نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشیار، گروه برنامهریزی شهری و منطقهای، دانشکدۀ برنامهریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
2 استاد، گروه برنامهریزی شهری و منطقهای، دانشکدۀ برنامهریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
3 دانشجوی دکتری، گروه برنامهریزی شهری و منطقهای، دانشکدۀ برنامهریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
Abstract
The increasing population pressure, drastic land use changes, and rapid urbanization have made cities susceptible to various natural and human-induced hazards. Therefore, enhancing the resilience of urban settlements is crucial, particularly in the context of megacities. This research investigated urban resilience levels, prioritized resilience indicators, and compared resilience status between Districts 5 and 6 of Tabriz Metropolitan Area. The study employed a descriptive-analytical method with a developmental-applicative focus. Data were collected through library research, field surveys, and questionnaires, targeting the residents of Districts 5 and 6. A sample size of 342 individuals was determined using Structural Equation Modeling (SEM) and the gamma exponential method. In this study, 37 observed indicators of urban resilience were analyzed across 4 latent categories: social, economic, institutional-management, and physical-infrastructure. Latent indicators were prioritized based on their significance and impact through multiple regression analysis using SPSS software, while observed indicators were assessed via confirmatory factor analysis in LISREL software. A fuzzy logic model was employed within a GIS environment to map the effective indicators. Results revealed that the social latent index ranked highest in District 5 of Tabriz Metropolitan Area with a beta coefficient of 0.384 (33.83%) followed by the physical-infrastructural (0.305, 26.87%), economic (0.267, 23.52%), and institutional-management (0.179, 15.77%) indicators. In District 6, the physical-infrastructural latent index led with a beta coefficient of 0.528 (42.58%) followed by the institutional-managerial (0.337, 27.18%), social (0.265, 21.37%), and economic (0.110, 8.87%) indicators. Additionally, the findings indicated that the northwestern and central parts of District 5 exhibited better resilience, ranking in the upper-middle tier, while the southern areas showed poor resilience. Conversely, the northern parts of District 6 also displayed weak resilience, ranking in the lower average range, while the southern and central regions were categorized as upper average in terms of resilience.
Keywords: Urban Resilience, Natural Hazards and Disasters, Districts 5 and 6 of Tabriz, Multiple Regression, Fuzzy Logic Model, Confirmatory Factor Analysis.
Introduction
As the population continues to grow, land use undergoes drastic changes and urbanization accelerates, while cities increasingly become hotspots for both natural and human hazards. Resilience of urban settlements is therefore crucial, particularly in the context of megacities. This research investigated urban resilience levels, prioritized resilience indicators, and compared the resilience status of Districts 5 and 6 within Tabriz Metropolitan Area.
Materials & Methods
This research employed a descriptive-analytical methodology and had a developmental-applicative focus. Data were collected through library studies, field surveys, and questionnaires. The statistical population comprised residents of Districts 5 and 6 of Tabriz Metropolitan Area. The sample size was determined to be 342 participants, using Structural Equation Modeling (SEM) and the gamma exponential method. In this study, 37 observed indicators of urban resilience were analyzed and categorized into 4 latent indicators: social, economic, institutional-management, and physical-infrastructure. Prioritization of these latent indicators was conducted based on their relative importance and impact by utilizing multiple regression analysis in SPSS software. The observed indicators were assessed through confirmatory factor analysis using LISREL software. Additionally, to create a map of effective indicators, a fuzzy logic model was implemented within the GIS environment.
Research Findings
The results indicated that the social latent index with a beta coefficient of 0.384 (33.83%), ranked first in terms of resilience in the 5th District of Tabriz Metropolitan Area. It was followed by the physical-infrastructural, economic, and institutional-management latent indicators, which were ranked second, third, and fourth with the beta coefficients of 0.305 (26.87%), 0.267 (23.52%), and 0.179 (15.77%), respectively. In the 6th District of Tabriz Metropolitan Area, the physical-infrastructural latent index held the highest importance with a beta coefficient of 0.528 (42.58%). This was followed by the institutional-managerial, social, and economic latent indicators, which ranked second, third, and fourth in importance with the beta coefficients of 0.337 (27.18%), 0.265 (21.37%), and 0.110 (8.87%), respectively.
Discussion of Results & Conclusion
The findings indicated that the northwestern and central regions of the 5th District of Tabriz exhibited better resilience, ranking in the upper-middle tier. In contrast, the southern areas of this district demonstrated poor resilience. Similarly, the northern parts of the 6th District were characterized by low resilience, placing them in the lower average tier. However, the southern and central regions of the 6th District showed improved resilience, positioning them in the upper average tier.
کلیدواژهها [English]
مقدمه
یک شهر بهعنوان حامل مهم تولید و زندگی انسان اغلب با بلایای طبیعی و انسانی مواجه است. این بلایا مانع توسعۀ شهری میشود و تأثیر منفی بر زندگی ساکنان میگذارد (Zhang et al., 2021, P. 448). از سوی دیگر، براساس گزارش اخیر سازمان ملل متحد حدود 50 درصد از جمعیت فعلی جهان شهرنشین هستند و پیشبینی میشود که این رقم تا سال 20250 به 70 درصد افزایش یابد (UN, 2018). این میزان جمعیت به معنای اضافه شدن 5/2 میلیارد شهروند در30 سال آینده به جمعیت شهرنشین دنیا بود (Mukherjee & Singh, 2020) که این مورد اهمیت تابآوری را در برابر مخاطره ها و شوکهای شهری افزایش میدهد. مقاومت دربرابر بلایای شهری ارتباط نزدیکی با تابآوری سیستمی دارد که شامل عملکرد مقاومت دربرابر بلایا (Matisziw & Murray, 2009; Chang et al., 2014) و عملکرد بازیابی زیرساختهای شهری از بلایاست (MacAskill & Guthrie, 2015; Choi et al., 2017). تابآوری به توانایی یک سیستم برای کنترل تأثیر بلایا و اجرای یک استراتژی بازیابی بهمنظور به حداقل رساندن آسیب سیستم و کاهش تأثیرهای هرچه بیشتر بلایا اشاره دارد (Bruneau et al., 2003; Cimellaro et al., 2010). تابآوری پتانسیل جوامع برای جذب و انطباق با مخاطرههاست (Bozza et al., 2015, P. 1729- 1748). سیستم تابآور میتواند بهطور مؤثری تأثیرهای ناشی از مخاطرهها را بدون تغییر ویژگیهای اصلی آن درک کند و بهطور همزمان آن را بپذیرد و با آن منطبق شود و زمانی که تأثیرهای ناشی از مخاطرهها مهم است، احیا شود (López-Marrero& Tschakert, 2011, P. 231).
براساس گزارش «هزینههای انسانی ناشی از بلایای اتفاقافتاده مربوط به سالهای 2019-2000» (UNDRR, 2020) در این بازۀ زمانی 7348 رویداد فاجعهبار خطرناک رخ داده که باعث 23/1 میلیون قربانی شده و بر زندگی 2/4 میلیارد نفر تأثیر گذاشته است. درواقع، بین سالهای 1980 تا 1999، 4212 فاجعه در سراسر جهان رخ داده که حدود 60% کمتر از زمان کنونی است. سازمان ملل متحد بهطور کلی، مفهوم تابآوری را بهعنوان توانایی سیستم، اجتماع یا جامعۀ درمعرض خطر برای مقاومت، جذب، سازگاری و بازیابی بهموقع و کارآمد از اثرهای مخاطرهها با حفظ و احیای ساختارها و عملکردهای اساسی آن تعریف میکند (De Groeve et al., 2015). کلانشهر تبریز با توجه به مسائلی ازجمله رشد سریع جمعیت، گسترش شهرنشینی، تخریب شدید بنیانهای اکولوژیکی محیط زیست شهری، کاهش ظرفیت و توان جذب آلودگیها و رعایتنکردن اصل پایداری در استفاده از منابع و امکانات شهری، بیتعادلی میان جمعیت و زیرساختهای شهری، افت کارآیی شبکۀ معابر و دسترسیهای اصلی و شریانی، افزایش تبدیل و تغییر کاربریهای بیرویۀ باغها و اراضی زراعی درون و پیرامون شهر به کاربریهای مسکونی، تجاری و خدماتی، نابرابری مناطق شهری در برخورداری و بهرهگیری از سطحها و سرانههای عمومی شهری، افزایش حاشیهنشینی و تبدیل روستاهای اطراف تبریز به مجتمعها و کویهای مسکونی و شهرکهای اقماری، مستعد وقوع حوادث غیرمترقبه و مخاطرههای طبیعی و انسانی است (محمودزاده و هریسچیان، 1397، ص. 61). بنابراین پژوهش حاضر با هدف بررسی وضعیت تابآوری و اولویتبندی شاخصهای تابآوری با تأکید بر ابعاد اجتماعی، اقتصادی، نهادی-مدیریتی و کالبدی-زیرساختی مناطق 5 و 6 کلانشهر تبریز و مقایسۀ تطبیقی تابآوری مناطق مذکور انجام شده است.
مبانی نظری
تابآوری اجتماعی
افراد و تعامل آنها با شهر بهعنوان گروهها و مقولهها تحتتأثیر الگوهای برخاسته از نظم اجتماعی جامعه است. نظم اجتماعی سه رکن اصلی درزمینۀ عملکرد اجتماعی دارد: هویت فردی (سن یا جنسیت)، هنجارها (قواعد رفتاری) و سلسلهمراتب اجتماعی (ثروت و قدرت). ارتباط بین نظم اجتماعی، عملکرد سیستمهای اجتماعی و قدرت سرمایۀ اجتماعی نشاندهندۀ پویایی و تابآوری اجتماعی است (Lucini, 2013; Giddens, 2009).
تابآوری اقتصادی
تابآوری اقتصادی به دو صورت ایستا و پویاست. مفهوم تابآوری اقتصادی ایستا عبارت است از تخصیص منابع موجود به بهترین صورت در مقطع زمانی مشخص بهگونهای متفاوت از پیامدهای پویای بازیابی و بازسازی که بر خط سیر اقتصاد تأثیرگذار است (Rose, 2004). تابآوری اقتصادی میتواند در سه سطح عملیاتی شود: سطح اول: اقتصاد خرد، رفتار اختصاصی شرکتها، خانوارها یا سازمانها؛ سطح دوم: اقتصاد میانه، اقتصادبخشی، بازار خصوصی یا گروههای تعاونی؛ سطح سوم: اقتصاد کلان. همۀ واحدها و بازارهای خصوصی در اثر تأثیرهای تعاملی با یکدیگر ترکیب شده است ( Rose, 2007, P. 385).
تابآوری نهادی-مدیریتی
نمیتوان بدون در نظر گرفتن عوامل نهادی تبیین کاملی از تابآوری اجتماعی-اکولوژیکی ارائه داد. پژوهشهای مربوط به آسیبپذیری و تابآوری فقط به شوکها و استرسهای بیرونی تجربهشده از سیستمهای اجتماعی-اکولوژیکی مربوط نیست؛ زیرا پاسخ سیستم و ظرفیت کنش انطباقی به نهادهای موجود نیز بستگی دارد (Adger, 2006). رویکرد نهادی Ostrom بهطور کامل علوم اجتماعی را وارد حیطۀ تحلیل تابآوری میکند؛ بهگونهای که به ما امکان میدهد این واقعیت را همانطور که Adger (2006) نیز اشاره کرد بهصورت تابآوری نهادی براساس تکامل تاریخی نهادها، فراگیر یا محدودبودن آنها، هنجارهای اعتماد و شبکهها که زمینهساز فرهنگی سازگاری نهادی، سیستمهای علمی مختلف که برای تابآوری نهادی مهم است، تعریف کنیم (Holling et al., 1995; Walker et al., 2004).
تابآوری کالبدی-زیرساختی
جوامع شهری به ارائۀ مطمئن خدمات متعدّد حیاتی که با شبکههای زیرساختی عرضه میشود، وابسته است که بیشتر شرکتهای عمومی و خصوصی آنها را اداره میکنند. پیچیدگی ناشی از وابستگیهای متقابل بین سیستمهای اجتماعی و کالبدی داخل و بین سیستمهای شهری بهدلیل افزایش رشد سریع شهری در بسیاری از شهرهای جهان است (The World Bank, 2009). از سوی دیگر، با افزایش شدت و فراوانی مخاطرههای طبیعی درسطح جهان نیاز فزآیندهای به سازمانها برای افزایش تابآوری سیستمهای شهری دربرابر شوکهای آتی وجود دارد (United Nations International Strategy for Disaster Risk Reduction, 2012). شهرهای بزرگتر سرمایههای اجتماعی بیشتری برای مدیریت زیرساختهای کالبدی حیاتی و ارائۀ منابع طبیعی ضروری (آب، انرژی و غذا) دارند. همچنین، به حمایتهای فنی و مالی جانبی (یارانه) دسترسی دارند که بهراحتی در اختیار شهرهای کوچک نیست (Aldrich & Meyer, 2015; Waters & Adger, 2017). پژوهشهای زیادی درسطحهای داخلی و خارجی درزمینۀ تابآوری شهری انجام شده است که در جدول 1 به تعدادی از آنها اشاره میشود.
جدول 1: پیشینۀ پژوهش
Table 1: History of research
|
نویسندگان (سال) |
عنوان پژوهش |
نتایج پژوهش |
|
«ارزیابی و سنجش میزان و اندازۀ تابآوری مناطق شهری درمقابل سیلابهای شهری: مطالعۀ موردی: شهر ارومیه» |
نتایج نشان داد که منطقۀ 3 شهر ارومیه ازلحاظ تابآوری اجتماعی-فرهنگی با میانگین (30/65) مطلوبترین منطقه و منطقۀ 5 شهر ارومیه ازلحاظ اقتصادی و مدیریتی با میانگین (74/24 و 64/32) مطلوبترین منطقه است. همچنین، منطقۀ 4 شهر ارومیه بهلحاظ تابآوری کالبدی بهعلت برخورداری از امکانات زیرساختی بهتر و مطلوبتر (دسترسی به مراکز درمانی، آتشنشانی، بیمارستانی و...) مطلوبترین منطقه ازلحاظ تابآوری کالبدی دربرابر سیلاب شهری است. درنهایت، جمعبندی میانگین کل شاخصها نشان داد که منطقۀ 3 شهر ارومیه مطلوبترین منطقه و منطقۀ 4 شهر ارومیه نامطلوبترین منطقه ازلحاظ تابآوری دربرابر سیلاب شهری است. |
|
|
«ارزیابی میزان تابآوری کالبدی محیطهای شهری دربرابر زلزله: نمونۀ موردی: کلانشهر تبریز» |
نتایج نشان داد که %20 از اراضی شهر تبریز با آسیبپذیری بسیار کم و %80 آسیب پذیری بسیار زیادی دربرابر زلزله دارد؛ بنابراین میتوان عنوان کرد که شهر تبریز دربرابر بحران ازجمله زلزله ازلحاظ کالبدی بهشدت آسیبپذیر است. |
|
|
«تحلیل معیارهای تابآوری در بافت فرسودۀ شهری درمقابل زلزله با تأکید بر تابآوری کالبدی: مطالعۀ موردی: منطقۀ 10 شهرداری تهران» |
نتایج نشان داد که بُعد کالبدی (11/3) در رتبه اول، بُعد اقتصادی (58/2) در رتبۀ دوم، بُعد اجتماعی (28/2) در رتبۀ سوم و بُعد نهادی (04/2) در رتبۀ چهارم اهمیت قرار دارد که بهعنوان کماهمیتترین بُعد تعیین شده است. درنهایت، براساس نتایج مطلوبیت تابآوری شهری تابآوری منطقۀ 10 شهر تهران دربرابر مخاطرههای طبیعی با توجه به کلیۀ ابعاد و مؤلفهها خیلی ضعیف بوده است؛ بنابراین این منطقه درمقابل مخاطرههای طبیعی تابآوری و پایداری پایینی دارد. |
|
|
«سطحبندی تابآوری محلات شهری در مواجهه و مقابله با زلزله در بافتهای مشکلدار و مسئلهدار شهری با روش تحلیل سلسلهمراتبی و منطق فازی FAHP: مطالعۀ موردی: شهر تبریز» |
نتایج نشان داد که 12207 هکتار از کل و مجموع محلههای تبریز جزء بافتهای مسئلهدار است. در این میان، 75/1299 سطح تابآوری بالا، 62/2941 سطح تابآوری بهنسبت بالا، 99/2558 تابآوری بهنسبت پایین، 86/1831 تابآوری پایین و 49/1344 هکتار تابآوری بسیار پایین دارد. |
|
|
«تبیین نقش ظرفیت نهادی در ارتقای تاب آوری شهری در بحرانهای زیستمحیطی» |
نتایج نشان داد که منطقۀ یک کلانشهر تهران ازمنظر و حیث رویکرد ارزیابانۀ نهادمحور تابآوری مطلوبی ندارد. همچنین، نتایج نشاندهندۀ این است که شاخص قوانین نسبت به سایر شاخصها در وضعیت بهتری قرار دارد. نهادها در راستای رویهایشدن این شاخص عملکرد بهتری داشته است. از سوی دیگر، نتایج به دست آمده نشاندهندۀ این نکتۀ مهم است که روابط مردم و سازمانها در وضعیت نامطلوب و پایینی قرار گرفته است و ازدیدگاه ظرفیت نهادی اثر و تأثیر زیادی بر ناتابآوری سامانۀ کلانشهر تهران دربرابر بحران دارد. |
|
|
«ارزیابی و تحلیل تابآوری کاربری اراضی شهری: مطالعۀ موردی: منطقۀ 22 شهر تهران» |
نتایج نشان داد که متوسط و میانگین تابآوری معیار ساختاری - طبیعی منطقۀ 22 شهرداری تهران متوسط است. |
|
|
«بررسی مؤلفههای تابآوری شهری با تأکید بر سوانح طبیعی (سیل) در شهر تبریز: مطالعۀ مناطق 2، 3، 4 و 7 شهر تبریز» |
نتایج نشان داد که مدیریت شهری در تابآوری شهری در مواجهه با سوانح طبیعی سیل در وضعیت مطلوبی قرار ندارد. همچنین، مشخص شد که اولویتبندی مؤلفههای تابآوری و به کارگیری آنها در زمان بروز سوانح طبیعی در بازگشت مناطق مطالعهشدۀ شهر تبریز به وضعیت قبل از سیل مؤثر است. مناطق 2، 3، 4 و 7 شهر تبریز نسبت به یکدیگر در وضعیت تابآوری متفاوتی قرار دارد. |
|
|
«ارزیابی ابعاد تابآوری شهری دربرابر سیلاب در شهرهای غرب استان مازندران» |
یافتههای پژوهش نشان داد که شهرهای مطالعهشده در شرایط متفاوت تابآوری قرار دارد. با در نظر گرفتن هر چهار بُعد تابآوری مشخص شد که شهر نوشهر با بیشترین میانگین در رتبۀ اول ازلحاظ تابآوربودن دربرابر مخاطرههای طبیعی قرار دارد. شهرهای چالوس، عباسآباد و سلمان شهر نیز در جایگاه بعدی هستند. با توجه به نتایج بهدستآمده شهر کجور با کمترین میانگین در رتبۀ آخر ازنظر تابآوری قرار گرفته است. |
|
|
«ارزیابی تابآوری سیلاب شهری مبتنی بر GIS با استفاده از مدل تابآوری سیلاب شهری: مطالعۀ موردی شهر پیشاور، خیبر پختونخوا، پاکستان» |
نتایج نشان داد که در ناحیۀ غرب منطقۀ مطالعهشده بخشهای شمال غربی و مرکزی تابآوری بسیار بالا و بخشهای جنوبی و جنوب غربی تابآوری بسیار پایین دارد. به همین ترتیب، در ناحیۀ شرق منطقۀ مطالعهشده قسمتهای شمال غربی و جنوب غربی تابآوری بسیار بالا و بخشهای شمالی و غربی تابآوری بسیار پایین دارد. ضریب احتمال مدل پیشنهادی نیز با استفاده از منحنی مشخصۀ عملکرد سیستم یا منحنی عملیاتی گیرنده (ROC) تعیین شد. سطح زیر منحنی بهدستآمده برای مدل 904/0 بود. |
|
|
«تابآوری دربرابر زلزله و سیل ازطریق برنامهریزی فضایی در سیستمهای پیچیدۀ شهری» |
نتایج نشان داد که برنامهریزی فضایی به میزان بیشتری در تعیین تابآوری جامعه کمک میکند. برنامهریزی فضایی منجر به تابآوری متفاوت دربین جوامع میشود. در منطقۀ مطالعهشده خانوارهای ضعیفتر ازنظر اقتصادی بهدلیل موقعیت مکانی و دسترسی محدود به منابع عمومی دربرابر مخاطرههای مربوط به بلایا آسیبپذیرتر هستند. این عوامل به کاهش تابآوری شهری میانجامد. |
|
|
«تحلیلی بر تکامل فضایی-زمانی تابآوری تراکم شهری: مطالعۀ موردی تراکم شهری چنگدو - چونگ کینگ، چین» |
نتایج نشان داد که توزیع تابآوری شهری در تراکم شهری چنگدو - چونگ کینگ ساختاری دوطرفه دارد که با سایر تراکمهای شهری در چین متفاوت است. چهار زیرسیستم تابآوری نتایج متفاوتی را نشان میدهد که تابآوری اکولوژیکی، اقتصادی و اجتماعی در تراکم شهری چنگدو - چونگکینگ همگی یک الگوی قطبیشده را ارائه میدهد؛ ولی تابآوری زیرساختی تعادل دارد. تکامل زمانی تابآوری تراکم شهری نشان میدهد که شکاف تابآوری بین شهرها در تراکم شهری چنگدو - چونگ کینگ از سال 2011 تا 2019 درحال کاهش است. |
|
|
|
«توسعۀ شهری و پیامدهای آن برای ایجاد تابآوری شهری در شهرهای منطقهای کلانشهری منطقۀ آمهارا، اتیوپی» |
نتایج نشان داد که عوامل عمدهای که بر ایجاد تابآوری شهری تأثیرگذار هستند، کمبود برنامهریزی شهری مناسب، زیرساختهای اساسی و حکمرانی شایسته در هر دو شهر بوده است. هر دو شهر در اجرای اصول تابآوری شهری خیلی عقب هستند. |
|
»ارزیابی و تحلیل موانع تابآوری شهری ازدیدگاه چندبُعدی در شهرهای چین» |
نتایج نشان داد که تابآوری شهری در چین به صورت بطئی در طول دورۀ مورد مطالعه افزایش یافته است که به متعادلشدن در ابعاد مختلف تمایل دارد. اگرچه درکل میزان تابآوری اکولوژیکی و نهادی زیاد بوده و تابآوری اقتصادی، اجتماعی و زیرساختی کمتر بوده است، ناهمگونی فضایی میزان تابآوری شهری زیاد بود و تابآوری در شرق چین بیشتر از مناطق مرکزی یا غربی بود. |
|
|
«ارزیابی تابآوری شهری چین از منظر پایداری اجتماعی - اقتصادی و اکولوژیکی»
|
نتایج نشان داد که شهری چین طی 20 سال گذشته تابآوری تا حد زیادی بهبود یافته است. میانگین شاخص تابآوری شهری از 048/0 در سال 2000 به 092/0 در سال 2010 و به 148/0 در سال 2020 افزایش یافته که نشاندهندۀ این است میزان رشد بهبود تابآوری شهری چین در دهۀ گذشته (2010-2020) کندتر از دهۀ قبل (2000-2010) بوده است. تابآوری شهری چین همبستگی خودکار فضایی مثبت دارد که این خود نشان میدهد شهرهایی با شاخص تابآوری شهری زیادتر یا کمتر تمایل به تمرکز فضایی دارد. عوامل غالبی که مانع از بهبود تابآوری شهری چین میشود، درطول زمان تغییر کرده است. بهصورتی که نقش زیرساختها بهتدریج تضعیف شده و نقش سطح اقتصادی، ساختار صنعتی و سطح آموزش بهتدریج در حال تقویت است. |
|
|
«ارزیابی تابآوری شهری و همبستگی فضایی آن ازدیدگاه چندبُعدی: مطالعۀ موردی چهار استان کمربند لرزهای شمال - جنوب چین» |
یافته ها نشان داد که میانگین شاخص تابآوری شهری در سال 2011 تا 2021 از 027/0 به 058/0 از افزایش یافته است که نشاندهندۀ افزایش زیاد، (به میزان 42/%115) است. سیچوان بهعنوان پیشرو ثابت در تابآوری شهری ظاهر شد. مورد مهم کاهش تدریجی، ضریب تغییرات تابآوری شهری از 823/0 در سال 2011 به 751/0 در سال 2021 است که نشاندهندۀ کاهش نابرابری درسطحهای تابآوری است. |
منبع: مطالعات نویسندگان، 1402
روششناسی پژوهش
پژوهش حاضر ازنظر روش، توصیفی-تحلیلی است و ماهیت توسعهای-کاربردی دارد. در این پژوهش در راستای موضوع آن از منابع کتابخانهای و اسنادی همچون منابع اینترنتی، کتابها، مقالههای فارسی و لاتین، طرح جامع و تفصیلی کلانشهر تبریز، آمارنامههای مرکز آمار و نتایج سرشماری عمومی نفوس و مسکن استفاده شده است. همچنین، در این پژوهش دادهها و اطلاعات لازم با استفاده از روش میدانی (ازقبیل مشاهدۀ مستقیم و تکمیلکردن پرسشنامه با شهروندان مناطق 5 و 6 کلانشهر تبریز و کارشناسان و متخصصان امر) جمعآوری شد. جامعۀ آماری این پژوهش شهروندان مناطق 5 و 6 کلانشهر تبریز است. در این پژوهش برای تعیین حجم نمونه از مدل معادلات ساختاری و روش نمایی گاما استفاده شده است. روش نمایی گاما در مقالههای معتبر نمایهشده در پایگاههایی مانند ساینس دایرکت و امرالد مورد استفادۀ پژوهشگران قرار گرفته است. در این روش علاوهبر تعداد متغیرهای پنهان و مشاهدهپذیر از توان آزمون و اندازۀ اثر نیز استفاده میشود.
اندازۀ اثر شاخصی است که قدرت اثرگذاری متغیرهای مستقل مدل را نشان میدهد. براساس نظر Cohen (1988) میزان این شاخص بهترتیب 02/0 (ضعیف)، 15/0 (متوسط) و 35/0 (قوی) است. بهتر است این مقدار حداقل روی 15/0 تنظیم شود. توان آزمون متغیرهای پنهان و مشاهدهپذیر باید بین ۸۰ تا ۹۰ درصد انتخاب میشود. آزمون حداقل باید توانی برابر با ۸/۰ داشته باشد. تعداد متغیرهای پنهان و آشکار نیز براساس پرسشنامه و مدل پژوهش قابل تعیین است (https://parsmodir.com). در این پژوهش اندازۀ اثر 20/0، توان آزمون 8/0، متغیرهای پنهان و آشکار هم طبق پرسشنامه بهترتیب 4 و 37، سطح اطمینان نیز %95 و مقدار خطا نیز بهتبع آن 05/0درنظر گرفته شد که طبق محاسبۀ انجامشده تعداد حداقل حجم نمونه برای مناطق 5 و 6 کلانشهر تبریز 342 نفر بهمنظور تشخیص اثر برآورد شد. در این پژوهش از روش نمونهگیری تصادفی استفاده شده است؛ بدین صورت که در محیط GIS نمونهها بهصورت رندمی با واردکردن342 نمونه و با استفاده از تابع Hawths Tools با طی مرحلۀ زیر گزینش شد. از منوی Sampling Tools با انتخاب گزینۀ Generate Random Points و با واردکردن تعداد نمونهها تعداد 342 نمونه بهصورت نقطهای برای مناطق 5 و 6 تبریز انتخاب شد (شکل 1).
شکل 1: بهترتیب از راست به چپ نقاط نمونهگیریشده برای مناطق 5 و 6 کلانشهر تبریز (منبع: یافتههای پژوهش، 1402)
Figure1: From right to left, sampled points for districts 5 and 6 of Tabriz metropolis, respectively
در این پژوهش ابزار جمعآوری دادهها و اطلاعات لازم پرسشنامه است. برای عملیاتیکردن شاخصهای پژوهش از تعدادی گویه در قالب طیف لیکرت استفاده شده است. در این مطالعه ابتدا مؤلفههای مطرح در تابآوری شهری با استناد به مطالعات پیشین محققان استخراج و سپس مؤلفههای استخراجشده در قالب 4 شاخص مکنون اجتماعی (10 شاخص آشکار)، اقتصادی (5 شاخص آشکار)، نهادی - مدیریتی (7 شاخص آشکار) و کالبدی - زیرساختی (15 شاخص آشکار) و 37 شاخص آشکار دستهبندی و سپس دادههای لازم با استفاده از روش پیمایشی و به کمک ابزار پرسشنامه جمعآوری شد. روایی پرسشنامه نیز با استفاده از نظر متخصصان و پایایی آن با استفاده از آلفای کرونباخ در محیط نرمافزار SPSS تعیین شد که گویای هماهنگی و پایایی بالای دادههاست (جدول2).
جدول 2: ضریب آلفای کرونباخ برای هریک از ابعاد تابآوری و کل پرسشنامه (مناطق 5 و 6 کلانشهر تبریز)
Table 2:Cronbach's alpha coefficient for each dimension of resilience and the entire questionnaire (districts 5 and 6 of Tabriz city)
|
شاخص |
تعداد سؤالها |
آلفای کرونباخ (منطقۀ 5) |
آلفای کرونباخ (منطقۀ 6) |
|
اجتماعی |
10 |
91/0 |
81/0 |
|
اقتصادی |
5 |
92/0 |
74/0 |
|
نهادی - مدیریتی |
7 |
0.86 |
90/0 |
|
کالبدی - زیرساختی |
15 |
72/0 |
80/0 |
|
کل پرسشنامه |
37 |
91/0 |
90/0 |
منبع: یافتههای پژوهش، 1402
در این مطالعه پس از جمعآوری دادههای لازم دادهها با استفاده از روش رگرسیون چندگانه در SPSS، تحلیل عاملی تأییدی در LISREL و مدل منطق فازی در GIS تجزیهوتحلیل شد. پس از اینکه دادههای جمعآوریشده با پرسشنامه و با استفاده از نرمافزار SPSS و LISREL تحلیل و شاخصهای پنهان و آشکار براساس شدت رابطه و تأثیرگذاری اولویتبندی شد، در مرحلۀ بعدی وارد نرمافزار GIS شد تا وضعیت شاخصهای تابآوری شهری درسطح محلههای مناطق 5 و 6 کلانشهر تبریز بهصورت بصری نشان داده شود. بدین منظور، ابتدا دادههای جدولی (دادههای کدگذاریشدۀ گویهها در محیط Excel) به محیط GIS فراخوانی شد. در مرحلۀ بعد، عمل درونیابی روی هرکدام از شاخصهای مؤثر انجام شد که برای درونیابی از روش IDW بهره گرفته شد. سپس هرکدام از لایههای درونیابیشده (IDW) به لایۀ رستری تبدیل و با امتیاز 1 تا 5 وضعیت شاخص مدنظر در کلیۀ محلههای مناطق 5 و 6 تبریز نشان داده شد. با این توضیح که عدد 1 نشاندهندۀ پایینترین وضعیت و کمترین امتیاز است. هرچقدر به سمت عدد 5 نزدیک میشویم، نشاندهندۀ بالاترین امتیاز و ایدئالترین وضعیت شاخص است. هرکدام از این امتیازها از 1 تا 5 با طیف رنگی متفاوت نمایش داده شده است. پس از تبدیل لایهها به رستر هرکدام از لایهها با روش Fuzzy Membership فازیسازی شد که وضعیت شاخصهای تابآوری شهری را به تفکیک محلههای مناطق 5 و 6 تبریز بین صفر و یک نشان میدهد؛ بهطوری که عدد1 نشاندهندۀ بهترین وضعیت و عدد صفر نشاندهندۀ بدترین وضعیت است. پس از اینکه وزن هرکدام از شاخصهای آشکار محاسبه شد، با استفاده از روش Weighted Sum شاخصهای آشکار مربوط به هر شاخص پنهان با یکدیگر ترکیب و مورد همپوشانی قرار داده شد که نتیجۀ آن استخراج 4 نقشۀ ترکیبی برای هرکدام از شاخصهای کالبدی، اقتصادی، اجتماعی و نهادی تابآوری بود. درنهایت، لایههای حاصل از ترکیب شاخصهای پنهان اجتماعی، اقتصادی، نهادی-مدیریتی و کالبدی-زیرساختی با استفاده از ابزار Fuzzy overlay مورد همپوشانی قرار گرفت و در پایان، نقشۀ نهایی تابآوری برای مناطق 5 و 6 تبریز با استفاده از گامای 9/0، 8/0 و 7/0 ترسیم شد. ازبین نقشههایی که با سه گامای مذکور برای مناطق 5 و 6 تبریز تهیه شده بود، نقشهای که به واقعیت نزدیکتر بود، بهعنوان نقشۀ نهایی وضعیت تابآوری مناطق 5 و 6 انتخاب شد.
تحلیل عاملی تأییدی و مدل معادلات ساختاری
تحلیل عاملی تأییدی (CFA) و مدلسازی معادلات ساختاری تکنیکهای آماری چندمتغیره هستند که برای آزمایش یک فرضیه یا نظریۀ مورد استفاده قرار میگیرند؛ درحالی که تحلیل عاملی تأییدی یک عامل مشترک (مجموعهای از عوامل) را شناسایی و مورد تأیید قرار میدهد، مدل معادلات ساختاری روابط (خطی یا علّی، مستقیم یا غیرمستقیم) درمیان عوامل رایج یا سایر متغیرهای مشاهدهشده را برقرار میکند (Phakiti, 2018, P. 459).
مدل فازی
تئوری مجموعۀ فازی با Askarzadeh (1965) معرفی شد که این خود تحلیل فرآیندها یا پدیدههای طبیعی ناگسسته را آسان کرد (Regmi et al., 2010). منطق یا تئوری فازی که از آن به منطق نادقیق تعبیر شده است، بخشی از بحثهای کمّی نظیر تحقیق در عملیات است که در آن تبدیل دادههای کیفی و کمّی به شیوهای جدید انجام میشود (مشبکی، 1376، ص. 41). این نظریه برای اقدام در شرایط بیاطمینانی به کار گرفته میشود. درحقیقت، تفکر فازی فرآیندی طیفی میان دو گزینۀ مطلق و امری نسبی است (پور طاهری، 1393، ص. 186- 185). در کانون تئوری مجموعۀ فازی مفهوم عضویت فازی قرار دارد (Openshaw & Abrahart, 2000, P. 173-174) که میزان عضویت را در رابطه با برخی از صفات خاص بیان میکند (Regmi et al., 2010) (شکل 2).
شکل 2: توابع عضویت فازی درمقابل مجموعۀ کریسپ (منبع: Eastman, 2012, P. 156)
Figure2: Fuzzy membership functions versus crisp sets.
اعداد فازی که یکی از ابزارهای تئوری فازی برای نشاندادن عدم قطعیت است، با تابع عضویت مشخص میشود. عدد فازی با تابع عضویت مثلثی که برای فازیکردن استفاده میشود، بهصورت شکل (3) است و با نشان داده میشود (Pahlevani, 2008). شکل ریاضی تابع عضویت نیز بهصورت رابطۀ 1 نشان داده میشود (Ertuğrul & Karakaşoğlu, 2007).
رابطۀ (1):
شکل 3: نمودار فازی با تابع عضویت مثلثی (منبع: رمضانیان و زارعی، 1391، ص. 56)
Figure3: Fuzzy diagram with triangular membership function
یک مجموعۀ فازی با یک درجه عضویت فازی در دامنۀ 0 تا 1 مشخص میشود که نشاندهندۀ یک افزایش پیوسته از عدم عضویت تا عضویت کامل است؛ برای مثال، در ارزیابی تندبودن شیب میتوان یک تابع عضویت فازی را تعریف کرد؛ بنابراین بهصورت تدریجی در دامنۀ 0 تا 1 افزایش مییابد (شکل3). (Eastman, 2012, P. 155).
شناخت محدودۀ مطالعهشده
منطقۀ 5 تبریز به وسعت 3657 هکتار در حدود 6/14درصد از کل وسعت کلانشهر تبریز را شامل شده است. این منطقه در شرق و شمال شرقی شهر تبریز بهلحاظ توپوگرافی در طیف ارتفاع 1462 تا 1820 متری از سطح دریاهای آزاد قرار گرفته است. بـهلحـاظ موقعیـت قرارگیـری منطقـۀ 5 تبریـز در مجـاورت منـاطق 1، 2 و 9 قرار گرفتـه اسـت (شکل 4). جمعیـت ایـن منطقـه در سـال 1395 برابر 126124 نفـر بوده است. ســرانه اراضــی ســاختهشــدۀ این منطقه معــادل 3/72 متر مربع و اراضی سبز و باز شهری برابر 6/275 متر مربع است. مسـاحت کـاربری مسـکونی نیز در ایـن منطقـه 269 هکتـار بـوده و تـراکم خـالص جمعیتـی در آن معـادل 345 نفــر در هکتــار اســت. در منطقۀ 5 تبریز بهترتیب محلههای الهیۀ 2، شهرک مصلی، نصر، فرشته، بارنج و کوشن، ولی امر 1، باغمیشۀ جدید 4، باغمیشۀ جدید 1، باغمیشۀ جدید 3 و ولی امر 2 در ردۀ کمتراکم و محلههای باغمیشۀ جدید 2 و الهیۀ 1 در ردۀ تراکم متوسط قرار دارند و تراکم زیاد در این منطقه وجود ندارد. منطقۀ 6 تبریز به وسعت 6/7243 هکتار بزرگترین و وسیعترین منطقۀ کلانشهر تبریز است که حدود 30 درصد از کل مساحت شهر را شامل شده است. با توجه به مساحت و پراکنش سطحهای شیب درسطح منطقۀ 6 طبقۀ ارتفاعی 1340 تا 1360 متر مناسبترین طیف توپوگرافی در این منطقه است که با مساحت حدود 3524 هکتار حدود 48/6 درصد از کل منطقه را دربرگرفته است. در این طبقۀ ارتفاعی 94 درصد اراضی هموار و بدون محدودیت وجود دارد. منطقــۀ 6 تبریز بــهلحــاظ موقعیــت قرارگیــری در مجــاورت منــاطق 4 و 10 و در قســمت شــمال غربــی شـهر اسـتقرار یافتـه اسـت (شکل4). جمعیـت منطقۀ 6 در سـال 1395 برابـر 98910 نفـر است. سـرانه اراضـی سـاختهشـده معـادل 3/279 متر مربع و اراضی سبز و باز شهری برابر 3/456 متر مربع است. از کـل کـاربریهـای کـلان منطقـه حـدود 6 درصـد معـادل 426 هکتـار بـه کـاربری مسـکونی تعلـق دارد کـه سرانهای معادل 43/5 متر مربـع را شـامل مـیشـود. تــراکم خــالص جمعیتــی منطقــۀ 6 معادل 232 نفــر در هکتــار اســت. در منطقۀ 6 تبریز بهترتیب محلههای شهرک امام 1، شهرک امام 2، شام غازان 1، شام غازان 2 و قراملک در ردۀ کمتراکم و محلههای خطیب 3، خطیب 2 و خطیب1 در ردۀ تراکم متوسط قرار دارد. در این منطقه تراکم زیاد وجود ندارد.
شکل 4: موقعیت مناطق مطالعهشده (منبع: یافتههای پژوهش، 1402)
Figure4: The location of the study areas
تجزیهوتحلیل رگرسیون چندگانه
در این مرحله دادهها با استفاده از رگرسیون چندگانه در محیط نرمافزار SPSS برای منطقۀ 5 کلانشهر تبریز تجزیهوتحلیل و براساس ضریب بتا متغیرهای پنهان با توجه به شدت اثر هرکدام از این متغیرها دربارۀ منطقۀ مذکور اولویتبندی شد. همانطور که جدول 3 نشان میدهد در منطقۀ 5 تبریز شاخص اجتماعی با ضریب بتای 384/0 (83/33 درصد) در رتبۀ اول اهمیت قرار دارد و بعد از آن هم شاخصهای کالبدی - زیرساختی، اقتصادی و نهادی - مدیریتی بهترتیب با ضرایب بتای 305/0 (87/26 درصد)، 267/0 (52/23 درصد) و 179/0 (77/15 درصد) در رتبههای دوم، سوم و چهارم اهمیت قرار دارند. بر این اساس، در تابآوری منطقۀ 5 تبریز متغیر پنهان اجتماعی درمقایسه با متغیرهای دیگر بیشترین تأثیر را دارد. انحراف معیار تمامی متغیرهای پنهان برای منطقۀ 5 تبریز برابر با صفر است. مقدار t بهدستآمده برای هر چهار شاخص اجتماعی، اقتصادی، نهادی - مدیریتی و کالبدی - زیرساختی بهترتیب برابر با 845/5، 332/4، 727/3 و 534/6 به دست آمده است که با توجه به اینکه مقدار t بهدستآمده برای هر سه شاخص بزرگتر از 96/1 بوده و سطح معناداری آزمون نیز (000/0) کمتر از مقدار ضریب خطای تحقیق (05/0) حاصل شده است، فرضیۀ صفر، یعنی فرض نبود رابطه بین متغیرهای پژوهش رد و با ضریب اطمینان 95 درصد وجود رابطۀ بین متغیرهای تحقیق تأیید میشود. همانطور که جدول 4 نشان میدهد در منطقۀ 6 تبریز نیز شاخص کالبدی - زیرساختی با 528/0 (58/42 درصد) در رتبۀ اول اهمیت قرار دارد و بعد از آن هم شاخصهای نهادی - مدیریتی، اجتماعی و اقتصادی بهترتیب با ضرایب بتای 337/0 (18/27 درصد)، 265/0 (37/21 درصد) و 110/0 (87/8 درصد) در رتبۀ دوم، سوم و چهارم اهمیت قرار دارند. بر این اساس، در تابآوری منطقۀ 6 تبریز متغیر پنهان کالبدی - زیرساختی درمقایسه با متغیرهای دیگر بیشترین تأثیر را دارد. همچنین، انحراف معیار تمامی متغیرهای پنهان برای منطقۀ 6 تبریز برابر با صفر است. مقدار t بهدستآمده برای هر چهار شاخص اجتماعی، اقتصادی، نهادی - مدیریتی و کالبدی - زیرساختی بهترتیب برابر با 260/5، 385/3، 806/2 و 674/7 به دست آمده است که با توجه به اینکه مقدار t بهدستآمده برای هر سه شاخص بزرگتر از 96/1 بوده و سطح معناداری آزمون نیز (000/0) کمتر از مقدار ضریب خطای تحقیق (05/0) حاصل شده است، فرضیۀ صفر، یعنی فرض نبود رابطه بین متغیرهای پژوهش رد و با ضریب اطمینان 95 درصد وجود رابطۀ بین متغیرهای تحقیق تأیید میشود.
جدول 3: نتایج تحلیل رگرسیون چندگانه برای منطقۀ 5 کلانشهر تبریز
Table 3: The results of multiple regression analysis for the 5th district of Tabriz metropolis
|
سطح معناداری |
t |
ضرایب استاندارشده |
ضرایب غیراستاندارد |
نام متغیر |
|
|
Beta |
خطای B |
B |
|||
|
000/0 |
392/4 |
- |
000/0 |
251/0 |
(ثابت) |
|
000/0 |
845/5 |
384/0 |
000/0 |
270/0 |
اجتماعی |
|
000/0 |
332/4 |
267/0 |
000/0 |
135/0 |
اقتصادی |
|
000/0 |
727/3 |
0.179 |
000/0 |
189/0 |
نهادی - مدیریتی |
|
000/0 |
534/6 |
305/0 |
000/0 |
405/0 |
کالبدی - زیرساختی |
منبع: یافتههای پژوهش، 1402
جدول 4: نتایج تحلیل رگرسیون چندگانه برای منطقۀ 6 کلانشهر تبریز
Table 4: The results of multiple regression analysis for the 6th district of Tabriz metropolis
|
سطح معناداری |
t |
ضرایب استانداردشده |
ضرایب غیراستاندارد |
نام متغیر |
|
|
Beta |
خطای B |
B |
|||
|
000/0 |
457/3 |
- |
000/0 |
251/0 |
(ثابت) |
|
000/0 |
260/5 |
265/0 |
000/0 |
270/0 |
اجتماعی |
|
000/0 |
385/3 |
110/0 |
000/0 |
135/0 |
اقتصادی |
|
000/0 |
806/2 |
337/0 |
000/0 |
189/0 |
نهادی - مدیریتی |
|
000/0 |
674/7 |
528/0 |
000/0 |
405/0 |
کالبدی - زیرساختی |
منبع: یافتههای پژوهش، 1402
تجزیهوتحلیل تحلیل عاملی تأییدی محیط نرمافزار LISREL
در این مطالعه دادهها برای انجامدادن تحلیل عاملی تأییدی وارد نرمافزار SPSS شد و عملیات کدگذاری روی دادهها صورت گرفت. دادههای کدگذاریشده در محیط نرمافزار لیزرل فراخوانی و سپس تجزیهوتحلیل دادهها انجام شد. تحلیل عاملی تأییدی متغیرهایی را شناسایی کرد که در مدل به دست آمده و مؤثر بوده است. این تحلیل متغیرهای فرعی را حذف میکند. درمجموع، با استفاده از مدلهای بهدستآمده از تحلیل عاملی تأییدی میتوان اعتبار مقیاسهای استفادهشدۀ پژوهشگر را در پژوهش تأیید یا رد کرد. در مدل معادلات ساختاری تعدادی شاخصهای برازش وجود دارد که شاخصهای خوببودن برازش مدل (2 X، df، P value و RMSEA) را نشان میدهد. پردازش مدل به این معناست که تا چه اندازه مدل تخمینزدهشدۀ ما در نمونۀ آماری براساس مشاهدهها با مدل مورد انتظار در جامعه تطابق دارد. بهترین شاخص مناسب در نرمافزار لیزرل df/2 X (کای دو به درجه آزادی) است که هرچه کوچکتر از 3 باشد، مدل برازش (تناسب) بهتری دارد. شاخص RMSEA همان میانگین مجذور خطاهای مدل است. این شاخص براساس خطاهای مدل ساخته میشود. حد مجاز این مقدار 08/0است؛ یعنی اگر زیر 08/0 باشد، پذیرفتنی است و اگر زیر 05/0 باشد، خیلی خوب است. P value همان سطح معناداری یا خطایی است که محقق در رد فرض H0 مرتکب میشود و آن را در آزمونهای آماری با sig نیز نمایش میدهد که اگر این مقدار کوچکتر از 05/0 باشد، درسطح اطمینان 95 درصد و اگر کمتر از 01/0 باشد، درسطح اطمینان 99 درصد، فرض H0 رد و فرض H1 پذیرفته میشود. این جمله دربارۀ فرض H0 مطرح است؛ بنابراین در اینجا برخلاف بسیاری از آزمونها ایدئال این است که P value یا همان sig بزرگتر از 05/0 باشد و نه کوچکتر از آن که در اینجا H0 و H1 عبارت است از:
H0: توزیع فراوانی مشاهدهشده = توزیع فراوانی مدنظر
H1: توزیع فراوانی مدنظر≠ توزیع فراوانی مشاهدهشده
در این پژوهش نتایج تحلیل عاملی تأییدی برای منطقۀ 5 تبریز نشان میدهد که میزان RMSEA 040/0 است که کمتر از 08/0، P value نیز 182/0 است که بیشتر از 05/0 درصد است و df هم در حدود 489 است. بر این اساس، مدل برای منطقۀ 5 تبریز برازش خوبی دارد و نتیجۀ آزمون پذیرفتنی است. همچنین، نتایج تحلیل عاملی تأییدی برای منطقۀ 6 تبریز نشان میدهد که میزان RMSEA 026/0 است که کمتر از 08/0، P value 342/0 است که بیشتر از 05/0 درصد و df هم در حدود 489 است. بر این اساس، مدل برای منطقۀ 6 تبریز نیز برازش خوبی داشته و نتیجۀ آزمون پذیرفتنی است.
اولویتبندی شاخصهای آشکار براساس بارهای عاملی مدل استانداردشده
با توجه به آزمون تحلیل عاملی تأییدی و بارهای عاملی مدل استانداردشدۀ نرمافزار لیزرل ازبین 37 شاخص تابآوری شهری در منطقۀ 5 تبریز تعداد 20 شاخص بهعنوان شاخصهای مؤثر (با شدت اثر متفاوت) انتخاب شد؛ بهطوری که ازبین 10 شاخص اجتماعی، تعداد 7 شاخص، ازبین 5 شاخص اقتصادی، تعداد 3 شاخص، ازبین 7 شاخص نهادی - مدیریتی، تعداد 2 شاخص و ازبین 15 شاخص کالبدی - زیرساختی، تعداد 8 شاخص بهعنوان شاخصهای مؤثر انتخاب و از تعداد 17 شاخص بهدلیل ضریب کمتر از 3/0صرفنظر شد. همچنین، از شاخصهایی که T-value آنها کمتر از 96/1 و در لیزرل به رنگ قرمز نشان داده شده بود، نیز صرفنظر شد (تعداد 8 شاخص). در این پژوهش از اولین شاخص آشکار هریک از شاخصهای پنهان بهدلیل اینکه در تحلیل لیزرل ثابت درنظر گرفته شده (با عدد 1 ثابت درنظر گرفته شده بود) و تحلیلی روی آنها انجام نشده بود، نیز صرف نظر شد. جدول 5 ضرایب استاندارد و T-value های بارهای عاملی را برای منطقۀ 5 تبریز نشان میدهد. در بُعد اجتماعی، شاخص آشکار میزان آگاهی از ضوابط ایمنی مسکن دربرابر حوادث طبیعی با 92/0، در بُعد اقتصادی، شاخص میزان ایمنی اموال شهروندان (مغازه، مسکن و...) دربرابر حوادث طبیعی با 95/0، در بُعد نهادی مدیریتی، شاخص میزان ارتباط شهروندان با نهادهایی مثل شهرداری در مدیریت بحران با 93/0و در بُعد کالبدی–زیرساختی، شاخص میزان بهرهگیری از ضوابط فنی مقاومسازی مسکنها با 78/0 درصد در اولویت اول تأثیرگذاری دربین شاخصهای آشکار متغیرهای پنهان تابآوری قرار دارد (جدول 5). با توجه به بارهای عاملی مدل استانداردشدۀ نرمافزار لیزرل ازبین 37 شاخص تابآوری شهری در منطقۀ 6 تبریز تعداد 26 شاخص بهعنوان شاخصهای مؤثر (با شدت اثر متفاوت) انتخاب شد؛ بهطوری که ازبین 10 شاخص اجتماعی، تعداد 7 شاخص، ازبین 5 شاخص اقتصادی، تعداد 2 شاخص، ازبین 7 شاخص نهادی-مدیریتی، تعداد 6 شاخص و ازبین 15 شاخص کالبدی-زیرساختی، تعداد 11 شاخص بهعنوان شاخصهای مؤثر انتخاب و از تعداد 11 شاخص بهدلیل ضریب کمتر از 3/0 صرفنظر شد. همچنین، از شاخصهایی که T-value آنها کمتر از 96/1 و در لیزرل به رنگ قرمز نشان داده شده بود، نیز صرفنظر شد (تعداد 7 شاخص). در این پژوهش از اولین شاخص آشکار هریک از شاخصهای پنهان بهدلیل اینکه در تحلیل لیزرل ثابت درنظر گرفته شده (با عدد 1 ثابت درنظر گرفته شده بود) و تحلیلی روی آنها انجام نشده بود، نیز صرف نظر شد. جدول 6 ضرایب استاندارد و T-value بارهای عاملی را برای منطقۀ 6 تبریز نشان میدهد. در بُعد اجتماعی، شاخص آشکار میزان آگاهی شهروندان از مقاومت ساختمانهای مسکونیشان دربرابر حوادث طبیعی با 87/0، در بُعد اقتصادی، شاخص میزان مهارتهای شغلی و تخصصی شهروندان با 39/0، در بُعد نهادی-مدیریتی، شاخص میزان آمادگی نهادهای خدماتی مثل آتشنشانی، برق، آب، گاز و ... درصورت وقوع حوادث طبیعی با 90/0 و در بُعد کالبدی-زیرساختی، شاخص میزان دسترسی به مراکز بهداشتی-درمانی ازقبیل بیمارستان، اورژانس، داروخانهها و... در هنگام بروز حوادث طبیعی با 92/0 درصد در اولویت اول تأثیرگذاری دربین شاخصهای آشکار متغیرهای پنهان تابآوری قرار دارد. جدول (5)
جدول 5: ضرایب استاندارد و اوزان فازی شاخصهای تابآوری شهری منطقۀ 5 کلانشهر تبریز
Table 5: Standard coefficients and fuzzy weights of urban resilience indicators in the 5th district of Tabriz metropolis
|
اوزان فازی |
بار عاملی (FL) |
شاخصهای آشکار |
کد شاخصهای آشکار |
ردیف |
شاخصهای پنهان (ضریب تأثیر) |
|
180/0 |
90/0 |
میزان آگاهی شهروندان از خسارت احتمالی واردشده به منطقه درصورت وقوع حوادث طبیعی |
Soc2 |
2 |
اجتماعی (384/0) |
|
039/0 |
84/0 |
میزان آگاهی شهروندان از مقاومت ساختمانهای مسکونیشان دربرابر حوادث طبیعی |
Soc3 |
3 |
|
|
090/0 |
85/0 |
میزان آگاهی شهروندان از وجود امکانات امدادی در زمان وقوع حوادث طبیعی |
Soc4 |
4 |
|
|
025/0 |
82/0 |
میزان آمادگی و آموزش شهروندان دربرابر حوادث طبیعی |
Soc5 |
5 |
|
|
067/0 |
85/0 |
میزان آگاهی از پناهگاههای مناسب در هنگام وقوع حوادث طبیعی |
Soc7 |
7 |
|
|
218/0 |
92/0 |
میزان آگاهی از ضوابط ایمنی مسکن دربرابر حوادث طبیعی |
Soc8 |
8 |
|
|
139/0 |
86/0 |
میزان اعتماد شهروندان به نهادهای متولی شهر ازقبیل شهرداری و شورا و مدیریت بحران در حل مسائل مرتبط با حوادث طبیعی |
Soc10 |
10 |
|
|
121/0 |
94/0 |
وضعیت توانایی بازگشت به شرایط شغلی و درآمدی مناسب برای شهروندان بعد از وقوع حوادث طبیعی |
Eco2 |
2 |
اقتصادی (267/0) |
|
316/0 |
95/0 |
میزان ایمنی اموال شهروندان (مغازه، مسکن و...) دربرابر حوادث طبیعی |
Eco4 |
4 |
|
|
091/0 |
90/0 |
میزان حمایت نهادهای دولتی و محلی برای جبران خسارتهای مالی در شرایط اضطراری |
Eco5 |
5 |
|
|
280/0 |
80/0 |
میزان مشارکت شهروندان در تصمیمگیریها و برنامهریزیهای مرتبط با مدیریت بحران |
Inst2 |
2 |
نهادی-مدیریتی (179/0) |
|
627/0 |
84/0 |
میزان وجود گروههای داوطلب و امدادی در محله برای کمک و امدادرسانی در شرایط بحرانی |
Inst7 |
7 |
|
|
016/0 |
48/0 |
میزان دسترسی به مراکز بهداشتی – درمانی ازقبیل بیمارستان، اورژانس، داروخانهها و... در هنگام بروز حوادث طبیعی |
Phy2 |
2 |
کالبدی- زیرساختی (305/0) |
|
077/0 |
53/0 |
میزان دسترسی به پارکها و فضاهای سبز بعد از وقوع حوادث طبیعی |
Phy5 |
5 |
|
|
155/0 |
76/0 |
میزان دسترسی به آتشنشانیها بعد از وقوع حوادث طبیعی |
Phy6 |
6 |
|
|
045/0 |
53/0 |
میزان دسترسی به مراکز آموزشی ازقبیل مدرسهها، دانشگاه ها و... بعد از وقوع حوادث طبیعی |
Phy7 |
7 |
|
|
009/0 |
44/0 |
میزان دسترسی به برق، آب، تلفن و... بعد از وقوع حوادث طبیعی |
Phy8 |
8 |
|
|
030/0 |
49/0 |
دوری از محدودههای مخاطرهزای انسانی (جایگاه سوخت، برق فشار قوی) درسطح محله |
Phy10 |
10 |
|
|
216/0 |
78/0 |
میزان بهرهگیری از ضوابط فنی مقاومسازی مسکنها |
Phy12 |
12 |
|
|
121/0 |
71/0 |
میزان کیفیت استحکام ساختمانی مراکز ارائۀ خدمات عمومی (مدرسهها، بیمارستانها و...) |
Phy15 |
15 |
منبع: یافتههای پژوهش، 1402
جدول 6: اوزان فازی شاخصهای آشکار تابآوری شهری منطقۀ 6 کلانشهر تبریز
Table 6: Fuzzy weights of obvious indicators of urban resilience in the 6th district of Tabriz metropolis
|
اوزان فازی |
بار عاملی (FL) |
شاخصهای آشکار |
کد شاخصهای آشکار |
ردیف |
شاخصهای پنهان (ضریب تأثیر) |
|
069/0 |
60/0 |
میزان آگاهی شهروندان از خسارت احتمالی واردشده به منطقه درصورت وقوع حوادث طبیعی |
Soc2 |
2 |
اجتماعی (265/0) |
|
212/0 |
87/0 |
میزان آگاهی شهروندان از مقاومت ساختمانهای مسکونیشان دربرابر حوادث طبیعی |
Soc3 |
3 |
|
|
155/0 |
78/0 |
میزان آگاهی شهروندان از وجود امکانات امدادی در زمان وقوع حوادث طبیعی |
Soc4 |
4 |
|
|
095/0 |
63/0 |
میزان آمادگی و آموزش شهروندان دربرابر حوادث طبیعی |
Soc5 |
5 |
|
|
122/0 |
66/0 |
میزان آگاهی از پناهگاههای مناسب در هنگام وقوع حوادث طبیعی |
Soc7 |
7 |
|
|
019/0 |
37/0 |
میزان آگاهی از ضوابط ایمنی مسکن دربرابر حوادث طبیعی |
Soc8 |
8 |
|
|
043/0 |
42/0 |
میزان تعامل و ارتباط شهروندان با همسایگان دربارۀ مسائل مربوط به حوادث طبیعی |
Soc9 |
9 |
|
|
268/0 |
39/0 |
میزان مهارتهای شغلی و تخصصی شهروندان |
Eco3 |
3 |
اقتصادی (110/0) |
|
117/0 |
37/0 |
میزان ایمنی اموال شهروندان (مغازه، مسکن و...) دربرابر حوادث طبیعی |
Eco4 |
4 |
|
|
034/0 |
66/0 |
میزان مشارکت شهروندان در تصمیمگیریها و برنامهریزیهای مرتبط با مدیریت بحران |
Inst2 |
2 |
نهادی-مدیریتی (337/0) |
|
058/0 |
79/0 |
میزان ارتباط شهروندان با نهادهایی مثل شهرداری در مدیریت بحران |
Inst3 |
3 |
|
|
023/0 |
40/0 |
میزان همکاری شهرداری در تسهیل قوانین، دادن اعتبارات و... برای مقاومسازی مساکنها و ساختوساز مسکنهای مقاوم دربرابر حوادث طبیعی |
Inst4 |
4 |
|
|
268/0 |
90/0 |
میزان آمادگی نهادهای خدماتی مثل آتشنشانی، برق، آب، گاز و... درصورت وقوع حوادث طبیعی |
Inst5 |
5 |
|
|
177/0 |
81/0 |
میزان برگزاری دورههای آموزشی لازم برای واکنش سریع و منطقی دربرابر حوادث طبیعی ازطرف نهادها |
Inst6 |
6 |
|
|
106/0 |
80/0 |
میزان وجود گروههای داوطلب و امدادی در محله برای کمک و امدادرسانی در شرایط بحرانی |
Inst7 |
7 |
|
|
192/0 |
92/0 |
میزان دسترسی به مراکز بهداشتی – درمانی ازقبیل بیمارستان، اورژانس، داروخانهها و... در هنگام بروز حوادث طبیعی |
Phy2 |
2 |
کالبدی- زیرساختی (528/0)
|
|
008/0 |
35/0 |
میزان دسترسی به وسایل حملونقل عمومی بعد از وقوع حوادث طبیعی |
Phy4 |
4 |
|
|
066/0 |
56/0 |
میزان دسترسی به پارکها و فضاهای سبز بعد از وقوع حوادث طبیعی |
Phy5 |
5 |
|
|
097/0 |
57/0 |
میزان دسترسی به آتشنشانیها بعد از وقوع حوادث طبیعی |
Phy6 |
6 |
|
|
019/0 |
43/0 |
میزان دسترسی به مراکز آموزشی ازقبیل مدرسهها، دانشگاهها و... بعد از وقوع حوادث طبیعی |
Phy7 |
7 |
|
|
021/0 |
49/0 |
میزان دسترسی به برق، آب، تلفن و... بعد از وقوع حوادث طبیعی |
Phy8 |
8 |
|
|
012/0 |
37/0 |
دوری از محدودههای مخاطرهزای طبیعی (گسل، زمین نامناسب) درسطح محله |
Phy9 |
9 |
|
|
033/0 |
50/0 |
دوری از محدودههای مخاطرهزای انسانی (جایگاه سوخت، برق فشار قوی) درسطح محله |
Phy10 |
10 |
|
|
173/0 |
82/0 |
میزان مقاومبودن ساختمانهای مسکونی شهر دربرابر حوادث طبیعی |
Phy11 |
11 |
|
|
050/0 |
53/0 |
میزان بهرهگیری از ضوابط فنی مقاومسازی مسکنها |
Phy12 |
12 |
|
|
131/0 |
75/0 |
میزان کیفیت استحکام ساختمانی مراکز ارائۀ خدمات عمومی (مدارسهها، بیمارستانها و...) |
Phy15 |
15 |
منبع: یافتههای پژوهش، 1402
وضعیت برخورداری منطقۀ 5 و 6 تبریز به تفکیک محلهها از شاخصهای تابآوری
وزن فازی هریک از شاخصهای آشکار با توجه به نظر کارشناسان و متخصصان امر و با افزونۀ AHP در محیط GIS محاسبه (جدول 4) و با استفاده از ابزار Weighted Sum شاخصهای آشکار مربوط به هر شاخص پنهان با یکدیگر ترکیب شد و درنهایت، مورد همپوشانی قرار گرفت (اوزان فازی شاخصهای آشکار با استفاده از ابزار Weighted Sum در محیط GIS وارد و نقشههای ترکیبی شاخصهای پنهان با این اوزان تهیه شد) که نتیجۀ آن استخراج 4 نقشۀ ترکیبی برای هرکدام از شاخصهای پنهان اجتماعی، اقتصادی، نهادی - مدیریتی و کالبدی - زیرساختی برای مناطق 5 و 6 کلانشهر تبریز بود. نتیجۀ حاصل از همپوشانی شاخصهای آشکار هرکدام از شاخصهای پنهان اجتماعی، اقتصادی، نهادی - مدیریتی و کالبدی - زیرساختی تابآوری نشان میدهد که در منطقۀ 5 تبریز بهلحاظ اجتماعی، محلههای الهیه، رشدیه، ولی امر، فرشته، بارنج و کوشن، نصر و بهاران در بهترین وضعیت، محلههای باغمیشۀ جدید، کوی استانداری، دانشگاه آزاد، مرزداران، کوی سپهر و شهرک مصلی در وضعیت متوسط و محلههای شهرک، کرکج، نمایشگاه و شهرک صنعتی در بدترین وضعیت قرار دارد. در منطقۀ 5 تبریز بهلحاظ اقتصادی محلههای ولی امر، رشدیه، الهیه، فرشته، بارنج و کوشن، بهاران، نصر، کوی استانداری و دانشگاه آزاد در بهترین وضعیت، محلههای باغمیشۀ جدید، کوی سپهر و شهرک صنعتی در وضعیت متوسط و محلههای شهرک، کرکج، نمایشگاه و شهرک مصلی در بدترین وضعیت قرار دارد. در منطقۀ 5 تبریز بهلحاظ نهادی - مدیریتی محلههای شهرک، کرکج و شهرک صنعتی در بهترین وضعیت، محلههای کوی استانداری، دانشگاه آزاد، مرزداران، کوی سپهر، نمایشگاه و شهرک مصلی در وضعیت متوسط و محلههای ولی امر، الهیه، فرشته، باغمیشۀ جدید، بارنج و کوشن، بهاران و نصر در بدترین وضعیت قرار دارد. در منطقۀ 5 بهلحاظ کالبدی - زیرساختی محلههای رشدیه، ولی امر، الهیه، فرشته، باغمیشۀ جدید، بارنج و کوشن، بهاران، نصر، کوی استانداری و دانشگاه آزاد در بهترین وضعیت، شهرک صنعتی، مرزداران و کوی سپهر در وضعیت متوسط و محلههای شهرک، کرکج، نمایشگاه و شهرک مصلی در بدترین وضعیت قرار دارد. در منطقۀ 6 تبریز بهلحاظ اجتماعی محلههای شهرک امام، قراملک، شام غازان و خطیب در بهترین وضعیت، شهرک شهید بهشتی در وضعیت متوسط و فرودگاه در بدترین وضعیت قرار دارد. در منطقۀ 6 تبریز بهلحاظ اقتصادی محلههای شهرک امام، قراملک، شام غازان و خطیب در وضعیت متوسط و کمی بهتر از متوسط و فرودگاه و شهرک شهید بهشتی در وضعیت متوسط روبه پایین قرار دارد. در منطقۀ 6 نیز بهلحاظ نهادی - مدیریتی محلههای شهرک امام، قراملک، شام غازان و خطیب در بهترین وضعیت و محلههای فرودگاه و شهرک شهید بهشتی در وضعیت متوسط روبه پایین قرار دارد. در منطقۀ 6 نیز بهلحاظ کالبدی – زیرساختی محلههای شهرک امام، قراملک، شام غازان و خطیب در بهترین وضعیت و فرودگاه و شهرک شهید بهشتی در وضعیت متوسط روبه پایین قرار دارد.
وضعیت نهایی تابآوری منطقۀ 5 و 6 کلانشهر تبریز
برای ترسیم وضعیت کلی تابآوری منطقۀ 5 تبریز لایههای حاصل از ترکیب شاخصهای پنهان اجتماعی، اقتصادی، نهادی- مدیریتی و کالبدی - زیرساختی با استفاده از ابزار Fuzzy overlay همپوشانی و نقشۀ نهایی تابآوری برای منطقۀ 5 تبریز با استفاده از گامای 9/0، 8/0 و 7/0 ترسیم شد. نقشهای که با گامای 9/0 برای منطقۀ 5 تبریز تهیه شده بود، به واقعیت نزدیکتر بود؛ از این رو این نقشه بهعنوان نقشۀ نهایی وضعیت تابآوری منطقۀ 5 انتخاب شد. بخشهای شمال غربی و مرکزی منطقۀ 5 تبریز بهلحاظ تابآوری وضعیت بهتر و بهنسبت بهتری داشته است؛ بنابراین در رتبۀ متوسط روبه بالا قرار میگیرد؛ ولی بخشهای جنوبی تبریز بهلحاظ تابآوری وضعیت بد و بهنسبت بدی دارد. در منطقۀ 5 محلههای بارنج و کوشن، بهاران، نصر، کوی استانداری، دانشگاه آزاد، مرزداران، کوی سپهر در بهترین وضعیت، محلههای مربوط به ولی امر، رشدیه، باغمیشۀ جدید، شهرک صنعتی، فرشته و الهیه در وضعیت متوسط و متوسط روبه بالا و محلههای شهرک، کرکج، نمایشگاه و شهرک مصلی در وضعیت متوسط روبه پایین تابآوری قرار دارد. همچنین، با استفاده از توابع Intersect و Reclass نقشۀ نهایی تابآوری در مقیاس فازی و در 5 دستۀ تابآوری خیلی کم، کم، متوسط، زیاد و خیلی زیاد رتبهبندی و سپس وکتورسازی شد. همچنین، وضعیت تابآوری شهری منطقۀ 5 کلانشهر تبریز براساس مساحت برخورداری در 5 دستۀ تابآوری خیلی کم، کم، متوسط، زیاد و خیلی زیاد محاسبه شد (جدول 7). به لحاظ وضعیت تابآوری منطقۀ 5 که مساحت آن در حدود 18/3230 هکتار است، در آن کلاس تابآوری متوسط با دارابودن 53/824 هکتار (52/25 درصد) در رتبۀ اول قرار دارد؛ از این رو در این منطقه این کلاس بیشترین میزان تابآوری را دربین کلاسهای دیگر تابآوری دارد. بعد از آن کلاسهای تابآوری زیاد، تابآوری کم، تابآوری خیلی زیاد و تابآوری خیلی کم بهترتیب با 2/818 هکتار (33/25 درصد)، 97/716 هکتار (19/22 درصد)، 75/495 هکتار (35/15 درصد) و 73/374 هکتار (60/11 درصد) بیشترین میزان تابآوری منطقۀ 5 تبریز را دارد. در منطقۀ 5 تبریز محلههای بارنج و کوشن، بهاران، نصر، کوی استانداری، دانشگاه آزاد، مرزداران، کوی سپهر تابآوری خیلیزیاد دارد و بعد از آن هم محلههای شهرک صنعتی، فرشته و الهیه تابآوری زیاد، محلههای ولی امر، رشدیه و باغمیشۀ جدید تابآوری متوسط و محلههای شهرک، کرکج، نمایشگاه و شهرک مصلی تابآوری کم و خیلی کم دارد. برای ترسیم وضعیت کلی تابآوری منطقۀ 6 تبریز لایههای حاصل از ترکیب شاخصهای پنهان اجتماعی، اقتصادی، نهادی- مدیریتی و کالبدی - زیرساختی با استفاده از ابزار Fuzzy overlay همپوشانی و سپس نقشۀ نهایی تابآوری با استفاده از گامای 9/0، 8/0 و 7/0 برای منطقۀ مذکور ترسیم شد. نقشهای که با گامای 8/0 برای منطقۀ 6 تبریز تهیه شده بود، به واقعیت نزدیکتر بود؛ از این رو این نقشه بهعنوان نقشۀ نهایی وضعیت تابآوری منطقۀ 6 انتخاب شد. بخشهای شمالی منطقۀ 6 تبریز بهلحاظ تابآوری وضعیت بد و بهنسبت بدی داشته است؛ بنابراین در رتبۀ متوسط روبه پایین قرار میگیرد؛ ولی بخشهای جنوبی و مرکزی منطقۀ 6 وضعیت بهتر و بهنسبت بهتری داشته است؛ بنابراین در رتبۀ متوسط روبه بالا قرار میگیرد. در منطقۀ 6 محلههای شهرک امام، قراملک، شام غازان و خطیب در وضعیت متوسط روبه بالای تابآوری قرار دارد؛ ولی محلههای مرتبط با فرودگاه و شهرک شهید بهشتی وضعیت بد و بهنسبت بدی داشته است؛ بنابراین در رتبۀ متوسط روبه پایین قرار میگیرد. نقشۀ نهایی تابآوری با استفاده از توابع Intersect و Reclass در مقیاس فازی و در 5 دستۀ تابآوری خیلی کم، کم، متوسط، زیاد و خیلی زیاد رتبهبندی و سپس وکتورسازی شد. همچنین، وضعیت تابآوری شهری منطقۀ 6 کلانشهر تبریز براساس مساحت برخورداری در 5 دستۀ تابآوری خیلی کم، کم، متوسط، زیاد و خیلی زیاد محاسبه شد (جدول 7). در منطقۀ 6 تبریز که در حدود 75/8456 هکتار مساحت وسعت دارد، در آن تابآوری متوسط با دارابودن 21/2991 هکتار (37/35 درصد) در اولویت اول قرار دارد؛ از این رو در این منطقه، این کلاس بیشترین میزان تابآوری را دربین کلاسهای دیگر تابآوری دارد. بعد از آن کلاسهای تابآوری کم، تابآوری خیلی زیاد، تابآوری خیلی کم و تابآوری زیاد با 08/1961 هکتار (19/23 درصد)، 40/1542 هکتار (24/18 درصد)، 68/1260 هکتار (91/14 درصد) و 37/701 هکتار (29/8 درصد) بیشترین میزان تابآوری منطقۀ 6 تبریز را دارد. در منطقۀ 6 محلههای شهرک امام، قراملک، شام غازان و خطیب تابآوری خیلی زیاد و زیاد، محلۀ شهرک شهید بهشتی تابآوری متوسط و فرودگاه تابآوری کم و خیلی کم را دارد. با توجه به اینکه کلاس تابآوری زیاد و خیلی زیاد منطقۀ 5 در حدود 68/40 درصد و منطقۀ 6 تبریز در حدود 53/26 درصد است، وضعیت تابآوری در منطقۀ 5 نسبت به منطقۀ 6 بهتر است. منطقۀ 6 نیز در کلاس تابآوری متوسط با 37/35 درصد نسبت به منطقۀ 5 با 52/25 درصد وضعیت بهتری دارد.
جدول 7: میزان تابآوری مناطق 5 و 6 تبریز
Table7: The level of resilience of districts 5 and 6 of Tabriz
|
کلاسهای تابآوری |
منطقۀ 5 |
منطقۀ 6 |
||
|
مساحت (هکتار) |
درصد |
مساحت (هکتار) |
درصد |
|
|
تابآوری خیلی کم |
73/374 |
60/11 |
68/1260 |
91/14 |
|
تابآوری کم |
97/716 |
19/22 |
08/1961 |
19/23 |
|
تابآوری متوسط |
53/824 |
52/25 |
29/2991 |
37/35 |
|
تابآوری زیاد |
2/818 |
33/25 |
37/701 |
29/8 |
|
تابآوری خیلی زیاد |
75/495 |
35/15 |
40/1542 |
24/18 |
منبع: یافتههای پژوهش، 1402
نتیجهگیری
هدف از پژوهش حاضر ارزیابی وضعیت تابآوری مناطق 5 و 6 کلانشهر تبریز، اولویتبندی شاخصهای مؤثر بر تابآوری مناطق 5 و 6 و مقایسۀ تطبیقی تابآوری مناطق 5 و 6 کلانشهر تبریز است. در منطقۀ 5 تبریز بخشهای شمال غربی و مرکزی بهلحاظ تابآوری وضعیت بهتر و بهنسبت بهتری داشته است؛ بنابراین در رتبۀ متوسط روبه بالا قرار میگیرد. بخشهای جنوبی تبریز بهلحاظ تابآوری نیز وضعیت بد و بهنسبت بدی دارد؛ درحالی که در منطقۀ 6 بخشهای شمالی بهلحاظ تابآوری وضعیت بد و بهنسبت بدی داشته است؛ بنابراین در رتبۀ متوسط روبه پایین قرار میگیرد. بخشهای جنوبی و مرکزی منطقۀ 6 وضعیت بهتر و بهنسبت بهتری داشته است؛ بنابراین در رتبۀ متوسط روبه بالا قرار میگیرد. در تابآوری منطقۀ 5 تبریز شاخص اجتماعی با ضریب بتای 384/0 (83/33 درصد) بیشترین میزان تأثیر را دارد؛ ولی در منطقۀ 6 تبریز شاخص کالبدی - زیرساختی با 58/42 درصد در اولویت اول تأثیرگذاری قرار دارد. بعد از اینها در تابآوری منطقۀ 5 تبریز بهترتیب شاخصهای کالبدی - زیرساختی، اقتصادی و نهادی - مدیریتی با ضرایب بتای 305/0 (87/26 درصد)، 267/0 (52/23 درصد) و 179/0 (77/15 درصد) بیشترین تأثیر را دارند. در تابآوری منطقۀ 6 تبریز هم بهترتیب شاخصهای نهادی - مدیریتی، اجتماعی و اقتصادی با ضرایب بتای 337/0 (18/27 درصد)، 265/0 (37/21 درصد) و 110/0 (87/8 درصد) بیشترین تأثیر را دارند. در هر دو منطقۀ 5 و 6 تمامی 5 کلاس تابآوری از خیلی کم تا خیلی زیاد وجود دارد. در منطقۀ 5 تبریز تابآوری متوسط با دارابودن 53/824 هکتار (52/25 درصد) در رتبۀ اول قرار دارد. در منطقۀ 6 تبریز نیز تابآوری متوسط با دارابودن 21/2991 هکتار (37/35 درصد) در اولویت اول قرار دارد که درصدهای هر دو منطقه در این ردۀ تابآوری به یکدیگر نزدیک است و تفاوت چندانی باهم ندارد. در منطقۀ 5 بعد از آن، کلاسهای تابآوری زیاد، تابآوری کم، تابآوری خیلی زیاد و تابآوری خیلی کم بهترتیب با 2/818 هکتار (33/25 درصد)، 97/716 هکتار (19/22 درصد)، 75/495 هکتار (35/15 درصد) و 73/374 هکتار (60/11 درصد) بیشترین میزان تابآوری منطقۀ 5 تبریز را دارند و در منطقۀ 6 نیز بعد از آن، کلاسهای تابآوری کم، تابآوری خیلی زیاد، تابآوری خیلی کم و تابآوری زیاد بهترتیب با 08/1961 هکتار (19/23 درصد)، 40/1542 هکتار (24/18 درصد)، 68/1260 هکتار (91/14 درصد) و 37/701 هکتار (29/8 درصد) بیشترین میزان تابآوری منطقۀ 6 تبریز را دارند که بهلحاظ رتبه کلاسهای تابآوری تفاوت زیادی باهم دارند. برخلاف منطقۀ 5 که در آن تابآوری زیاد در رتبۀ دوم اهمیت قرار دارد، در منطقۀ 6 تابآوری کم در رتبۀ دوم اهمیت قرار دارد. بررسی پژوهشهای انجامشدۀ داخلی و خارجی درزمینۀ تابآوری شهری مشخص میکند که پژوهشهای انجامشده با پژوهش حاضر شباهتهایی دارد: از جمله اینکه در عرصۀ داخلی پژوهش بهرهور (1399)، قاسمی گنجه لو و عزتپناه (1401)، رهنما و الهی چورن (1402)، خالدی و همکاران (1398)، روستایی و همکاران (1398)، پوراحمد و همکاران (1398)، حشمتی جدید و همکاران (1399) و نهندی بهروز (1401) و در عرصۀ خارجی پژوهش Tayyab et al. (2021)، (2022) Gashu & Alene، (2022) Zhao et al.، (2022) Kodag et al.، Lu et al. (2022)، (2023) Wang et al. و (2024) Liu et al همچون پژوهش حاضر سطحهای تابآوری را در مناطق مطالعهشده و سطحبندی آنها و یا مقایسۀ تطبیقی سطحهای تابآوری را دربین مناطق مطالعهشده بررسی کردهاند. در عرصۀ داخلی رهنما و الهی چورن (1402) و در عرصۀ خارجی .(2023) Wang et al و .(2024) Liu et al در پژوهشهای خود همچون این پژوهش ابعاد تابآوری (اکولوژیکی، اقتصادی، اجتماعی، زیرساختی و...)، عوامل دخیل در تابآوری و اولویتبندی شاخصهای دخیل در تابآوری مناطق مطالعهشده را بررسی کردهاند. (2023) Wang et al. در پژوهش خود بر دخیلبودن عواملی همچون مناطق جغرافیایی، تراکمهای شهری و مقیاسهای جمعیتی مختلف در تابآوری متفاوت مناطق مطالعهشده تأکید داشتهاند که در پژوهش حاضر نیز مشخص شد که قسمتهای مختلف مناطق 5 و 6 تبریز تابآوری متفاوتی دارد. در پژوهش .Kodag et al (2022) همانند پژوهش حاضر مناطق مطالعهشده ازنظر اقتصادی ضعیفتر است و تابآوری کم دارد. محققان در پژوهش حاضر برخلاف محققان پژوهشهای دیگر که تنها از روشهای آماری استفاده و یا با تحلیلهای GIS ای از هر دو روش در کنار هم استفاده میکردند، محققان در این پژوهش با به دست آوردن ضرایب استاندارد شاخصهای آشکار ابعاد چهارگانۀ اجتماعی، اقتصادی، نهادی - مدیریتی و کالبدی - زیرساختی تابآوری در محیط لیزرل و مشخصکردن شاخصهای قوی و ضعیف به سنجش دقیق و اولویتبندی شاخصهای تابآوری و وضعیت تابآوری مناطق 5 و 6 تبریز پرداختند که بدینسان میتوان پیشنهادهای بهتر و عملیتری را در راستای افزایش هرچه بیشتر تابآوری شهری ارائه کرد. تفاوت مهمتری که این پژوهش با پژوهشهای انجامشده درزمینۀ تابآوری دارد، این است که در هیچیک از پژوهشهای انجامشده به سنجش تابآوری شهری دربارۀ مناطق 5 و 6 کلانشهر تبریز پرداخته نشده است؛ ولی در این پژوهش تابآوری مناطق 5 و 6 تبریز بهلحاظ ابعاد چهارگانۀ تابآوری بررسی و کاوش دقیق شده است.
منابع
بهرهور، حامد (1399). سطحبندی تابآوری محلات شهری در مواجهه با زلزله در بافتهای مسئلهدار شهری با روش تحلیل سلسلهمراتبی و منطق فازیFAHP (مطالعۀ موردی: شهر تبریز) [پایاننامۀ کارشناسی ارشد، دانشگاه تبریز]. گنج. https://ganj.irandoc.ac.ir/#/articles/90fe95d76073fda45e759c594450bf84
پوراحمد، احمد، زیاری، کرامتالله، ابدالی، یعقوب، و الله قلی پور کهرالانی، سارا (1398). تحلیل معیارهای تابآوری در بافت فرسودۀ شهری دربرابر زلزله با تأکید بر تابآوری کالبدی (مورد مطالعه: منطقۀ 10 شهرداری تهران). پژوهش و برنامهریزی، 10(36)، 1-20. https://jupm.marvdasht.iau.ir/article_3408.html
پورطاهری، مهدی (1393). کاربرد روشهای تصمیمگیری چندشاخصه در جغرافیا. انتشارات سمت.
حشمتی جدید، مهدی، سلیمانی مهرنجانی، محمد، زنگانه، احمد، و پریزادی، طاهر (1399). تبیین نقش ظرفیت نهادی در ارتقای تابآوری شهری در بحرانهای زیستمحیطی. مجلۀ سیاست دفاعی، 29(111)، 1-28.
https://dpj.ihu.ac.ir/article_205774.html
خالدی، شهریار، قهرودی تالی، منیژه، و فرهمند، قاسم (1398). سنجش و ارزیابی میزان تابآوری مناطق شهری دربرابر سیلابهای شهری (مطالعۀ موردی: شهر ارومیه). فصلنامۀ توسعۀ پایدار محیط جغرافیایی، 2(3)، 169-182.
https://doi.org/10.52547/sdge.2.3.169
رضایی، الناز، صالحی، اسماعیل، لاهیجانیان، اکرم الملوک، و احسانی، امیرهوشنگ (1400). ارزیابی و تحلیل تابآوری کاربری اراضی شهری (مطالعۀ موردی: منطقۀ22 شهر تهران). فصلنامۀ جغرافیایی سرزمین، 18(71)، 23- 44.
https://ensani.ir/fa/article/487951
رمضانیان، محمدرحیم، و زارعی دودجی، ابوالقاسم (1391). انتخاب استاد نمونه براساس مدل تاپسیس سلسلهمراتبی در محیط فازی. نشریۀ پژوهش و برنامهریزی در آموزش عالی، 18(4)، 49- 73.
https://journal.irphe.ac.ir/article_702796.html
رهنما، محمد رحیم، و الهی چورن، محمدعلی (1402). ارزیابی ابعاد تابآوری شهری دربرابر سیلاب در شهرهای غرب استان مازندران. مخاطرات محیط طبیعی، 12(38)، 1-22.
https://doi.org/10.22111/jneh.2023.41127.1866
روستایی، شهریور، حقی، وحید، و جداری، امیر (1398). ارزیابی میزان تابآوری کالبدی محیطهای شهری دربرابر زلزله (نمونۀ موردی: کلانشهر تبریز). فصلنامۀ پژوهش اجتماعی، 11(43)، 105-129.
https://sanad.iau.ir/fa/Article/1111326?FullText=FullText
قاسمی گنجه لو، رضا، و عزتپناه، بختیار (1401). بررسی مؤلفههای تابآوری شهری با تأکید بر سوانح طبیعی (سیل) در شهر تبریز (مطالعۀ موردی: مناطق 2، 3، 4 و 7 شهر تبریز). سیاستگذاری شهری و منطقهای، 1(3)، 1- 20.
https://ensani.ir/fa/article/517505
محمودزاده، حسن، و هریسچیان، مهدی (1397). سنجش و اولویتبندی شاخصهای تابآوری با روش ترکیبی معادلات ساختاری و تحلیل چندمتغیرۀ فازی (مطالعۀ موردی: منطقۀ یک کلانشهر تبریز). فصلنامۀ پژوهش و برنامهریزی شهری، 9(34)، 59-74. https://www.sid.ir/paper/220384/fa
مشبکی، اصغر (1376). کاربرد منطق فازی در مطالعۀ رفتار سازمانی نگرشی جدید از گفتههای پنهان در رفتار سازمانی. مجلۀ آیندهپژوهی مدیریت، 9(33)، 37-61. https://sanad.iau.ir/Journal/jss/Subject/10146
نهندی بهروز، مرضیه (1401). سنجش تابآوری بافتهای ناکارآمد شهری (مطالعۀ موردی: محلات اسکان غیررسمی مناطق 1 و 10 کلان شهر تبریز) [پایاننامۀ کارشناسیارشد، مؤسسۀ آموزش عالی سراج]. گنج.
https://ganj.irandoc.ac.ir/#/articles/1b57eff79cea28d9f4a52a03c337b4f6
References
Aldrich, D. P., & Meyer, M. A. (2015). Social capital and community resilience. American Behavioral Scientist, 59(2), 254-269. http://dx.doi.org/10.1177/0002764214550299
Adger, W. N. (2006). Vulnerability. Global Environmental Change, 16(3), 268-281. https://doi.org/10.1016/j.gloenvcha.2006.02.006
Bahrevar, H. (2019). Resiliency stratification of urban areas in the face of earthquakes in problematic urban contexts with the method of hierarchical analysis and fuzzy logic FAHP (Case study: Tabriz city) [Master's thesis, Tabriz University]. Ganj. https://ganj.irandoc.ac.ir/#/articles/90fe95d76073fda45e759c594450bf84 [In Persian].
Bozza, A., Asprone, D., & Manfredi, G. (2015). Developing an integrated framework to quantify resilience of urban systems against disasters. Natural Hazards, 78(3), 1729-1748. https://doi.org/10.1007/s11069-015-1798-3
Bruneau, M., Chang, S.E., Eguchi, R.T., Lee, G.C., O'Rourke, T.D., Reinhorn, A.M., Shinozuka, M., Tierney, K., Wallace, W.A., & Von Winterfeldt, D. (2003). A framework to quantitatively assess and enhance the seismic resilience of communities. Earthquake Spectra, 19(4), 733-752. https://doi.org/10.1193/1.1623497
Chang, S. E., McDaniels, T., Fox, J., Dhariwal, R., & Longstaff, H. (2014). Toward disaster‐resilient cities: Characterizing resilience of infrastructure systems with expert judgments. Risk analysis, 34(3), 416-434. https://doi.org/10.1111/risa.12133
Choi, J., Deshmukh, A., Naderpajouh, N., & Hastak, M. (2017). Dynamic relationship between functional stress and strain capacity of post-disaster infrastructure. Natural Hazards, 87(2), 817-841. https://B2n.ir/z61846
Cimellaro, G. P., Reinhorn, A. M., & Bruneau, M. (2010). Framework for analytical quantification of disaster resilience. Engineering structures, 32(11), 3639-3649. https://doi.org/10.1016/j.engstruct.2010.08.008
Cohen, J. (1988). A power primer. Quatitative Methode in Psychology. https://psycnet.apa.org/doi/10.1037/14805-018
De Groeve, T., Poljansek, K., & Vernaccini, L. (2015). Index for risk management-INFORM. European commission. https://B2n.ir/r59462
Eastman, J. R. (2012). Idrisi selva manual, manual version 17. Clark University. https://www.scirp.org/reference/ReferencesPapers?ReferenceID=1509070
Ertuğrul, Í., & Karakaşoğlu, N. (2007). Fuzzy TOPSIS method for academic member selection in engineering faculty in Innovations in E-learning, instruction technology assessment and engineering education. Springer Netherlands. http://dx.doi.org/10.1007/978-1-4020-6262-9_27
Gashu, K., & Alene, E. T. (2022). Urban expansion and its implication to build urban resilience in Regio-Metropolitan cities of the amahara region Ethiopia. Urban Science, 6(3), 58. https://doi.org/10.3390/urbansci6030058
Ghasemi Ganjelu, R., & Ezzatpanah, B. (2022). Examining the components of urban resilience by arguing about natural disasters (floods) in Tabriz city (Case study: Regions 2, 3, 4 and 7 of Tabriz city). Urban and Regional Policy, 1(3), 1-20. https://ensani.ir/fa/article/517505 [In Persian].
Giddens, A. (2009). The politics of climate change (A. Giddens, Ed.). Polity press foke.
Heshmati Jadid, M., Soleimani Mehranjani, M., Zanganeh, A., & Prizadi, T. (2019). Explaining the role of institutional capacity in promoting resilience city in environmental crises. Journal of Defense Policy, 28(11) 1-28. https://dpj.ihu.ac.ir/article_205774.html [In Persian].
Holling, C. S., Schindler, D. W., Walker, B. W., & Roughgarden, J. (1995). Biodiversity in the functioning of ecosystems: an ecological synthesis. Biodiversity loss.
Khaledi, Sh., Ghahrodi Tali, M., & Farhamand, Q. (2018). Measuring and evaluating the resilience of urban areas against urban floods (Case study: Urmia city). Quarterly Journal of Sustainable Development of The Geographical Environment, 1(2), 1-15. https://doi.org/10.52547/sdge.2.3.169 [In Persian].
Kodag, S., Mani, S. K., Balamurugan, G., & Bera, S. (2022). Earthquake and flood resilience through spatial planning in the complex urban system. Progress in Disaster Science, 14(3), 100219. https://doi.org/10.1016/j.pdisas.2022.100219
Liu, W., Zhou, J., Li, X., Zheng, H., & Liu, Y. (2024). Urban resilience assessment and its spatial correlation from the multidimensional perspective: A case study of four provinces in North-South Seismic Belt China. Sustainable Cities and Society, 101, 105109. https://doi.org/10.1016/j.scs.2023.105109
López-Marrero, T., & Tschakert, P. (2011). From theory to practice: building more resilient communities in flood-prone areas. Environment and Urbanization, 23(1), 229-249. https://doi.org/10.1177/0956247810396055
Lu, H., Zhang, C., Jiao, L., Wei, Y., & Zhang, Y. (2022). Analysis on the spatial-temporal evolution of urban agglomeration resilience: A case study in Chengdu-Chongqing Urban agglomeration China. International Journal of Disaster Risk Reduction, 79, 103167. https://doi.org/10.1016/j.ijdrr.2022.103167
Lucini, B. (2013). Social capital and sociological resilience in megacities context. International Journal of Disaster Resilience In The Built Environment, 4(1), 58-71. https://doi.org/10.1108/17595901311299008
MacAskill, K., & Guthrie, P. (2015). A hierarchy of measures for infrastructure resilience–learning from post-disaster reconstruction in Christchurch New Zealand. Civil Engineering and Environmental Systems, 32(1-2), 130-142. http://dx.doi.org/10.1080/10286608.2015.1022728
Mahmoudzadeh, H., & Harishchian, M. (2017). Assessment and prioritization of resilience indicators with the combined method of structural equations and fuzzy multivariate analysis (Case study: One area of Tabriz metropolis). Urban Research and Planning Quarterly, 9(34), 59-74. https://www.sid.ir/paper/220384/fa [In Persian].
Matisziw, T. C., & Murray, A. T. (2009). Modeling s–t path availability to support disaster vulnerability assessment of network infrastructure. Computers & Operations Research, 36(1), 16-26. https://doi.org/10.48550/arXiv.1006.5111
Moshabaki, A. (1997). Using fuzzy logic in the study of organizational behavior a new perspective on hidden statements in organizational behavior. Journal of Future Studies of Management, 9(33), 37-61. https://sanad.iau.ir/Journal/jss/Subject/10146 [In Persian].
Mukherjee, F., & Singh, D. (2020). Assessing land use–land cover change and its impact on land surface temperature using LANDSAT data: A comparison of two urban areas in India. Earth Systems and Environment, 4(2), 385-407. https://doi.org/10.1007/s41748-020-00155-9
Nahandi Behrouz, M. (2022). Measuring the resilience of inefficient urban textures: Case study: Informal settlements in Districts 1 and 10 of Tabriz metropolitan [Master's Thesis, Seraj institute of higher education]. Ganj. https://ganj.irandoc.ac.ir/#/articles/1b57eff79cea28d9f4a52a03c337b4f6 [In Persian].
Openshaw, S., Fischer, M. M., Benwell, G., & Macmillan, B. (2000). GeoComputation research agendas and futures. GeoComputation, 382. https://B2n.ir/d39955
Pahlevani, A. (2008). Investment priority with use of hierarchy TOPSIS group decision making in fuzzy environment. Industrial Management Journal, 1(2), 35-54. https://dokumen.tips/download/link/-1-mbn-0-odi6
Phakiti, A. (2018). Confirmatory factor analysis and structural equation modeling. The Palgrave handbook of Applied Linguistics Research Methodology, 459-500. https://doi.org/10.1057/978-1-137
Pourtahari, M. (2013). Application of multi-criteria decision-making methods in geography. Samit publications. [In Persian].
Pourahmad, A., Ziyari, K., Abdali, Y., & Allah Qolipour Kahralani, S. (2018). Analysis of resilience criteria in worn tissue city against earthquakes with an emphasis on physical resilience (Case: Region 10 of Tehran municipality). Research And Planning, 10(36), 1-20. https://jupm.marvdasht.iau.ir/article_3408.html [In Persian].
Rahnama, M. R., & Elahi Churan, M. A. (2023). Evaluation of the dimensions of urban resilience against floods in the western cities of Mazandaran province. Natural Environment Hazards, 12(38), 1-22. https://doi.org/10.22111/jneh.2023.41127.1866 [In Persian].
Ramezanian, M. R., & Zarei Dodji, A. (2011). Selecting a sample professor based on the hierarchical TOPSIS model in a fuzzy environment. Journal of Research and Planning in Higher Education, 18(4), 49-73. https://journal.irphe.ac.ir/article_702796.html [In Persian].
Regmi, N. R., Giardino, J. R., & Vitek, J. D. (2010). Assessing susceptibility to landslides: Using models to understand observed changes in slopes. Geomorphology, 122(1-2), 25-38. https://B2n.ir/b30000
Rezaei, E., Salehi, I., Lahijanian, A., & Ehsani, A. (2021). Evaluation and analysis of resilience of urban land use (Case study: District 22 of Tehran). Geographical Quarterly of the Land, 18(71), 23-44. https://ensani.ir/fa/article/487951 [In Persian].
Rose, A. (2004). Defining and measuring economic resilience to disasters. Disaster Prevention and Management. An International Journal, 13(4), 307-314. https://doi.org/10.1108/09653560410556528
Rose, A. (2007). Economic resilience to natural and man-made disasters: Multidisciplinary origins and contextual dimensions. Environmental hazards, 7(4), 383-398. https://doi.org/10.1016/j.envhaz.2007.10.001
Rostaye, Sh., Haqi, V., & Jadhari, A. (2018). Evaluation of physical resilience of urban environments against earthquakes (Case example Tabriz metropolis). Social Research Quarterly, 11(43), 105-129. https://sanad.iau.ir/fa/Article/1111326?FullText=FullText [In Persian].
Tayyab, M., Zhang, J., Hussain, M., Ullah, S., Liu, X., Khan, S. N., & Al-Shaibah, B. (2021). Gis-based urban flood resilience assessment using urban flood resilience model: A case study of Peshawar city khyber pakhtunkhwa Pakistan. Remote Sensing, 13(10), 1864. https://doi.org/10.3390/rs13101864
The World Bank. (2009). Systems of cities: Harnessing urbanization for growth and poverty alleviation. https://B2n.ir/s24907
United Nations Office for Disaster Risk Reduction (UNDRR). (2020) The Human Cost of Disasters. An Overview of the Last 20 Years (2000–2019). https://B2n.ir/b70662
Walker, B., Holling, C. S., Carpenter, S. R., & Kinzig, A. (2004). Resilience adaptability and transformability in social–ecological systems. Ecology and Society, 9(2). https://doi.org/10.5751/ES-00650-090205
Wang, H., Liu, Z., & Zhou, Y. (2023). Assessing urban resilience in China from the perspective of socioeconomic and ecological sustainability. Environmental Impact Assessment Review, 102, 107163. https://doi.org/10.1016/j.eiar.2023.107163
Waters, J., & Adger, W. N. (2017). Spatial network and temporal dimensions of the determinants of adaptive capacity in poor urban areas. Global Environmental Change, 46, 42-49. http://dx.doi.org/10.1016/j.gloenvcha.2017.06.011
Zhang, J., Zhang, M., & Li, G. (2021). Multi-stage composition of urban resilience and the influence of pre-disaster urban functionality on urban resilience. Natural Hazards, 107(1), 447-473. https://ideas.repec.org/a/spr/nathaz/v107y2021i1d10.1007
Zhao, R., Fang, C., Liu, J., & Zhang, L. (2022). The evaluation and obstacle analysis of urban resilience from the multidimensional perspective in Chinese cities. Sustainable Cities and Society, 86(4), 104160. http://dx.doi.org/10.1016/j.scs.2022.104160
)