جغرافیا و برنامه‌ریزی

با ورود به هزاره سوم میلادی، شهرها در اثر رشد جمعیت و شهرنشینی، با چالشهای گستردهای ناشی از رشدی فراتر از ظرفیتهای پاسخگو مواجه شده اند که نمود عینی آن را در مسائلی چون فقر شهری، کمبود زیرساختها، اسکان غیررسمی، رشد آلودگیها، کاهش کیفیت زندگی و در مجموع، رشد ناپایداریها میتوان ... بیشتر با ورود به هزاره سوم میلادی، شهرها در اثر رشد جمعیت و شهرنشینی، با چالشهای گستردهای ناشی از رشدی فراتر از ظرفیتهای پاسخگو مواجه شده اند که نمود عینی آن را در مسائلی چون فقر شهری، کمبود زیرساختها، اسکان غیررسمی، رشد آلودگیها، کاهش کیفیت زندگی و در مجموع، رشد ناپایداریها میتوان مشاهده نمود. در چنین وضعیتی، یافتن راهکارهای جدید و کم هزینه در جهت دستیابی به پایداری، بیش از پیش ضروری به نظر میرسد. براین اساس، پژوهش حاضر استدلال میکند که هوشمندسازی، با بهره گیری از شاخصهایی همچون حکمروایی هوشمند، محیط زیست هوشمند، اقتصاد هوشمند، تحرک هوشمند، زندگی هوشمند و مردم هوشمند، رویکرد موثری در جهت نیل به پایداری (در ابعاد اقتصادی، اجتماعی، محیطی و کالبدی) محسوب میگردد. روش تحقیق مبتنی بر روش همبستگی است، بدین معنی که ارتباط معناداری بین هوشمندسازی و پایداری شهری وجود دارد. گردآوری دادهها به روشهای کتابخانهای و میدانی (با ابزارهای پرسشنامه، مشاهده و مصاحبه) انجام شده است. در تحلیل دادهها نیز از آزمونهای آماری توصیفی و استنباطی (شامل رگرسیون چندمتغیره، ضریب همبستگی پیرسون، آزمون تی تک نمونهای، تحلیل واریانس، و ضریب بتا) استفاده شده است. جامعه آماری شامل محلههای منطقه 6 کلانشهر تهران است که بنا به تقسیمات اداری شهرداری منطقه، از 18محله تشکیل شده است. پایایی شاخصها به کمک آلفای کرونباخ و روایی آنها براساس روش صوری انجام شده است. نتایج تحقیق بیانگر وجود ارتباط مستقیم بین سطح هوشمندسازی و پایداری شهری است، به طوری که با افزایش سطح هوشمندی محلهها، بر میزان پایداری آنها نیز افزوده میشود. محلههای آرژانتین- ساعی و دانشگاه تهران که از بیشترین سطح هوشمندی برخوردار هستند، دارای بالاترین میزان پایداری نسبت به سایر محلهها میباشند و محلههای قزل قلعه، گاندی و عباس آباد که از کمترین سطح هوشمندی برخوردارند، تقریباً دارای پایینترین میزان پایداری نیز هستند. با ورود به هزاره سوم میلادی، شهرها در اثر رشد جمعیت و شهرنشینی، با چالشهای گستردهای ناشی از رشدی فراتر از ظرفیتهای پاسخگو مواجه شده اند که نمود عینی آن را در مسائلی چون فقر شهری، کمبود زیرساختها، اسکان غیررسمی، رشد آلودگیها، کاهش کیفیت زندگی و در مجموع، رشد ناپایداریها میتوان مشاهده نمود. در چنین وضعیتی، یافتن راهکارهای جدید و کم هزینه در جهت دستیابی به پایداری، بیش از پیش ضروری به نظر میرسد. براین اساس، پژوهش حاضر استدلال میکند که هوشمندسازی، با بهره گیری از شاخصهایی همچون حکمروایی هوشمند، محیط زیست هوشمند، اقتصاد هوشمند، تحرک هوشمند، زندگی هوشمند و مردم هوشمند، رویکرد موثری در جهت نیل به پایداری (در ابعاد اقتصادی، اجتماعی، محیطی و کالبدی) محسوب میگردد. روش تحقیق مبتنی بر روش همبستگی است، بدین معنی که ارتباط معناداری بین هوشمندسازی و پایداری شهری وجود دارد. گردآوری دادهها به روشهای کتابخانهای و میدانی (با ابزارهای پرسشنامه، مشاهده و مصاحبه) انجام شده است. در تحلیل دادهها نیز از آزمونهای آماری توصیفی و استنباطی (شامل رگرسیون چندمتغیره، ضریب همبستگی پیرسون، آزمون تی تک نمونهای، تحلیل واریانس، و ضریب بتا) استفاده شده است. جامعه آماری شامل محلههای منطقه 6 کلانشهر تهران است که بنا به تقسیمات اداری شهرداری منطقه، از 18محله تشکیل شده است. پایایی شاخصها به کمک آلفای کرونباخ و روایی آنها براساس روش صوری انجام شده است. نتایج تحقیق بیانگر وجود ارتباط مستقیم بین سطح هوشمندسازی و پایداری شهری است، به طوری که با افزایش سطح هوشمندی محلهها، بر میزان پایداری آنها نیز افزوده میشود. محلههای آرژانتین- ساعی و دانشگاه تهران که از بیشترین سطح هوشمندی برخوردار هستند، دارای بالاترین میزان پایداری نسبت به سایر محلهها میباشند و محلههای قزل قلعه، گاندی و عباس آباد که از کمترین سطح هوشمندی برخوردارند، تقریباً دارای پایینترین میزان پایداری نیز هستند.

آب و هواشناسی

تحلیل و پیش‌بینی روزهای خشک با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه تهران)

حسین عساکره؛ فریبا صیادی

دوره 21، شماره 60 ، شهریور 1396، ، صفحه 161-167

https://doi.org/06

چکیده

شبکه‌های عصبی مصنوعی بهعنوان یکی از تکنیک‌های غیرخطی در مطالعات اقلیمی و هیدرولوژی اهمیت فراوانی بهخود اختصاص دادهاند. تغییراقلیم و بهدنبال آن گرمایش جهانی از پدیده‌های اقلیمی به شمار می‌رود. شمار روزهای خشک و تداوم آن خشکسالی را بهدنبال دارد. در این پژوهش از داده‌های بارش روزانه طی سال‌های (1976-2008) و شبکه عصبی ... بیشتر شبکه‌های عصبی مصنوعی بهعنوان یکی از تکنیک‌های غیرخطی در مطالعات اقلیمی و هیدرولوژی اهمیت فراوانی بهخود اختصاص دادهاند. تغییراقلیم و بهدنبال آن گرمایش جهانی از پدیده‌های اقلیمی به شمار می‌رود. شمار روزهای خشک و تداوم آن خشکسالی را بهدنبال دارد. در این پژوهش از داده‌های بارش روزانه طی سال‌های (1976-2008) و شبکه عصبی مصنوعی در نرم‌افزار MATLAB بهمنظور پیش‌بینی شمار روزهای خشک ایستگاه تهران استفاده شده است. شبکه بهکار رفته از نوع Feed-forward با الگوریتم کاهش شیب و مارکوارت لونبرگ در مرحله آموزش و یادگیری می‌باشد. ساختارهای گوناگونی در لایه ورودی و پنهان در مرحله آموزش مورد آزمایش قرار گرفت. در نهایت شبکه با 4 ورودی و 5 نرون در لایه پنهان و 1 نرون در لایه خروجی به مطلوب‌ترین ساختار (1-5-4) جهت پیش‌بینی بهینه با بیش‌ترین همبستگی پاسخ داد. نتایج نشان داد که در ایستگاه مذکور، روزهای خشک پیش‌بینی شده توسط شبکه در مقایسه با طول دوره آماری مورد بررسی دارای روند افزایشی بوده است که با محاسبه احتمال وقوع روزهای خشک، طی سال‌های (2018-2009) با استفاده از زنجیره مارکوف، موارد فوق تأیید گردیده است. ضریب همبستگی مقادیر پیش‌بینی روزهای خشک بدون ترکیب با الگوریتم ژنتیک 86 درصد است. بعد از آموزش شبکه با ترکیب الگوریتم ژنتیک با لایه‌های مختلف این مقدار به 88درصد رسید که می‌توان گفت در صورت ترکیب شبکه با الگوریتم مذکور نتایج قابل قبول ارائه میدهد.

اولویت‌بندی فضایی سیستم مدیریت یکپارچه مناطق شهری (مطالعه موردی: مناطق 22‌گانه شهر تهران)

سیدعلی علوی؛ محمد مولانی قلیچی؛ هادی جوادزاد اقدم؛ بهمن نجف پور

دوره 19، شماره 51 ، فروردین 1394، ، صفحه 247-266

چکیده

شهر بهمثابه بخشی از سلسلهمراتب سیستم فضایی و تقسیمات سیاسی- جغرافیایی هر کشور بر اساس شاخصههای مختلفی مانند نوع حکومت، مدیریت، سطح آگاهی، علاقمندی اجتماعی و مشارکت مردم در نظام تصمیمگیری شکل می‌گیرد. از آنجا که هر عنصر در چارچوب ویژگی‌های عملکردی‌اش قابل تعریف است، لذا براساس نقش‌های مختلفی که در زیرسیستم‌های نظام ... بیشتر شهر بهمثابه بخشی از سلسلهمراتب سیستم فضایی و تقسیمات سیاسی- جغرافیایی هر کشور بر اساس شاخصههای مختلفی مانند نوع حکومت، مدیریت، سطح آگاهی، علاقمندی اجتماعی و مشارکت مردم در نظام تصمیمگیری شکل می‌گیرد. از آنجا که هر عنصر در چارچوب ویژگی‌های عملکردی‌اش قابل تعریف است، لذا براساس نقش‌های مختلفی که در زیرسیستم‌های نظام شهری تعریف می‌شود، می‌توان انواع مختلفی از اجزای تشکیلدهنده سیستم را شناسایی نمود. با توجه به نقش مدیریت یکپارچه شهری بهعنوان سیستم و عامل کنترل و هدایت نظام شهری در کلانشهرها، مـی‌توان از عناصر تحت نظارت مدیریت یاد شده یـعنی مناطق شـهرداری بهعنوان عناصر تشکیلدهنده سیستم شهری نام برد. از طرفی دیگر وسعت و پراکندگی کلانشهرها نیازمند تعادل در حجم عملیاتی متناسب با توان آن می‌باشند. هدف از این تحقیق اولویتبندی فضایی سیستم مدیریت یکپارچه شهری مناطق تهران بهمنظور حل مسائل مدیریت شهری بوده است. روش تحقیق در این مقاله به دو صورت توصیفی- تحلیلی صورت گرفته است. بهمنظور دستیابی به هدف پژوهـش از روش‌های تصمیمگیری چـندمعیاره، مدل‌های تحلیلی (VIKOR و AHP) جهت رتبهبندی مناطق شهری تهران استفاده شده است. نتایج حاصل از پژوهش نشان داده که از میان مناطق شهری تهران، منطقه 6 شهرداری از مسألهخیزترین مناطق شهری بوده، پس از آن نیز مناطق شهری 2 و 14 قرارداشته است. همچنین نتایج این مدل نشان داده که مناطق شهری 16، 8 و 22 از نظر سیستم مدیریت شهری مشکلات کمتری نسبت به دیگر مناطق دارابوده است. در نهایت تحلیل‌های فضایی جهت اولویتبندی فضایی سیستم مدیریت یکپارچه شهری در منطقه مورد مطالعه صورت گرفته و پیشنهاداتی نیز ارائه گردیده است.

تحلیل عوامل اصلی افزایش بی¬رویه قیمت مسکن در کلان شهر تهران

سیدعلی علوی؛ مسلم آقایاری؛ تقی حیدری

دوره 16، شماره 42 ، اسفند 1391، ، صفحه 199-221

چکیده

بخش مسکن عرصه ظهور مشکلات متعددی بوده است که اغلب از سایر بخش‌های جامعه به آن تحمیل گردیده و موجبات برهم خوردن تعادل در آن را فراهم نموده است. یکی از مسائلی که همواره در بخش مسکن مطرح و با توالی نامنظم تکرار گردیده است، موج افزایش بی‌رویه قیمت مسکن بوده، که به دنبال خود مسائل عدیدهای به همراه آورده است. به نظر می‌رسد عوامل متعددی ... بیشتر بخش مسکن عرصه ظهور مشکلات متعددی بوده است که اغلب از سایر بخش‌های جامعه به آن تحمیل گردیده و موجبات برهم خوردن تعادل در آن را فراهم نموده است. یکی از مسائلی که همواره در بخش مسکن مطرح و با توالی نامنظم تکرار گردیده است، موج افزایش بی‌رویه قیمت مسکن بوده، که به دنبال خود مسائل عدیدهای به همراه آورده است. به نظر می‌رسد عوامل متعددی در افزایش بی‌رویه قیمت مسکن و شکل‌گیری موج‌های افزایشی آن نقش داشته است. این پژوهش کنکاشی در این موضوع بوده که به صورت توصیفی و تحلیلی انجام شده است. در بخش توصیفی با استفاده از مطالعات کتابخانه و استادی اطلاعات مورد نیاز تحقیق جمعآوری شده است، در بخش تحلیلی جهت بررسی عوامل اصلی و همچنین تعیین آثار و پیامدهای افزایش بی‌رویه قیمت مسکن، پیمایش و تحلیل‌های آماری صورت گرفته است. نتایج حاصل از تجزیه تحلیل آماری از داده‌های تحقیق، که از نظرات نخبگان و کارشناسان بخش مسکن استفاده گردیده، نشان داده است که مؤلفه متغیرهای اجتماعی (Social) به عنوان تبیینکننده اثر متغیرهای اجتماعی - فرهنگی با ضریب همبستگی (84/0) بیشترین تأثیر را بر افزایش بیرویه قیمت مسکن در منطقه مورد مطالعه داشته است. همچنین متغیرهای فیزیکی- کالبدی و اجرایی به ترتیب با ضرایب همبستگی (66/0 و 61/0) در رتبه‌های بعدی قرار داشته است. برخلاف انتظار، مولفه متغیرهای اقتصادی (Economic) از منظر خبرگان و کارشناسان بخش مسکن کمترین تأثیر را بر افزایش قیمت مسکن در کلان‌شهر تهران بر عهده داشته است. بنابراین این متغییر علیرغم آنکه با ضریب همبستگی (45/0) را به خود اختصاص داده است هنوز نقش آن، تأثیر ضعیفی تلقی نشده است، و در افزایش بیرویه قیمت مسکن به همراه سایر عوامل نقش بسزایی داشته است.

پژوهشی آماری پیرامون تحلیل نوسانات و پیش¬بینی سری زمانی دماهای فرین بالای تهران

یوسف قویدل رحیمی

دوره 16، شماره 39 ، اردیبهشت 1391، ، صفحه 109-127

چکیده

در این پژوهش دادههای بیشینه سالانه دماهای روزانه ایستگاه سینوپتیک مهرآباد تهران طی بازه آماری 1951 تا 2010 میلادی به مدت 60 سال مورد تحلیل قرار داده شده است. از روش تحلیل رگرسیون و آماره من- کندال برای آزمون معناداری روندهای تغییرات سریهای دمایی استفاده شده است. با توجه به متوسط دماهای فرین بیشینه بلندمدت و مقایسه آن با متوسط 6 دهه ... بیشتر در این پژوهش دادههای بیشینه سالانه دماهای روزانه ایستگاه سینوپتیک مهرآباد تهران طی بازه آماری 1951 تا 2010 میلادی به مدت 60 سال مورد تحلیل قرار داده شده است. از روش تحلیل رگرسیون و آماره من- کندال برای آزمون معناداری روندهای تغییرات سریهای دمایی استفاده شده است. با توجه به متوسط دماهای فرین بیشینه بلندمدت و مقایسه آن با متوسط 6 دهه موجود در سری آماری معلوم شد که دمای 3 دهه 50، 80 و 90 پایینتر از متوسط بلندمدت 60 ساله و در عوض دمای سه دهه 60 ، 70 و دهه اول قرن 21 بالاتر از حد متوسط بلندمدت قرار داشتهاند. در این ارتباط دهه 80 سردترین دهه و دهه اول قرن 21 با توجه به کمینه و دامنه بالاتر از دهههای 60 و 70 گرمترین دهههای ایستگاه مهرآباد تهران هستند. نتایج کلی این تحقیق مبین وجود نوسانات فصلی در سری دماهای فرین حداکثر تهران است که روند این نوسانات معنادار نیستند. روند تغییرات دماهای فرین حداکثر تهران مثبت بوده که این امر به معنا افزایش شدت گرمای تابستان میباشد. نتایج حاصل از پیشبینی دماهای فرین بیشینه تهران نشان میدهد که دمای فرین حداکثر تهران در سال های 2018 به بیش از 25/43 درجه سانتیگراد صعود خواهد کرد. نتایج نیکویی برازش مدل نشان داد که مدل هالت- وینترز مدل خوبی برای پیشبینی آتی دماهای فرین حداکثر تهران میباشد.

جغرافیا و برنامه‌ریزی

مقالات آماده انتشار

شماره جاری

دوره 27 (1402)

دوره 26 (1401)

دوره 25 (1400)

دوره 24 (1399)

دوره 23 (1398)

دوره 22 (1397)

دوره 21 (1396)

دوره 20 (1395)

دوره 19 (1394)

دوره 18 (1393)

دوره 17 (1392)

دوره 16 (1391)

کلیدواژه‌ها = تهران

تحلیل ارتباط هوشمندسازی و پایداری در فضاهای شهری (مطالعه موردی: منطقه 6 شهر تهران)

چکیده

تحلیل و پیش‌بینی روزهای خشک با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه تهران)

چکیده

اولویت‌بندی فضایی سیستم مدیریت یکپارچه مناطق شهری (مطالعه موردی: مناطق 22‌گانه شهر تهران)

چکیده

تحلیل عوامل اصلی افزایش بی¬رویه قیمت مسکن در کلان شهر تهران

چکیده

پژوهشی آماری پیرامون تحلیل نوسانات و پیش¬بینی سری زمانی دماهای فرین بالای تهران

چکیده