تحلیل فضایی حس تعلق مکانی در احیای بافت ناکارامد با استفاده از رگرسیون وزن دار جغرافیایی: در منطقه سه تبریز
Publish place: Human Geography Research، Vol: 53، Issue: 1
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 328
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHGR-53-1_010
تاریخ نمایه سازی: 19 اردیبهشت 1400
Abstract:
بافتهایناکارامدشهریبهدلیلارزشهایتاریخی-فرهنگینیازمنددخالت و ساماندهیاند. امروزه، احیایاینبافتها بااصلقراردادننیازساکناندربرقراریارتباطبافضایکالبدی ومباحثیچونحس تعلقبهمکانموردتوجهبسیاریازطراحان قرارمیگیرد. حس تعلق به مکان نشاندهنده علاقه و دلبستگی افراد به آن مکان است و به بازگشت فرد به آن مکان منجر میشود. هدف از این تحقیق تحلیل فضایی حس تعلق به مکان در احیای بافت ناکارامد با استفاده از روش رگرسیون وزندار جغرافیایی (GWR) است. محدودهموردمطالعه منطقه سه شهرداری تبریز شامل چهار ناحیه با ۹۶/۲۷۰۷ هکتار مساحت و دویستوپنجاه هزار نفر جمعیت است. جمعآوری دادهها بهصورتکتابخانهایومیدانیو با استفادهازابزارپرسشنامه انجامگرفتهاست. برای تجزیهوتحلیل دادهها از نرمافزارهای SPSS وLISRELو برای بررسی نتایج و تحلیل فضایی حس تعلق مکانی از روش رگرسیون وزندار جغرافیایی (GWR) در محیط نرمافزار Arc GIS استفادهشده است. نتایج رگرسیون وزندار جغرافیایی نشان میدهد که در بین سه شاخص مورداستفاده (اجتماعی، کالبدی، و زیستمحیطی) بیشترین تاثیر را شاخص اجتماعی دارد و دو شاخص کالبدی و زیستمحیطی به ترتیب در اولویتهای بعدی قرار دارند. همچنین، نتایج تحلیل فضایی نشان میدهد که ناحیههای یک و دو (خیابانهای چرنداب، لیلآباد، باغشمال، حافظ، و همچنین ناحیهمنظریه) ازنظر احیای بافت ناکارامد در وضعیت مناسب و مطلوبی قرار دارند.
Keywords:
Authors
حسن محمودزاده
دانشیار گروه جغرافیا و برنامه ریزی شهری، دانشگاه تبریز، تبریز
عثمان صوفی بوبکران
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تبریز، تبریز
سهیلا نورمحمدی
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تبریز، تبریز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :