تحلیل آینده بازتوسعه اراضی قهوه ای در جهت توسعه شهری پایدار با رویکرد سناریونویسی
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,466
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CIVIL01_109
تاریخ نمایه سازی: 10 شهریور 1393
Abstract:
بازتوسعه اراضی قهوه ای درکشورهای صاحب سبک برنامه ریزی استراتژیک فرایندی جدیدی نیست اما درایران و خاصه دردومین کلانشهر آن شهر مشهد فرایندی نومحسوب میگردد این پوهش بارویکردی توصیفی تحلیلی و مبتنی برروش سناریونویسی سعی دارد فاکتورهای اصلی موفقیت رادرتغییرکاربری موثراراضی قهوه ای درکشورهای توسعه یافته بررسی نموده و درنهایت مزیت های انجام این فعالیت ها را بصورت تطبیقی درشهر مشهد ارزیابی نماید این تحقیق به شکل گام به گام برپایه مدل سناریونویسی Schwartz تدوین شدهاست به این طریق که درابتدا تجربیات کشورهای صاحب سبک بازتوسعه اراضی مورد بررسی قرارگرفت و سپس با بررسی تطبیقی این تجربیات درشهر مشهد و مصاحبه ازمتخصصین پیش نیازهای مختلفی درجهت تحقق سناریوی مطلوب به منظور بازتوسعه این اراضی درشهر مشهد ارایه شد ازانجایی که هرسناریو الزامات خاصی می طلبد درصورت تحقق و عدم تحقق به عنوان نیروی پیشران شکست یا موفقیت یک برنامه را تحت تاثیر قرارمیدهد امروزه بازتوسعه اراضی قهوه ای درکشورهای توسعه یافته جهت توسعه پایدارشهری امری مهم شناخت شدها ست بررسیمروری تجارب جهانی درشهر مشهد بیانگر این مهم است اگراراضی قهوه ای به شکلی قانونمند و باهماهنگی بین سازمانی و مدیریت واحدشهری مورد برنامه ریزی قرارگیرند بهره وری مناسبی درابعاد اقتصادی اجتماعی و زیست محیطی درپی خواهند داشت که لازمه این حرکت واگذاری این اراضی به بخش خصوصی بانظارت دولتی هماهنگی میان علایق ذینفعان و مشارکت کنندگان سرمایه گذاری و واگذاری وام دراراضی قهوه ای بعنوان بهترین نیروی پیشران درتحقق سناریو اجرایی ازنتایج میدانی این تحقیق منتج شد
Keywords:
Authors
محمدرحیم رهنما
دانشیارگروه جغرافیا دانشگاه فردوسی مشهد
امیدعلی خوارزمی
استادیارگروه جغرافیا دانشگاه فردوسی مشهد
ریحانه علائی
دانشجوی کارشناسی ارشدجغرافیا و برنامه ریزی شهری دانشگاه فردوسی مشهد
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 :