آینده پژوهی تعیین اراضی بالقوه جهت توسعه شهری با استفاده از سیستم اطلاعات جغرافیایی (مطالعه موردی: شهر کرمان)
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 556
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JGSKH-22-65_008
تاریخ نمایه سازی: 6 تیر 1400
Abstract:
ارزیابی توان اراضی جهت توسعه شهری به معنای عینیت بخشیدن به قابلیت بالقوه سرزمین در قالب کاربریهای انجام پذیر و مورد انتظار است و از طرفی افزایش روزافزون جمعیت شهرنشین و در پی آن رشد شهرها، توجه به چگونگی گسترش توسعه شهرها و گام برداری در راستای اصول توسعهی پایدار را الزامی مینماید. شهر کرمان نیز به عنوان یکی از شهرهای بزرگ و مهم ایران با محدودیت های طبیعی و انسانی جهت توسعه مواجه است که از این قاعده مستثنی نمیباشد؛ بنابراین توجه به چگونگی توسعه آن، ضرورت دارد. هدف از انجام این پژوهش، شناسایی اراضی مستعد جهت توسعه آتی شهر کرمان میباشد. این پژوهش از نظر هدف تحقیقی کاربردی و از نظر ماهیت و روش توصیفی، تحلیلی می باشد. به منظور رسیدن به هدف پژوهش، از روش فرآیند تحلیل سلسله مراتبی فازی و منطق بولین استفاده شده و در نهایت با تلفیق نهایی نقشهها، اراضی مناسب جهت توسعه آتی شهر کرمان شناسایی شد. نتایج حاصل از این پژوهش نشان میدهد که اراضی واقع در جنوب، جنوب غرب، شمال و شمال غرب شهر کرمان از موقعیت بهتری جهت گسترش آینده شهر نسبت به سایر بخش ها برخوردار می باشند.
Keywords:
Ecologic potential , urban development , fuzzy Analytic Hierarchy Process , geographic information systems , Kerman , توان اکولوژیک , توسعه شهری , تحلیل سلسله مراتبی فازی , سیستم اطلاعات جغرافیایی , شهر کرمان
Authors
اسماعیل کمالی باغراهی
Master of Geography and Urban Planning, Isfahan University, Iran
امید سمندری
Master of Geography and Urban Planning, Kerman Governorate, Iran
صادق صیدبیگی
Ph.D. in Geography and Urban Planning, Science and Research Unit, Islamic Azad University, Tehran, Iran
مرتضی سرحدی
Master of Geography and Urban Planning, Welfare Organization, Amberabad Labor and Social Affairs, Kerman, Iran
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 :