بررسی نقش نهادهای مدیریت سرزمینی در تابآوری ناحیه‌ای با تأکید بر مخاطرات ناشی از نوسانات آب و هوایی (محدوده مورد مطالعه: بناب)
محورهای موضوعی : آمایش محیط
جواد حاجی علی زاده
1
(استادیارگروه علوم تربیتی، دانشگاه فرهنگیان،تهران، ایران)
اصغر رشیدی ابراهیم حصاری
2
((دانش اموخته دکتری تخصصی، جغرافیا وبرنامه ریزی شهری دانشگاه خوارزمی))
کلید واژه: تابآوری, عوامل آب و هوایی, شهرستان بناب, مدیریت سرزمینی,
چکیده مقاله :
این پژوهش در راستای تبیین نقش مدیریت شهری در ارتقاء میزان تابآوری مکان(در مقیاس ناحیه‌ای) در برابر مخاطرات ناشی از تغییرات آب و هوایی انجام گرفته است. راهبرد حاکم بر پژوهش استقرایی بوده و نوع آن، توصیفی-تحلیلی است. متغیر ظرفیت عملکرد‌های نهادهای مربوط به مدیریت فضای جغرافیایی(شامل نهادهای ذی‌مدخل در مدیریت شهر و روستاهای پیرامون شهر بناب) به عنوان متغیر مستقل در نظر گرفته شد. بر اساس دیدگاه نظری و چهارچوب هیوگو(2005-2015)، درسیزده بعد مورد بررسی قرار گرفت. کاهش مخاطرات ناشی از نوسانات اقلیمی به‌منظور افزایش میزان تابآوری ناحیه‌ای نیز در شش بعد مورد سنجش و تحلیل قرار گرفت. جامعه آماری پژوهش، کلیه خبرگان استانی و شهرستانی دخیل در مدیریت فضای ناحیه‌ای بناب(شهری-روستایی) بودند که به شیوه کل شماری مورد پرسش قرار گرفتند. از آزمون آماری k.s به منظور بررسی میزان برازش نمونه‌های آماری، و از آزمون تی تک نمونه ای(T-test) به منظور سنجش مطلوبیت اصول مرتبط با چهارچوب هیوگو استفاده شد. همچنین برای سنجش میزان تأثیرگذاری متغیر مستقل (و ابعاد مختلف آن) بر متغیر وابسته، از معادلات ساختاری، تحلیل عاملی و تحلیل مسیر استفاده گردید. یافته‌ها نشان داد که از بین معیارهای سیزده‌گانه مربوط به مدیریت شهری-روستایی جهت تابآوری فضای ناحیه‌ای در بناب، قابلیت دسترسی به اطلاعات مربوط به بلایا در تمامی سطوح برای ذینفعان؛ وجود سیستم‌های هشدار سریع در رابطه با کاهش خطرپذیری؛ برقرار نمودن برنامه‌های آمادگی در برابر بلایا و برنامه‌های احتیاطی در تمامی سطوح اداری از نظر مدیران مرتبط با مدیریت فضاهای شهری-روستایی دارای بیشترین تأثیرگذاری در راستای مقابله با مخاطرات ناشی از تغییرات آب و هوایی منطقه و تاب‌آور نمودن منطقه دارد. خروجی معادلات ساختاری و تحلیل مسیر در خصوص بررسی میزان اثرات مستقیم و غیرمستقیم ابعاد مختلف مربوط به تغییرات آب وهوایی بر مدیریت تابآوری شهری–منطقه‌ای نشان داد که ارزش کمی شاخص‌های GFI و AGFI به ترتیب برابر 91/0 و 90/0 می‌باشد؛ لذا مدل ارائه‌شده، از برازش مناسبی برخوردار است. در نهایت، یافته‌ها نشان داد که مخاطرات ناشی از عوامل شش‌گانه‌ی اقلیمی، با ضریب تأثیر کل 76/0، بر مدیریت تابآوری شهری-منطقه‌ای شهرستان بناب تأثیر می‌گذارد.
We witness cities high risk taking in recent years as a result of climate changes. Climate changes result in higher temperatures, rising sea levels, severe storms and increased droughts. However, reduced risk and vulnerability were ignored. The research method is survey and its logic is inductive and its most important advantage is interoperability of the obtained results. The SPSS and Lisrel Software are used for data analysis and statistical tests and Arc GIS software were used in order to display spatial maps. In this study, spatial management institutions variable including institutions and stakeholders of Bonab city and surrounding villages management was considered as dependent and endogenous variable was measured and analyzed in thirteen dimensions based on Hyogo vision and Framework. The reduced risks of climate fluctuations were measured and analyzed in six dimensions in order to increase the region's resiliency as exogenous variable. Output calculations based on single-sample t-test (T) indicated that urban- regional management principles were unfavorable in the study area and generally in spatial management dimension. The casual network that is determined by structural equations is 2.32 based on X2 / DF value and since the obtained value is smaller than 3, it shows that the model fitness is appropriate. The root mean square error of approximation (RMSEA) must be less than 0.08 that is equal to 0.063 in the proposed model. GFI (goodness of fit index) and (adjusted goodness of fit index) AGFI indices are equal to 0.91 and 0.90 respectively that must be greater than 0.80. The results of five indices are presented including increased comparative fit, relative fitness, Bentle Bonett normative fit, and Tucker-Lewis fit and comparative fit index based on data goodness of fit and structural model.
_||_