پهنه بندی فضایی کیفیت مسکن با تلفیق روش وزن دهی CRITIC و منطق فازی؛ مطالعه موردی: شهر قاین (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف : این پژوهش به پهنه بندی فضایی کیفیت مسکن در شهر قاین پرداخته است. روش و داده : جامعه آماری تحقیق، بلوک های آماری شهر قاین در سرشماری ۱۳۹۵است. شاخص های کیفیت مسکن در این پژوهش شامل کیفیت سازه، کیفیت مصالح، مساحت واحد مسکونی، تراکم نفر و خانوار در هر واحد مسکونی است. تعیین وزن شاخص ها با روش CRITIC انجام شد و پهنه بندی با منطق فازی در Arc GIS انجام شد. همچنین از آماره موران و رگرسیون چندگانه برای تحلیل های تکمیلی استفاده شد. یافته ها : بر پایه روش کریتیک، وزن شاخص ها به ترتیب عبارت است از: کیفیت مصالح (۰/۲۴۹)، اسکلت (۰/۲۴۶)، تراکم خانوار (۰/۱۹۸)، مساحت واحد مسکونی (۰/۱۷۴) و تراکم نفر در واحد مسکونی (۰/۱۳۳). پس از پهنه بندی فازی و تلفیق لایه ها، نقشه نهایی کیفیت مسکن شهر قاین تولید شد. نتایج نشان داد که کیفیت مسکن در ۳۹/۵۲ درصد بلوک های آماری، پایین تر از حد متوسط. ۳۳/۶ درصد در حد متوسط و ۲۶/۸۸ درصد بالاتر از متوسط است. آماره موران نیز نشان داد که کیفیت سازه، مصالح و مساحت دارای الگوی پراکندگی خوشه ای است؛ اما دو معیار تراکم نفر و خانوار در واحد مسکونی الگوی تصادفی داشته اند. در مجموع کیفیت مسکن در شهر قاین، الگوی خوشه ای دارد به عبارتی بلوک های آماری با کیفیت مسکن مشابه کنار همدیگر جای گرفته اند. بر پایه ضریب رگرسیون چندگانه متغیر میانگین سنی، نرخ باسوادی و نرخ اشتغال در هر بلوک، تأثیر مثبت و معنادار بر کیفیت مسکن دارد؛ اما در نقطه مقابل، اندازه خانوار تأثیر منفی بر کیفیت مسکن دارد. نتیجه گیری : نتیجه آن که بلوک های دارای وضعیت بهتر اقتصادی و اجتماعی؛ کیفیت مسکن بهتر و بلوک های فقیرتر وضعیت نامناسب تر دارند. نوآوری و کاربرد : نوآوری پژوهش در استفاده از روش عینی وزن دهی است، در حالی که در اکثر مطالعات مشابه از روش های ذهنی وزن دهی استفاده شده است که بیشتر تحت تأثیر نگرش های ذهنی پاسخ دهندگان است.Spatial Zoning of Housing Quality by Combining CRITIC Weighting Method and Fuzzy Logic; Case Study: Qaen City
Aims: The purpose of this research is to zone housing quality in Qaen city spatially.
Materials & Methods: The statistical population of the research is the statistical blocks of Qaen city. The indicators of housing quality in this research include the quality of the building skeleton, the quality of materials, the area of residential units, and the density of people and households within each residential unit. The weighting of indicators was done with the CRITIC method, and zoning was done with fuzzy logic in Arc GIS. In addition, Moran's Index and multiple regression were used for supplementary analyses.
Findings: Based on the CRITIC method, the weights of the indicators are as material quality (0.249), skeleton (0.246), household density (0.198), residential area (0.174), and the density of people in a residential unit (0.133). After fuzzy zoning and layer combination, the final map of Qaen city housing quality was produced. The results showed that housing quality in 39.52% of statistical blocks is below average, 33.6% is average, and 26.88% is above average. Moran's statistics revealed a cluster pattern in the quality of the skeleton, materials quality, and area. In contrast, the two indicators of population density and household density within residential units exhibited a random pattern. In other words, statistical blocks with similar housing quality are grouped. Based on the multiple regression, the average age, literacy rate, and employment rate in each block have a positive and significant effect on housing quality. However, on the contrary, household size hurts housing quality.
Conclusion: The result is that blocks with better economic and social conditions have better housing quality, while poorer blocks have poorer conditions.
Innovation: The innovation of the research is in the use of the objective method of weighting, while in most similar studies, subjective methods of weighting have been used, which are more influenced by the subjective attitudes of the respondents.
تبلیغات
