به کارگیری تکنیکهای خودهمبستگی مکانی در تحلیل مکانی زمانی مصرف آب خانگی شهر قم در سطح خانوار
Publish place: Remote Sensing and Iran GIS، Vol: 13، Issue: 4
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 174
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GIS-13-4_007
تاریخ نمایه سازی: 11 اسفند 1400
Abstract:
با توجه به کمبود منابع آبی، مسئله استفاده از این منابع و مدیریت بهینه آن اهمیت ویژه ای دارد. الگوی نامناسب مصرف آب در مناطق گوناگون شهری چه بسا ازجمله مواردی باشد که کمبود آب در شهرها را با مشکلاتی مواجه کند. بنابراین، استفاده از روشهایی ضرورت دارد که الگوی مصرف را در مناطق گوناگون شهری، شناسایی کند. هدف از این تحقیق بررسی الگوی مکانی مصرف آب در سطح شهر قم، با استفاده از تکنیک های خودهمبستگی مکانی است. بدین دلیل، ابتدا مصارف ۱۱۷ محله شهر قم، طی سال ۱۳۹۶ گردآوردی و میانگین مصرف آب خانوار هریک از محله ها محاسبه شد. به منظور شناسایی نوع الگوی مصرف، از شاخص موران و با هدف توزیع مکانی الگوی حاکم، از شاخص موران محلی و نواحی گرم استفاده شد. نتایج خودهمبستگی مکانی نشان داد که بزرگ ترین الگوی خوشه ای مصرف آب در شهر قم، با مقدار شاخص موران (۰.۲۴ I =)، در فصل تابستان شکل گرفته و بیشترین معنی داری شاخص (۷.۰۲ z =) نیز در این فصل مشاهده شده است. در هر دو تحلیل موران محلی و نواحی گرم، مشاهده شد که مصارف بالا الگوی خوشه ای بالایی به نسبت مصارف پایین دارند. از نظر مکانی، خوشه های با مصرف بالا بیشتر در محله های مرکزی و غربی شهر و خوشه های با مصرف پایین نیز در محله های جنوبی، شرقی و شمالی شهر به صورت پراکنده ملاحظه شد. از نظر زمانی، خوشه های با مصرف بالا در محله های مرکزی و غربی، به ترتیب در فصل تابستان و زمستان و خوشه های با مصرف پایین نیز در فصل های سرد مشاهده شد.
Keywords:
Authors
زهرا برخورداری
دانشجوی کارشناسی ارشد سنجش از دور و GIS، دانشگاه تربیت مدرس
جلال کرمی
استادیار گروه سنجش از دور و GIS، دانشگاه تربیت مدرس
حجت اله محبوبی
دانشجوی دکتری سنجش از دور و GIS، دانشگاه شهید بهشتی
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 :