sensing, 28(2), 249-267.
  9. Massam, B. H. (2002). Quality of life: Public planning and private living. Progress in Planning, 58(3), 141-227.
  10. Parker, M. K. (1997). Loss in the Lives of Southeast Asian Elders. Minneapolis: University of Minnesota.
  11. Rosu, L., Corodescu, E., & Blăgeanu, A. (2015). Does geographical location matter? Assessing spatial patterns in perceived quality of life in European Cities. European Journal of Geography, 6(2), 15-34.
  12. Sluiter, R. (2008). Interpolation methods for climate data. KNMI.
  13. Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338-353.
CAPTCHA Image