سنجش آسیب پذیری کاربریهای شهری در تهدیدات نظامی با ترکیب روش GIS &PROMETHEE (نمونه موردی: شهر اهواز)
محل انتشار: چهارمین کنگره علمی پژوهشی افق های نوین در حوزه مهندسی عمران، معماری، فرهنگ و مدیریت شهری ایران
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 509
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:
UMCONF04_053
تاریخ نمایه سازی: 18 تیر 1396
چکیده مقاله:
توسعه سلاحهای دور برد و افزایش قدرت تخریب آنها از دوران جنگ دوم جهانی، آسیب پذیری شهرها در برابر تهاجم نظامی از محدودیتهای زمان و مکان به طور کامل آزاد و بیدفاعی شهرها را تکمیل کرد. این موضوع باعث شد تا کشورها به روشهای کاهش آسیبپذیری در حملات هوایی اهمیت مضاعفی دهند، که خود در حوزه پدافند غیرعامل و روشهای مرتبط با آن جای میگیرد. اهواز یکی از شهرهای مرزی کشور ایران است که به علت موقعیت آن به عنوان مرکز استان خوزستان و استقرار مراکز فرماندهی در آن ازجایگاه ویژهای برخوردار است. با توجه به اینکه شهرهای مرزی دروازه ورود به سایر نقاط کشور میباشند از اهمیت ویژهای برخوردارند. این تحقیق با روشی توصیفی تحلیلی و استفاده از مدلها و نرم افزارهای کاربردی در مدیریت جنگ و پدافند غیرعامل به پیش بینی خسارات احتمالی در جنگهای و تهدیدات کشورهای منطقهای و فرامنطقهای علیه ایران و شهر اهواز را مورد مطالعه قرار داده است. نتایج خروجی ازGIS مدل پژوهشی حاکیت از آن است که کاربریهای منطقه یک شهر اهواز نسبت به هفت کاربری دیگر دارای بیشترین میزان آسیب پذیری در حملات احتمالی میباشند. این منطقه بیشترین جریان خالص خروجی phi=0.3413 را به خود اختصاص داده است. و در مرتبه بعدی مناطق هفت شهری؛ سه شهری؛ شش شهری؛ دو شهری؛ چهار شهری؛ پنج و هشت شهری قرار میگیرند.
کلیدواژه ها:
نویسندگان
نادیا داری پور
کارشناسی ارشد جغرافیا و برنامه ریزی شهری، دانشگاه شهید چمران، اهواز، ایران
ابوذر مرادی
کارشناسی جغرافیا و برنامه ریزی شهری، دانشگاه شهید چمران، اهواز، ایران
زهره منصوری
کارشناسی ارشد برنامه ریزی شهری، گرایشمحیط زیست، دانشگاه پیام نور، اهواز، ایران
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 :