کاربست مدل رشدخودهمبسته جهت دستیابی به توسعه پایدارنمونه موردی: استان گلستان
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 486
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCAU01_2354
تاریخ نمایه سازی: 29 تیر 1393
چکیده مقاله:
امروزه در بسیاری از کشورها رشد روزافزون جمعیت شهرنشین متمرکز در شهرهای بزرگ سیستم شهری، تعادل حاکم بر آن را مختل نموده است. یکی از ابعاد دستیابی به توسعه پایدار، شناخت و درک تحولات سیستم شهری است. در این راستا بررسی میزان تغییرات اندازه، شکل و ساختار شهرها در مقیاس زمانی و فضایی ضروری می باشد. در این میان، توزیع رتبه-اندازه شهری به عنوان روشی مناسب برای تشخیص و تحلیل توزیع های اندازه شهری در مقیاس فضایی و زمانی مورد توجه است. هدف از این پژوهش مدلسازی رشد خودهمبسته شهرهای استان گلستان در توزیع رتبه اندازه شهری می باشد تا برنامه ریزی جهت برقراری تعادل در نظام شهری و در نتیجه دستیابی به توسعه پایدار به نحو بهتری صورت گیرد. در این مطالعه از استراتژی پژوهشی پس کاوی جهت مدلسازی و از رویه اسنادی، به منظور گردآوری داده ها استفاده می شود. همچنین راهبرد روش، مبتنی بر حل مسئله و بر پایه مدل های کمی می باشد که در راستای مدلسازی و تجزیه و تحلیل داد هها استفاده شده اند. در این پژوهش مدلسازی رشد خود همبسته شهرها با معرفی سه مدل رشد خود همبسته تصادفی، رشد خودهمبسته زمانی و رشد خود همبسته زمانی-فضایی صورت می گیرد. نتایج بیانگر این واقعیت است که مدل رشد خودهمبسته زمانی-فضایی شهرها می تواند به نحو شایسته تر و بهتری نسبت به دو مدل دیگر، به تشخیص و شناخت فرآیندهای تکامل توزیع رتبه اندازه شهرها در زمان های طولانی و متوالی کمک کند و این امر لزوم توجه به وابستگی درونی میان شهرها در شبی هسازی توزیع اندازه شهری را آشکار می سازد
کلیدواژه ها:
نویسندگان
فاطمه صالحی جزی
دانشجوی کارشناسی ارشدبرنامه ریزی شهری دانشگاه آزاد اسلامی واحد تهران مرکزی
صدیقه لطفی
دانشیارگروه جغرافیا وبرنامه ریزی شهری دانشگاه مازندران
واراز مرادی مسیحی
استادیارگروه شهرسازی دانشگاه آزاد اسلامی واحد تهران مرکزی
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 :