تحلیل توزیع خدمات عمومی شهر شیراز با مدل های خودهمبستگی فضایی در نرم افزار ArcGIS و Geoda
Publish place: Journal of Research and Urban Planning، Vol: 6، Issue: 22
Publish Year: 1394
Type: Journal paper
Language: Persian
View: 147
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JUPM-6-22_001
Index date: 18 February 2024
تحلیل توزیع خدمات عمومی شهر شیراز با مدل های خودهمبستگی فضایی در نرم افزار ArcGIS و Geoda abstract
دادههای فضایی در فضا توزیع یکنواختی ندارند و تکنیکها و تحلیلهای منحصر به فرد خود را میطلبند. از این رو، مدلهای گوناگونی در زمینه، زمین آمار به وجود آمدهاند. از آنجا که بررسی و تحلیل توزیع خدمات عمومی شهر به صورت همگن در فضا توزیع نشدهاند بنابراین یکی از اساسیترین عناصر ارتقاء دهنده کیفیت محیط شهری دسترسی مناسب به خدمات است و یک عامل ضروری برای توفیق پایداری محیط شهری تلقی میشود. در چنین شرایطی مدلهای جدید تحلیل فضایی از جمله تحلیل حریم و تکنیکهای خودهمبستگی فضایی توانستهاند، مسالهی دسترسی به خدمات شهری را نه تنها برای یک نوع خدمت خاص بلکه برای تعداد زیادی از خدمات تحلیل نمایند و چگونگی پراکنش فضایی خدمات (تمرکز و تفرق) و دسترسی شهروندان و در نهایت عدالت فضایی شهری را تبیین نمایند. روش تحقیق حاضر توصیفی – تحلیلی و مبتنی بر مطالعات کتابخانهای، اسنادی و بررسیهای میدانی در سطح شهر شیراز است. با استفاده از سیستم اطلاعات جغرافیایی و نرمافزار Geoda و شاخص موران و آماره عمومی G و شاخص دو متغیره موران به تجزیه و تحلیل اطلاعات پرداخته شد. نتایج نشان میدهد که خدمات متناسب با جمعیت در مناطق شهری شیراز توزیع شدهاند، اما دسترسی شهروندان به خدمات عمومی شهری برابر نیست و از مدل مرکز پیرامون تبعیت میکنند. نواحی مرکز شهر از دسترسی مطلوبی به خدمات برخوردارند و نواحی پیرامونی از دسترسی ضعیفی برخوردار هستند.
تحلیل توزیع خدمات عمومی شهر شیراز با مدل های خودهمبستگی فضایی در نرم افزار ArcGIS و Geoda Keywords:
تحلیل توزیع خدمات عمومی شهر شیراز با مدل های خودهمبستگی فضایی در نرم افزار ArcGIS و Geoda authors
اکبر کیانی
دانشگاه زابل
علی اکبر کاظمی
کارشناسی ارشد زابل
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 :