همبستگی اسپیرمن

یکی از مسائل شهرهای جدید، بحث هویت شهری در این گونه شهرها است. کم توجهی به ابعاد و عوامل هویت بخش در شهرهای جدید، باعث ایجاد محیط هایی مصنوع و تهی از هویت انسانی می گردد. از نتایج این امر، پایین بودن احساس تعلق مکانی، همبستگی و مشارکت اجتماعی، کاهش انگیزه ساکنان برای ادامه سکونت و تأثیر در عدم تحقق اهداف جمعیتی است. لذا شناخت مؤلفه های هویت بخش به نوشهرها، بررسی هر شهر جدید به لحاظ برخورداری از این عوامل، تحلیل رابطه بین فاکتورهای هویت شهری و میزان تعلق مکانی شهروندان، شناخت نقاط ضعف و قوت شهرها در این زمینه می تواند به حل بسیاری از مشکلات ناشی از بی هویتی این گونه شهرها کمک نماید. لذا در این راستا، این پژوهش با حجم نمونه 160 نفر، در شهر جدید گلبهار انجام گرفته است. روش تحقیق توصیفی - تحلیلی بوده و داده های جمع آوری شده از طریق پرسشنامه، با استفاده از نرم افزار SPSS و با به کارگیری روش های آماری نظیر توزیع فراوانی، آزمون ناپارامتریک خی دو، ضرایب رابطه دو متغیره ترتیبی، ضریب همبستگی اسپیرمن به همراه نمودار پراکنش همبستگی توصیف و تحلیل شده اند. نتایج حاکی از آن است که میزان وجود مؤلفه های هویت شهری در شهر گلبهار، 3/91 درصد متوسط به پایین است. همچنین آزمون فرضیه 1 تحت عنوان «به نظر می رسد بین مدت زمان سکونت و تعلق مکانی ساکنان رابطه وجود داشته باشد» نشان می دهد که بر اساس ضریب گاما، حدود 15 درصد از تغییرات متغیر وابسته (تعلق مکانی ساکنین) را متغیر مستقل (مدت زمان سکونت) تبیین می کند. نتایج آزمون فرضیه 2 نیز که به بررسی همبستگی بین دو متغیر مؤلفه های هویت شهری و تعلق مکانی ساکنین می پردازد بیانگر رد شدن فرض صفر و اثبات فرض مخالف است. ضریب همبستگی 365/0، همبستگی متوسط و مستقیم بین دو متغیر را نشان می دهد

کربن سیاه (BC) یکی از اجزای مهم ذرات ریز معلق در هواست که تأثیر قابل توجهی بر آب و هوا و سلامت انسان دارد و فعالیت های انسانی همراه با شرایط آب و هوایی بر تغییرپذیری آن در طولانی مدت تأثیر می گذارد. از این رو، مطالعه حاضر به بررسی روابط آماری بین پارامترهای هواشناسی (دما، بارش، سرعت باد، رطوبت نسبی، فشار هوا، ساعات آفتابی، تابش خورشیدی و ابرناکی)، آلاینده های معیار هوا (CO، NO2، SO2، O3، PM10 و PM2.5) و آلاینده کربن سیاه و همچنین ارزیابی و مقایسه کارایی پنج الگوریتم یادگیری ماشین (رگرسیون خطی چندگانه (MLR)، مدل جمعی تعمیم یافته (GAM)، درخت طبقه بندی و رگرسیون (CART)، جنگل تصادفی (RF) و تقویت گرادیان (GBM)) در مدلسازی آلاینده ها و عوامل آب و هوایی مؤثر در تغییرات سطح غلظت آلاینده کربن سیاه در تبریز و تهران (2021 -2004) با استفاده از نرم افزار R 4.3.2 پرداخته است. نتایج مطالعه ی حاضر بیانگر تفاوت آشکار تأثیر پارامترهای هواشناسی و آلاینده های جوی معیار بر سطح غلظت آلاینده کربن سیاه در تبریز و تهران به دلیل موقعیت جغرافیایی، شرایط آب و هوایی و ساختار منطقه ای متفاوت این شهرها است. ذرات کربن سیاه روند صعودی معناداری را با سرعت نسبتاً برابر در طول دوره آماری مورد مطالعه در شهرهای تبریز و تهران تجربه کرده اند. بر اساس یافته های حاصل از تحلیل همبستگی اسپیرمن، ذرات کربن سیاه دارای همبستگی مثبت با آلاینده های PM2.5، NO2، CO و SO2 و همبستگی منفی با O3 است. آلاینده کربن سیاه دارای بیشترین همبستگی با پارامترهای سرعت باد (منفی) و رطوبت نسبی (مثبت) در تبریز و پارامترهای دما (منفی) و فشار هوا (مثبت) در تهران است. بر اساس ارزیابی عملکرد مدل های پیشگو و با توجه به اصل صرفه جویی، در تبریز مدل GAM و در تهران مدل مبنای MLR از عملکرد بهتری در پیش بینی مقادیر کربن سیاه نسبت به سایر مدل ها برخوردار بودند.