تلفیق ارزیابی چند معیاره فضایی فازی با تحلیل فرایند شبکه‌ای فازی برای مکان‌یابی پارک‌های شهری(‌مطالعه موردی: منطقه 8 شهرداری تهران )

نوع مقاله: مقاله پژوهشی

نویسندگان

1 (مسوول مکاتبات): کارشناس ارشد برنامه‌ریزی محیط‌زیست، دانشکده محیط‌زیست، دانشگاه تهران، ایران.

2 استادیارگروه برنامه‌ریزی و مدیریت محیط‌زیست، دانشکده محیط‌زیست، دانشگاه تهران، ایران.

3 کارشناس ارشد مدیریت محیط‌زیست، دانشکده محیط‌زیست، دانشگاه تهران، ایران.

4 کارشناس ارشد برنامه‌ریزی محیط‌زیست، دانشکده محیط‌زیست، دانشگاه تهران، ایران.

چکیده

زمینه و هدف: اهمیت فضای سبز شهری در حیات و پایداری شهرها و تاثیرات فیزیکی و طبیعی و اجتماعی آن­ها در سیستم شهری   انکارناپذیر است، به همین علت، وجود کاربری فضای سبز در شهرها و توزیع مناسب آن­ها یکی از مباحث اساسی در برنامه ریزی و مدیریت- شهری تلقی می­شود. هدف کلی از پژوهش حاضر، بدست آوردن و تعیین میزان اهمیت عوامل تاثیرگذار در مکان­یابی پارک و فضای سبز شهری و نیز مکان­یابی مناسب پارک و فضای سبز در منطقه مورد مطالعه می­باشد.
روش بررسی: روش تحقیق پژوهش حاضر، توصیفی- تحلیلی است که ابتدا با استفاده از روش کتابخانه­ای و مرور نوشته­های تخصصی و رویکرد دلفی شاخص­های موثر در مکان­یابی پارک و فضای سبز استخراج شد. سپس مقایسات زوجی در FANP با کمک متخصصان مربوطه برای تعیین اهمیت و وزن شاخص­ها صورت­گرفت. در ادامه لایه­های اطلاعاتی بدست آمده در محیط Idrisi استانداری سازی و   به صورت فازی تهیه شدند. در نهایت نقشه­های فازی تهیه شده با در نظر گرفتن وزن آن­ها در محیط GIS رویهم گذاری شدند تا    مکان­های بهینه جهت احداث پارک و فضای سبز شهری در منطقه 8 شهرداری تهران مشخص شود.
یافته ها: در این تحقیق برای تعیین مکان­­یابی پارک و فضای سبز در منطقه 8 شهرداری تهران از معیارهای فاصله از مراکز مطلوب، فاصله از مراکز نامطلوب، کاربری، تراکم جمعیت و دسترسی استفاده شد. نقشه­های مربوط به هر یک از لایه­ها در محیطIdrisi استانداری سازی و به صورت فازی تهیه شد در ادامه برای وزن­دهی و تلفیق لایه­ها از فرایند تحلیل شبکه فازی (FANP) و GIS  استفاده شد.
نتیجه گیری: نقشه­های نهایی به پنج روشgumma ، And  ،Or،Sum  و  Productتهیه شد. در نهایت در این پژوهش عملگر جمع به عنوان عملگر مناسب برای مکان­یابی پارک وفضای سبز منطقه 8 شهرداری تهران شناخته شده و به پنچ طبقه، زمین­های         با تناسب خیلی خوب، خوب، متوسط، ضعیف و خیلی ضعیف طبقه­بندی شد.

کلیدواژه‌ها


 

 

 

 

 

علوم و تکنولوژی محیط زیست، دوره هجدهم، ویژه نامه شماره3، زمستان 1395

 

تلفیق ارزیابی چند معیاره فضایی فازی با تحلیل فرایند شبکه­ای فازی برای

 مکان­یابی پارک­های شهری(‌مطالعه موردی: منطقه  8 شهرداری تهران )

 

یاسرمعرب[1]*

yassermoarab@ut.ac.ir

سعید کریمی [2]

نگارفروغی[3]

وحید نیک زاد[4]

تاریخ دریافت: 29/04/1393

تاریخ پذیرش:10/09/1394

 

چکیده

زمینه و هدف: اهمیت فضای سبز شهری در حیات و پایداری شهرها و تاثیرات فیزیکی و طبیعی و اجتماعی آن­ها در سیستم شهری   انکارناپذیر است، به همین علت، وجود کاربری فضای سبز در شهرها و توزیع مناسب آن­ها یکی از مباحث اساسی در برنامه ریزی و مدیریت- شهری تلقی می­شود. هدف کلی از پژوهش حاضر، بدست آوردن و تعیین میزان اهمیت عوامل تاثیرگذار در مکان­یابی پارک و فضای سبز شهری و نیز مکان­یابی مناسب پارک و فضای سبز در منطقه مورد مطالعه می­باشد.

روش بررسی: روش تحقیق پژوهش حاضر، توصیفی- تحلیلی است که ابتدا با استفاده از روش کتابخانه­ای و مرور نوشته­های تخصصی و رویکرد دلفی شاخص­های موثر در مکان­یابی پارک و فضای سبز استخراج شد. سپس مقایسات زوجی در FANP با کمک متخصصان مربوطه برای تعیین اهمیت و وزن شاخص­ها صورت­گرفت. در ادامه لایه­های اطلاعاتی بدست آمده در محیط Idrisi استانداری سازی و   به صورت فازی تهیه شدند. در نهایت نقشه­های فازی تهیه شده با در نظر گرفتن وزن آن­ها در محیط GIS رویهم گذاری شدند تا    مکان­های بهینه جهت احداث پارک و فضای سبز شهری در منطقه 8 شهرداری تهران مشخص شود.

یافته ها: در این تحقیق برای تعیین مکان­­یابی پارک و فضای سبز در منطقه 8 شهرداری تهران از معیارهای فاصله از مراکز مطلوب، فاصله از مراکز نامطلوب، کاربری، تراکم جمعیت و دسترسی استفاده شد. نقشه­های مربوط به هر یک از لایه­ها در محیطIdrisi استانداری سازی و به صورت فازی تهیه شد در ادامه برای وزن­دهی و تلفیق لایه­ها از فرایند تحلیل شبکه فازی (FANP) و GIS  استفاده شد.

نتیجه گیری: نقشه­های نهایی به پنج روشgumma ، And  ،Or،Sum  و  Productتهیه شد. در نهایت در این پژوهش عملگر جمع به عنوان عملگر مناسب برای مکان­یابی پارک وفضای سبز منطقه 8 شهرداری تهران شناخته شده و به پنچ طبقه، زمین­های         با تناسب خیلی خوب، خوب، متوسط، ضعیف و خیلی ضعیف طبقه­بندی شد.

واژه­های کلیدی: فضای سبز شهری، سیستم­های اطلاعات جغرافیایی،پارک­های شهری، FANP، منطقه 8 شهرداری تهران.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

J.Env. Sci. Tech., Vol 18, Special No.2, Winter 2016

 

 

 

 

 


Integrating of Fuzzy Spatial Multi Criteria Evaluation and Fuzzy Analytic Network Process for Urban Parks sitting

(Case study: region 8, Tehran municipality)

 

Yasser Moarab [5]*

yassermoarab@ut.ac.ir

Saeed karimi[6]

Negar Foroughi[7]

Vahid Nikzad[8]

Abstract

Background and Purpose: The Importance of urban green space is undeniable in the sustainability of cities and their physical, natural and social effects in urban systems. For this reason, existence of urban green spaces in cities and a suitable distribution of them is one of the important issues in urban planning and management. The overall goal of this research is to determine the importance of affecting factors in site selection of parks and urban green spaces and also a suitable site selection of parks and urban green spaces in the study area.

Methods: This research is an analytic descriptive research. At first by using library and literature review and Delphi approach effective parameters in site selection of parks and urban green spaces were extracted and then, in FANP method pairwise comparison performed with relevant experts to determine significance and weighted of criteria. Then, data layers standardized in IDRISI software and were prepared in the form of Fuzzy. And finally prepared Fuzzy maps overlaid in GIS software by considering their weights to identify suitable locations for the construction of parks and urban green spaces in region 8 of Tehran municipality.

Findings: In this study distance from parameters of (Land use, Accessibility, population, Favorable centers and Ufavorable centers) are used to determine a park and green space site selection of region 8 of Tehran municipality. Each layers map prepared by using GIS and layer standardization in IDRISI software. Then for weighting and combining layers fuzzy analytic network process (FANP) and GIS is used.

Conclusion: Five operators of (Gumma, And, Or, Sum, Product) are applied to obtain final maps. Finally, fuzzy sum operator identified as a proper operator in park and green space site selection of region 8 of Tehran municipality. Five classes of very good, good, average, weak and very weak were considered for the final map of this operator.

Key Words: Urban Green Space, Geographic Information systems (GIS), Urban Parks, FANP, Region 8 of Tehran Municipality.

 

مقدمه

 

جمعیت جهان به سرعت در حال افزایش است و بیش­تر مردم در شهرها زندگی می­کنند،که به دنبال آن افزایش تعداد شهروندان و اثرات محیط­زیستی در محیط های شهری از جمله؛ انواع آلودگی هوا، سرو صدا، بو، خستگی ناشی از زندگی شتاب­زده، آلودگی نوری و تنش و استرس را شاهد هستیم و  انسان­ها به تدریج از طبیعت دور شده و تراکم بیش ازحد جمعیت و دخالت در محیط طبیعی و ایجاد محیط­ها انسان ساخت، نیازهای محیط­زیستی، جسمی و روحی انسان را بیش­تر بروز داده است. برای رفع این نیازها، انسان شهر نشین اقدام به ایجاد باغ­ها و فضای سبز مصنوعی در داخل شهرها کرده است،  اماکن استراحت نظیر پارک­ها و میادین با ایجاد مکان­هایی برای تفریح و تمدد اعصاب می­توانند باعث کاهش اثرات مضرمذکور شوند (1، 2، 3 و 4). امروزه مفهوم شهرها بدون وجود فضای سبز موثر دیگر قابل تصور نیست. پیامدهای توسعه شهری و پیچیدگی معضلات محیط­زیستی آن­ها، موجودیت فضای سبز و گسترش آن را شدیدا اجتناب ناپذیر کرده است (5 و 6).   فضای سبز شهری را می­توان در قالب هر گونه زمین با پوشش گیاهی، در مجاورت یا درون مناطق شهری تعریف نمود. پارک­ها، باغات، مراتع، کوریدورهای نهر آب و زمین­های بازی جزء فضاهای سبز به شمار می­روند (7). فضای سبز مزایای اقتصادی، اجتماعی، فرهنگی، محیط­زیستی و بهبود سلامت روحی و روانی را در جوامع شهری فراهم می­آورد و   آن­ها را به سوی دست­یابی به توسعه پایدار ترغیب می­نماید (8). در کل فضای سبز، برخی خدمات ارزش­مند را به شکلی مستقیم و غیر مستقیم به محیط پیرامونی خود عرضه می­کند. این خدمات از ارایه مکان و فرصت­های تفریحی گرفته تا ایجاد مسیل، بهبود کیفیت هوا و همچنین مزایای مربوط به کاهش تراکم مسکن (برای مثال بهبود میزان روشنایی و کاهش سر و صدا ) و حفظ تعادل محیط زیست شهری را شامل می­شود (9، 10 و 11). در واقع فضاهای سبز شهری بخشی از ساختار شهری می­باشند که ایجاد آن می­بایست در راستای ضروریات زندگی شهری و در پاسخ­گویی به نیازهای شهروندان و  با در نظر گرفتن امکانات و محدودیت­های شهری و به دست آوردن الگوهای با ارزشی که دارای معانی و مفاهیم فرهنگی منتج از درون جامعه است، باشد. متأسفانه به دلیل برخی عوامل، ایجاد و توسعه فضای سبز شهری همواره با مشکلات و کمبودهایی مواجه بوده است که برخی از عوامل به ضوابط و قوانین شهری و عدم تعیین سرانه­های فضای سبز استاندارد مربوط می­شود (4). ارایه فرصت برابر در دسترسی به پارک­ها و فضاهای سبز  یکی از بخش های مهم در توزیع مناسب پارک­ها  و فضای سبز است. این موضوع یکی از جنبه های اصلی در سیستم گذران اوقات فراغت افراد شهر به منظور دسترسی هر چه بهتر و مناسب­تر افراد شهر است. هرچه توزیع مناسب­تر باشد نارسایی­های فضا کم­تر و عدالت بیش­تر رعایت می­شود (12 و 13). توجه به جانمایی و انتخاب محل مناسب احداث فضای سبز شهری و پارک­ها و فراهم آوردن شرایط مناسب اولیه از اهمیت بسزایی برخوردار است . بر همین اساس چگونگی توزیع فضای سبز در سطح شهرها همواره به عنوان موضوعی مورد توجه محققان و سیاست­گذاران و برنامه ریزان شهری بوده است که در این ارتباط استفاده از سیستم­های اطلاعات جغرافیایی و سیستم­های تصمیم گیری چند معیاره برای انتخاب مکان­های مناسب فضای سبز در سال­های اخیر مورد توجه جدی واقع شده است (14 و 15). در فرآیند مکان­یابی، تحلیل­گر تلاش می­کند، معیارهای انتخابی را برای تعیین موقعیت مناسب ایجاد کند. فرآیند انتخاب به منظور بهینه سازی اهداف مطلوب برای تاسیسات خاص ایجاد می­شود. این بهینه­سازی اغلب شامل فاکتورهای متعدد تصمیم­گیری،که معمولا در تناقض با هم هستند و شامل تعدادی سایت که هر یک مزایا و محدودیت­هایی دارند، می­شود. که تصمیم­گیری براساس اطلاعات بی شمار در خصوص مساله انتخاب سایت مناسب و مکان­یابی می­باشد.  (16، 17، 18 و 19).

سیستم­های اطلاعات جغرافیایی(GIS) به مدیریت و مکان­یابی  پروژه­های فضای سبز شهری و کاهش هزینه­ها کمک می­کند. نرم افزار GIS می تواند داده های مکانی مختلف را در لایه های مختلف ایجاد کند. همچنین یکپارچه سازی لایه­های نقشه های مختلف  مدیریت پروژه فضای سبز شهری را بهبود می­بخشد (20). سیستم­های اطلاعات جغرافیایی(GIs)، ابزار قدرتمندی برای تحلیل­های فضایی هستند که قابلیت ضبط، ذخیره،    پرس و جو، آنالیز، نمایش و خروجی اطلاعات جغرافیایی را دارند. به این ترتیب آنها تاثیر شگرفی در فرآیند تصمیم­گیری فضایی دارند (21 و 22).

روش فرآیند تحلیل شبکه­ای (ANP) نیز  یک روش تصمیم­گیری است در این روش ارتباط پیچیده بین و میان عناصر تصمیم، از طریق جایگزینی ساختار سلسله مراتبی با ساختار شبکه­ای در نظرگرفته می­شود (23). بنابراین این روش یک روش ایده آل به منظور مدل­سازی و ایجاد تعاملات  و وابستگی­ها میان شاخص­ها است. با توجه به ابهام و عدم قطعیت موجود در قضاوت­های تصمیم گیران برای مقایسه عناصر از منطق فازی استفاده می­شود در اغلب موارد واقعی، مرز بین ارزش­های مطلوب و نامطلوب، غیردقیق و در نتیجه فازی است. بنابراین تعیین مرز دقیق عضویت یا عدم عضویت در یک کلاس فاکتورها غیرممکن و غیر عملی است (24). بنابراین منطق فازی شامل هر دو تابع عضویت فازی است که مقادیر صفتی را در لایه های موضوعی با توجه به اختصاص 0 و 1 رتبه­بندی می­کند (25). بنابراین  FANP از محدوده ای از ارزش­ها برای بیان عدم قطعیت­ها استفاده می­کند.

در زمینه مکان­یابی فضای سبز شهری با استفاده از  سیستم اطلاعات جغرافیایی و سیستم­های تصمیم­گیری چند معیاره تاکنون تحقیقات متعددی صورت گرفته که از آن میان در سطح جهان می­توان به (26) که مزایا و فواید استفاده از سیستم های تصمیم گیری چند معیاره در ترکیب با سیستم اطلاعات جغرافیایی را مورد بحث قرار داد، (27) با استفاده از GIS و متریک های سیمای سرزمین به مدل سازی بهره وری ارزش سازگار فضای سبز شهری پرداخت. همچنین (20) به بررسی توسعه کاربرد GIS برای مدیریت و برنامه­ریزی فضای سبز شهری پرداخت. در ایران نیز می­توان به (28) به مکا­­­ن­یابی فضای سبز شهری با استفاده از سیستم اطلاعات جغرافیایی، (4) تحت عنوان ارزیابی و مکان­یابی کاربری فضای سبز اشاره کرد همچنین (13) به بررسی توزیع فضایی و مکان­یابی پارک­های شهری با استفاده از منطق فازی و مدل تحلیل سلسله مراتبی،  (29) تحت عنوان مکان­یابی  فضای سبز شهری (پارک­های درون شهری) با استفاده از سیستم اطلاعات جغرافیایی و (14) به  مکان­یابی عرصه­های مناسب فضای سبز شهری با استفاده از روش ترکیبی AHP و فازی در محیط GIS پرداختند. هدف از این مطالعه مشخص کردن مکان­های مناسب برای احداث پارک و فضای سبز است که با مبنا قراردادن مدل FANP و منطق فازی در محیط  GIS انجام می‌گردد. تا کمکی برای برنامه ریزان و تصمیم گیران در فضای منطقه 8 شهرداری تهران باشد.

روش بررسی

مواد

منطقه 8 که در حوزه شرقی تهران واقع شده از سمت شمال  به شهرداری منطقه 4؛ از جنوب به شهرداری منطقه 13 و از سمت غرب به شهرداری منطقه 7 محدود است (30). این منطقه براساس سرشماری نفوس و مسکن 1390 دارای تعداد خانوار 125757و جمعیتی بالغ بر 378118 را دارا می­باشد (31).

 

 

 

 


شکل 1- نمونه مورد مطالعه

Figure 1- Study area

 


روش ارزیابی چند معیاری

در روش ارزیابی چند معیاره جهت مواجه شدن                   با یک هدف خاص، در اغلب موارد چندین معیار نیاز است که ارزیابی شوند (17، 32 و 33). هدف از ارزیابی چند معیاری، انتخاب بهترین آلترناتیو (در این­جا بهترین مکان یا پیکسل) بر مبنای رتبه بندی آن­ها از طریق ارزیابی چند معیار اصلی است. روش­های متعددی برای تحلیل ارزیابی چندمعیاری وجود دارد که مهم­ترین و اصلی­ترین آن­ها شامل روش ترکیب خطی وزنی، روش بولین، رویکردهای تابع ارزش/ مطلوبیت، فرایند تحلیل سلسله مراتبی، روش نقطه ایده­آل و روش توافقی هستند (34). ارزیابی چند معیاری اغلب به وسیله یکی از دو روش رویهم­گذاری بولین و روش ترکیب خطی وزن­دار انجام می­شود. فرایند اول هم‌پوشانی بولین را درگیر می‌کند که به وسیله آن تمام معیارها به حالت‌های منطقی مناسب کاهش می‌یابند و سپس به وسیله یک یا تعداد بیش­تری عملگر منطقی مانند اشتراک (AND) و اجتماع (OR) ترکیب می‌شوند. فرایند دوم ترکیب خطی وزن‌دار (WLC) است که در آن معیارهای پیوسته (فاکتورها) به یک محدوده عددی معمول استاندارد می‌گردند و سپس به وسیله یک میانگین وزن‌دار ترکیب می‌شوند. نتیجه، یک نقشه‌رستری پیوسته است که ممکن است یک یا تعداد بیش­تری از محدودیت‌های بولین را پوشش دهد تا با معیارهای کیفی هماهنگ باشد و در نهایت منجر به تصمیم نهایی می‌گردد (33). 

 

 

روش ترکیب خطی وزن دار

روش ترکیب خطی وزن­دار (WLC) رایج ترین تکنیک در تحلیل ارزیابی چند معیاری است. این تکنیک، روش امتیازدهی نیز نامیده می­شود. این روش بر مبنای مفهوم میانگین وزنی استوار است. تحلیل­گر یا تصمیم­گیرنده مستقیما بر مبنای اهمیت نسبی هر معیار مورد بررسی، وزن­هایی به معیارها می­دهد. سپس از طریق ضرب کردن وزن نسبی در مقدار آن خصیصه، یک مقدار نهایی برای هر گزینه به دست می­آید. پس از آن­که مقدار نهایی هر گزینه مشخص شد، گزینه­ای که بیش­ترین مقدار را داشته باشد مناسب­ترین گزینه برای هدف مورد نظر خواهد بود. در این روش قاعده تصمیم­گیری، مقدار  هر آلترناتیو به وسیله فرمول زیر بدست می­آید (35).

 

روش ترکیب خطی وزن­دار(WLC)  می­تواند با استفاده از GIS و قابلیت­های هم­پوشانی این سیستم اجرا شود. فنون هم­پوشانی در GIS اجازه می­دهد که برای تولید یک نقشه­ی ترکیبی(نقشه برونداد) لایه­های نقشه­ای معیار (یعنی نقشه­های درون­داد) با هم ترکیب و تلفیق شوند. استفاده از این روش در هر دو نوع قالب رستری و برداری GIS عملی است (36).

استاندارد سازی نقشه­ها در منطق فازی

در منطق فازی،‌ هر منطقه با توجه به مقداری  که معیار مورد نظر را رعایت می­کند، مقدار عضویتی می­گیرد که بیان کننده میزان مطلوبیت آن ناحیه است. بدین معنی که هر ناحیه، با

 

مقدار عضویت بالاتر از مطلوبیت بالاتری برخوردار است. در منطق فازی مساله قطعیت موجود در منطق بولین وجود ندارد و هر لایه در مقیاسی بین صفر و یک درجه بندی  می­شود (37). یکی دیگر از عوامل موثر در استاندارد سازی نقشه­های فازی تعیین حد آسانه می­باشد که به آن­ها نقاط کنترل نیز گفته می­شود. اما نکته­ای که بایستی در انتخاب تابع به آن توجه نمود، نوع کاهشی یا افزایشی بودن معیار مورد نظر می­باشد (38). جدول 1 نقاط کنترل و نوع تابع فازی آورده شده است.

روش مدل سازی فازی

در این روش کلیه فاکتورها در یک مرحله با هم ترکیب می شوند و الگوی هدفمند تلفیق نقشه ها را می توان بکار برد. ایده منطق فازی، اشیاء فضایی را بر روی نقشه مانند اعضای یک مجموعه در نظر می‌گیرد. در تئوری مجموعه فازی، عضویت می تواند هر مقداری بین 0 و 1 را بگیرد که منعکس کننده درجه قطعی عضویت است و هیچ محدودیت عملی در انتخاب مقادیر عضویت فازی وجود ندارد (39، 40 و 41). روش منطق فازی، ترکیبات انعطاف‌پذیرتر نقشه‌های وزنی را به وجود می‌آورد و می تواند به آسانی با زبان مدل سازی GIS اجرا شود (42). مقادیر براساس قضاوت ذهنی انتخاب می­شوند تا درجه عضویت مجموعه را نشان دهند(شکل2).

 

 

 

 


شکل 2- نمودار تابع عضویت فازی (43)

Figure 2- Fuzzy function membership diagram (43)

 


پنج عملگر فازی به نام‌های OR، AND ، SUM ، Product و GAMMA را که برای ترکیب مجموعه داده‌ها در GIS مورد استفاده قرار گرفتندبه این شرح می­باشند1-  عملگرضرب فازی ( ‌ Fuzzy algebraic product ) اعضای فازی را از طریق ضرب ترکیب می­کند. این مدل به دلیل آنکه ارزش خروجی همیشه کمتر یا مساوی کوچکترین عضو فازی است ، کاهنده می­باشد (44). 2- عملگراجتماع فازی (OR Fuzzy ) نیز مشابه اجتماع در مجموعه­های کلاسیک می­باشد تاثیر این عملگر آن است که نقشه های خروجی توسط بزرگترین مقدار عضویت فازی که در هر موقعیت روی می دهد، کنترل می شود(24). 3- همچنین عملگر جمعی فازی(fuzzy algebraic sum) مکمل محصول جبری فازی است . برخلاف محصول جبری حاصل جمع جبری،همیشه بزرگتر یا مساوی بزرگترین مقدار عضو فازی است (44). 4- عملگر اشتراک فازی (AND Fuzzy) که نیز مشابه اشتراک در مجموعه های کلاسیک می­باشد. تاثیر این عملگرآن است که نقشه خروجی توسط کوچکترین مقدار عضویت فازی که در هر موقعیت روی می دهد کنترل می شود.(24) 5- و در نهایت عملگر گامای فازی(Fuzzy gumma operation) از حاصل ترکیب جمع جبری و محصول جبری است واز فرمول زیر بدست می آید :

μ combination =(FuzzySum) γ ×(FuzzyProduct) 1-γ

پارامتر γ در محدوده (1و0) انتخاب شده است.وقتی γ عدد 1 بگیرد، ترکیب همانند جمع جبری است در حالیکه وقتیγ  ، 0 باشد ترکیب همان محصول جبری است (45 و 46) . در جدول2 روابط و توابع عضویت فازی این عملگرها آورده شده است.

 

جدول 1-استاندارد سازی نقشه ها

Table 1- Maps standardization

شاخص­ها

زیر شاخص­ها

تابع فازی

فرمول تابع فازی

شکل تابع فازی

نقاط کنترل (m)

D

c

b

a

دسترسی

(متر)

راه اصلی

 

S شکل کاهشی

   

500

100

 

 

راه فرعی

300

0

 

 

مترو

1000

100

 

 

تراکم

(نفر در متر مربع)

 

 

 

خطی افزایشی

 

 

When x < point a ,  = 0

When x > point b ,  = 1

 

 

 

 

 

 

 

0.054518

 

0.002153

نزدیکی به مراکز مطلوب

(متر)

فرهنگی

آموزشی

درمانی

امنیتی

 

S شکل کاهشی

 

                                          

 

1000

100

 

 

فاصله از مراکز نامطلوب

(متر)

پارک

پمپ بنزین

 

S شکل افزایشی

   

 

 

1000

100

 

جدول 2- ‌توابع و روابط عضویت فازی(34)

Table 2- Fuzzy membership functions and relations (34)

                                                          رابطه                                                       تابع

 AND                                          μ combination =MIN (μAB ,...)

OR                                             μ combination =MAX (μAB ,...)

PRODUCT                                µ combination  i

SUM                                         µ combination = 1 – (  i) )

GUMMA                                  μ combination =(FuzzySum) γ ×(FuzzyProduct) 1-γγÎ[0,1]

 


 

 

روش FANP

 

 فرآیند تحلیل سلسله مراتبی (AHP) ، برای اولین بار توسط ساعتی در 1980 مطرح شد. یک روش معمول برای حل مسایل تجزیه و تحلیل چند معیاره به صورت کمی است (47). در واقع یک روش انعطاف پذیر و کمی برای انتخاب معیارها براساس عملکردشان با توجه به یک یا چند معیار مورد نظر است (48 و 49). با توجه به این­که دنیای واقعی معیارها معمولا وابسته به یکدیگرند، رهیافت­های سنتی در این زمینه به شکل مناسبی قابل اندازه­گیری نیستند. به همین علت، ساعتی فرایند تحلیل شبکه­ای را که توسعه یافته فرآیند تحلیل سلسله مراتبی است، برای بدست آوردن مجموعه­ای از وزن­های مناسب برای معیارها معرفی کرد (50 و 51)‌. لازمه­ی استفاده از این روش، شناخت کافی از هدف تصمیم گیری، محیط تصمیم و تمامی عناصر تصمیم گیری به وسیلة تصمیم گیرنده است . این شناخت به این علت لازم است که تصمیم گیرنده بتواند همه­ی ملاک­های مؤثر در تصمیم را تعیین و تأثیر آن­ها بر یکدیگر را مشخص و بتواند واقعی­ترین حالتی از شبکه را رسم کند . مقایسه­های زوجی بایستی اولویت واقعی عناصر نسبت به یکدیگر را نشان دهند، اما از آن­جا که این شناخت کافی از سیستم همیشه

 

موجود نیست و تصمیم گیرنده نمی تواند در حالت کلی با اطمینان کامل در مقایسه های زوجی قضاوت کند، بنابراین برای رفع این مشکل مدل تحلیل شبکه­ای توسعه داده می شود. راه حل طبیعی برای انجام مقایسه ها در حالت های نبود قطعیت استفاده از مقایسه های فازی است که حالت های ابهام در مقایسه را مدل سازی می کند (52). به عبارت دیگر، لئونگ و چاوو معتقدند که دلایل دقت پایین بودن این نوع کسب نظرات از افراد آن است که از فرد خواسته    می­شود براساس درک خود از پدیده­ها نسبتی دقیق به مقایسه زوجی آن­ها اختصاص دهد و این درحالی است که درک فرد از پدیده در قالب عددی قطعی قابل بیان نیست بلکه بازه­ای از اعداد می­تواند بهتر از عدد قطعی منعکس کننده درک فرد از اهمیت یک پدیده در قیاس با پدیده­ای دیگر باشد (53).

وزن شاخص­ها و زیرشاخص­ها در تحلیل شبکه­ای فازی به این صورت بدست می­آید (54):

مرحله اول:  ابتدا مقایسات زوجی، توسط کارشناسان با استفاده از اعداد فازی مندرج در جدول3صورت پذیرفت. در ادامه جهت اجماع نظر کارشناسان، از مقایسات زوجی پاسخ‌ دهندگان میانگین هندسی گرفته شد.


 

جدول3- طیف فازی و عبارت کلامی متناظر

Table 3- Fuzzy range and the corresponding verbal expression


کد

عبارات کلامی

اعداد فازی

کد

عبارات کلامی

اعداد فازی

1

ترجیح برابر

(1,1,1)

6

ترجیح زیاد تا خیلی زیاد

(3,5/4,5)

2

ترجیح کم تا متوسط

(1,5/1,5/1)

7

ترجیح خیلی زیاد

(5,5/5,6)

3

ترجیح متوسط

(1,2,2)

8

ترجیح خیلی زیاد تا کاملا زیاد

(5,6,7)

4

ترجیح متوسط تا زیاد

(3,5/3,4)

9

ترجیح کاملا زیاد

(5,7,9)

5

ترجیح زیاد

(3,4,5/4)

 

 


مرحله دوم: محاسبه بردار ویژه: برای محاسبه بردار ویژه هر یک از جداول مقایسات زوجی تجمیع شده، طبق فرمول زیر از روش لگاریتمی حداقل مجذورات، استفاده می­شود.

    

   به ­طوری‌که :  

 

مرحله سوم: تشکیل ماتریس‌های بردار ویژه ():          این ماتریس‌ها شامل بردارهای ویژه­ای هستند که از      مقایسات زوجیِ مرحله دوم به­ دست آمده­اند. به علت زیاد بودن جدول­ها نگارندگان قادر با ارایه آن­ها در این پژوهش نبودند.

مرحله چهارم: محاسبه اوزان نهایی سطوح: برای محاسبه وزن نهایی مؤلفه‌های هر سطح() می‌بایست حاصل­ضرب ماتریس بردار ویژه روابط درونی در بردار ویژه همان سطح را   در وزن نهایی سطح بالاتر ضرب کنیم.  

                                                                                            

در صورتی­که برای یک سطح ماتریس وجود نداشت،    لازم است یک ماتریس یکه هم درجه جایگزین آن گردد. به عبارت دیگر می‌بایست از فرمول زیر استفاده نمایید.

     

 

 

  نمودار1- فلوچارت روش انجام تحقیق

Chart 1- Research method

 


تعیین معیارهای مناسب برای مکان یابی پارک­ها

 

با توجه به کمبود منابع اطلاعاتی، فقط معیارها و زیر معیارهای که لایه­های اطلاعاتی آن­ها قابلیت تهیه و یا در دسترس بود (جدول 4) در مدل تصمیم گیری این تحقیق مورد استفاده قرار گرفتند.

 

 

جدول 4- عوامل موثر در مکان یابی پارک

Table 4- Effective parameters in parks site selection

معیارها

زیرمعیارها

1- کاربری

اراضی بایر و مزروعی، نظامی، اداری، صنعتی، تجاری، خدماتی و مسکونی

2- دسترسی

راه های اصلی و فرعی و مترو

3- تراکم جمعیت

تراکم جمعیت به تفکیک محله (مقادیر آن بین 0.003537 و .0.071464 نفر در متر مربع بود)

4- فاصله از مراکز مطلوب

فرهنگی ؛ مساجد و اماکن ورزشی، آموزشی؛ مدارس و دانشگاها ، درمانی؛ مرکز بهداشت و بیمارستان ها  و امنیتی؛ ایستگاه­های  پلیس و پلیس راهنمایی و رانندگی و آتشنشانی

5- فاصله از مراکز نامطلوب

پارک­ها و پمپ بنزین­ها

 


 

 


سازگاری با کاربری اراضی

برای تهیه نقشه مناسب به منظور تبدیل به فضای سبز و پارک اهمیت دادن به همه کاربری­ها لازم است، ولی در این میان بعضی از کاربری­ها تاثیرگذارتر و از تناسب بیش­تری برخوردارند. بنابراین لازم است که به این کاربری­ها ارزش و بهای بیش­تری داده شود.

دسترسی

راه­ها عامل ارتباط دهنده تاسیسات مختلف شهری است و      از این نظر اهمیت آن­ها در سطح شهرها، قابل توجه است.  همچنین پارک­های شهری باید از چهارسو به شبکه ارتباطی دسترسی داشته باشد تا امکان جذب بیش­تر جمعیت فراهم شود و هم امکان نظارت اجتماعی و امنیت پارک افزایش یابد. این عوامل سبب می­شود که دسترسی به عنوان یک معیار مهم در مکان­یابی پارک و فضای سبز شهری مطرح شود.

تراکم و سرانه جمعیت

از آن­جا که پارک­ها برای استفاده شهروندان و بهره­گیری       هر چه بیش­تر شهروندان ایجاد می­شوند، بنابراین دسترسی تعداد بیش­تری از شهروندان به این کاربری و توجه به مکان­های پرتراکم از لحاظ جمعیت شهری می­تواند معیاری برای سنجش تناسب برای مکان بهینه پارک­ها باشد.

فاصله از مراکز مطلوب

مکان­یابی پارک و فضای سبز باید گونه­ای باشد که این کاربری کم­ترین فاصله را از مراکز سازگار با خود داشته باشد تا بتواند ضمن پذیرای افراد بسیار زیادی در خود، بیش­ترین تاثیرگذاری را بر شهروندان داشته باشد.

فاصله از مراکز نامطلوب

از عواملی که در مکان­یابی پارک­ها و فضای سبز، در آن باید   در نظر گرفته شود لزوم رعایت فاصله از پارک­ها و فضای سبز موجود و پمپ بنزین­ها می­باشد،‌ زیرا از یک سو فاصله از پارک­ها و فضای سبز موجود در شهر موجب جلوگیری از تمرکز پارک­ها و فضای سبز در مناطق خاصی از شهر  می­شود.         از سوی دیگر نیز فاصله از پمپ بنزین باعث می­شود تا پارک­ها در مکان­های با آلودگی جوی وصوتی کم­تر احداث شوند.

یافته­ها

در این تحقیق ابتدا وابستگی متقابل شاخص­ها و زیرشاخص­ها با نظر کارشناسان صورت پذیرفت و سپس مقایسات زوجی توسط آن­ها انجام گرفت و در نهایت وزن شاخص­ها و زیر شاخص­ها بدست آمد.

مقایسه های دودویی وابستگی های درونی شاخص ها و زیرشاخص ها

وابستگی­های متقابل شاخص­ها و زیر شاخص­ها در جدول 5 و 6 نشان داده شده­اند. معمولا برای رسیدن  به این جدول­ها و تعیین وابستگی های متقابل شاخص­ها و زیرشاخص­ها از نظرات کارشناسان زیربط استفاده می­شود.


جدول شماره 5- وابستگی های درونی شاخص ها نسبت به یگدیگر

Table 5- Criteria internal relationships


شاخص­ها

کاربری اراضی

دسترسی

تراکم

مراکز مطلوب

مراکز نامطلوب

کاربری اراضی

 

ü       

ü       

ü       

ü       

دسترسی

ü       

 

ü       

ü       

ü       

تراکم

ü       

ü       

 

ü       

ü       

مراکز مطلوب

ü       

ü       

ü       

 

 

مراکز نامطلوب

ü       

ü       

ü       

 

 


جدول 6- وابستگی های درونی زیر شاخص­ها نسبت به یکدیگر

Table 6- Sub- Criteria internal relationships

زیرشاخص­ها

راه اصلی

راه فرعی

مترو

پارک

پمپ بنزین

فرهنگی

آموزشی

درمانی

امنیتی

راه اصلی

 

 

 

ü       

ü       

ü       

ü       

ü       

ü       

راه فرعی

 

 

 

ü       

ü       

ü       

ü       

ü       

ü       

مترو

 

 

 

ü       

 

ü       

ü       

ü       

ü       

پارک

ü       

ü       

ü       

 

 

 

 

 

 

پمپ بنزین

ü       

ü       

 

 

 

 

 

 

 

فرهنگی

ü       

ü       

ü       

 

 

 

ü       

 

ü       

آموزشی

ü       

ü       

ü       

 

 

ü       

 

 

ü       

درمانی

ü       

ü       

ü       

 

 

 

 

 

ü       

امنیتی

ü       

ü       

ü       

 

 

ü       

ü       

ü       

 

 


وزنهای مدل FANP

 

در این پژوهش  برای هر کدام از شاخص ها و زیر شاخص­ها   بر اساس ارزش و اهمیت آن ها در مکان­یابی پارک و فضای سبز، وزن مناسبی در نظر گرفته شده است. وزن هر یک از شاخص­ها و زیرشاخص­ها درجدول های 7و 8 آمده است.


 

جدول7- ماتریس اوزان نهایی شاخص­ها

Table 7- final criteria weights matrix

ردیف

شاخص­ها

وزن فازی نهایی

وزن قطعی نهایی مولفه­ها

1

کاربری

(0/195,0/284,0/339)

0/278

2

دسترسی

(0/141,0/204,0/252)

0/202

3

جمعیت

(0/12,0/168,0/249)

0/173

4

مراکزمطلوب

(0/043,0/054,0/076)

0/055

5

مراکزنامطلوب

(0/21,0/291,0/346)

0/286

 

جدول 8- ماتریس اوزان نهایی زیرشاخص­ها

Table 8- Final sub criteria weights matrix

مولفه­ها

وزن فازی نهایی

وزن قطعی نهایی مولفه­ها

مولفه­ها

وزن فازی نهایی

وزن قطعی نهایی مولفه­ها

بایر و مزروعی

(0/083,0/15,0/204)

0/148

مترو

(0/046,0/1,0/129)

0/096

نظامی

(0/01,0/016,0/028)

0/017

فرهنگی

(0/013,0/022,0/038)

0/023

اداری، صنعتی،‌تجاری

(0/018,0/035,0/052)

0/035

آموزشی

(0/016,0/029,0/046)

0/03

خدماتی

(0/033,0/06,0/078)

0/059

درمانی

(0/013,0/028,0/04)

0/027

مسکونی

(0/013,0/022,0/033)

0/022

امنیتی

(0.03,0.054,0.088)

0/056

راه اصلی

(0/046,0/088,0/126)

0.087

پارک

(0/081,0/14,0/182)

0/137

راه فرعی

(0/033,0/051,0/092)

0/055

پمپ بنزین

(0/023,0/034,0/053)

0/035


 


آنالیز عوامل تاثیر گذار در مکانیابی منطقه مورد مطالعه

برای بالارفتن دقت و صحت مکان یابی منطقه 8 را به صورت بسته در نظرگرفته نشده است به همین دلیل  بافری 1000   در اطراف منطقه زده شده است. سپس نقشه­های فازی عوامل تاثیرگذار در مکان یابی پارک و فضای سبز شهری در منطقه 8 شهرداری تهران پس از استاندارد سازی لایه­ها در محیط Idrisi، با استفاده از سامانه اطلاعات جغرافیایی تهیه گردید. نقشه هر یک از این عوامل در ادامه پژوهش آورده شده است.

 

 

 

 

شکل 2- نقشه فاصله از مراکز امنیتی

Figure 2- Distance from security centers

شکل 3 - نقشه فاصله از مراکز آموزشی

Figure 3- distance from educational centers  

شکل 4 -نقشه فاصله از مراکز درمانی

Figure 4-   Distance from Therapeutic centers

 

 

شکل 5- نقشه فاصله از مراکز فرهنگی

Figure 5- distance from cultural centers

شکل6- نقشه کاربری

Figure 6- land use            

  شکل 7- نقشه میزان تراکم جمعیت

Figure 7- population density          

 

 

شکل 8- نقشه شبکه راه­های فرعی

Figure 8- subsidiary roads  

شکل 9- نقشه شبکه راه های  اصلی

Figure 9-  main roads

شکل 10- نقشه شبکه مترو

Figure 10- subway network

 

 

 

 

 

شکل 11- نقشه فاصله از پارک

Figure 11- distance from park

شکل12- نقشه فاصله از پمپ بنزین

Figure 12- distance from petrol station


 


تهیه نقشه­های نهایی    

 

 وزن­های که در جدول 6 آمده در واقع خروجی­های          مدل FANP می­باشند که به عنوان وزن­های لایه­های اطلاعاتی مورد استفاده قرار گرفتند. در ادامه نقشه هر یک از لایه­های اطلاعاتی از شاخص­های تاثیرگذار در مکان یابی فضای سبز شهری منطقه 8 شهرداری تهران در محیط GIS با اعمال
وزن آن­ها با یکدیگر تلفیق شدند. نتیجه حاصله از این تلفیق، خروجی نهایی مدل به صورت نقشه نهایی مکان بهینه پارک و فضای سبز شهری مشاهده خواهد شد. که در این پژوهش عملگرهای مختلف باهم مقایسه شده­اند و نقشه نهایی هر یک ازآن­ها آورده شده است.

 

 

شکل13- لایه روی­هم­گذاری شده با روش 0.9,0.5,0.3gumma

Figure 13- Layer combination by using; gumma0.3, gumma0.5,gumma   0.9

 

 

شکل16- لایه رویهم­گذاری شده با روش Or

     Figure 16- Layer

 combination by using Or   

شکل15- لایه رویهم­گذاری شده با روش And

Figure 15- Layer combination by using And          

شکل14- لایه رویهم­گذاری شده با روش Product 

Figure 14- Layer combination by using Product

 

 

شکل 17- لایه رویهم­گذاری شده با روش Sum

Figure 17- Layer combination by using Sum

 

 

در نهایت در این پژوهش عملگر جمع به عنوان عملگر مناسب برای مکان­یابی پارک و فضای سبز منطقه 8 شهرداری تهران شناخته شد. پنچ طبقه زمین های با تناسب خیلی خوب، خوب، متوسط، ضعیف و خیلی ضعیف برای نقشه نهایی این عملگر   در نظر گرفته شد. در شکل 18 طبقه بندی این نقشه آورده شده است. باید گفت که نقشه فاقد طبقه­های 1،4،5 بوده است در جدول 9 خلاصه اطلاعات نقشه داده شده است.

 

 

شکل 18- طبقه بندی عملگرSum

Figure 18- Classification of sum operator.

 

جدول9- اطلاعات نقشه طبقه بندی شده

Table 9- Data Classification of maps

 

Fuzzy Sum

طبقه بندی ارزش­ها

مساحت(متر مربع)

درصد

0-2/0

-----

-----

2/0-4/0

961924/ 8239866

230457/94

4/0-6/0

657086/804510

769543/5

6/0-8/0

-----

-----

8/0-1

-----

-----


بحث و نتیجه گیری

 

با وجود معضلات محیط­زیستی در فضاهای شهری و      نیازهای جسمی و روحی انسان­ها به داشتن محیط زیست سالم، توجه به فضای سبز جایگاه ویژه­ای پیدا کرده است و لزوم توجه به آن روز به روز افزایش یافته است. نگارندگان در این پژوهش از منطق فازی، برای تهیه نقشه­های فازی و از روش FANP برای داشتن وزن­های فازی استفاده کرده اند. به این دلیل منطق فازی و FANP در این پژوهش مد نظر قرار گرفت که نمی­توان برای محیط­های شهری به صورت مطمئن و قطعی تصمیم گیری کرد. برای همین سعی شد نقشه­ها و همچنین وزن­ها به صورت فازی تهیه شود تا بهترین تصمیم­گیری در مکان­یابی پارک و فضای سبز منطقه 8 شهرداری تهران صورت گیرد. در این پژوهش نیز، از سیستم­های اطلاعات جغرافیایی و Idrisi برای تهیه نقشه­ها کمک گرفته شد. در این ارتباط برای مکان­یابی منطقه 8 از 5 عملگر در رویهم گذاری لایه­ها استفاده شد و باید گفت در عملگر ضرب فازی ( ‌ Fuzzy product) همه معیارها به طور هم­زمان در تهیه نقشه نهایی دخالت دارد بنابراین همیشه ارزش خروجی کم­تر یا مساوی کوچک­ترین عضو فازی است  بنابراین نقشه نهایی فقط ایده آل­ترین مناطق را مشخص می کند و بیش ترین احتیاط را برای مکان­یابی در نظر می­گیرد به همین علت این عملگر مناسب این نوع مکان یابی نمی­باشد. عملگر بعدی گامای فازی ( Fuzzy gumma)می­باشد این عملگر که ترکیبی از عملگر جمع و ضرب می باشد. وقتی مقدارγبه سمت صفر انتخاب می­گردد فازی ضرب تاثیر بیش­تری در تهیه نقشه های خروجی دارد و احتیاط بیش تری را مد نظر داد مانند گامای 3/0  و وقتی مقدارγبه سمت یک انتخاب می گردد فازی جمع تاثیر بیش تری بر نقشه های خروجی دارد مانندگامای 9/0و گامای با عدد 5/0 بین عملگرجمع و ضرب قرار می­گیرد به همین خاطر احتیاط کم­تر نسبت به عملگر ضرب و احتیاط بیش­تری نسبت به عملگر جمع  در مکان­یابی، انجام می­دهد این نوع عملگر نیز مناسب این نوع مکان یابی نمی­باشد. عملگر اشتراک فازی (AND Fuzzy )  نیز ، که بیش تر عوامل نامطلوب تاثیرگذار در مکان یابی پارک و فضای سبز در نظر دارد در مقابل عملگر اجتماع فازی(OR Fuzzy ) که بیش تر عوامل مطلوب را مد نظر قرار می­دهد، قرارمی­گیرد. به همین خاطر عملگر اجتماع فازی نسبت به عملگر اشتراک فازی مساحت بیش تری را برای مکان یابی در نظر می­گیرد ولی در مجموع این دو عملگر مثل عملگرهای قبلی مناسب مکان یابی پارک و فضای سبز نمی­باشد. در نهایت عملگر جمع فازی(Fuzzy Sum) می­باشد در این عملگر معیارها اثر افزایشی بر روی هم دارند به همین دلیل بیش­ترین محدوده را مناسب احداث پارک و فضای سبز می­داند و در  طرف مقابل عملگر ضرب قرار دارد و کم­ترین احتیاط را برای مکان یابی در نظر می گیرد. در این ارتباط باید گفت عملگر جمع فازی در منطقه 8 شهرداری تهران منطقی­ترین حالت را برای مکان­یابی پارک و فضای سبز در اختیار تصمیم­گیرندگان  و برنامه ریزان قرار می­دهد.

منابع

1-      Unger, J., 1999. Comparisons of urban and rural bioclimatological conditions in the case of a Central-European city. Int. J. Biometeorology, Vol. 43, pp. 139–144.

2-      Kantor, N. and Unger, J. (2010). Benefits and opportunities of adopting GIS in thermal comfort studies in resting places: An urban park as an example. Landscape and Urban Planning, 98, 36–46.

3-      سعید نیا، احمد، «کتاب سبز شهرداریها»، جلد 9، فضای سبز شهری، انتشارات سازمان شهرداریها و دهیاری های کشور،ص 10،  1383.

4-      پورسراسکانرود، محمد اکبر، مهدی قرخلو و محبوبه نوروزی، «ارزیابی و مکان یابی کاربری فضای سبزمنطقه 9 شهرداری تهران» ، نشریه تحقیقات کاربردی علوم جغرافیایی، 1388،ج11،شماره 14.

5-      صندوق حمایت از کودکان ملل متحد،  بررسی وضعیت توسعه هرم جمعیتی در ایران و مقایسه آن با شاخص های ملل متحد “، 2011  ، فصلنامه ملل متحد، شماره11، صفحه 36.

6-      مجنونیان، هنریک، « مباحثی پیرامون پارک ها، فضای سبز و تفرج گاه ها »، ف1،  سازمان پارک ها و فضای سبز شهر تهران، 1374.

7-      Luria, P., Lyons, M., 2010. Urban green space and public health. Liverpool: Liverpool John Moores University.

8-      Wheater, C.P., Potts, E., Shaw, E.M., Perkins, C., Smith, H., Casstles, H. and et al. 2007. Urban parks and public health: exploiting a resource for healthy minds and bodies. Liverpool: Centre for Public Health, Liverpool John Moores University. http://www. cph.org.uk/publications.aspx.

9-      Bunnes, M., Carrus, G., Fornara, F., Aiello, A. Bonaiuto, M., 2001. Inhabitants Perception of Urban Green areas in the city of Rome. Poster presented at the annual meeting for the Society of the International Conference on Biodiversity and Society. New York: Columbia University –UNESCO.

10-  Panduro, T.E., Veie, K.L., 2013. Classification and valuation of urban green spaces – A hedonic house price valuation. Landscape and Urban Planning, Vol. 120, pp. 119–128.

11-  Dunnett, N., Swanwick, C., Woolley, H., 2002. Improving Urban Parks, Play areas and Green spaces. London: Department of Landscape, University of Sheffield.

12-  سعیدنیا، احمد، «کاربری زمین شهری»، جلد دوم، مرکز مطالعات و برنامه ریزی شهری تهران، ص 89، ۱۳۸۷.

13-  لطفی، صدیقه، احمد حسین زاده ، امین فرجی ملائی و میثم احمدی فیروزجایی، «بررسی توزیع فضایی و مکان یابی پارک های شهری بابلسر با استفاده از منطق فازی و مدل تحلیل سلسله مراتبی FAHP))» ، محیط شناسی، 1391، سال سی و هشتم، شماره ۳، پاییز ۹۱ ، صص ۱۴۷-154.

14-  زیاری، کرامت اله، مجید شادمان رود پشتی، سیروس حسن پور، ابوالفضل مصطفایی، «مکانیابی عرصه های مناسب فضای سبز شهری با استفاده از روش ترکیبی AHP و فازی در محیط GIS (مطالعه موردی:منطقه 14 شهرداری تهران)»، فصلنامه علمی پژوهشی فضای جغرافیایی، 1392،سال سیزدهم، شماره 43، صص 19-38.

15-  آرانف، ا، «سیستم های اطلاعات جغرافیایی»، ترجمه توسط سازمان زمین شناسی کشور، مدیریت سیستم های اطلاعات جغرافیایی سازمان نقشه برداری کشور، تهران، انتشارات سازمان نقشه برداری کشور، 1375.

16-  Eldin, N., Sui, D., 2003. A COM-based Spatial Decision Support System for Industrial Site Selection. Journal of Geographic Information and Decision Analysis, Vol. 7(2), pp. 72–92.

17-  Carver, S.J., 1991. Integrating Multi-Criteria Evaluation with Geographical Information Systems. International Journal of Geographical Information Systems, Vol. 5(3), pp. 321-339.

18-  Ronald Eastman, J., Jiang, H., Toledano, J., 1995. Multi-criteria and multi-objective decision making for land allocation using GIS, Multicriteria Analysis for Land-Use Management. Environment & Management, Vol. 9, pp. 227-251.

19-  Rikalovic, A., Cosic, I., Lazarevic, D., 2014. GIS Based Multi-Criteria Analysis for Industrial Site Selection. Procedia Engineering, Vol. 69, pp. 1054-1063.

20-  Tasoulasa, E., Varrasa, G., Tsirogiannisa, I., Myriounisa, C., 2013. Development of a GIS Application for Urban Forestry Management Planning. Procedia Technology, Vol. 8, pp. 70–80.

21-  Eldrandaly, K., 2013. Developing a GIS-Based MCE Site Selection Tool in ArcGIS Using COM Technology. The International Arab Journal of Information Technology, Vol. 10(3).

22-  Malczewski, J., 2006. Integrating multicriteria analysis and geographic information systems: the ordered weighted averaging (OWA) approach. Int.J. Environmental Technology and Management, Vol. 6(1/2).

23-  زبردست، اسفندیار، «کاربرد فرایند تحلیل شبکه ای در برنامه ریزی شهری و منطقه ای»، نشریه هنرهای زیبا- معماری و شهرسازی ، 1389، شماره 41، صص 79-80.

24-  کریمی، سعید، «جزوه درس کاربرد GIS در برنامه ریزی محیط زیست»، دانشگاه تهران ، دانشکده محیط زیست، 1393.

25-  Raines, G.L., Sawatzky, D.L., Bonham-Carter, G.F., 2010. Incorporating expert knowledge: new fuzzylogic tools in ArcGIS 10. ArcUser Spring 2010. Redlands, CA, USA: ESRI. http://www.esri.com/news/arcuser/0410/files/fuzzylogic.pdf.

26-  Higgs, G., 2006. Integrating multi-criteria techniques with geographical information systems in waste facility location to enhance public participation. Journal of Waste Management & Research, Vol. 24, pp. 105–117.

27-  Kong, F., Yin, H., Nakagoshi, N., 2007. Using GIS and landscape metrics in the hedonic price modeling of the amenity value of urban green space: A case study in Jinan City. China, Landscape and Urban Planning, Vol. 79, pp. 240–252.

28-  وارثی، حمیدرضا، جمال محمدی و احمد شاهیوندی، «مکانیابی فضای سبز شهری با استفاده از سیستم اطلاعات جغرافیایی (نمونه موردی شهر خرم آباد)»، مجله جغرافیا و توسعه ناحیه ای، 1387، شماره دهم، صص 83-103.

29-  پریزادی، طاهر، حجت شیخی و مریم ابراهیم پور، «مکانیابی فضای سبز شهری (پارک های درون شهری)با استفاده از سیستم اطلاعات جغرافیایی(مطالعه موردی منطقه 9 کلانشهر مشهد)»،مجله علمی-پژوهشی برنامه ریزی فضایی، 1391 ،سال دوم، شماره سوم، (پیاپی 7)،صص 111-134.

30-  پایگاه اینترنتی منطقه 8 شهرداری تهران،1393. (http://region8.tehran.ir)

31-  مرکز ملی آمار ایران، 1390. (www .amar.org.ir)

32-  Voogd, H., 1983. Multicriteria Evaluation for Urban and Regional Planning. London: Pion.

33-  Ronald Eastman, J., 2012. IDRISI Selva manual. Clark University. Sitio web: www. Clarklabs. org.

34-  Malczewski, j., 1999. GIS and Multicriteria Decision Analysis. Newyork: John Wiely and Sons.

35-  شهابی، همین و چیا نیازی، «بررسی فاکتورهای موثر در مکانیابی ایستگاهای امداد و نجات جاده سقز- سنندج با استفاده از مدل ترکیب خطی وزنی»، همایش ژئوماتیک 1388، تهران.

36-  Burrough, P.A., 1990. Methods of Spatial Analysis in GIS. International Journal of Geographic Information Systems, Vol. 4, pp. 221-223.

37-  Lin, H., Kao, j., Li, k. and et al. 1996. Fuzzy GIS assisted landfill siting analysis. Proceeding of international conference on Solid Waste Technology and Management, pp. 322-324.

38-  Valizadeh, k., shababi, H., 2009. Neces sities of GIS usage in urban water management at the time of Natural accidents, case study: saqqez city. 4th International Conference on Geographic, Paris, France, pp. 10-19.

39-  Hansen, H.S., 2005, January. GIS-based multi-criteria analysis of wind farm development. In ScanGIS 2005: Scandinavian Research Conference on Geographical Information Science. Stockholm, Sweden, pp. 75-87.

40-  Kabir, S., Edifor, E., Walker, M., Gordon, N., 2014, January. Quantification of Temporal Fault Trees Based on Fuzzy Set Theory. In Proceedings of the Ninth International Conference on Dependability and Complex Systems DepCoS-RELCOMEX. Brunów, Poland, pp. 255-264.

41-  Ghosh, J.K., Bhattacharya, D., Sharma, S.K., 2012. Fuzzy Knowledge Based GIS for Zonation of Landslide Susceptibility. Applications of Chaos and Nonlinear Dynamics in Science and Engineering, Vol. 2, pp. 21-37.

42-  Lee, S., 2007. Application and verification of fuzzy algebraic operators to landslide susceptibility mapping. Environmental Geology, Vol. 52(4), pp. 615-623.

43-  Dombi, J., 1990. Membership function as an evaluation. Fuzzy sets and systems, Vol. 35(1), pp. 1-21.

44-  Atkinsona, D.M., Deadmanb, P., Dudychab, D., Traynorc, S., 2005. Multi-criteria evaluation and least cost path analysis for an arctic all-weather road. Geography, Vol. 25, pp. 287–307.

45-  Bonham-Carter, G.F., 1994. Geographic information systems for geoscientists: Modelling with GIS. Ottawa: Pergamon.

46-  Zimmermann, H.J., Zysno, P., 1980. Latent connectives in human decision making. Fuzzy Sets and Systems, Vol. 4, pp. 37–51.

47-  Deng, H., 1999. Multicriteria analysis with fuzzy pairwise comparisons. International Journal of Approximate Reasoning, Vol. 21, pp. 215-231.

48-  Boroushaki, S., Malczewski, J., 2008. Implementing an extension of the analytical ierarchy process using ordered weighted averaging operators with fuzzy quantifiers in ArcGIS. Computers & Geosciences, Vol. 34 (4), pp. 399-410.

49-  Linkov, I., Satterstrom, F.K., Steevens, J., Ferguson, E., Pleus, R.C., 2007. Multi-criteria decision analysis and environmental risk assessment for nanomaterials. Journal of Nanoparticle Research, Vol. 9, pp. 543–554.

50-  عالم تبریز، آ، باقرزاده آذر، م، «تلفیق ANP و   TOPSISتعدیل شده برای گزینش تامین کننده راهبردی»، پژوهش­های مدیریت،1388، دوره 2،‌شماره2، صص 149-181.

51-  قدسی پور،‌سید ح، «فرایند تحلیل سلسله مراتبی (AHP)»، انتشارات دانشگاه صنعتی امیر کبیر، چاپ هشتم، تهران.

52-  رزمی، ج، صادق عمل نیک، م، هاشمی،‌م، «انتخاب تامین کننده با استفاده از تکنیک فرایند تحلیل شبکه­ای فازی»، نشریه دانشکده فنی(دانشگاه تهران)، 1387، ‌دوره 42، شماره 7، صص 935- 946. 

53-  Leung, L. C., Cao, D., 2000. On consistency and ranking of alternatives in fuzzy AHP. European Journal of Operational Research, Vol. 124(1).

54-  Lin, L.Zh., Hsu, T.Ho., 2011. Designing a model of FANP in brand image decision-making. Applied Soft Computing, Vol. 11, pp. 561-573.

 

 

 

 



1*- (مسوول مکاتبات): کارشناس ارشد برنامه­ریزی محیط­زیست، دانشکده محیط­زیست، دانشگاه تهران، ایران.

2- استادیارگروه برنامه­ریزی و مدیریت محیط­زیست، دانشکده محیط­زیست، دانشگاه تهران، ایران.

[3] - کارشناس ارشد مدیریت محیط­زیست، دانشکده محیط­زیست، دانشگاه تهران، ایران.

[4] - کارشناس ارشد برنامه­ریزی محیط­زیست، دانشکده محیط­زیست، دانشگاه تهران، ایران.

1- MSc of Environmental planning, Faculty of Environment, University of Tehran, Tehran, Iran.

* ( Corresponding Author)

2- Assistant Professor of environmental planning and management, Faculty of Environment, University of Tehran, Tehran, Iran.

[7]- MSc of Environmental Management, Faculty of Environment, University of Tehran, Tehran, Iran.

[8]- MSc of Environmental planning, Faculty of Environment, University of Tehran, Tehran, Iran.

 

1-      Unger, J., 1999. Comparisons of urban and rural bioclimatological conditions in the case of a Central-European city. Int. J. Biometeorology, Vol. 43, pp. 139–144.

2-      Kantor, N. and Unger, J. (2010). Benefits and opportunities of adopting GIS in thermal comfort studies in resting places: An urban park as an example. Landscape and Urban Planning, 98, 36–46.

3-      سعید نیا، احمد، «کتاب سبز شهرداریها»، جلد 9، فضای سبز شهری، انتشارات سازمان شهرداریها و دهیاری های کشور،ص 10،  1383.

4-      پورسراسکانرود، محمد اکبر، مهدی قرخلو و محبوبه نوروزی، «ارزیابی و مکان یابی کاربری فضای سبزمنطقه 9 شهرداری تهران» ، نشریه تحقیقات کاربردی علوم جغرافیایی، 1388،ج11،شماره 14.

5-      صندوق حمایت از کودکان ملل متحد،  بررسی وضعیت توسعه هرم جمعیتی در ایران و مقایسه آن با شاخص های ملل متحد “، 2011  ، فصلنامه ملل متحد، شماره11، صفحه 36.

6-      مجنونیان، هنریک، « مباحثی پیرامون پارک ها، فضای سبز و تفرج گاه ها »، ف1،  سازمان پارک ها و فضای سبز شهر تهران، 1374.

7-      Luria, P., Lyons, M., 2010. Urban green space and public health. Liverpool: Liverpool John Moores University.

8-      Wheater, C.P., Potts, E., Shaw, E.M., Perkins, C., Smith, H., Casstles, H. and et al. 2007. Urban parks and public health: exploiting a resource for healthy minds and bodies. Liverpool: Centre for Public Health, Liverpool John Moores University. http://www. cph.org.uk/publications.aspx.

9-      Bunnes, M., Carrus, G., Fornara, F., Aiello, A. Bonaiuto, M., 2001. Inhabitants Perception of Urban Green areas in the city of Rome. Poster presented at the annual meeting for the Society of the International Conference on Biodiversity and Society. New York: Columbia University –UNESCO.

10-  Panduro, T.E., Veie, K.L., 2013. Classification and valuation of urban green spaces – A hedonic house price valuation. Landscape and Urban Planning, Vol. 120, pp. 119–128.

11-  Dunnett, N., Swanwick, C., Woolley, H., 2002. Improving Urban Parks, Play areas and Green spaces. London: Department of Landscape, University of Sheffield.

12-  سعیدنیا، احمد، «کاربری زمین شهری»، جلد دوم، مرکز مطالعات و برنامه ریزی شهری تهران، ص 89، ۱۳۸۷.

13-  لطفی، صدیقه، احمد حسین زاده ، امین فرجی ملائی و میثم احمدی فیروزجایی، «بررسی توزیع فضایی و مکان یابی پارک های شهری بابلسر با استفاده از منطق فازی و مدل تحلیل سلسله مراتبی FAHP))» ، محیط شناسی، 1391، سال سی و هشتم، شماره ۳، پاییز ۹۱ ، صص ۱۴۷-154.

14-  زیاری، کرامت اله، مجید شادمان رود پشتی، سیروس حسن پور، ابوالفضل مصطفایی، «مکانیابی عرصه های مناسب فضای سبز شهری با استفاده از روش ترکیبی AHP و فازی در محیط GIS (مطالعه موردی:منطقه 14 شهرداری تهران)»، فصلنامه علمی پژوهشی فضای جغرافیایی، 1392،سال سیزدهم، شماره 43، صص 19-38.

15-  آرانف، ا، «سیستم های اطلاعات جغرافیایی»، ترجمه توسط سازمان زمین شناسی کشور، مدیریت سیستم های اطلاعات جغرافیایی سازمان نقشه برداری کشور، تهران، انتشارات سازمان نقشه برداری کشور، 1375.

16-  Eldin, N., Sui, D., 2003. A COM-based Spatial Decision Support System for Industrial Site Selection. Journal of Geographic Information and Decision Analysis, Vol. 7(2), pp. 72–92.

17-  Carver, S.J., 1991. Integrating Multi-Criteria Evaluation with Geographical Information Systems. International Journal of Geographical Information Systems, Vol. 5(3), pp. 321-339.

18-  Ronald Eastman, J., Jiang, H., Toledano, J., 1995. Multi-criteria and multi-objective decision making for land allocation using GIS, Multicriteria Analysis for Land-Use Management. Environment & Management, Vol. 9, pp. 227-251.

19-  Rikalovic, A., Cosic, I., Lazarevic, D., 2014. GIS Based Multi-Criteria Analysis for Industrial Site Selection. Procedia Engineering, Vol. 69, pp. 1054-1063.

20-  Tasoulasa, E., Varrasa, G., Tsirogiannisa, I., Myriounisa, C., 2013. Development of a GIS Application for Urban Forestry Management Planning. Procedia Technology, Vol. 8, pp. 70–80.

21-  Eldrandaly, K., 2013. Developing a GIS-Based MCE Site Selection Tool in ArcGIS Using COM Technology. The International Arab Journal of Information Technology, Vol. 10(3).

22-  Malczewski, J., 2006. Integrating multicriteria analysis and geographic information systems: the ordered weighted averaging (OWA) approach. Int.J. Environmental Technology and Management, Vol. 6(1/2).

23-  زبردست، اسفندیار، «کاربرد فرایند تحلیل شبکه ای در برنامه ریزی شهری و منطقه ای»، نشریه هنرهای زیبا- معماری و شهرسازی ، 1389، شماره 41، صص 79-80.

24-  کریمی، سعید، «جزوه درس کاربرد GIS در برنامه ریزی محیط زیست»، دانشگاه تهران ، دانشکده محیط زیست، 1393.

25-  Raines, G.L., Sawatzky, D.L., Bonham-Carter, G.F., 2010. Incorporating expert knowledge: new fuzzylogic tools in ArcGIS 10. ArcUser Spring 2010. Redlands, CA, USA: ESRI. http://www.esri.com/news/arcuser/0410/files/fuzzylogic.pdf.

26-  Higgs, G., 2006. Integrating multi-criteria techniques with geographical information systems in waste facility location to enhance public participation. Journal of Waste Management & Research, Vol. 24, pp. 105–117.

27-  Kong, F., Yin, H., Nakagoshi, N., 2007. Using GIS and landscape metrics in the hedonic price modeling of the amenity value of urban green space: A case study in Jinan City. China, Landscape and Urban Planning, Vol. 79, pp. 240–252.

28-  وارثی، حمیدرضا، جمال محمدی و احمد شاهیوندی، «مکانیابی فضای سبز شهری با استفاده از سیستم اطلاعات جغرافیایی (نمونه موردی شهر خرم آباد)»، مجله جغرافیا و توسعه ناحیه ای، 1387، شماره دهم، صص 83-103.

29-  پریزادی، طاهر، حجت شیخی و مریم ابراهیم پور، «مکانیابی فضای سبز شهری (پارک های درون شهری)با استفاده از سیستم اطلاعات جغرافیایی(مطالعه موردی منطقه 9 کلانشهر مشهد)»،مجله علمی-پژوهشی برنامه ریزی فضایی، 1391 ،سال دوم، شماره سوم، (پیاپی 7)،صص 111-134.

30-  پایگاه اینترنتی منطقه 8 شهرداری تهران،1393. (http://region8.tehran.ir)

31-  مرکز ملی آمار ایران، 1390. (www .amar.org.ir)

32-  Voogd, H., 1983. Multicriteria Evaluation for Urban and Regional Planning. London: Pion.

33-  Ronald Eastman, J., 2012. IDRISI Selva manual. Clark University. Sitio web: www. Clarklabs. org.

34-  Malczewski, j., 1999. GIS and Multicriteria Decision Analysis. Newyork: John Wiely and Sons.

35-  شهابی، همین و چیا نیازی، «بررسی فاکتورهای موثر در مکانیابی ایستگاهای امداد و نجات جاده سقز- سنندج با استفاده از مدل ترکیب خطی وزنی»، همایش ژئوماتیک 1388، تهران.

36-  Burrough, P.A., 1990. Methods of Spatial Analysis in GIS. International Journal of Geographic Information Systems, Vol. 4, pp. 221-223.

37-  Lin, H., Kao, j., Li, k. and et al. 1996. Fuzzy GIS assisted landfill siting analysis. Proceeding of international conference on Solid Waste Technology and Management, pp. 322-324.

38-  Valizadeh, k., shababi, H., 2009. Neces sities of GIS usage in urban water management at the time of Natural accidents, case study: saqqez city. 4th International Conference on Geographic, Paris, France, pp. 10-19.

39-  Hansen, H.S., 2005, January. GIS-based multi-criteria analysis of wind farm development. In ScanGIS 2005: Scandinavian Research Conference on Geographical Information Science. Stockholm, Sweden, pp. 75-87.

40-  Kabir, S., Edifor, E., Walker, M., Gordon, N., 2014, January. Quantification of Temporal Fault Trees Based on Fuzzy Set Theory. In Proceedings of the Ninth International Conference on Dependability and Complex Systems DepCoS-RELCOMEX. Brunów, Poland, pp. 255-264.

41-  Ghosh, J.K., Bhattacharya, D., Sharma, S.K., 2012. Fuzzy Knowledge Based GIS for Zonation of Landslide Susceptibility. Applications of Chaos and Nonlinear Dynamics in Science and Engineering, Vol. 2, pp. 21-37.

42-  Lee, S., 2007. Application and verification of fuzzy algebraic operators to landslide susceptibility mapping. Environmental Geology, Vol. 52(4), pp. 615-623.

43-  Dombi, J., 1990. Membership function as an evaluation. Fuzzy sets and systems, Vol. 35(1), pp. 1-21.

44-  Atkinsona, D.M., Deadmanb, P., Dudychab, D., Traynorc, S., 2005. Multi-criteria evaluation and least cost path analysis for an arctic all-weather road. Geography, Vol. 25, pp. 287–307.

45-  Bonham-Carter, G.F., 1994. Geographic information systems for geoscientists: Modelling with GIS. Ottawa: Pergamon.

46-  Zimmermann, H.J., Zysno, P., 1980. Latent connectives in human decision making. Fuzzy Sets and Systems, Vol. 4, pp. 37–51.

47-  Deng, H., 1999. Multicriteria analysis with fuzzy pairwise comparisons. International Journal of Approximate Reasoning, Vol. 21, pp. 215-231.

48-  Boroushaki, S., Malczewski, J., 2008. Implementing an extension of the analytical ierarchy process using ordered weighted averaging operators with fuzzy quantifiers in ArcGIS. Computers & Geosciences, Vol. 34 (4), pp. 399-410.

49-  Linkov, I., Satterstrom, F.K., Steevens, J., Ferguson, E., Pleus, R.C., 2007. Multi-criteria decision analysis and environmental risk assessment for nanomaterials. Journal of Nanoparticle Research, Vol. 9, pp. 543–554.

50-  عالم تبریز، آ، باقرزاده آذر، م، «تلفیق ANP و   TOPSISتعدیل شده برای گزینش تامین کننده راهبردی»، پژوهش­های مدیریت،1388، دوره 2،‌شماره2، صص 149-181.

51-  قدسی پور،‌سید ح، «فرایند تحلیل سلسله مراتبی (AHP)»، انتشارات دانشگاه صنعتی امیر کبیر، چاپ هشتم، تهران.

52-  رزمی، ج، صادق عمل نیک، م، هاشمی،‌م، «انتخاب تامین کننده با استفاده از تکنیک فرایند تحلیل شبکه­ای فازی»، نشریه دانشکده فنی(دانشگاه تهران)، 1387، ‌دوره 42، شماره 7، صص 935- 946. 

53-  Leung, L. C., Cao, D., 2000. On consistency and ranking of alternatives in fuzzy AHP. European Journal of Operational Research, Vol. 124(1).

54-  Lin, L.Zh., Hsu, T.Ho., 2011. Designing a model of FANP in brand image decision-making. Applied Soft Computing, Vol. 11, pp. 561-573.