Evaluating and Measuring the Smart Growth Indicators in Urban Areas using The WASPAS Decision-Making Model (Case Study: Sari City)

Document Type : علمی - پژوهشی

Authors

• elham davari
• Mohammad Ajza Shokouhi ¹
• b Khakpour ²

¹ Ferdowsi University of Mashhad

² Mashhad Ferdowsi University

https://doi.org/10.22067/jgusd.2022.67165.0

Abstract

Extended Abstract
1. Introduction
The tendency towards moving to cities and urbanization is currently an increasing challenge over the world which seems to be the consequence of modernity. Unbalanced growth of cities is now a remarkable challenge. Paying attention to the compact city and smart growth seems to be necessary to achieve the desired pattern of scattered development. Sari, as the capital of Mazandaran province, has developed drastically in the last few decades. The population the city increased from 70,735 people in 1976 to 323,790 people in 2016. Moreover, the physical growth and development of the city during the last half century is remarkable. The area of the city has increased sixteen times, while its population has increased approximately 12 times over the period. Moreover, the rapid increase of the population of the city population and its indiscriminate expansion have created unequal urban spaces, so that the four regions of this city appear to have unequal development indicators. Becoming aware of the amount of inequality seems necessary for making balance and creating correct and fair planning based on smart growth. Considering the above issue, this study sough to explicate the model of smart growth in Sari. It is viewed that examining the city using smart growth and paying attention to its development capacities can guide this city towards a sustainable city.
2. Method
Documentary and library sources were used to collect the data of this descriptive-analytical research. The indicators of smart growth includes a wide range. Considering the wide range and lack of information, from among 10 indicators of smart growth, density and mixed use were selected. Then, Weighted Aggregated Sum Product Assessment (WASPAS) was applied to examine the situation of the four Districts of Sari city. According to the opinion of experts of Delphi technique and considering the theoretical saturation, to finalize the indicators, a sample 15 managers, deputies and employees of Sari Municipality were interviewed (groups of 2, 7, and 8 people). Then, the Shannon entropy model was used to determine the weight of these indicators.
3. Results
The results showed that District 4 of Sari that is considered the main and central District of the city has the highest gross residential density and District 2 has the lowest residential density. The population density is uneven in all districts of Sari (4 districts) in 2016. The gross population density is very high in the parts close the downtown of Sari (that is about 101 people per hectare), and the density decreases moving towards the districts on the outskirt of the city, recording 67 people per hectare in the areas.
Since the 1996 the overall residential density of the city has been decreasing. The density is 27.7 in 2016. District 4 f the city is the most populated residential district and has the highest overall residential density and District 1 has the lowest overall residential density. The statistics shows that in 1996, the population of Sari was more than 195,882 people. Out of 2500 hectares of the city, 753 hectares are net residential area. The net residential density increased 260 people per hectare over the last decade and reached 289 people per hectare in 2006. Due to the increase of growth rate compared to the previous decade, the population in this year grew by about 65 thousand people and the residential area increased to 150 hectares.
The net residential density in 2016 shows decrease in comparison to the previous decade as it reached 277 people per hectare. About 60 thousand people had been added over the years to the population of the city. Over the decade, 250 hectares of residential use has been added to the area of Sari, and this has caused a decrease in the net residential density. District 3 has the highest net residential density (306.59 people per hectare) and District 4 has the lowest net residential density (237.12 people per hectare). The per capita residential land in Sari in 1996 was 38.4 square meters. District 4, holding 42.1 people per hectare in 2016 had the highest per capita population and District 1 was the second populated district. The ratio of the number of residential units on the areas for three periods (currently about 20 residential units per hectare) has relatively decreased. Regarding the evaluation of the diversity of use mix in more than two types of uses (residential and non-residential) at the level of districts of Sari, it can be said that Districts 4 and 3 have the best condition in terms of the diversity of the mix of urban uses as they have many uses and good distribution. Holding 6.67 square meters per capita, District 4 has the lowest amount of abandoned land. Regarding car ownership indicator, District 4 has the highest level of car ownership (31.12% of car ownerships).
The results on the accessibility to the workplace showed that District 4 has the highest accessibility (27.49%) to the workplace. According to the current value, Districts 4, 3 and 1 are ranked the first to third ranks regarding smart urban growth.
4. Discussion and conclusion
Rapid population increase in most cities of the developing countries seems to be the consequences of lack of planning on the proper use of urban land. In this regard, Sari is not an exception. The results showed inequality between the districts of the city in terms of the indicators of smart growth. So, Districts 4 and 3 are advance in terms of having smart growth indicator and District 2 is at the lowest level. Higher record of smart growth indicators in some districts of Sari have disturbed the integrity and unity of the city. More advanced districts have the capability of more growth regarding the indicators of smart growth, but some other districts do not have such an advantage. The issue itself has ceated a gap in growth and development in Sari’s urban system.
 
 

Keywords

• Urban Sprawl
• Urban Growth
• Smart Growth
• Technology
• Urbanization

References

1. احمدی،م.، حاتمی نژاد،ح.، پوراحمد،ا.، زیاری،ک.‌ا.، و زنگنه شهرکی، س. (1398). بررسی و تحلیل متغیرهای حق به سلامت شهری (مطالعۀ موردی: شهر بجنورد). پژوهش‌های جغرافیای برنامه‌ریزی شهری، 7(2)، 309-285.
2. اذانی، م.، و پرورش، ر. (1397).مقایسه الگوی کاربری زمین، پراکنده رویی و رشد هوشمند در توسعه پایدار (مطالعه موردی: منطقه یازده شهر اصفهان). فصلنامه جغرافیا و مطالعات محیطی، ۷ (۲۵)، ۵۷-۷۲.
3. افضلی، م.، ابدالی، ی.، و حیدری، ا. (1399). تحلیل کالبدی- فضایی شهر خرم‌آباد با استفاده از شاخص‌های رشد هوشمند شهری. فصلنامه علمی - پژوهشی پژوهش و برنامه‌ریزی شهری، 11(43)، 35-50.
4. برک پور،ن.، و بهرامی، ص. (1390). قابلیت سنجی توسعه مجدد در بافت های ناکارآمد شهری (مطالعه موردی محله انبار نفت منطقه 11 تهران). فصلنامه شهر ایرانی-اسلامی، 4، 14-1.
5. بروکی میلان، م. (1396). امکان‌سنجی افزایش تراکم جمعیتی در محلات شهری با رویکرد رشد هوشمند شهری مطالعه موردی محله قره آغاج شهر تبریز. تهران: پایان‌نامه کارشناسی ارشد، دانشکده برنامه‌ریزی و علوم محیطی، دانشگاه تهران.
6. پوراحمد،ا.، حسام،م.، آشور،ح.، و محمدپور،ص. (1389). تحلیلی بر الگوی گسترش کالبدی- فضایی شهر گرگان با استفاده از مدل های آنتروپی شانون و هلدرن. نشریه پژوهش و برنامه ریزی شهری، 1(3)، 18-1.
7. خمر، غ.، و حیدری، ا. (1395). ارزیابی الگوی رشد هوشمند شهری در شهرهای جدید ایران با تأکید بر شهر جدید صدرا با استفاده از مدل SLEUTH. فضای جغرافیایی، ۱۶ (۵۳)، ۲۵۳-۲۷۰.
8. دولتی، ه. (1386). بررسی معیارهای رشد هوشمند و انطباق آن با رشد شهر بابلسر. تهران: پایان‌نامه کارشناسی، دانشکده هنرهای زیبا، دانشگاه تهران.
9. رسولی،م.، استعلاجی،ع.، و ولی شریعت پناهی،م.(1397). سطح بندی سکونتگاه های روستایی شهرستان ساوه از نظر میزان محرومیت و درجه توسعه یافتگی با استفاده از شاخص ناموزون موریس. نگرش نو در جرافیای انسانی،10(2)، 203-216.
10. رضایی بزنجانی؛ ر.، اذانی، م.، صابری،ح.، و مؤمنی، م. (1398). برنامه‌ریزی راهبردی مناطق شهری کرمان بر اساس رشد هوشمند شهری. فصلنامه جغرافیا (برنامه‌ریزی منطقه‌ای)، 10 (1)، 157-179.
11. رهنما، م.، و حیاتی،س. (1392). تحلیل شاخص‌های رشد هوشمند شهری در مشهد.مطالعات ساختار و کارکرد شهری، 1(4)، 71-9.
12. سیف‌الدینی، ف. (1386).مبانی برنامه‌ریزی شهری. تهران: انتشارات آییژ.
13. سیف‌الدینی، ف.، و شورچه، م. (1393). برنامه‌ریزی و طراحی هوشمندانه کاربری زمین و حمل‌ونقل شهری. تهران: انتشارات پرهام.
14. طالبی کیاسری، ز. (1396). تأثیر عوامل کاربری زمین‌بر میزان دسترسی (مطالعه موردی شهر ساری). ساری: پایان‌نامه کارشناسی ارشد، دانشگاه مازندران.
15. عبدالی، ا.، کلانتری خلیل‌آباد، ح.، و پیوسته گر، ی. (1398). تحلیل فضایی – کالبدی نواحی شهری بر اساس شاخص‌های رشد هوشمند شهری نمونه موردی: شهر یاسوج. فصلنامه دانش شهرسازی، 3(2)، 83-97.
16. عزیزی، م. م. (1388). تراکم در شهرسازی (اصول و معیارهای تراکم بهینه). تهران: انتشارات دانشگاه تهران.
17. علی‌اکبری، ا. (1396)، توسعه درونی: ظرفیت‌ها و ضرورت‌های مدیریت رشد و بازآرایی فضایی کلان‌شهر تهران. فصلنامه جغرافیا، 15(53)، 72-55.
18. فردوسی، س.، و شکری فیروز جاه،پ. (1394). تحلیل فضایی- کالبدی نواحی شهری بر اساس شاخص‌های رشد هوشمند. فصلنامه علمی - پژوهشی پژوهش و برنامه‌ریزی شهری، 6(22).15-32.
19. قرخلو،م.، و زنگنه­شهرکی، س. (1388). شناخت­الگوی­رشدکالبدی- فضایی شهر با استفاده از مدل‌های کمی (مطالعه موردی: شهر تهران). فصلنامه جغرافیا و برنامه‌ریزی محیطی، 20(2).19-40.
20. کرکه آبادی ز.، و مسلمی، ع. (1399). تحلیل شاخص‌های رشد هوشمند شهری با مدل‌های تصمیم‌گیری چند معیاره (موردمطالعه: شهر گرگان). مطالعات جغرافیایی مناطق کوهستانی، ۱(۲).۳۵-۵۰.
21. مرکز آمار ایران. (1335-1395). سرشماری عمومی نفوس و مسکن . تهران: مرکز آمار ایران.
22. مشــکینی، ا.، پورمحمدپور،م.، رحیمی،م.، اکبرپور،م. (1389). ارزشــیابی و تحلیل کاربری های شــهری با تأکید بر کاربری فضــای ســبز شــهری شــهر گلستان. مجلۀ جغرافیاوتوسعۀناحیه ای، 15 ، 115-92.
23. مودت، ا.؛ ملکی، س.، و مؤمنی، ک. (1396). ارزیابی و سنجش ساختار فضایی و خزش شهری (مطالعۀ موردی: شهر یزد). جغرافیای اجتماعی شهری، 4 (2)، 151-175.
24. مومنی اصفهانی، س.،و ملک حسینی، ع. (1400). تحلیل و ارزیابی میزان تاثیرگذاری شاخص های رشد هوشمند بر توسعه شهری اراک. فصلنامه علمی و پژوهشی نگرش های نو در جغرافیای انسانی، 13(3)، 198-174.
25. مهندسین مشاور معماری و شهرسازی مازند (1389). طرح بازنگری طرح­جامع سار. ساری: مهندسین مشاور معماری و شهرسازی مازند.
26. نسـترن، م. (1389 ). کـاربرد تکنیـک تاپسـیس در تحلیـل و اولـوی تبنـدی توسـعه ی پایـدار منـاطق شـهری (مطالعـه مـوردی: منـاطق شهری اصفهان)، مجله جغرافیـا و برنامـه ریـزی محیطی، 21 (38)، 100-83.

 

27. Angel, S., Parent, J., & Civco, D. (2007). Urban sprawl metrics: An analysis of global urban expansion using GIS. Florida: ASPRS 2007 Annual Conference
28. Batty M. (2000). Less is more, more is different: complexity, morphology, cities, and emergence (Editorial). Environment and Planning B: Planning and Design, 27(2), 167-168.
29. Bhatta, B. (2010). Analysis of urban growth and sprawl from remote sensing data, Computer Science & Engineering Computer Aided Design Centre. Heidelberg, Dordrecht, London, & New York: Springer
30. Bridgman, P.W. (1992). Dimensional Analysis. New Haven. CT, U.S.A: Yale University Press.
31. Chen, H., Jia, B., & Lau S.S.Y, (2008). Sustainable urban form for Chinese compact cities: Challenges of a rapid urbanized economy. Habitat International, 32, 28-
32. Ewing, R., & Hamidi, S. (2015). Compactness versus sprawl: A review of recent evidence from the United States. Studies Urban, Review Literature A, 30(4), 1-30.
33. Hess, G., Morin, V., Daley, S., Snow, C., Potter, K., Dennison, B., Wrege, B., Savage, R., Mc Guinn, R., Lubkin, S., & Shelton, W. (2001). Just what is sprawl, anyway? Carolina Planning. 26(2):11-26.
34. Jain, M. (2013). Analyzing effectivity of urban growth management in the National Capital Region Delhi, India. Shekar Verlag: Aachen.
35. Newling, B.E. (1969). The spatial variation of urban population densities. Geographical Review, 59, 242-252.
36. Saparauskas, J., Zavadskas, E.K., & Turskis, Z. (2011). Selection of facade's alternatives of commercial and public buildings based on multiple criteria. International Journal of Strategic Property Management, 152, 189-203.
37. Simanaviciene, R., & Ustinovicius, L.A. (2012). New approach to assessing the biases of decisions based on multiple attribute decision making methods. Electronics and Electrical Engineering, 1(117), 29-32.
38. Triantaphyllou, E. (2000). Multi-Criteria Decision Making: A Comparative Study. Dordrecht, Netherlands: Kluwer Academic Publishers.
39. Zavadskas, E.K., Turskis, Z., Antucheviciene, J., & Zakarevicius, A. (2012). Optimization of weighted aggregated sum product assessment. Electronicsand Electrical Engineering, 622, 3-6.