Assessing Spatio-Temporal Changes in the Ecological Livability Index (Case Study: Tabriz Metropolis )

Document Type : Original Article

Authors

1 Ph.D. candidate in Remote Sensing and Geographical Information System, Faculty of Planning and Environmental Sciences, University of Tabriz, Tabriz, Iran

2 Associate professor, Department of Geography and Urban Planning, Faculty of Planning and Environmental Sciences, University of Tabriz, Tabriz, Iran

3 Ph.D. in Remote Sensing and Geographical Information System, Faculty of Planning and Environmental Sciences, University of Tabriz, Tabriz, Iran

4 Associate professor in Remote Sensing and Geographical Information System, Faculty of Planning and Environmental Sciences, University of Tabriz, Tabriz, Iran

Abstract

Abstract
A timely and comprehensive assessment of the urban ecological environment and its evolving trends is essential for urban planning, human habitation, and sustainable urban development. This research aimed to evaluate the spatio-temporal changes and conduct a comparative analysis of the ecological livability index for the years 2003 and 2023 in the metropolis of Tabriz. By utilizing Landsat and MODIS images, we prepared 5 key variables: Aerosol Optical Depth (AOD), Normalized Difference Vegetation Index (NDVI), Land Surface Temperature (LST), Normalized Difference Built-up Index (NDBI), and Normalized Water Difference Index (NWDI) to calculate the ecological livability index. Data analysis was conducted using ArcGIS Pro, Excel, and Google Earth Engine (GEE). The results derived from the CRITIC method for variable weighting indicated an upward trend in ecological livability. Specifically, the average ecological livability index in 2023 was 1.60 compared to 1.58 in 2003, reflecting an overall improvement in livability quality.
 
Keywords: Ecological Livability, Spatio-Temporal Changes, Google Earth Engine (GEE), Remote Sensing & GIS, Tabriz Metropolis.
 
Introduction
The rapid pace of urbanization has resulted in over 50% of the global population now residing in urban areas. This surge has brought about numerous challenges, including declining health standards, increased social pressure, and environmental degradation. In recent years, various theories and approaches have emerged to address these urban challenges, particularly in metropolises. Concepts, such as sustainable development, sustainable urban development, eco-city initiatives, the green city framework, livability metrics, and urban sustainability and resilience, have been proposed to tackle these issues. These strategies necessitate a concerted effort to enhance urban conditions and safeguard city environments.
The notion of urban ecological livability focuses on the quality of the environment surrounding local residents, encompassing location characteristics, environmental comfort, and community ecology. It is evident that residents aspire to thrive in a beautiful and healthy natural environment. Therefore, a key aspect of urban ecological livability is the creation of a livable urban ecological environment. Consequently, a timely and comprehensive assessment of the urban ecological environment and its changing trends is essential for effective urban planning, human habitation, and sustainable urban development.
Tabriz, the capital of East Azarbaijan Province, is situated at 38° 88' north latitude and 46° 15' east longitude. Nestled between the Sahand Mountain Range to the south and the Aun Ibn Ali Mountain to the northwest, Tabriz ranks as one of the ten largest metropolises in Iran and is the largest city in the northwest with a population estimated at 1,558,693 in 2015. The aim of this research was to evaluate the quality of ecological livability in Tabriz for the years 2003 and 2023, utilizing remote sensing data to analyze spatial-temporal changes.
 
Materials & Methods
This research was categorized as applied research and employed descriptive-analytical methods. Variables were identified through a comprehensive literature review and data were collected using Landsat and MODIS satellite imagery, along with OpenStreetMap (OSM). Data processing was conducted using ArcGIS Pro, Excel, and Google Earth Engine (GEE). Initially, the Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI), Normalized Difference Built-up Index (NDBI), and Aerosol Optical Depth (AOD) were generated within the GEE environment. The variable of Normalized Water Difference (NWD) was prepared using OSM. Following this, the CRITIC method was applied in Excel to calculate the weights of the variables and the final computation of the ecological livability index was carried out in ArcGIS Pro.
 
Research Findings
The results of the index calculation based on the weights of the variables revealed a consistent upward trend in ecological livability. Specifically, the quality of ecological livability in 2023 with an average value of 1.60 was higher than the average value of 1.58 recorded in 2003, indicating an overall improvement. In 2003, Regions 4, 6, and 1 exhibited the highest ecological livability scores, while Regions 3, 5, and 10 had the lowest. In contrast, by 2023, Regions 2, 1, and 4 emerged as the top performers in ecological livability, whereas Regions 10, 3, and 8 ranked at the bottom with the lowest scores.
 
Discussion of Results & Conclusion
This study evaluated the ecological livability index of Tabriz metropolis to analyze spatial-temporal changes from 2003 to 2023. The Ecological Livability Index (ELI_i) was calculated using key variables derived from the research literature: Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI), Normalized Difference Built-up Index (NDBI), Aerosol Optical Depth (AOD), and Normalized Water Difference (NWD), all assessed through a critical weighting model. The weights assigned to these variables were as follows: LST_i = 0.324, NDBI_i = 0.241, AOD_i = 0.215, NWD_i = 0.192, and NDVI_i = 0.028. Notably, the highest weight was attributed to land surface temperature, while the lowest was given to vegetation density.
The results indicated that the quality of ecological livability across the regions maintained a consistent trend from 2003 to 2023. In 2003, areas in the northern and southern outskirts of the metropolis displayed low desirability values, whereas the central areas exhibited the highest livability scores. However, by 2023, the southern regions of Tabriz experienced the greatest concentration of unfavorable conditions. It is important to note that the final values of the ecological livability index could not be fully understood without considering the direct effects of the variables and their respective weights. For instance, the variable of LST_i = 0.324, which had the highest weight, showed a declining trend and was most concentrated in the central and southern parts of Tabriz. This decline corresponded with diminished vegetation growth in these areas and an increase in AOD, leading to unfavorable ecological livability conditions. These findings align with previous studies conducted by Liu et al. (2023), Bian et al. (2020), Hu and Xu (2018), and Yu et al. (2022).
In conclusion, this study underscores the necessity of considering multiple factors and their weights when evaluating ecological livability. It offers valuable insights to the existing body of research on urban ecological assessment and planning, providing essential guidance for policymakers and urban planners aiming to enhance the livability of Tabriz metropolis and similar urban areas.
 

Keywords

Main Subjects

Full Text

مقدمه

سرعت فزآیندۀ شهرنشینی سبب شده است که بیش از 50 درصد از جمعیت درحال حاضر جهان در مناطق شهری زندگی ‌کنند ( Seto et al., 2012; Wu, 2014). پیامد چنین شهری‌شدن فزآینده‌ای ایجاد مشکلاتی مانند کاهش سلامت (Liu et al., 2017b)، فشار اجتماعی (Graafland & Smid, 2017) و تخریب زیست‌محیطی (Adams & Klobodu, 2017) بوده است. بیشتر این پیامدها در کلانشهرها نمود فضایی و عینی به خود گرفته است؛ به‌طوری ‌که بیشتر کلانشهرها در سراسر جهان با چالش‌های بسیاری در‌زمینه‌های زیست محیطی، اجتماعی و اقتصادی مواجه هستند. انتظار می‌رود با روند رو‌به رشد جمعیت جهان و متعاقب آن شهرنشینی فزآینده بر شدت مشکلات پیشگفته افزوده و به‌دنبال آن منجر به پیامدهایی مانند کاهش کیفیت زندگی و زیست‌پذیری در کلانشهرها، تشدید آلودگی هوا، آلودگی آب، ترافیک سنگین، مسائل روانی و اجتماعی و کاهش فضای سبز و زیستگاه‌های طبیعی شود.

روند شهرنشینی در ایران نیز از روند جهانی تبعیت کرده است و سیر صعودی دارد؛ به‌طوری ‌که در سال ۱۳۹۰ جمعیت شهری ایران از مرز دو‌سوم کل جمعیت کشور فراتر رفته است. انتظار این است که روند شهرنشینی در ایران همچنان صعودی باشد؛ به‌طوری که در سال ۱۴۳۰ به حدود ۸۵ درصد برسد (فتحی، 1394).

طی سال‌های اخیر در پاسخ به چالش‌های موجود در شهرها و به‌خصوص کلانشهرها نظریه‌ها و رویکردهای مختلفی مانند توسعۀ پایدار، توسعۀ پایدار شهری، رویکرد بوم‌شهر، شهر سبز، رویکرد زیست‌پذیری، پایداری شهری و تاب‌آوری برای حل این مسائل ارائه شده است که ضرورت تلاشی همه‌جانبه را برای نجات شهر و بهبود شرایط آن بیش از پیش خاطر نشان می‌‌کند (حیدری، ۱۳۹۷، ص. ۸۶). در این میان، زیست‌پذیری یکی از دغدغه‌های اصلی برنامه‌ریزان شهری در برنامه‌ریزی برای جوامع است. ارزیابی به‌موقع و جامع محیط زیست شهری و روندهای تغییر آن اساس برنامه‌ریزی شهری، سکونت انسان و کلید توسعۀ پایدار شهری است. برای درک بهتر وضعیت و روند تغییر محیط زیست و زیست‌پذیری کلانشهرها سیستم‌های مختلف ارزیابی اکولوژیکی شهری و فناوری‌های مختلف نظارتی جهت ارزیابی کیفیت و عملکرد سیستم اکولوژیکی به‌منظور تدوین اقدام‌های پیشگیرانۀ حفاظتی و اکولوژیکی به کار گرفته شده است ( Chang et al., 2017; Cobbinah et al., 2017; Grubert, 2018).

 

پیشینۀ پژوهش

پژوهش‌های مختلفی نیز در‌حوزۀ بررسی زیست‌پذیری اکولوژیکی در داخل و خارج صورت گرفته است که می‌توان به پژوهش‌های زیر اشاره کرد.

ژیشنگ و هانکیو در پژوهشی با عنوان «یک شاخص جدید سنجش از دور برای ارزیابی ناهمگونی فضایی در کیفیت اکولوژیکی شهری: مطالعۀ موردی شهر فوژو چین» یک شاخص زیست‌محیطی مبتنی بر سنجش از دور جدید (RSEI) را برای ارزیابی کیفیت اکولوژیکی شهری معرفی کردند. این شاخص مناطق ایجاد‌شده، پوشش گیاهی و آب‌و‌هوا (دمای سطح زمین و رطوبت سطح زمین) را بر‌اساس چارچوب واکنش وضعیت فشار (PSR) و با استفاده از PCA یکپارچه کرد. نتایج نشان داد که فوژو در‌طول دورۀ مطالعه از سال 2000 تا 2016 پیشرفت‌های زیست‌محیطی را نشان می‌دهد و ارزش RSEI  آن از 267/0 در سال 2000 به 503/0 در سال 2016 افزایش یافته است (Xisheng & Hanqiu, 2018).

جینگ و همکاران پژوهشی با عنوان «ارزیابی عملکرد اکولوژیکی شهری در چین: مطالعۀ موردی 30 شهر مرکز استان» انجام دادند. محققان در این مطالعه سطح کیفیت اکولوژیکی شهرهای چین را برای سال‌های 2011 تا 2016 ارزیابی کردند. نتایج حاصل از مدل اندازه‌گیری مبتنی بر (Super-SBM) نشان داد که میانگین ارزش عملکرد اکولوژیکی 30 شهر مرکز استان با مقدار 89/0 پایین بوده است؛ اما در‌طول سال‌های 2011-2016 بهبود کلی داشته است. از‌نظر فضایی، شهرهای واقع در استان‌های شرقی و مرکزی چین در رتبه‌های اول و دوم قرار گرفت؛ در‌حالی که شهرهای واقع در مناطق شمال شرق و غرب به‌ترتیب در رتبه‌های سوم و چهارم بر‌اساس EWP قرار گرفت (Bian et al., 2020).

جونبو و همکاران پژوهشی با عنوان «یک شاخص ارزیابی سنجش از دور برای زیست‌پذیری اکولوژیکی شهری و کاربرد آن با استفاده از سنجش از دور شاخصی با عنوان ELI جهت ارزیابی مکانی-زمانی زیست‌پذیری اکولوژیکی شهری در ووهان چین با استفاده از تصاویر ماهواره‌های Landsat و MODIS» انجام دادند. براساس نتایج حاصل‌شده زیست‌پذیری اکولوژیکی در بهار و پاییز و در نزدیکی رودخانه‌ها و دریاچه‌ها بهتر بود؛ در‌حالی که گسترش شهری منجر به تخریب بیرونی اکولوژیکی ووهان شده است؛ اما جنگل‌کاری شهری باعث بهبود محیط ‌زیست شده است. در‌نهایت شاخص ELI از برنامه‌ریزی و حفاظت اکولوژیکی شهری به‌خوبی پشتیبانی می‌کند (Junbo et al., 2022).

لیو و همکاران پژوهشی با عنوان «کمّی‌سازی اثرات عوامل طبیعی و انسانی بر تغییرات کیفیت اکولوژیکی شهری (UEQ): یک بررسی چند‌مقیاسی در شیان چین» انجام دادند. محققان در این مطالعه بر‌اساس شاخص اکولوژیکی مبتنی بر سنجش از دور، رگرسیون تصادفی جنگل، آشکارساز جغرافیایی و با در نظر گرفتن منطقۀ مرکزی شهر شیان چین پویایی مکانی و زمانی UEQ را از سال 2000 تا 2019 نشان دادند و درادامه، اثر‌های 19 عوامل طبیعی و انسانی را در تغییرات UEQ در 30 مقیاس مدل‌سازی کردند. نتایج نشان داد که از سال 2000 تا 2019 UEQ در منطقۀ مرکز شهر شیان ابتدا کاهش شدیدی داشته و سپس به‌تدریج بهبود یافته است؛ این درحالی است که UEQ بازیابی‌شده بسیار کمتر از UEQ از دست رفته بوده که نشان‌دهندۀ ضرر بزرگ UEQ است. ارتفاع، دما، بارندگی، شیب و تولید ناخالص داخلی مهم‌تر از سایر عوامل در تأثیرگذاری بر تغییرات UEQ بودند. شرایط طبیعی و تغییرات اقلیمی بیشترین تأثیر را بر UEQ منطقه‌ای داشتند. در‌مجموع، محققان در این مطالعه نتایج تأثیر‌های پیچیدۀ عوامل طبیعی_انسانی را بر تغییرات  UEQ از‌جمله مقیاس تأثیر، قدرت ضربه و تعامل تأثیر نشان دادند (Liu et al., 2023).

جنتی و همکاران (1399) پژوهشی با عنوان «ارزیابی تطبیقی قابلیت زیست‌پذیری پایدار محلات شهری: مورد پژوهشی: محلات کارکنان شرکت نفت و سادات شهر دوگنبدان» انجام دادند. نتایج به‌دست‌آمده حاکی از آن بود که وضعیت حاکم بر محلات شهری دوگنبدان در تمامی مؤلفه‌های زیست‌پذیری نامطلوب است. به‌خصوص در زمانی که دو محله در‌زمینۀ امکانات شهری به‌نسبت برخوردار و محله بافت فرسوده و قدیمی داشته باشد. نتایج نشان داد که شکاف و ناپایداری در‌بین محله‌ها در‌حال تشدید و گسترش در مکان‌های یاد‌شدۀ شرکت نفت و سادات است.

محلوجی و همکاران (۱۴۰۰) پژوهشی با عنوان «ارزیابی عوامل مؤثر بر زیست‌پذیری فضاهای شهری در سکونتگاه‌های غیر‌رسمی منطقۀ 14شهر اصفهان» انجام دادند. نتایج پژوهش نشان داد که شاخص‌های اقتصادی در زیست‌پذیری شهری با میانگین کل 13/2 از متوسط استاندارد پایین‌تر بود و نارضایتی بیشتری را در‌بین ساکنان داشت. همراستا با پژوهش‌های قبلی هدف اصلی محققان در پژوهش حاضر مطالعه و بررسی وضعیت شاخص زیست‌پذیری اکولوژی در کلانشهر تبریز با توجه به متغیرهای (LST, NDVI, NDBSI, AOD, NWD) است؛ اما مغایر با روش ارزیابی زیست‌پذیری شهری در مطالعات داخلی در این پژوهش به‌دلیل عدم انعطاف‌پذیری در سیستم‌های پایش سنتی که هزینه‌های بسیار زیادی در منابع انسانی، مادی و مالی دارد، مشاهده‌های ماهواره‌ای جایگزین پیمایش‌های دستی شد. نوآوری در پژوهش حاضر نیز از این حیث است که برای نخستین بار از شاخص زیست‌پذیری اکولوژیکی توسعه‌داده شدۀ Junbo et al. (2022) به‌منظور ارزیابی کیفیت زیست‌پذیری اکولوژیکی و مقایسۀ تطبیقی برای سال‌های 2003 و 2023 درسطح کلانشهر تبریز (با استفاده از داده‌های سنجش از دور به‌صورت سری زمانی_مکانی) استفاده شده است. از دیگر سو، در این پژوهش از مدل کریتیک برای وزن‌دهی متغیرها به جای روش آنتروپی شانون استفاده شد.

 

مبانی نظری پژوهش

واژۀ زیست‌پذیری از مفهوم «پایداری» مشتق شده است و تا حد زیادی تعریف‌ها، هدف‌ها و رویکردهای اجرایی مشابهی دارد (Litman, 2010) با این تفاوت که پایداری یک هدف برنامه‌ریزی بلند‌مدت است که در راستای مسائل اقتصادی، اکولوژیکی و برابری جهانی تنظیم شده است و اصول گسترده‌ای را (تقویت همکاری منطقه‌ای و کنترل انتشار کربن و غیره) برای جامعۀ بشری تعیین می‌کند. در‌مقابل، زیست‌پذیری بر ایجاد فضاهای راحت برای برآورده‌کردن آرمان ساکنان جامعه به‌منظور زندگی بهتر در زمان حال تمرکز دارد (Ruth & Franklin, 2014).

در‌واقع، می‌توان گفت زیست‌پذیری شامل مجموعه‌ای از ویژگی‌های اکتسابی محیط است که آن را به جایگاهی مناسب و دلخواه برای زندگی، معیشت و تعاملات بین فردی انسان‌ها تبدیل می‌کند. حال باید دید که ویژگی‌های سودمند اکتسابی چگونه است؟ این ویژگی‌ها به دو دسته ویژگی‌های عینی (دسترسی به زیر‌ساخت‌های شهری، مسکن، امنیت، امکانات شیوه‌های متنوع حمل‌و‌نقل، سلامت و امکانات بهداشتی، فرصت‌های اقتصاد و فضاهای گردشی) و ذهنی_روانی (تعلق مکانی، هویت محلی، همبستگی، صمیمیت، عدالت و سرمایۀ اجتماعی) طبقه‌بندی می‌شود. با توجه به موارد ذکر‌شده زیست‌پذیری زیر‌مجموعه‌ای از پایداری است که به‌طور مستقیم بر ابعاد اجتماعی_اقتصادی، فیزیکی و روانی انسان‌ها تأثیر می‌گذارد (سلیمانی مهرنجانی و همکاران، 1395).

مفهوم زیست‌پذیری اکولوژیکی شهری بیشتر بر کیفیت محیطی اطراف ساکنان محلی متمرکز است که با ویژگی‌های مکان‌ها، آسایش محیطی و بوم‌شناسی جوامع مرتبط است (Aulia, 2016 ;Liu et al., 2017a). بدیهی است که ساکنان محلی ممکن است تمایل به یک زندگی زیبا با یک محیط طبیعی سالم داشته باشند. به‌طور خلاصه، یکی از تأکید‌های محوری زیست‌پذیری اکولوژیکی شهری محیط زیست، بوم‌شناختی شهری قابل زندگی است (Fu et al., 2019; Valcárcel-Aguiar & Murias, 2019).

 

معرفی محدودۀ مطالعه

کلانشهر تبریز مرکز استان آذربایجان شرقی در 38 درجه و 88 دقیقه عرض شمالی و 46 درجه و 15 دقیقه طول شرقی قرار دارد. شهر تبریز از سمت جنوب به رشته‌کوه منفرد سهند و از شمال غربی به کوه عون ابن علی محدود می‌شود. این شهر جزء 10 کلانشهر کشور و بزرگ‌ترین کلانشهر شمال غرب است (شکل1). جمعیت آن در سال 1395 بالغ بر 1558693 برآورد شده است (مرکز آمار ایران، 1395).

 

شکل1: منطقۀ مطالعه‌شده (منبع: نگارندگان، 1403)

figure 1: Study area

 

روش‌شناسی پژوهش

پژوهش حاضر در دستۀ پژوهش‌های کاربردی بوده و به‌لحاظ روش‌شناختی جزء روش‌های توصیفی-تحلیلی است. در این پژوهش متغیرها با استفاده از مطالعات کتابخانه‌ای شناسایی و برای گردآوری داده‌ها از ماهواره‌های Landsat، Modis و OSM استفاده شد. تجزیه‌و‌تحلیل داده‌ها با کمک نرم‌افزارهای ArcGIS-pro، Excell و Google Earth Engine (GEE) انجام گرفت. ابتدا متغیرهایLST ،NDVI ، NDBSI و AOD در محیط GEE و متغیر NWD در محیط OSM تهیه و با استفاده از ابزار فاصلۀ اقلیدسی در  ArcMapمحاسبه و سپس برای تهیۀ اوزان متغیرها از روش CRITIC در محیط Excell استفاده شد. درنهایت، محاسبۀ نهایی شاخص زیست‌پذیری اکولوژیکی در محیط ArcGIS-pro صورت گرفت.

 

داده‌های استفاده‌شده

در پژوهش حاضر برای تهیۀ شاخص‌ها و پروداکت‌های تحقیق از مجموعه تصاویر سنجش از دوری استفاده شد. بر این اساس، طبق جدول 1 متغیرهای پنج‌گانۀ مذکور پژوهش از تصایر Landsat، Modis و OSM محاسبه و سپس متغیرهای دمای سطح زمین (LST)، شاخص تراکم پوشش گیاهی (NDVI) و شاخص تفاوت نرمال‌شدۀ ساختمان و زمین بایر (NDBSI) استخراج شد. همچنین، در این مطالعه در سال 2003 از تصاویر Landsat-5 و در سال 2023 از تصاویر Landsat-8 استفاده شد. متغیر عمق نوری آئروسل (AOD) برای سال‌های 2003 و 2023 از ماهوارۀModis  به دست آمد. همچنین، برای تهیۀ متغیر فاصله از پهنه‌های آبی (NWD) از پایگاه دادۀ اوپن سورس OSM استفاده شد (جدول1).

جدول1: مشخصات داده‌ها و منابع تهیه

Table 1: Data collection

ردیف

ماهواره

زمان

شاخص

قدرت تفکیک مکانی (متر)

1

لندست 5

2003

LST – NDVI – NDBSI

30-100

2

لندست 8

2023

LST – NDVI – NDBSI

30-100

3

مادیس

2003-2023

Product AOD

1000

4

OSM

2003-2023

NWD

-

منبع: نگارندگان، 1403

 

تعریف عملیاتی و مفهومی متغیرهای پژوهش

  • (Normalized Difference Vegetation Index)

پوشش گیاهی سبز در بسیاری از جنبه‌ها با اکولوژی شهری تعامل دارد و شرط لازم برای ارتقای محیط شهری و حفظ تعادل اکولوژیکی است. شاخص پوشش گیاهی  NDVIمستقیم‌ترین جلوۀ سبزی در داده‌های سنجش از دور است که می‌تواند تأثیر پس‌زمینۀ تاج پوشش گیاه را منعکس کند. این شاخص رایج‌ترین شاخص پوشش گیاهی برای تجزیه‌و‌تحلیل وضعیت رشد گیاه و تراکم توزیع فضایی است. در این مطالعه از شاخص NDVI برای نظارت بر رشد پوشش گیاهی و بیشتر به‌منظور منعکس‌کردن الگوی رشد پوشش گیاهی استفاده می‌شود. وقتی مقدار NDVI مثبت و هر‌چه مقدار بزرگ‌تر باشد، پوشش گیاهی بیشتر است. علاوه بر این، NDVI با موفقیت برای بررسی روند تغییرات زمانی و مکانی و توزیع پویا پوشش گیاهی استفاده شده است (Xu & Zhang, 2013). روش محاسبۀ NDVI و روش نرمال‌سازی در جدول 2 تعریف شده است که   و   به‌ترتیب مقدار‌های بازتاب سطحی باندهای مادون قرمز نزدیک و قرمز هستند. مقدار   در پیکسل i است.   و   به‌ترتیب حداکثر و حداقل مقدار NDVI در سال مطالعه هستند و مقدار نرمال‌شدۀ NDVI را در پیکسل i نشان می‌دهد.

  • (Normalized Difference Built-up and bare Soil Index)

رونق در ساخت‌و‌ساز‌های شهری مانند ساختمان‌ها، میدان‌ها، جاده‌ها و پارکینگ‌ها ویژگی بارز شهرنشینی است (Ellis et al., 2006). بنابراین درک سطوح نفوذ‌ناپذیر و خاک لخت نیز برای برنامه‌ریزی اکولوژیکی شهری بسیار مهم است. NDBSI  شاخص ساختمانی مبتنی بر شاخص (IBI) و شاخص خاک (SI) را ادغام می‌کند تا مزایای مربوط را بهتر ترکیب و یک شاخص خشکی اکولوژیکی شهری کامل‌تری را تولید کند (Xu, 2008). روش محاسبۀ NDBSI و روش نرمال‌سازی آن در جدول2 بیان شده است که   ، ، ،  و مقدار‌های بازتاب سطحی باندهای قرمز، سبز، آبی، مادون قرمز نزدیک و مادون قرمز موج کوتاه را به‌ترتیب از ماهواره‌های MODIS و Landsat نشان می‌دهند.   ، NDBSI در پیکسل i است.  و   به‌ترتیب حداکثر NDBSI  و حداقل NDBSI در بازۀ زمانی مطالعه‌شده و  نشان‌دهندۀ NDBSI نرمال‌شده در پیکسل i است.

  • (Land Surface Temperature)

دمای سطح زمین تفاوت‌های آشکاری را در فصل‌های مختلف نشان می‌دهد. با توجه به محیط زندگی دما برای ساکنان شهری اهمیت ویژه‌ای دارد. هنگامی که دمای یک منطقۀ خاص مشابه دمای مناسب باشد، مشخص می‌شود که قابل زندگی‌تر است. محققان در این پژوهش یک دمای آسایش را به‌عنوان دمای مرجع ( ) قرار داده‌اند و سپس تفاوت بین LST و  را محاسبه کردند تا بتوانند با قضاوت درجه انحراف بین LST و   تأثیر مثبت یا منفی این شاخص را به دست بیاورند. طبق جدول 2 محاسبۀ نرمال‌سازی دما به این صورت انجام می‌شود که i نمایانگر دمای سطح زمین نرمال‌شده در پیکسل   است. همچنین،   به‌ترتیب حداکثر و حداقل دمای سطح زمین در سال مطالعه‌شده است که پس از مقایسه با دمای مرجع به دست آمده است.   دمای مرجع است که ممکن است از محلی به محل دیگر متفاوت باشد. در این پژوهش دمای میانگین بازۀ زمانی مطالعه‌شده به‌عنوان دمای مرجع  انتخاب شده است.

  • (Near-Water Distance)

برای برنامه‌ریزی اکولوژیکی شهری حفاظت از تالاب‌ها، دریاچه‌ها و سایر منابع آبی نه‌تنها می‌تواند نیازهای توسعۀ عمومی و اجتماعی را تأمین کند، به تنظیم تعادل اکولوژیکی مناطق شهری و در عین حال، بهبود کیفیت زیست محیطی و ارتقای توسعۀ پایدار شهری کمک می‌کند (Liu et al., 2013). بنابراین بررسی وضعیت دسترسی به منابع آبی در ارزیابی زیست‌پذیری اکولوژیکی شهری نقش مهمی دارد. برای اختصار، کوتاه‌ترین فاصله از هر پیکسل از ناحیۀ بدنۀ غیرآبی تا مرز بدنۀ آبی (NWD) Near-Water Distance نامیده می‌شود. بر این اساس، ابتدا محدودۀ منابع آبی منطقۀ مطالعه با پایگاه دادۀ OSM طبق آخرین نسخۀ موجود استخراج شد. سپس نقشه نهایی با محاسبۀ فاصلۀ اقلیدسی سایر کاربری‌ها نسبت به پهنه‌های آبی موجود به دست آمد. مناطقی که آب به‌نسبت نزدیک دارد، (دریاچه‌ها و رودخانه‌ها) ممکن است قابل زندگی‌تر در‌نظر گرفته شود؛ درنتیجه کیفیت زیست محیطی به‌نسبت زیادی دارند (Zachariasz & Porada 2019). از این رو، فاصلۀ آب مرجع ( ) انتخاب و تفاوت فاصله (DNWD) بین NWD و    محاسبه می‌شود تا با قضاوت دربارۀ درجه انحراف بین دو فاصله اثر‌های مثبت یا منفی این شاخص به دست آید.   شاخص نرمال‌شده طبق جدول 2 محاسبه می‌شود که در آن  وNWD  در پیکسل i است.  و  به‌ترتیب حداکثر DNWD و حداقل DNWD است. نشان‌دهندۀ NWD نرمال‌شده در پیکسل  i و فاصلۀ مرجع است که در این مطالعه 100 متر به‌عنوان پایۀ   برای کلانشهر تبریز انتخاب شد تا به‌طور منطقی تأثیر NWD بر ELI را نشان دهد.

  • (Aerosol Optical Depth)

جوّ به‌عنوان بخش مهمی از محیط زیست نقش کلیدی در سلامت محیط دارد. رابطۀ AOD با کیفیت هوای منطقه‌ای و سلامت عمومی به‌طور گسترده به‌عنوان یکی از عوامل استرس‌زای اصلی تغییرات آب‌و‌هوایی جهانی مورد بحث قرار گرفته است (Madadi et al., 2021). علاوه بر این، AOD یک پارامتر مرجع آئروسل با سایر آلاینده‌های هوا برای توصیف جامع کدورت اتمسفر در زیست‌پذیری اکولوژیکی شهری و یکی از تأثیرگذارترین پارامترها برای مدل‌سازی PM مبتنی بر ماهواره است (Gupta et al., 2013). از‌نظر کاربرد، از داده‌ها برای محدودۀ درون‌شهری، مدل‌سازی و همبستگی با سایر آلاینده‌ها و از AOD به‌عنوان یک پارامتر مرجع استفاده می‌شود. به‌طور کلی، در آلودگی زیست‌محیطی شهری هر‌چه مقدار AOD بیشتر باشد، تجمع ارتفاعی ذرات معلق در هوا بیشتر می‌شود و در‌نتیجه، دید اتمسفر کاهش می‌یابد. این یافته منعکس‌کنندۀ کدورت جوّ است و بیشتر تأثیر منفی بر زیست‌پذیری اکولوژیکی شهری دارد. در این مطالعه از روش نرمال‌سازی طبق جدول 2 برای به دست آوردن   استفاده می‌شود (, 2022.Junbo et al).

در این روش و   به‌ترتیب حداکثر AOD و حداقل AOD در بازۀ زمانی مطالعه است.   و  AOD  نشان‌دهندۀ نرمال‌شده در پیکسل i است.

 

جدول2: روابط متغیرهای پژوهش

Table 2: Equation of variables

ردیف

متغیر

رابطه

منبع

1

 

 

 

Junbo et al., 2022

2

 

 

 

 

 

 

 

 

3

 

 

4

 

 

5

 

 

منبع: نگارندگان، 1403

 

مدل کریتیک (CRITIC)

روش کریتیک به مفهوم اهمیت معیارها مبتنی بر همبستگی درونی معیارهاست. Diakoulaki et al. (1995) این روش را معرفی کرده‌اند که یک روش مناسب و کاربردی برای تعیین وزن معیارهاست. این روش از‌نظر کارکرد مشابه روش آنتروپی شانون است با این تفاوت که در این روش فقط به پراکندگی داده‌ها تکیه نمی‌شود. این روش بر‌پایۀ شدت تضاد و تعارض در ساختار مسئلۀ تصمیم‌گیری بنیان نهاده شده است. به‌طور کلی، برای شناخت تفاوت وزن میان معیارها از تجزیه‌و‌تحلیل همبستگی استفاده می‌شود (شکری فیروزجاه و همکاران، 1400 ص. 36).

مراحل اجرای وزن‌دهی به روش کریتیک

داده‌ها در روش وزن‌دهی کریتیک براساس میزان تداخل و تضاد موجود بین عوامل یا معیارها تجزیه‌و‌تحلیل می‌شود. در روش کریتیک برای هر معیار ارزیابی دامنه‌ای از تغییرات مقدار‌های اندازه‌گیری‌شده در‌میان پیکسل‌ها (گزینه) وجود دارد که در قالب یک تابع عضویت بیان می‌شود. هر‌کدام از بردارهای تشکیل‌شده برای معیارهای استفاده‌شده پارامترهای آماری از‌جمله انحراف معیار را دارد. این پارامترها درجۀ تباین را در مقدار‌های معیار مربوط نشان می‌دهد. پس برای محاسبۀ انحراف معیار عوامل و معیارهای بررسی‌شده ماتریس متقارنی به ابعاد m×m به وجود می‌آید که شامل ضرایب همبستگی بین بردار تشکیل‌شده است. با تعیین پارامترهای پژوهش تضاد موجود بین معیار j با معیار دیگر از رابطۀ زیر محاسبه می‌شود:

رابطۀ 1.                                                                                                    

 

در این رابطه  معرّف مجموعه تضاد معیارj  با معیار k است که از  شروع شده است و تا   ادامه دارد و  همبستگی بین دو معیار k و j را نشان می‌دهد. میزان اطلاعات j از رابطۀ زیر محاسبه می‌شود.

رابطۀ2.                                                                                                 

 

در این رابطه  معرّف میزان اطلاعات معیار j است که در آن انحراف معیار را در مقدار‌های مربوط عامل یا معیار j نشان می‌دهد. با توجه به رابطۀ یاد‌شده معیارهایی که  بیشتری دارد وزن زیادی نیز دارد. وزن هر عامل مانند j از رابطۀ زیر تعیین می‌شود.

رابطۀ 3.                                                                                                            

 

در این رابطه  معرّف وزن معیار j و c بیانگر میزان اطلاعات مجموعه معیارهای k است که از k=1 شروع شده است و تا k=m ادامه دارد. استفاده از روش کریتیک در وزن دهی معیارها در پژوهش حاضر می‌تواند گامی در راستای حل معضل استقلال صفات از یکدیگر باشد. به‌طور رسمی، در قاعدۀ تصمیم‌گیری برای ارزیابی هر گزینه از رابطۀ زیر استفاده می‌‌شود.

رابطه 4.                                                                                                              

 

در این رابطه  معرّف نمرۀ گزینۀ i ام در ارتباط با صفت j ام و  مشتمل بر یک وزن استاندارد‌شده است که در مجموع وزن‌ها برابر با یک می‌شود ( ). وزن‌ها اهمیت نسبی هر صفت را نشان می‌دهد. با تعیین ارزش حداکثر  اولویت‌دارترین گزینه انتخاب می‌شود (Malchevsky, 2006 به نقل از اصغری سراسکانرود، 1398، ص. 60).

 

شاخص ارزیابی زیست‌پذیری اکولوژیکی شهری ( )

براساس مطالعات کتابخانه‌ای ارزیابی نابرابری‌های زیست‌پذیری اکولوژیکی در قالب مدل‌سازی‌ها و تجزیه‌و‌تحلیل‌های مختلفی در قالب روش‌های آماری و مکانی صورت گرفته است. یکی از دقیق‌ترین این ارزیابی را می‌توان استفاده از فناوری‌های سنجش از دور برای بررسی زیست‌پذیری اکولوژیکی شهرها بیان کرد. با توجه به دقت و صحت داده‌های به‌دست‌آمده از تصاویر ماهواره‌ای و در‌مقیاس‌های مکانی و زمانی مختلف می‌توان به کاربرد این نوع داده‌ها توجه ویژه‌ای کرد. همراستا با مطالعۀJunbo et al.  (2022) شاخص کیفیت ‌زیست‌‌پذیری اکولوژیکی طبق رابطۀ 5 محاسبه می‌شود.

رابطۀ 5

 

 

که در آن   مقدار کیفیت زیست‌محیطی در پیکسل i است. هر‌چه مقدار   بزرگ‌تر باشد، کیفیت زیست‌پذیری اکولوژیکی بهتر و زیست‌پذیری اکولوژیکی بیشتر است.   ، ، ، و   مقدار‌های نرمال‌شده در پیکسل i را نشان می‌دهند. w1; w2; w3; w4; w5 وزن‌های مربوط به هر شاخص هستند و مجموع مقدار‌های آنها یک است. وزن مربوط با تعداد پیکسل هر شاخص محاسبه می‌شود.

 

یافته‌های پژوهش و تجزیه‌و‌تحلیل

تغییرات مکانی-زمانی متغیرهای پژوهش

براساس یافته‌های حاصل از متغیر تراکم پوشش گیاهی ( ) در محدودۀ مطالعه بیشترین تراکم پوشش گیاهی در مناطق غربی، قسمت‌هایی از شمال و شرق کلانشهر تبریز متمرکز یافته‌ است و سایر قسمت‌ها پوشش گیاهی تنک دارد. بر این اساس، کمترین مقدار برای سال 2003 و سال 2023 بیشترین مقدار تراکم پوشش گیاهی را ثبت کرده است.

توزیع مکانی-زمانی متغیر  بیان‌کنندۀ کمترین مقدار مؤثر در زیست‌پذیری اکولوژیکی برای بازۀ زمانی 2003 و بیشترین مقدار نیز برای سال 2023 بوده است که بیشترین تغییرات در نواحی مرکزی کلانشهر تبریز دیده می‌شود.

بررسی تغییرات زمانی-مکانی متغیر  نشان می‌دهد که مقدار دمای سطح زمین در سال 2003 با ارزش 38/1 نسبت به سال 2023 با مقدار 1/1 شرایط بهتری دارد.

با توجه به توسعه‌نیافتگی و تغییر پهنه‌های آبی در‌مقیاس کلان در داخل محدودۀ کلانشهر تبریز متغیر  مقدار ثابتی برای بازۀ مطالعۀ 2003 و 2023 دارد؛ به‌طوری ‌که قسمت‌های مرکزی وضعیت مطلوبی و نواحی جنوب و شمال غربی کیفیت نامطلوبی دارد.

مقایسۀ تغییرات مکانی-زمانی متغیر  نشان می‌دهد که مقدار متغیر در سال 2023 نسبت به سال 2003 مطلوبیت بهتری دارد که به‌صورت کمّی از 51/0 در سال 2003 به 58/0 در سال  2023افزایش یافته است؛ به‌طوری‌ که قسمت‌های مرکزی و جنوبی در سال 2023 و در سال 2003 نواحی شمال، شمال شرقی و جنوب غربی کلانشهر تبریز کمترین مطلوبیت زیست‌پذیری اکولوژیکی را نشان می‌دهد. مقدار‌های کمّی و توزیع مکانی متغیرها در شکل‌های 2 و 3 آمده است.

 

شکل2: مقدار‌های عددی متغیرهای پژوهش برای سال‌های 2003 و 2023 (منبع: نگارندگان، 1403)

figure 2: Numerical values of variables for 2003 and 2023

 

 

شکل3: نقشۀ متغیرهای پژوهش برای سال‌های 2003 و 2023 (منبع: نگارندگان، 1403)

Figure 3: Map of variables for 2003 and 2023

یافته‌های مدل کریتیک

همان‌طور که بیان شد در روش وزن‌دهی کریتیک داده‌ها براساس میزان تداخل و تضاد موجود بین عوامل یا معیارها تجزیه‌و‌تحلیل می‌شود. بر‌اساس نتایج حاصل از اجرای روش وزن‌دهی کریتیک در محیط اکسل مقدار‌ها (جدول 3) به دست آمد. طبق اوزان به‌دست‌آمده متغیر  بیشترین درجه اهمیت را با مقدار 324/0 دارد. در‌ادامه، متغیرهای ، ،  و  در رتبه‌های بعدی قرار گرفت.

 

جدول3: آمار توصیفی مقدار‌های مدل کریتیک

Table 3: Descriptive statistics of critic model values

ردیف

شاخص‌

ماتریس تضاد

انحراف معیار

اوزان نهایی

1

 

89/5

15/0

0.324

2

 

98/3

17/0

0.241

3

 

59/3

17/0

0.215

4

 

05/5

17/0

0.192

5

 

73/3

02/0

0.028

 

      

1

منبع: نگارندگان، 1403

 

یافته‌های شاخص زیست‌پذیری اکولوژیکی ( ) (Ecological Livability Index)

در پژوهش حاضر  به‌عنوان شاخص ارزیابی زیست‌پذیری اکولوژیکی کلانشهر تبریز محاسبه شد. به این منظور پنج متغیر نرمال‌شدۀ ، ، ، و   در‌قالب تغییرات زمانی_مکانی در بازۀ زمانی 2003 و 2023 برای کلانشهر تبریز استخراج شد. سپس برای ارزیابی میزان اهمیت هر‌یک از متغیرها با استفاده از روش کریتیک وزن‌دهی صورت گرفت که به‌ترتیب  ،  ، ، و  به دست آمد و شاخص زیست‌پذیری اکولوژیکی بر‌اساس رابطۀ 6 محاسبه شد.

رابطۀ 6

 

 

نتایج حاصل از محاسبۀ شاخص بر‌اساس اوزان متغیرها بیانگر تغییرات به‌صورت روند افزایشی است؛ به‌طوری ‌که کیفیت زیست‌پذیری اکولوژیکی در سال 2023با مقدار میانگین 60/1 نسبت به میانگین سال 2003 با مقدار 58/1 ارزش بیشتری را داشته است. بدین ترتیب، سطح کیفیت زیست‌پذیری رو‌به بهبود است (شکل 5). برای سال 2003 مناطق 4، 6 و 1 بیشترین مقدار مطلوبیت و مناطق 3، 5 و 10 کمترین مطلوبیت زیست‌پذیری اکولوژیکی را دارد. در‌مقابل، در سال 2023 مناطق 2، 1 و 4 به‌ترتیب بیشترین مطلوبیت زیست‌پذیری اکولوژیکی را دارد و مناطق 10، 3 و 8 با کمترین مقدار در رتبه‌های آخر قرار گرفته است. در شکل 4 مقدار‌های سالانه بر‌اساس مناطق دهگانۀ کلانشهر تبریز آمده است.

 

شکل4: میانگین مقدار‌های شاخص زیست‌پذیری اکولوژیکی مناطق کلانشهر تبریز برای سال‌های 2003 و 2023 (منبع: نگارندگان، 1403)

Figure 4: The average values of the Ecological Livability Index of Tabriz metropolitan areas for 2003 and 2023

 

 

شکل5: نقشۀ مقدار‌های نهایی شاخص زیست‌پذیری اکولوژیکی (منبع: نگارندگان، 1403)

Figure 5: Map of the final values of ecological livability index

نتیجه‌گیری

در پژوهش حاضر شاخص زیست‌پذیری اکولوژیکی کلانشهر تبریز به‌صورت تغییرات زمانی_مکانی برای سال‌های 2003 و 2023 ارزیابی شد. به این منظور، شاخص  بر‌اساس متغیرهای به‌دست‌آمده از پیشینۀ پژوهش (LST, NDVI, NDBSI, AOD, NWD) و با استفاده از مدل وزن‌دهی کریتیک محاسبه شد. بر‌اساس نتایج حاصل از مدل کریتیک به‌ترتیب اوزان متغیرها ، ، ، و  به دست آمد که بیشترین وزن مربوط به دمای سطح زمین و کمترین وزن نیز تراکم پوشش گیاهی است. طبق نتایج حاصل از محاسبۀ شاخص زیست‌پذیری اکولوژیکی مناطق 4، 6 و 1 بیشترین مقدار مطلوبیت و مناطق 3، 5 و 10 کمترین مطلوبیت زیست‌پذیری اکولوژیکی را در سال 2003 دارند. در‌مقابل در سال 2023 مناطق 2، 1 و 4 به‌ترتیب بیشترین مطلوبیت زیست‌پذیری اکولوژیکی را دارد و مناطق 10، 3 و 8 با کمترین مقدار در رتبه‌های آخر قرار گرفته است (شکل 5). همچنین، برررسی همبستگی میان مناطق و متغیرهای شاخص همان‌طور که در شکل6 مشاهده می‌شود، بین متغیرهای NDVI و NWD و مناطق تغییرات قابل ملموسی مشاهده نمی‌شود و متغیر LST به‌صورت کاهشی و متغیر NDBSI روند افزایشی را نشان می‌دهد. متغیر AOD نیز روند افزایشی_کاهشی و مناطق در سال‌های مختلف مقدار‌های متفاوتی را داشته است که نشان از ایجاد تغییرات گسترده در کاربری‌های مختلف آن منطقه است.

 همان‌طور که از نتایج مشاهده می‌شود روند کیفیت زیست‌پذیری اکولوژیکی مناطق برای سال‌های مختلف در یک مسیر قرار دارد؛ به‌طوری‌ که مناطق با مطلوبیت شاخص در سال 2003 مجدداً در سال 2023 نیز با حفظ مطلوبیت در رتبه‌های بالاتر قرار گرفته است. در‌واقع، در سال 2003 مناطق واقع در حاشیۀ شمالی و جنوبی کلانشهر مقدار‌های مطلوبیت کم و مناطق مرکزی بیشترین ارزش زیست‌پذیری را داشته است. در‌ادامه، در سال 2023 با حرکت به مناطق جنوبی تبریز بیشترین تمرکز عدم مطلوبیت مشاهده می‌شود. به‌طور کلی، مقدار‌های نهایی شاخص زیست‌پذیری اکولوژیکی را نمی‌توان بدون در نظر گرفتن تأثیر مستقیم متغیرها و اوزان آنها در‌نظر گرفت؛ به‌طوری ‌که متغیر  با بیشترین وزن روند کاهشی و مناطق مرکزی و جنوبی تبریز بیشترین تراکم را داشته است. در‌مقابل، با عدم افزایش همسوی پوشش گیاهی در این مناطق و افزایش مقدار AOD شاخص زیست‌پذیری اکولوژیکی در این محدوده در وضعیت نامطلوبی قرار دارد. نتایج حاصل از محاسبۀ شاخص بر‌اساس اوزان متغیرها بیانگر آن است که تغییرات به‌صورت روند افزایشی است؛ به‌طوری‌ که کیفیت زیست‌پذیری اکولوژیکی در سال 2023با مقدار میانگین 60/1 نسبت به میانگین سال 2003 با مقدار 58/1 ارزش بیشتری را داشته است. بدین ترتیب، سطح کیفیت زیست‌پذیری رو‌به بهبود است.

از عوامل محدودیت پژوهش حاضر محدودیت تصاویر ماهواره‌ای‌ استفاده‌شده مبنی بر وجود اختلاف در قدرت تفکیک مکانی پیکسل‌هاست که می‌تواند منجر به افت دقت و نتایج نادرست شود. یافته‌های این پژوهش با سایر پژوهش‌ها ازجمله Junbo et al. (2022)، .Liu et al (2023)، Bian et al. (2020)، Xisheng & Hanqiu (2018) همراستاست. همچنین، پژوهش نشان داد که مدل کریتیک و شاخص توسعه داده‌شده در پژوهش‌هایی نظیر این پژوهش می‌تواند نتایج کاملاً پذیرفتنی را ارائه دهد؛ از این رو پیشنهاد می‌شود در ارزیابی کیفیت زیست‌پذیری اکولوژیکی از روش‌های مذکور استفاده شود. بر‌اساس نتایج به‌دست‌آمده موارد زیر پیشنهاد می‌شود:

  • افزایش سرانه فضای سبز به‌خصوص در مناطق مرکزی و مناطق با فقر پوشش گیاهی؛
  • برنامه‌ریزی برای کاهش مقدارLST در شمال، شمال غربی و نواحی مرکزی؛
  • توسعۀ جنگل‌کاری گسترده با گونه‌های مقاوم و جاذب در برابر آلاینده‌های زیست‌محیطی و گرد و غبار در نواحی غربی کلانشهر تبریز برای افزایش زیست‌پذیری اکولوژیکی شهری.

 

 

شکل6: مقدار‌های متغیرها و مناطق کلانشهر تبریز (منبع: نگارندگان، 1403)

Figure 6: Values of variables and areas of Tabriz metropolis

 

References

منابع
اصغری سراسکانرود، صیاد، فعال نذیری، مهدی، و اردشیرپی، علی اصغر (1398). بررسی اثرات کاربری اراضی بر فرسایش خاک با الگوریتم WLC (مطالعۀ موردی: حوضۀ آبخیز آق لاقان چای). پژوهش‌های فرسایش محیطی، 9(2)، 71-53. http://magazine.hormozgan.ac.ir/article-1-521-fa.html
جنتی، حسین، استقلال، احمد، المدرسی، سید علی، رضایی، محمد‌رضا، و ذاکریان (1399). ارزیابی تطبیقی قابلیت زیست‌پذیری پایدار محلات شهری (مورد پژوهشی: محلات کارکنان شرکت نفت و سادات شهر دوگنبدان). کاوش‌های جغرافیایی مناطق بیابانی، 8(2)، 161-185.
https://grd.yazd.ac.ir/article_2059.html
حیدری، تقی (۱۳۹۷). واکاوی تیپولوژیک رویکرد زیست‌پذیری در بافت‌های فرسودۀ شهری (مطالعۀ موردی: بافت فرسودۀ بخش مرکزی شهر زنجان). دو فصلنامۀ جغرافیای اجتماعی شهری، 5(1)، 104-85.
https://ensani.ir/fa/article/391997
سلیمانی مهرجانی، محمد، توالیی، سیمین، رفیعیان، مجتبی، زنگانه، احمد، و خزاعی‌نژاد، فروغ (1395). زیست‌پذیری شهری: مفهوم، اصول، ابعاد و شاخص‌ها. پژوهش‌های جغرافیا و برنامه‌ریزی شهری، 4(1)، 27-50.
https://doi.org/10.22059/jurbangeo.2016.58120
شکری فیروزجاه، پری، دیوسالار، اسداله، و جهانی، امین (1400). سنجش میزان پایداری اجتماعی در محلات بیست و دو‌گانۀ شهر بابلسر از‌‌منظر ساکنان. مطالعات ساختار و کارکرد شهری، 8(29)، 27-48.
https://doi.org/10.22080/usfs.2021.3441
فتحی، الهام (1394). روند شهرنشینی در ایران. دوماهنامۀ تحلیلی – پژوهشی آمار، 3(2)، 8-15.
http://amar.srtc.ac.ir/article-1-32-fa.html
محلوجی، مهرداد، خادم الحسینی، احمد، صابری، حمید، و رحمتی، صفرقائد (1400). ارزیابی عوامل مؤثر بر زیست‌پذیری فضاهای شهری در سکونتگاه‌های غیر رسمی منطقۀ 14شهر اصفهان. فصلنامۀ جغرافیا و مطالعات محیطی، 10(40)، 7-20. https://journals.iau.ir/article_684281.html
مرکز آمار ایران (1395). [وب­سایت] https://org.ir
References
Adams, S., & Klobodu, E.K.M. (2017). Urbanization democracy bureaucratic quality and environmental degradation. Journal of Policy Modeling 39(6), 1035–1051. https://doi.org/10.1016/j.jpolmod.2017.04.006
Asghari Saraskanroud, S., Faal Naziri, M., & Ardashirpay, A. A. (2019). Studying the effects of land use on soil Erosion with WLC algorithm: Case of study: Agh Laghan chay basin. Environmental Erosion Research, 9(2), 53-71. http://magazine.hormozgan.ac.ir/article-1-521-fa.html [In Persian].
Aulia, D.N. (2016). A framework for exploring livable community in residential environment (Case study: Public housing in medan Indonesia). Procedia - Social and Behavioral Sciences, 234, 336–343. https://doi.org/10.1016/j.sbspro.2016.10.250
Bian, J., Ren, H., & Liu, P. (2020). Evaluation of urban ecological well-being performance in China: A case study of 30 provincial capital cities. Journal of Cleaner Production, 254, 120109. https://doi.org/10.1016/j.jclepro.2020.120109
Chang, I.S., Yilihamu, Q., Wu, J., Wu, H., & Nan, B. (2017). Health impact assessment in environmental impact assessment in China: Status practice and problems. Environmental Impact Assessment Review, 66, 127–137. https://doi.org/10.1016/j.eiar.2017.05.007
Cobbinah, P.B., Poku-Boansi, M., & Peprah, C. (2017). Urban environmental problems in ghana. Environmental Development, 23, 33–46. https://doi.org/10.1016/j.envdev.2017.05.001
Diakoulaki, D., Mavrotas, G., & Papayannakis, L. (1995). Determining objective weights in multiple criteria problems: The critic method. Computers & Operations Research, 22(7), 763-770. https://doi.org/10.1016/0305-0548(94)00059-H
Ellis, E.C., Wang, H., Xiao, H.S., Peng, K., Liu, X.P., Li, S.C., Ouyang, H., Cheng, X., & Yang, L.Z. (2006). Measuring Long-Term ecological changes in densely populated landscapes using current and historical High-Resolution imagery. Remote Sensing of Environment, 100(4), 457–473. https://doi.org/10.1016/j.rse.2005.11.002
Fathi, E. (2014). Urbanization process in Iran. Analytical-Research Bimonthly of Statistics, 3(2), 8-15. http://amar.srtc.ac.ir/article-1-32-fa.html [In Persian].
Fu, B., Yu, D., & Zhang, Y. (2019). The livable urban landscape: GIS and remote sensing extracted land use assessment for urban livability in changchun proper China. Land Use Policy, 87, 104048. https://doi.org/10.1016/j.landusepol.2019.104048
Graafland, J., & Smid, H. (2017). Reconsidering the relevance of social license pressure and government regulation for environmental performance of European smes. Journal of Cleaner Production, 141, 967–977. https://doi.org/10.1016/j.jclepro.2016.09.171
Grubert, E. (2018). Relational values in environmental assessment: The social context of environmental impact. Current Opinion in Environmental Sustainability, 35, 100–107. https://doi.org/10.1016/j.cosust.2018.10.020
Gupta, P., Khan, M.N., Da Silva, A., & Patadia, F. (2013). Modis aerosol optical depth observations over urban areas in Pakistan: Quantity and quality of the data for air quality monitoring. Atmospheric Pollution Research, 4(1), 43–52. https://doi.org/10.5094/APR.2013.005
Heydari, M.T. (2017). Typological analysis of livability approach in worn-out urban tissues (Case study: Worn-out tissue in the central part of Zanjan city). Journal of Urban Social Giography, 5(1), 85-104. https://ensani.ir/fa/article/391997 [In Persian].
Jannati, H., Esteghlal, A., Almodaresi, A., Rezaei, M. R., & Zakerian, M. (2021). Comparative assessment of the sustainable livability in urban neighborhoods: A case study of the neighborhood of the oil company staff and Sadatshahr in the city of dogonbadan. Journal of Geographical Research on Desert Areas, 8(2), 161-185. https://grd.yazd.ac.ir/article_2059.html [In Persian].
Junbo, Y., Xinghua, L., Xiaobin, G., & Huanfeng, Sh. (2022). A remote sensing assessment index for urban ecological livability and its application. Geo-spatial Information Science, 27(2), 289-310. https://doi.org/10.1080/10095020.2022.2072775
Litman T. (2010). Sustainability and livability: Summary of definitions, goals, objectives and performance indicators. Victoria transport policy institute.
Liu, J., Nijkamp, P., Huang, X., & Lin, D. (2017a). Urban livability and tourism development in China: Analysis of sustainable development by means of spatial panel data. Habitat International, 68, 99–107. https://doi.org/10.1016/j.habitatint.2017.02.005
Liu, J., Zang, C., Tian, S., Liu, J., Yang, H., Jia, S., You, L., Liu, B., & Zhang, M. (2013). Water conservancy projects in China: Achievements challenges and way forward. Global Environmental Change, 23(3), 633–643. https://doi.org/10.1016/j.gloenvcha.2013.02.002
 Liu, M., Ma, M., Liu, J., Lu, X., Dong, Z., & Li, J. (2023). Quantifying impacts of natural and anthropogenic factors on urban ecological quality changes: A multiscale survey in Xi’an China. Ecological Indicators, 153, 110463. https://doi.org/10.1016/j.ecolind.2023.110463
Liu, Y., Dijst, M., Faber, J., Geertman, S., & Cui, C. (2017b). Healthy urban living: residential environment and health of older adults in Shanghai. Health & Place, 47, 80–89. https://doi.org/10.1016/j.healthplace.2017.07.007
Madadi, A., Sadr, A.H., Kashani, A., Gilandeh, A.G., Safarianzengir, V., & Kianian, M. (2021). Monitoring of aerosols and studying its effects on the environment and humans health in Iran. Environmental Geochemistry and Health, 43, 317–331. https://doi.org/10.1007/s10653-020-00709-w
Mahlouji, M., Khademolseiny, A., Saberi, H., & Ghaedrahmati, S. (2022). Assessing the factors affecting urban livability in informal settlements, study of Zone 14 of Esfahan. Geography and Environmental Studies, 10(34), 7-20. https://journals.iau.ir/article_684281.html  [In Persian].
Ruth, M., & Franklin, R.S. (2014). Livability for all? Conceptual limits and practical implica- tions. Appl.Geogr, 49, 18–23. https://doi.org/10.1016/j.apgeog.2013.09.018
Seto, K.C., Güneralp, B., Hutyra, L.R. (2012). Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools. Proc. Natl. Acad. Sci, 40(109), 16083–16088. https://doi.org/10.1073/pnas.1211658109
Shokri, P., Divsalar, A., & Jahani, A. (2021). Measuring the level of social sustainability in 22 neighborhoods of Babolsar city. Urban Structure And Function Studies, 8(29), 27-48. https://doi.org/10.22080/usfs.2021.3441 [In Persian].
Soleimani Mehrenjani, M., Tavallai, S., Rafieian, M., Zanganeh, A., & khazaei Nezhad, F. (2016). Urban livability: The concept principles aspects and parameters. Geographical Urban Planning Research (GUPR), 4(27), 27-50. https://doi.org/10.22059/jurbangeo.2016.58120 [In Persian].
Statistical Centre of Iran (2015). [Website]. https://amar.org.ir [In Persian].
Valcárcel-Aguiar, B., & Murias, P. (2019). Evaluation and management of urban livability: A goal programming based composite indicator. Social Indicators Research, 142, 689–712. https://doi.org/10.1007/s11205-018-1861-z
Wu, J. (2014). Urban ecology and sustainability: The state-of-the-science and future directions. Landsc. Urban Plan, 125, 209–221. https://doi.org/10.1016/j.landurbplan.2014.01.018
Xisheng, H., & Hanqiu, X. (2018). A new remote sensing index for assessing the spatial heterogeneity in urban ecological quality: A case from fuzhou city China. Ecological Indicators, 8(1470), 11-21. https://doi.org/10.1016/j.ecolind.2018.02.006
Xu, H. (2008). A new index for delineating Built-up land features in satellite imagery. International Journal of Remote Sensing, 29, 4269–4276. https://doi.org/10.1080/01431160802039957
Xu, H., & Zhang, T. (2013). Assessment of consistency in Forest-Dominated vegetation observations between ASTER and Landsat ETM+ Images in subtropical coastal areas of southeastern China. Agricultural and Forest Meteorology, 168, 1–9. https://doi.org/10.1016/j.agrformet.2012.08.012
Zachariasz, A., & Porada, K. (2019). Water in krakow’s gardens parks and areas of greenery. In IOP Conference Series: Materials Science and Engineering (Vol. 603, No. 5, p. 052038). IOP Publishing. https://iopscience.iop.org/article/10.1088/1757-899X/603/5/052038/meta

Files

History

  • Receive Date: 16 May 2024
  • Revise Date: 10 October 2024
  • Accept Date: 18 January 2025

Share

How to cite

Statistics