سنجش و مدل سازی فضایی آسیب پذیری شهر ارومیه در برابر آتش سوزی با تاکید بر پدافند غیرعامل
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 176
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_URPL-1-1_005
تاریخ نمایه سازی: 28 آذر 1401
چکیده مقاله:
در سال های اخیر، جوامع در سراسر جهان آتش سوزی های بزرگ شهری را تجربه کرده اند و صدها نفر جان خود را از دست دادهاند. باید پذیرفت که همیشه درصدی از بحران ها بخش جدایی ناپذیر و طبیعی حیات سیستم ها می باشند؛ ولیکن بخش عظیمی از تهدیدها، بحران ها و التهابات تحمیلی هستند و بایستی با مدیریت صحیح و کاربست پدافند غیرعامل، آن ها را قبل از وقوع، پیش بینی و پیش گیری نمود. لذا هدف این پژوهش سنجش و مدلسازی فضایی آسیب پذیری شهر ارومیه در برابر آتشسوزی با رویکرد پدافند غیرعامل بوده بهطوری که نوع تحقیق، کاربردی و روش تحقیق، توصیفی- تحلیلی می باشد و گردآوری اطلاعات نیز از طریق مطالعات کتابخانه ای، میدانی و پرسش نامه صورت گرفته است. برای نیل به هدف تحقیق، تعداد ۱۴ شاخص بر اساس نظرات نخبگان انتخاب شده و در نرم افزار GIS لایه های اطلاعاتی برای آن ها تشکیل شده است. برای محاسبه وزن شاخص ها از روش تصمیم گیری چندمعیاره BWM استفاده شده و نتایج آن در نرم افزار GAMS مورد تحلیل قرار گرفته است. سرانجام، وزن بدست آمده از روش BWM در شاخص های ۱۴ گانه استاندارد شده با توابع فازی ضرب شده و ترکیب شده است. نتایج بیانگر آن است که ۱۲ درصد در پهنه آسیب پذیری خیلی کم، ۳۱ درصد آسیب پذیری کم، ۱۴ درصد آسیب پذیری متوسط، ۲۹ درصد آسیب پذیری زیاد و ۱۴ درصد در پهنه آسیب پذیری خیلی زیاد واقع شده است. برای تحلیل خودهمبستگی فضایی پهنه های آسیب پذیری از آماره موران استفاده شده و به منظور مدل سازی فضایی آسیب پذیری شهر ارومیه در برابر آتش سوزی از تحلیل لکه های سرد و داغ بهره گرفته شده است.
کلیدواژه ها:
نویسندگان
رسول قربانی
استاد گروه برنامه ریزی شهری، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز
رضا کریمی
دانشجوی دکتری جغرافیا و برنامه ریزی شهری، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز
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 :