سنجش و مکانیابی فضاهای سبز شهری در شهر اشنویه با استفاده از مدل AHP و سیستم اطلاعات جغرافیایی GIS
محل انتشار: کنفرانس بین المللی معماری، شهرسازی، عمران، هنر و محیط زیست؛ افق های آینده، نگاه به گذشته
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 283
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICAUCAE01_1133
تاریخ نمایه سازی: 10 تیر 1396
چکیده مقاله:
یکی از مشکلات اساسی شهرها، کمبود فضای سبز شهری است که از جنبههای مختلف بر زندگی انسان تاثیر میگذارد. در مقایسه با استاندارهای شهرسازی، علاوه بر پایین بودن سطح کاربری فضای سبز در شهرهای مختلف ایران، پراکندگی نامناسب آن نیز مشکلاتی را بوجود آورده است که از جمله میتوان به عدم توزیع عادلانه فضای سبز در سطح شهر و مشکلات دسترسی شهروندان اشاره کرد. شهر اشنویه نیز این قاعده مستثنی نیست؛ سرانه پارکهای شهری 52 / 0 متر مربع شهروند میباشد که فاصله زیادی با استانداردهای جهانی و همچنین استاندارد وزارت مسکن و شهرسازی که 7 - 12 برای هر متر مربع برای هر نفر در نظر گرفته شده است، دارد. لذا مدیران شهری جهت پاسخگویی به این عدم تعادلها و کمبودها نیازمند بکارگیری ابزارهای تحلیلی جدیدی هستند. سیستم اطلاعات جغرافیایی GIS نقش بسزایی در مطالعات شهری از جمله مکانیابی فضاهای سبز شهری دارد. هدف از این تحقیق تعیین مکان بهینه جهت احداث پارک های شهری جهت کاهش کمبود های موجود در شهر میباشد. برای دستیابی به هدف مورد نظر لایه ها و نقشههای تاثیر گذار در مکانیابی از جمله: کاربریهای مسکونی، فرهنگی، آموزشی، شبکه ارتباطی و... تهیه و ارزشگذاری شدهاند. سپس برای وزندهی به هر یک از معیارهای مورد نظر از مدل AHP استفاده شده و بعد با بکارگیری مدل محاسبگر رستری در محیط نرم افزار سیستم اطلاعات جغرافیای اقدام به تهیه لایه های مورد نیاز بر اساس معیار تعیین شده گردید. در نهایت نقشه حاصل از تلفیق لایه های اطلاعاتی زمینهای شهر را برای انتخاب مکانهای مناسب برای فضای سبز شهری را به پنج طبقه اولویت بندی کرده ایم.
نویسندگان
کاوه استادی
دانشجوی کارشناسی ارشد معماری دانشگاه آزاد اسلامی ارومیه
جواد شریف نژاد
استادیار دانشگاه آزاد اسلامی ارومیه
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :