آمار

تعداد نشریات11
تعداد شماره‌ها228
تعداد مقالات2,320
تعداد مشاهده مقاله3,634,625
تعداد دریافت فایل اصل مقاله2,672,281
ابراهیمی, محبوبه, وفایی نژاد, علیرضا. (1401). شناسایی کاربری‌های بهینه اراضی بافت فرسوده شهری با استفاده از GIS و منطق فازی (مطالعه موردی: محله ایران گاز، شهر قزوین). فناوری آموزش, 1(1), 21-30. doi: 10.22061/jrsgr.2022.1946
محبوبه ابراهیمی; علیرضا وفایی نژاد. "شناسایی کاربری‌های بهینه اراضی بافت فرسوده شهری با استفاده از GIS و منطق فازی (مطالعه موردی: محله ایران گاز، شهر قزوین)". فناوری آموزش, 1, 1, 1401, 21-30. doi: 10.22061/jrsgr.2022.1946
ابراهیمی, محبوبه, وفایی نژاد, علیرضا. (1401). 'شناسایی کاربری‌های بهینه اراضی بافت فرسوده شهری با استفاده از GIS و منطق فازی (مطالعه موردی: محله ایران گاز، شهر قزوین)', فناوری آموزش, 1(1), pp. 21-30. doi: 10.22061/jrsgr.2022.1946
ابراهیمی, محبوبه, وفایی نژاد, علیرضا. شناسایی کاربری‌های بهینه اراضی بافت فرسوده شهری با استفاده از GIS و منطق فازی (مطالعه موردی: محله ایران گاز، شهر قزوین). فناوری آموزش, 1401; 1(1): 21-30. doi: 10.22061/jrsgr.2022.1946

شناسایی کاربری‌های بهینه اراضی بافت فرسوده شهری با استفاده از GIS و منطق فازی (مطالعه موردی: محله ایران گاز، شهر قزوین)

پژوهش های سنجش از دور و اطلاعات مکانی
دوره 1، شماره 1، دی 1401، صفحه 21-30    اصل مقاله (986.17 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22061/jrsgr.2022.1946
نویسندگان
محبوبه ابراهیمی1؛ علیرضا وفایی نژاد* 2
1گروه سنجش از دور و سیستم‌های اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی- واحد علوم تحقیقات، تهران، ایران
2گروه مهندسی ژئوتکنیک و حمل و نقل، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
تاریخ دریافت: 02 بهمن 1401،  تاریخ بازنگری: 30 فروردین 1402،  تاریخ پذیرش: 23 خرداد 1402 
چکیده
پیشینه و اهداف: بافت فرسوده، بدون شک یکی از مهم‌ترین چالش‌های فراروی غالب شهرها و به طور خاص کلان‌شهرها طی دهه‌های اخیر است و از دغدغه‌های اصلی مدیریت شهری، محسوب می‌‌شود. با شناسایی محدوده‌های نیازمند احیا، بازسازی و بهسازی می‌توان با برنامه‌ریزی مناسب، اقدام به بهینه‌سازی کاربری اراضی در جهت بالابردن کیفیت محله و ایجاد عدالت فضایی و همچنین، جلوگیری از رشد خطی شهرها اقدام نمود. بافت‌های قدیمی مناطق شهری، می‌توانند بر فعالیت‌های اجتماعی و اقتصادی تأثیر بگذارند. از این رو، مناطق فرسوده شهری به عنوان یکی از چالشهای شهرها می­توانند شهروندان را تحت تأثیر قرار دهند. پدیده فرسودگی شهری در شهرنشینی، به عنوان یکی از چالش­های پیشروی توسعه پایدار شهری، محسوب می­شود. این امر، به دلایل متعددی رخ می­دهد که مهم‌ترین آن‌ها، اتکا به ابزارهای سنتی و ناکافی نظارت و طبقه بندی است. علیرغم افزایش روزافزون این مناطق، تلاش­های کافی برای پایش مکانی و طبقه‌بندی میزان فرسودگی این مناطق، صورت نمی­گیرد. فرآیند پایش و طبقه‌بندی این مناطق، به عنوان اولین گام در نظر گرفته می شود. تحقیق حاضر، با هدف تعیین بهینه کاربری اراضی بافت فرسوده شهری در جهت بهبود سیمای کالبدی شهر، کاهش ترافیک، بهبود شرایط زیست‌محیطی، افزایش سطح زندگی مردم، بهره‌‌مندشدن تمامی شهروندان از خدمات رفاهی، آموزشی، درمانی و همچنین، امنیت کافی ارائه شده است.
روش‌ها‌: در این مقاله، با استفاده از الگوریتم‌های بهینه‌سازی cost و مدل‌ تصمیم‌گیری چند معیاره AHP و تلفیق آن در سامانه GIS برای شناسایی و اولویت‌بندی مداخله در بلوک‌ها و محله فرسوده شهری ایران گاز در شهر قزوین، بر اساس معیارهای از پیش تعیین شده، بهره گرفته شده است. در ابتدا، درک کاملی از ویژگی‌های این بخش، برای مقایسه آن با کل شهر، پیدا کردیم. برای شناسایی معیارهای مورد استفاده در این تحقیق، عوامل اصلی مکانی را برای محله ایران گاز شهر قزوین، بررسی کردیم. سپس، میزان فرسودگی در محله ایران گاز در دو بعد مختلف فرسودگی کالبدی و فرسودگی عملکردی محاسبه شد و کاربری اراضی موجود، مورد ارزیابی قرار گرفت. در نهایت، با شناسایی بلوک­های ناسازگار و بلوک­های بهینه، نقشه­های مورد نیاز جهت مدیریت بافت فرسوده، تولید گردید.
یافته‌ها: در منطقه مورد مطالعه، مناطق فرسوده پایش و به 4 کلاس فاقد فرسودگی (صفر تا 50 درصد فرسوده)، فرسودگی کم (50 تا 65 درصد فرسوده)، فرسودگی متوسط (65 تا 80 درصد فرسوده) و فرسودگی زیاد (بالای 85 درصد فرسوده)، طبقه‌بندی شده است. نتایج، نشان داد که بلوک­های فاقد فرسودگی در این منطقه، به‌ندرت وجود دارد و با بررسی علل فرسودگی که عمدتا ناسازگاری کاربری­ها بوده است، وضع موجود باید، مورد ارزیابی مجدد قرار گیرد.
نتیجه‌گیری: به‌طور کلی، اغلب بافت منطقه مورد مطالعه در طول سالیان اخیر به‌دلیل عدم برنامه‌ریزی و مدیریت، دچار فرسودگی شده­اند که جلوگیری از تشدید این مسئله و تاثیر آن، بر روی بافت­های همجوار، بسیار حائز اهمیت می­باشد. از این رو، جهت دستیابی به این مهم، برداشت اطلاعات مناطقی که مستعد فرسودگی بوده و یا این‌که دچار فرسودگی شده­اند و نیز، پایش مناطقی که در معرض فرسودگی قرار دارند، بسیار حائز اهمیت است.
کلیدواژه‌ها
بافت فرسوده؛ بلوک های ناسازگار؛ سامانه اطلاعات مکانی؛ مدل‌ AHP؛ منطق فازی
عنوان مقاله [English]
Optimum Identifications of Urban Deteriorated Texture Using GIS and Fuzzy Logic (Case study: Iran Gas neighborhood, Qazvin city)
نویسندگان [English]
M. Ebrahimi1؛ A. Vafaeinejad2
1Department of GIS and Remote Sensing, Faculty of Natural Resources and Environment, Islamic Azad University-Science and Research Branch, Tehran, Iran
2Department of Geotechnical and Transportation Engineering, Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University, Tehran, Iran
چکیده [English]
Background and Objectives: The urban deteriorated texture areas is without a doubt one of the most important challenges faced by urban areas and especially metropolises in recent decades and is considered one of the main concerns of urban management. By identifying the areas that need revitalization, reconstruction and improvement, it is possible to optimize the use of land in order to improve the quality of the neighborhood and create spatial justice, as well as prevent the linear growth of cities. Old textures of urban areas can affect social and economic activities. Therefore, urban deteriorated texture areas can affect citizens as one of the challenges of cities. The phenomenon of deteriorated texture in urbanization is considered as one of the challenges of advancing sustainable urban development. This happens for several reasons, the most important of which is the reliance on traditional and insufficient monitoring and classification tools. Despite the increasing number of these areas, sufficient efforts are not made for spatial monitoring and classification of these areas. The process of monitoring and classifying these areas is considered as the first step. This study is presented with the aim of determining the optimal use of the urban deteriorated texture areas in order to improve the physical appearance of the city, reduce traffic, improve the environmental conditions, increase the standard of living of the people, and provide all citizens with welfare, educational, and medical services, as well as adequate security.
Methods: In this study, by using cost optimization algorithms and AHP multi-criteria decision making model and integrating it into GIS system, it has been used to identify and prioritize the intervention in the blocks and urban deteriorated texture neighborhoods of Iran Gas in Qazvin city based on predetermined criteria. At first, we got a full understanding of the characteristics of this section to compare it with the whole city. In order to identify the criteria used in this research, we examined the main location factors for Irangaz neighborhood of Qazvin city. Then, the amount of urban deteriorated texture in Iran Gas neighborhood was calculated in two different dimensions of physical and functional urban deteriorated texture and the existing land use was evaluated. Finally, by identifying the incompatible blocks and the optimal blocks, the required maps for the management of urban deteriorated texture were produced.
Findings: In the study area, the urban deteriorated texture areas are monitored and classified into 4 classes: no deteriorated texture (zero to 50%), low deteriorated texture (50 to 65%), moderate deteriorated texture (65 to 80% wear) and high deteriorated texture (over 85%). The results showed that there are rarely blocks without urban deteriorated texture in this area, and by examining the causes of urban deteriorated texture, which were mainly the incompatibility of uses, the current situation should be re-evaluated.
Conclusion: In general, most of the tissues of the studied area have suffered urban deteriorated texture in recent years due to lack of planning and management, which is very important to prevent the aggravation of this problem and its impact on the neighboring tissues. Therefore, in order to achieve this goal, it is very important to collect information on the areas that are prone to urban deteriorated texture and to monitor the areas that are subject to urban deteriorated texture.  
کلیدواژه‌ها [English]
AHP model, Fuzzy logic, Geo-spatial Information System, Incompatible blocks, Urban deteriorated texture
مراجع
[1] Daqamseh S. Land Use Land Cover of an Urban Area using Remote Sensing (Texture Analysis Applications) and GIS - A Case Study of Central Region of Almadinah Almunawarah, Saudi Arabia. Int J Adv Remote Sens GIS. 2017;6(1): 2114–23.

[2] Mobaraki O, Ahmadi J. Urban Regeneration and Reuse of Urban Spaces. the Case of Metropolitan Tabriz, Iran. Rom J Geogr. 2022;66(2): 197–213.

[3] Yalcin G, Selcuk O. 3D City Modelling with Oblique Photogrammetry Method. Procedia Technol. 2015;19: 424–31.

[4] Behzadi S, Alesheikh AA. Introducing a novel model of belief–desire–intention agent for urban land use planning. Eng Appl Artif Intell. 2013;26(9): 2028-44.

[5] Soufi M, Behzadi S, Aghamohammadi H. Developing a Baseline Approach for Modeling Land use Change. Journal of Geomatics Science and Technology. 2018;7(4): 103-18. Persian.

[6] Yeo IA, Yee JJ. Development of an automated modeler of environment and energy geographic information (E-GIS) for ecofriendly city planning. Autom Constr. 2016;71(Part 2): 398–413.

[7] Pradhan B, Moneir AAA, Jena R. Sand dune risk assessment in Sabha region, Libya using Landsat 8, MODIS, and Google earth engine images. Geomatics, Nat Hazards Risk. 2018;9(1): 1280–1305.

[8] Sun B, Qian J, Qu K, Draper GM. Heuristic decision tree model for ecological urban green space network construction. J Intell Fuzzy Syst. 2019;37(1): 79–86.

[9] Karteris M, Slini T, Papadopoulos AM. Urban solar energy potential in Greece: A statistical calculation model of suitable built roof areas for photovoltaics. Energy Build. 2013;62: 459–68.

[10] Hanoon SK, Abdullah AF, Shafri HZM, Wayayok A. Urban Growth Forecast Using Machine Learning Algorithms and GIS-Based Novel Techniques: A Case Study Focusing on Nasiriyah City, Southern Iraq. ISPRS Int J Geo-Information. 2023;12(2).

[11] Aklibasinda M, Ozdarici Ok A. Determination of the urbanization and changes in open-green spaces in Nevsehir city through remote sensing. Environ Monit Assess. 2019;191(12): 1-10.

[12] Ambugadu AM, Hosni N. Identifying Informal Settlements in Satellite Images for Sustainable Urban Planning: a Systematic Review of Methods Available. J Inf Syst Technol Manag. 2022;7(25): 102–119.

[13] Bremer M, Mayr A, Wichmann V, Schmidtner K, Rutzinger M. A new multi-scale 3D-GIS-approach for the assessment and dissemination of solar income of digital city models. Comput Environ Urban Syst. 2016;57: 144–154.

[14] Aburas MM, Abdullah SHO, Ramli MF, Asha’Ari ZH. Land Suitability Analysis of Urban Growth in Seremban Malaysia, Using GIS Based Analytical Hierarchy Process. Procedia Engineering. 2017; 1: 1128–1136.

[15] Fonseca FT, Egenhofer MJ, Davis CA, Borges KAV. Ontologies and knowledge sharing in urban GIS. Comput Environ Urban Syst. 2000;24(3):251–72.

[16] Wang Y, Ni Z, Chen S, Xia B. Microclimate regulation and energy saving potential from different urban green infrastructures in a subtropical city. J Clean Prod. 2019;226: 913–927.

[17] Arefiev N, Terleev V, Badenko V. GIS-based fuzzy method for urban planning. In: Procedia Engineering. 2015. p. 39–44.

[18] Jiang B, Claramunt C, Klarqvist B. Integration of space syntax into GIS for modelling urban spaces. ITC J. 2000;2(3–4): 161–171.

[19] Okunuki KI. Urban analysis with GIS. GeoJournal. 2000;52(3): 181–188.

[20] Jiang B, Claramunt C. Integration of space syntax into GIS: New perspectives for urban morphology. Trans GIS. 2002;6(3): 295–309.

[21] Lad KS, Petkar AS. Assessing transformations in peri-urban areas using GIS: A case of Pune city, India. GeoScape. 2022;16(1): 80–92.

[22] Xhafa S, Kosovrasti A. Geographic Information Systems (GIS) in Urban Planning. Eur J Interdiscip Stud. 2015;1(1):85.

[23] Lebedeva O, Dzhavakhadze A. Transport Planning and Gis Technology Integration in Urban Environment. Bull Angarsk State Tech Univ. 2022;1(15): 145–149.

[24] Oh K, Jeong S. Assessing the spatial distribution of urban parks using GIS. Landsc Urban Plan. 2007;82(1–2): 25–32.

[25] Haidari Y, Rezaei MR, Abdouli F, Biglar A. Assessment of Revitalization town old texture With regard to sustainable development (Yazd city). Sci J Manag Syst. 2015;3(10): 55–77. Persian.

[26] Hejazi A, Khodaie Geshlag F, Khodaie Geshlag L. Zoning the villages at flood risk in the Varkesh-Chai drainage basin by GIS and HEC - RAS software and HEC- GEO - RAS extension. J Appl Res Geogr Sci. 2019;19(53): 137–155. Persian.

[27] Pilehvar AA, Hoseini G. Assessment and Zoning of Bojnord City in Terms of Seismic Hazards. Iran J Sci Technol - Trans Civ Eng. 2020;44(2): 501–511.

[28] Mohammadi sarin dizaj  mehdi, ahadnejad roshti  mohsen. The evaluation of the urban fabric resiliency against earthquake risk Case Study: Zanjan. J Spat Anal Environ Hazarts. 2016;3(1): 103–114. Persian.

[29] Yariyan P, Ali Abbaspour R, Chehreghan A, Karami MR, Cerdà A. GIS-based seismic vulnerability mapping: a comparison of artificial neural networks hybrid models. Geocarto Int. 2022;37(15): 4312–4335.

[30] Kapilan S, Elangovan K. Potential landfill site selection for solid waste disposal using GIS and multi-criteria decision analysis (MCDA). J Cent South Univ. 2018;25(3): 570–85.

آمار
تعداد مشاهده مقاله: 565
تعداد دریافت فایل اصل مقاله: 424


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب