عبدالحسین ظریفیان مهر

یکی از دغدغه های اساسی برنامه ریزان و طراحان شهری، ارتقاء و توزیع عدالت محور سرانه های خدماتی و افزایش کیفیت فضاهای شهری است که کاربری فضای سبز به عنوان عنصری زنده و پویا، نقش مهمی بر عهده دارد. باغات قصرالدشت که بخش اعظم آن در محدوده منطقه شش شهر شیراز قرار دارد، منبع باارزشی در جهت ارتقاء کیفیت محیطی و پوشش فضاهای فراغتی و گردشگری محسوب می شود. طی سال های اخیر شهرداری شیراز اقدام به احداث و توسعه چندین پیاده راه نموده که اگرچه ازلحاظ پوشش سرانه فضای سبز و تأمین نیازهای تفریحی شهروندان، موفقیت هایی داشته اما عدم انسجام و پیوستگی این پیاده راه ها نتوانسته آن گونه که باید، منجر به توسعه شبکه هم پیوند پیاده راه ها گردد. پژوهش حاضر تحقیقی کاربردی است و هدف آن ارائه شبکه هم پیوند سبزراه ها با بهره مندی از ظرفیت مسیرهای پیاده راهی موجود در منطقه شش شهر شیراز است. روش تحقیق تکنیک تصمیم گیری چند معیاره (تلفیق روش آنتروپی شانون و ویکور) و تحلیل شبکه در محیط GIS است. در همین راستا پهنه ها و کریدورهای مستعد برای ایجاد شبکه پیوسته سبزراهی شناسایی شد. با به کارگیری روش تحلیل شبکه، امکان هم پیوندی کانون ها و کریدورهای شناسایی شده مورد ارزیابی قرار گرفت. سپس گزینه های موجود از طریق سنجش معیارهای تأثیرگذار بر ایجاد شبکه پیوسته سبزراهی امتیازدهی شد. نهایتاً، از طریق روش تحلیل چند معیاره، گزینه ها رتبه بندی شدند و گزینه شماره2 به عنوان مستعدترین مسیر پیشنهاد شد. گزینه 2 درواقع سه پیاده راه  مهم و محبوب شهر شیراز به نام های رادفر، استاد شجریان و بهشت را به هم متصل می کند. هر سه پیاده راه در عمق یا جداره باغ های قصرالدشت شیراز احداث شده اند و از محبوبیت و ظرفیت مناسبی برای جذب گردشگران برخوردارند. گزینه منتخب با ظرفیت سنجی و مکان یابی هدفمند کریدورهای مستعد ظرفیت پیاده راه سازی، انسجام و هم پیوندی شبکه های سبز پیاده راهی در پهنه های باغ شهری شیراز را تضمین نموده و می تواند نقش مهمی در اهداف توسعه پایدار شهری و ارتقا شورونشاط شهروندان و گردشگران داشته باشد.

معمولاً   به   دست   آوردن   مقادیر   محیطی   قابل   اعتماد   در   محدوده   های   جغرافیایی   وسیع، پر هزینه   و   دشوار   است، بنابر این   توانایی       پیش   بینی   مقادیر   نامعلوم   یا   به   عبارت   بهتر   بهره گیری   از   روش   های   درون   یابی   مهم   است . از   طرفی ضریب   دید   به   آسمان   SVF ) ) ، به   عنوان   یکی   از   شاخص های   توصیف   هندسه   شهری  به   دلیل   کاربرد   در اقلیم   شهری   و   سهیم   بودن   در   داده های   مکانی – فضایی   و   وجود   تکنیک   های   در   دسترس، به   یکی   از   مهم ترین   پیش بینی   کننده   های   UHI   تبدیل   شده     است . از این   رو   اندازه   گیری و   تخمین   دقیق   مقادیر   این   شاخص   در   محدوده   های   شهری   بسیار   حائز   اهمیت   است. با توجه   به   اینکه   روش ها   و   مدل های   متفاوتی   برای   درون   یابی   داده   های   نقطه   ای   معرفی   شده   است   و   از   طرفی   تاکنون   روش   مشخصی   برای   تخمین   این   شاخص   ارائه   نگردیده؛ این   پژوهش   مقایسه   ای   تجربی   در   بین   مدل   های   درون   یابی   را   با   تأکید   بر   کریجینگ   بیضی   تجربی ( EBK )   انجام   داده     است. این   مقایسه   به   دلیل   اینکه   EBK ، دشوار ترین   جنبه   های   ساخت   یک   مدل   کریجینگ   را   خودکار سازی   کرده، مورد   توجه   است . ا ین   در   حالی   است   که   در   دیگر   روش ها، پارامترها   به   طور   دستی   برای   دریافت   نتایج   دقیق   تنظیم     می شوند . این   پژوهش   از   حیث   هدف، نوعی   پژوهش   کاربردی  بوده   و   فنون   تحلیل   داده   ها   کمی   است . محدوده     مورد   مطالعه   این   پژوهش   منطقه   شش   شهرداری   شیراز   است . با توجه   به   تعدد   روش ها   و   تکنیک   های   درون   یابی   و   همچنین   توابع   کرنل   و   توابع   برازش   بر   مدل ها، در   حدود   138 سناریوی   درون   یابی   اجرا   شد . همچنین   از   چهار   شاخصِ، جذر متوسط   مربع RMS ) ) ، میا نگین  استاندارد   شده MS ) ) ، جذر   متوسط   مربع   استاندارد   شده ( RMSS )    و خطا ی   استاندارد   میانگین ( ASE )   ، برا ی   ارزیابی   بین   مدل   ها   استفاده   شده   است . داده   های   ورودی   ( نمونه ) شامل 6157 نقطه   است   که   به فواصل   30 متری   در   محدوده   مورد   مطالعه   اندازه   گیری   شده   است . این   نقاط   بر   مبنای   روش   نرم   افزاری   محاسبه SVF   و با استفاده   از   مدل   GIS پایه، در   نرم   افزار   ArcGIS10.6 تهیه   شده   اند . نتا یج  پژوهش  حاکی  از  برتری  روش  کریجینگ   بیضی   تجربی ( EBK )   نسبت   به   سا یر  روش ها  است.