تحلیل ارتباط پراکنده‌رویی شهری و آسیب‌پذیری اجتماعی (موردپژوهی: نواحی شهر قزوین)
محورهای موضوعی : برنامه ریزی شهری
اسفندیار زبردست
1
(استاد تمام گروه برنامه ریزی شهری و منطقه ای- پردیس هنرهای زیبا- دانشگاه تهران)
حسین قانونی
2
(دانش‌آموخته دکتری برنامه‌ریزی شهری و منطقه‌ای، دانشکده معماری و شهرسازی، دانشگاه شهید بهشتی، تهران، ایران)
کلید واژه: تحلیل عاملی, قزوین, پراکنده‌رویی شهری, آسیب‌پذیری اجتماعی, تحلیل رگرسیونی,
چکیده مقاله :
یکی از ابعاد مهم مخاطرات طبیعی، آسیب‌پذیری اجتماعی است. همچنین افزایش جمعیت شهرها باعث ظهور اثرات مختلفی همچون پراکنده‌رویی شهری شده است. در پژوهش حاضر پس از مرور متون نظری، شاخص‌های منتخب برای سنجش پراکنده‌رویی و آسیب‌پذیری اجتماعی انتخاب و با کمک آمار سرشماری و GIS، داده‌های شهر قزوین استخراج گردید. سپس با استفاده از تحلیل عاملی اکتشافی (نرم‌افزار SPSS)، این شاخص‌ها برای پراکنده‌رویی در 4 عامل تراکم، پیکربندی، کاربری و دسترسی (تبیین 22/70 درصدی) و برای آسیب‌پذیری اجتماعی در 1 عامل (تبیین 9/66 درصدی) قرار گرفتند. تحلیل همبستگی رابطه معنادار میان عامل تراکم (801/0) و پدیده پراکنده‌رویی (440/0) با آسیب‌پذیری اجتماعی را نشان داد. رابطه آسیب‌پذیری با تراکم/پراکنده‌رویی، مثبت/منفی است، بدین معنا که با افزایش تراکم/کاهش پراکنده‌رویی، آسیب‌پذیری اجتماعی افزایش می‌یابد. در پایان نقشه‌های پراکنده‌رویی و آسیب‌پذیری اجتماعی و نقشه پتانسیل توسعه نواحی شهر قزوین بر اساس رابطه میان این دو پدیده ارائه شده است.
Iran is a country prone to earthquakes in which so many cities have experienced earthquakes in far and near past. Although there is a high potential for earthquakes to be destructive, the level of losses and damages of them is not solely dependent on the magnitude and the location of the earthquake, or physical aspects of buildings and urban areas. In the analysis of the impacts of natural hazards, three broad categories have been defined: 1) focus on natural hazard's biophysical impacts because of the place it occurs; 2) focus on hazard's impacts on societies that experience the hazard because of the social characteristics of those societies and 3) an approach that takes into account both of impacts. This article takes the second approach to analyze the effects of natural hazards. In this approach, social characteristics of the communities and societies, in which earthquake happens, come to center stage. Social vulnerability is one of the important aspects of earthquake risks and consequences. In addition, the progress of communication and transportation technologies and an increase in agricultural production surplus because of the Industrial Revolution has caused many rural settlers to migrate to cities. The increasing population raise in cities has led to many economic, social and environmental consequences, of which excessive horizontal and leapfrog development (which is called urban sprawl in scientific literature) is one. In this article urban sprawl is defined as: "unplanned, far-from-center and automobile-accessed growth of cities which has environmental, economic and social effects and is characterized by low density, segregation of land-uses and limited accessibility". In this research, at first theoretical literature of urban sprawl and social vulnerability were reviewed and the indicators for measuring them were chosen (13 for urban sprawl and 7 for social vulnerability) and the relevant data for Qazvin was extracted by using national census data and Geographic Information System (GIS). Then explorative factor analysis for eigenvalues bigger than 1 was conducted by using SPSS software and the indicators for sprawl were categorized into 4 factors: “density”, “configuration”, “land-use” and “accessibility” (70.22% of variance explained), and the indicators for social vulnerability were grouped in 1 factor: social vulnerability (66.9% of variance explained). Then the maps for each factor of sprawl and two main topics (sprawl and social vulnerability) were made. The correlation analysis was conducted on four factors of sprawl, social vulnerability factor (which is representative of social vulnerability altogether) and sprawl as a whole. The results show that from 4 factors of sprawl, just density factor has a significant correlation (0.801) with social vulnerability. Sprawl is also significantly (although weaker) correlated to social vulnerability (0.44). In addition, regression analysis showed that four factors of sprawl can explain 67.6% of the variance of social vulnerability. The relation between social vulnerability and density/sprawl is positive/negative, i.e. by an increase in density/decrease in sprawl, social vulnerability increases. Finally, the maps of sprawl and social vulnerability in Qazvin city districts and the map of potential districts for development are shown based on the correlation of sprawl and social vulnerability.
_||_
تحلیل ارتباط پراکنده‌رویی شهری و آسیب‌پذیری اجتماعی
(موردپژوهی: نواحی شهر قزوین)1
دکتر اسفندیار زبردست2*، دکتر حسین قانونی 3**
چکیده
یکی از ابعاد مهم مخاطرات طبیعی، آسیب‌پذیری اجتماعی است. همچنین افزایش جمعیت شهرها باعث ظهور اثرات مختلفی همچون پراکنده‌رویی شهری شده است. در پژوهش حاضر پس از مرور متون نظری، شاخص‌های منتخب برای سنجش پراکنده‌رویی و آسیب‌پذیری اجتماعی انتخاب و با کمک آمار سرشماری و GIS، داده‌های شهر قزوین استخراج گردید. سپس با استفاده از تحلیل عاملی اکتشافی (نرم‌افزار SPSS)، این شاخص‌ها برای پراکنده‌رویی در 4 عامل «تراکم»، «پیکربندی»، «کاربری» و «دسترسی» (تبیین 22/70 درصدی) و برای آسیب‌پذیری اجتماعی در 1 عامل (تبیین 9/66 درصدی) قرار گرفتند. تحلیل همبستگی رابطه معنادار میان عامل تراکم (801/0) و پدیده پراکنده‌رویی (440/0) با آسیب‌پذیری اجتماعی را نشان داد. رابطه آسیب‌پذیری با تراکم/پراکنده‌رویی، مثبت/منفی است، بدین معنا که با افزایش تراکم/کاهش پراکنده‌رویی، آسیب‌پذیری اجتماعی افزایش می‌یابد. در پایان نقشه‌های پراکنده‌رویی و آسیب‌پذیری اجتماعی و نقشه پتانسیل توسعه نواحی شهر قزوین بر اساس رابطه میان این دو پدیده ارائه شده است.
واژه های کلیدی:
پراکنده‌رویی شهری، آسیب‌پذیری اجتماعی، تحلیل عاملی، تحلیل رگرسیونی، قزوین.
مقدمه
امروزه این امر برای پژوهشگران بدیهی شده است که فجایع «طبیعی» به خودی خود، طبیعی نیستند: یک فاجعه زمانی رخ می‌دهد که اثرات «سانحه» طبیعی بر جامعه آسیب‌پذیر وارد شود (Cannon, 2008). یکی از سوانح غیر قابل پیش‌بینی زلزله است. زلزله پدیده‌ای طبیعی است که به خودی خود ممکن است قابلیت ایجاد بحران را نداشته باشد. آمادگی و برنامه‌ریزی دقیق برای تخمین آسیب‌پذیری و کنترل و کاهش عواقب نامطلوب زلزله می‌تواند تعیین‌کننده درجه بحران باشد (عزیزی و اکبری، 1387). زلزله یک معضل بین‌المللی است که در سراسر جهان اتفاق می‌افتد و مردم، املاک و زیرساخت‌ها را فارغ از مرزبندی‌های سیاسی، فصل و ساعت وقوع تحت تأثیر قرار می‌دهد.. امروزه ارزیابی آسیب‌پذیری به عنوان پیش نیاز ظرفیت‌سازی برای مدیریت سوانح غیر منتظره پذیرفته شده است. همچنین ارزیابی آسیب‌پذیری اجتماعی برای درک خطر سوانح طبیعی حیاتی است (Blaikie et al., 1994).
در ادبیات نظری، آثار منفی فراوانی را به پراکنده‌رویی شهری نسبت داده‌اند: وابستگی به خودرو (Burchell et al., 1998; Deal & Schunk, 2004; Nechyba & Walsh, 2004)، تهدید محیط زیست (Bengston et al., 2005)، دسترسی ناکافی به کاربری‌های ضروری مانند مسکن، مشاغل و خدمات عمومی (Jaret et al., 2009)، افزایش سطوح نفوذناپذیر زمین، آلودگی آب و افزایش احتمال سیل (Nechyba & Walsh, 2004)، افزایش آلودگی ناشی از حمل‌و نقل و کاهش فضاهای سبز شهری، ایجاد جدایی اجتماعی، تغییر سبک زندگی، تضعیف اقتصادی و اجتماعی مراکز شهری و افزایش بافت‌های فرسوده (Deal & Schunk, 2004)، افزایش هزینه تأمین زیرساخت‌ها برای مدیریت شهری (Patacchini & Zenou, 2009)، تصرف زمین‌های کشاورزی و تبدیل آن‌ها به کاربری‌های شهری (Terzi & Bolen, 2009)، افزایش جدایی کاربری‌ها، کاهش مراکز فعالیت پویا (Ewing et al., 2002)، افزایش مصرف انرژی و کمبود فضاهای باز عملکردی (Ewing, 1994)، یکنواختی و خسته‌کنندگی فضای شهری (Torrens, 2006)، کاهش حس تعلق به مکان و مناسبات اجتماعی (Deal & Schunk, 2004; Nechyba & Walsh, 2004)، افزایش فاصله طبقاتی (Deal & Schunk, 2004).
البته برخی اندیشمندان نیز به اثرات مثبت پراکنده‌رویی اشاره نموده‌اند: قابلیت پیاده‌سازی در هر جغرافیا (Torrens, 2006)، افزایش مسکن قابل تأمین به ویژه برای سیاهان (Kahn, 2001)، تأمین مسکن بهتر و قابل تأمین (Nechyba & Walsh, 2004) و پیروی از اقتصاد آزاد و قوانین بازار و ترجیحات مصرف‌کننده (Bogart, 2006).
شرایط محلی تأثیر بسیاری بر میزان تلفات ناشی از زلزله دارند و شدت زلزله تنها عامل تعیین‌کننده در میزان تلفات نیست (Birkmann, 2009). از همین رو توجه به ابعاد مختلف زندگی شهری که می‌توانند بر آسیب‌پذیری از زلزله تأثیرگذار باشند، اهمیت زیادی می‌یابد. یکی از این ابعاد، پراکنده‌رویی شهری است که در بسیاری از شهرهای ایران مظاهر آن مشاهده شده است.
شهر قزوین یکی از شهرهایی است که هم در گذشته نه چندان دور سابقه وقوع زلزله در مجاورت خود را داشته (زلزله بوئین‌زهرا، سال 1341 هجری شمسی، زلزله قزوین، سال 1982 میلادی) (مهندسین مشاور شهر و برنامه، 1384) و هم گسله‌های زیادی را در پیرامون خود دارد. همچنین قزوین شهری است که در سالیان اخیر گسترش بی‌رویه و سریع افقی به سمت شمال را تجربه کرده است. از همین رو هدف اصلی پژوهش حاضر سنجش رابطه میان دو پدیده پراکنده‌رویی و آسیب‌پذیری اجتماعی است و در این راه از فن تحلیل عاملی و تحلیل همبستگی سود می‌جوید. پس از سنجش رابطه این دو پدیده (که سنجش رابطه عوامل مبین پراکنده‌رویی و عامل مبین آسیب‌پذیری اجتماعی نیز هست)، توصیه‌های سیاستی و الگوی استعداد توسعه برای نواحی شهر قزوین بر اساس این رابطه پیشنهاد می‌شود. این پژوهش برای شهر قزوین که هم دچار پراکنده‌رویی بوده و هم در مجاورت گسل‌های فراوانی قرار دارد، اهمیت و ضرورت فراوانی دارد. بر اساس آنچه گفته شد، این مقاله به دنبال یافتن پاسخ این پرسش‌هاست: 1) عوامل تبیین‌کننده آسیب‌پذیری اجتماعی و پراکنده‌رویی کدامند؟ 2) ارتباط آسیب‌پذیری اجتماعی با پراکنده‌رویی چگونه است؟
پیشینه پژوهش، مفاهیم و مبانی نظری و تجربی مرتبط
از آنجا که مقاله حاضر به بررسی دو پدیده آسیب‌پذیری اجتماعی و پراکنده‌رویی و اثرات آن‌ها بر یکدیگر می‌پردازد، قسمت پیشینه پژوهش و مرور متون نظری در سه بخش ارائه می‌شود:
آسیب‌پذیری اجتماعی
اگرچه پدیده‌های فیزیکی برای وقوع سوانح طبیعی لازم هستند اما تبدیل آن‌ها به خطر و پتانسیل آن‌ها برای تبدیل به فاجعه وابسته به در معرض بودن انسان‌ها و جوامع و نبود ظرفیت تحمل و مقابله با اثرات منفی آن برای افراد و یا سیستم‌های انسانی است (Vincent & Cull, 2010). کاتر و امریش (2006) معتقدند با این که آسیب‌پذیری کالبدی می‌تواند با استفاده از داده‌های سوانح قبلی به سادگی تعیین شود ولی جنبه‌های اجتماعی آسیب‌پذیری به خاطر تغییرات آن‌ها در مکان و زمان‌های مختلف پیچیده‌تر هستند (Cutter & Emrich, 2006).
بدیهی است که تمامی مردمی که در مناطق مستعد وقوع سوانح زندگی می‌کنند آسیب‌پذیر هستند اما اثرات اجتماعی در معرض خطر بودن معمولاً به صورت نابرابری گریبان‌گیر آسیب‌پذیرترین افراد جامعه (فقرا، اقلیت‌ها، کودکان، سالمندان و معلولین) می‌شود. این گروه‌ها معمولاً کمترین آمادگی را برای سوانح غیر منتظره دارند، دسترسیشان به منابع کمتر است، در مناطق پرخطر و در واحدهای مسکونی غیر استاندارد زندگی می‌کنند و از دانش و روابط سیاسی و اجتماعی که برای بهره گیری از منابع و تسریع روند بازیابی لازم است برخوردار نیستند (Dunning, 2009; Tapsell et al., 2010, 2).
در غالب تعاریف آسیب‌پذیری می‌توان یکی از این سه دیدگاه را جستجو کرد: 1) تمرکز بر خصوصیات سانحه و تلفات و خسارات ناشی از مکان وقوع سانحه (Anderson, 2000)؛ 2) نگریستن به آسیب‌پذیری به عنوان یک ساخت اجتماعی و نه شرایطی بیوفیزیکی (Blaikie et al., 1994; Hewitt, 1997)؛ 3) ترکیبی از دو مورد ذکر شده یعنی توجه به خصوصیات فیزیکی و اجتماعی آسیب‌پذیری (Tapsell et al., 2010; Cutter et al., 2000; Cutter, 2003; Birkmann, 2007, Schmidtlein et al., 2008; El Nashai et al., 2009 افتخاری و همکاران، 1388؛ قدیری و همکاران، 1391؛ قدیری و افتخاری، 1392).
در مجموع می‌توان تعریف اَجِر را به عنوان تعریف قابل قبول و جامعی برای آسیب‌پذیری در نظر گرفت: "آسیب‌پذیری عبارت است از احتمال تجربه تلفات و خسارات به دلیل قرار گرفتن در معرض فشار ناشی از تغییرات زیست‌محیطی و اجتماعی و نبود ظرفیت سازگاری" (Adger, 2006).
سنجش آسیب‌پذیری در ایران سابقه چندان زیادی ندارد و پژوهش‌های انجام شده در این زمینه محدود و غالباً متوجه جنبه کالبدی آن هستند. از این دست می‌توان از پژوهش‌های زنگی آبادی و تبریزی (1385)، عزیزی و اکبری (1387)، منزوی و همکاران (1389)، فرج زاده اصل و همکاران (1390) و شمس و همکاران (1390) نام برد. در سال‌های اخیر آسیب‌پذیری اجتماعی (هرچند اندک) و در نظر گرفتن خصوصیاتی فراتر از مسائل کالبدی، مورد توجه محققین داخلی نیز قرار گرفته است. به عنوان مثال می‌توان از پژوهش افتخاری و همکاران (1388)، احدنژاد روشتی (1389) و شماعی و همکاران (1390) نام برد.
حاجی بابایی و همکاران (2014) روش‌شناسی جامعی را برای برآورد نسبی (به جای سنجش مطلق) مخاطرات لرزه‌ای پهنه‌های شهری ارائه نموده‌اند. آن‌ها مخاطرات را در سه دسته کالبدی، زندگی انسانی و اجتماعی-اقتصادی قرار داده و آسیب‌های ناشی از هر یک از آن‌ها را همراه با ظرفیت مدیریت پس از بحران (با توجه به ابعاد برنامه‌ریزی، منابع، دسترسی و ظرفیت تخلیه اضطراری) بررسی نموده‌اند. در نهایت شاخص ترکیبی مخاطرات لرزه‌ای با وزن‌دهی به این عوامل استخراج شده و برای شهر تهران محاسبه شده است (Hajibabaee et al., 2014).
کاردونا و همکاران مدلی را برای تحلیل مخاطرات لرزه‌ای نواحی شهری با نگاهی کل‌نگر پیشنهاد نمودند که در آن مخاطرات کالبدی، میزان در معرض خطر بودن و ویژگی‌های اجتماعی-اقتصادی واحدهای مختلف شهری و ظرفیت مواجهه با سوانح یا درجه تاب‌آوری به عنوان عناصر اصلی مورد تحلیل قرار گرفته‌اند (Cardona et al., 2007). خزائی و همکاران (2008) با معرفی شاخص آسیب‌پذیری اجتماعی و مدیریت مخاطرات سوانح به بررسی اثرات شکنندگی اجتماعی، کمبود تاب‌آوری و ظرفیت سیاست‌های مختلف عملیاتی و سازمانی در مناطق مختلف استانبول پرداختند و در این راه از برخی پرسشنامه‌های محلی بهره گرفتند (Khazaei et al., 2008). کارنو و همکاران مدلی برای مخاطرات لرزه‌ای شهری ارائه کردند که دربرگیرنده آسیب‌های کالبدی، تعداد و میزان آسیب‌های انسانی، تلفات اقتصادی و همچنین شرایط مرتبط با شکنندگی اجتماعی و کمبود تاب‌آوری بود (Carreno et al., 2007).
قدیری و همکاران (1391) به تبیین تمرکز اجتماعی-فضایی آسیب‌پذیری شهر تهران پرداخته‌اند. آن‌ها در این پژوهش معیارهایی همچون آسیب ساختمانی، وضعیت فضاهای باز، معابر و شبکه ارتباطی، تراکم جمعیت، کاربری‌های ناسازگار، آسیب شریان‌های حیاتی، مراکز امدادی، خصوصیات زمین-بستر، چالاکی و هوشیاری خانوار را مد نظر قرار داده‌اند.
قدیری و افتخاری (1392) به بررسی مسئله آسیب‌پذیری در برابر زلزله بر اساس دیدگاه ساخت اجتماعی و با تمرکز بر تفاوت آسیب‌پذیری در محلات جنوبی و شمالی شهر تهران پرداختند. پژوهش آن‌ها بدین نتیجه رسید که میزان آسیب‌پذیری از زلزله رابطه معناداری با پایگاه اقتصادی-اجتماعی و محله دارد. در نهایت این تحلیل حاصل شد که آسیب‌پذیری در برابر مخاطرات طبیعی در مقیاس جامعه، علاوه بر ابعاد زیستی-کالبدی، دارای ابعاد اجتماعی-اقتصادی نیز هست.
احدنژاد روشتی (1389) با در نظر گرفتن عواملی همچون توزیع جمعیت در گروه‌های سنی مختلف و تراکم آن در مناطق شهری، کیفیت مسکن، اشتغال، سواد و تعداد معلولان و ... در قالب چهار شاخص جمعیت، مسکن، اقتصادی-اجتماعی و فاصله فیزیکی با کاربری‌های مورد نیاز و پرخطر به تحلیل آسیب‌پذیری در برابر زلزله پرداخته و با کمک فرایند تحلیل سلسله‌مراتبی (AHP) میزان آسیب‌پذیری مناطق شهر زنجان را دسته‌بندی نموده است.
پژوهش بوردن و همکاران به بررسی تفاوت‌ها در آسیب‌پذیری در برابر سوانح طبیعی در میان 32 ناحیه شهری ایالات متحد می‌پردازد و در این راه از سه معیار آسیب‌پذیری بهره می‌گیرد: اجتماعی، محیط ساخته‌شده و اثرات سوانح. نتایج نشان می‌دهد که آسیب‌پذیری پدیده‌ای مکان‌محور است و آسیب‌پذیرترین شهرها در نیمه شرقی ایالات متحد قرار گرفته‌اند. همچنین ابعاد اجتماعی و محیط ساخته‌شده آسیب‌پذیری اجتماعی، اثرگذاری متفاوتی در مناطق مختلف کشور داشته‌اند. این پژوهش پس از انتخاب شاخص‌ها برای هر یک از سه بعد با استفاده از تحلیل عاملی این شاخص‌ها را به عواملی محدود نموده و سپس شاخص کلی آسیب‌پذیری مکان را محاسبه کرده است (Borden et al., 2007). مطالعه پیشینه پژوهش درباره آسیب‌پذیری اجتماعی چند نکته اساسی را روشن می‌سازد:
1) پژوهش‌های صورت‌گرفته در ایران ابتدا صرفا به جنبه کالبدی آسیب‌پذیری می‌پرداختند و همچنان نیز عمده پژوهش‌ها بر همین جنبه متمرکز هستند، اما جریان جدیدی ایجاد شده که نگرش‌های اجتماعی و ترکیبی را مورد توجه قرار داده است.
2) ابعاد کالبدی مورد بحث در پژوهش‌های ایران شامل شرایط ساختمانی و کیفیت مسکن، وضعیت فضاهای باز، شبکه ارتباطی، تراکم جمعیت، سازگاری کاربری‌ها، شریان‌های حیاتی، جانمایی مراکز امداد، خصوصیات فیزیکی مکان و .... را در بر داشته‌اند. ابعاد اجتماعی نیز مواردی همچون اشتغال، سواد، تعداد معلولان و ... را شامل می‌شده است.
3) در پژوهش‌های بین‌المللی به دلیل سابقه بیشتر پرداخت به موضوع، رویکرد ترکیبی رویکرد غالب است و ابعاد کالبدی و اجتماعی آسیب‌پذیری به صورت همزمان مورد توجه قرار می‌گیرند. در این مورد، تفاوت پژوهش‌های مختلف در تعریف شاخص‌ها، تعداد شاخص‌ها، نمونه مورد بررسی و پدیده‌هایی است که در صدد سنجش رابطه آن‌ها با آسیب‌پذیری هستند.
4) از آنجا که رشته‌های مختلفی با موضوع زلزله مرتبط هستند، بدیهی است شیوه پرداخت هر یک از آن‌ها به ابعاد کالبدی و اجتماعی متفاوت خواهد بود. برای مثال در رشته مهندسی عمران، ابعاد کالبدی با تأکید بر ساختمان و با جزئیات زیاد مورد توجه قرار می‌گیرند، در حالی که در رشته شهرسازی، این ابعاد بیش از ساختمان به بافت محلی و فواصل و ترکیب کاربری‌ها می‌پردازند.
پراکنده‌رویی
با مرور تعاریف فراوان پراکنده‌رویی در متون نظری مختلف می‌توان در مجموع آن را چنین تعریف نمود: «رشد بدون برنامه، دور از مرکز و وابسته به خودرویی است که تأثیراتی را بر محیط زیست، اقتصاد و ساختار اجتماعی شهر وارد می‌کند و از خصوصیات آن می‌توان تراکم اندک، جدایی کاربری‌ها و دسترسی محدود را نام برد».
پراکنده‌رویی به دلایل مختلفی شکل می‌گیرد: عوامل دافع در مراکز شهرها و عوامل جاذب در حومه‌ها، افزایش نرخ مالکیت خودرو، افزایش نرخ اشتغال، افزایش اقلیت‌های قومی در آمریکا و اروپا (Patacchini & Zenou, 2009)، حرکت صنایع در جستجوی زمین ارزان و نبود نظام منسجم برنامه‌ریزی (Torrens, 2006)، افزایش سطوح درآمدی و هزینه کم و سرعت زیاد سفر، کمبود قوانین و مقررات و تعدد مشوق‌های مالیاتی در حاشیه شهر (Deal & Schunk, 2004)، قیمت پایین زمین، دسترسی به مسکن مناسب و هزینه‌های پایین حمل‌ونقل (Habibi & Asadi, 2011; Torrens, 2006).
پراکنده‌رویی دربرگیرنده نتایج و مظاهری است که در سکونتگاههای انسانی و زندگی اجتماعی-اقتصادی بشر تجلی می‌یابند. نتایج و مظاهر پراکنده‌رویی عبارتند از گسترش نامحدود توسعه به سمت خارج شهر، سکونتگاههای کم‌تراکم مسکونی و تجاری، حمل و نقل غالب به وسیله خودروی شخصی، توسعه جسته‌گریخته و کاربری‌های تجاری نواری (Torrens, 2006)، جدایی انواع کاربری در مناطق مختلف، یکنواختی و خسته‌کنندگی الگوی مناطق پراکنده‌رو، کمبود فضاهای باز عملکردی، تغییر کاربری زمین‌های کشاورزی (Ewing, 1994)، کاهش حس تعلق به مکان و کاهش مناسبات انسانی، از دست رفتن فضاهای سبز و باز (Nechyba & Walsh, 2004)، کاهش ارزش زمین‌های مرکز شهر، اجبار مدیریت شهری در تأمین زیرساخت برای مناطق پراکنده‌رو (Deal & Schunk, 2004)، افزایش مصرف سوخت، آلودگی هوا و آب و تهدید محیط زیست (Newman & Kenworthy, 1989).
رابطه پراکنده‌رویی و آسیب‌پذیری اجتماعی
چنانچه گفته شد، پژوهش‌های زیادی به طور مجزا به دو پدیده آسیب‌پذیری اجتماعی و پراکنده‌رویی پرداخته‌اند، اما تعدادپژوهش‌هایی که به بررسی رابطه میان این دو پدیده پرداخته باشند، بسیار محدود است. پژوهش هال و واکر (2009) تنها پژوهشی است که به اثرات پراکنده‌رویی شهری بر آسیب‌پذیری ناحیه کلانشهری شیکاگو نسبت به سوانح طبیعی پرداخته است. این پژوهش به شیوه توصیفی-تحلیلی همراه با ذکر برخی شواهد از تغییرات در جمعیت، واحدهای مسکونی و ارزش آن‌ها و اثرات اجتماعی گردباد در حاشیه این ناحیه کلانشهری به بررسی آسیب‌پذیری اجتماعی ناشی از پراکنده‌رویی پرداخته است. این پژوهش بدین نتیجه می‌رسد که پراکنده‌رویی شهری با گسترش مرزهای ناحیه شهری، در واقع جمعیت بیشتری را در مساحت‌های تحت مخاطرات سوانح طبیعی (در مورد این پژوهش گردباد) قرار می‌دهد (Hall & Walker, 2009).
در نقطه مقابل نظر پژوهش هال و واکر (2009)، می‌توان به گفته کاتر و امریش (2006) اشاره نمود: «مناطق حومه‌ای جمعیت کمتری دارند و بیشتر سفرهایشان با خودروی شخصی انجام می‌گیرد. تخلیه جوامع حومه‌ای نسبتاً ساده است (البته ازدحام ترافیکی مشکل بزرگی است) به ویژه این که در نظر داشته باشیم هر خانواده خودروی شخصی مخصوص به خود را دارد و به واسطه توانگری، می‌تواند سرپناهی خارج از منطقه خطر در اختیار بگیرد. بسیاری از ساکنین نقاط مرکزی شهر به اندازه هم نوعان حومه نشین خود توانگر نیستند، خودروی شخصی ندارند و تقریباً تنها راه حمل و نقلشان با وسایل نقلیه عمومی است. مثلاً در شهر نیواورلئان و پیش از وقوع طوفان کاترینا، 27 درصد بزرگ‌سالان خودرویش خاصی نداشته‌اند که همین مسئله باعث شده علی رغم آگاه شدن از وقوع طوفان در هر مکانی که دسترسی بدون خودرو به آن فراهم بوده، ساکن شوند». شاید این تفاوت را بتوان ناشی از تفاوت در نوع سانحه (در یکی گردباد و در دیگری زلزله) دانست.
با توجه به پرداختن اندک متون نظری موجود به رابطه این دو پدیده، این پژوهش در تلاش برای پرکردن این خلأ نظری است. این امر به ویژه در کشوری مثل ایران که با هر دو پدیده دست به گریبان است، علاوه بر اهمیت نظری، کارکرد عملی نیز می‌یابد.
مدل مفهومی پژوهش
مدل مفهومی پژوهش در واقع چارچوبی است که پژوهشگران با استفاده از مبانی نظری برای جهت‌دهی به پژوهش خود تدبیر می‌کنند. این چارچوب باعث می‌شود پژوهش مسیر دقیق و محدود خود را مشخص نموده و موضوع مورد تحلیل خود را مورد تدقیق قرار دهد. از آنجا که این مقاله به دنبال سنجش مقدار دو پدیده است، ضرورت دارد سنجه‌ها یا شاخص‌های شناسایی این دو پدیده با مرور متون نظری و انطباق با شرایط محلی انتخاب شوند.
شاخص‌های سنجش پراکنده‌رویی شهری
در متون نظری و پژوهش‌های صورت‌گرفته، شاخص‌های مختلفی برای سنجش پراکنده‌رویی مطرح شده و نتایج مختلفی بر اساس شاخص‌های انتخابی حاصل آمده‌اند. اما به سبب اختصار مقاله، از ذکر روش‌شناسی و نتایج پژوهش‌های مختلف صرف نظر می‌شود. شاخص‌های منتخب این پژوهش از شاخص‌های ذکرشده در پژوهش‌های (Lang, 2000; Galster et al., 2001; Zhang, 2001; Cutsinger & Galster, 2006; Burchfield et al., 2006; Angel, 2007; Frankel & Ashkenazi, 2007, 2008; Ewing et al., 2006; Terzi & Bolen, 2009; Kahn, 2001 ، زبردست و حبیبی، 1388) برگرفته شده و با توجه به شرایط قزوین و داده‌های موجود، 13 شاخص انتخاب شده‌اند: تراکم ناخالص، تراکم خالص، اندازه متوسط زمین مسکونی، درصد جمعیت ساکن در تراکم کمتر از 40 نفر در هکتار، درصد جمعیت ساکن در تراکم بیش از 100 نفر در هکتار، درصد کاربری مسکونی، درصد بلوک‌های کوچک (مساحت کمتر از 3000 متر مربع)، درصد جمعیت در فاصله 200 متری کاربری تجاری، درصد جمعیت در فاصله 200 متری کاربری آموزشی، درصد جمعیت در فاصله کمتر از 1 کیلومتر از CBD، درصد جمعیت در فاصله بیش از 3 کیلومتر از CBD، شاخص شکل و بعد فرکتال.
شاخص‌های سنجش آسیب‌پذیری اجتماعی
در این قسمت نیز همچون بخش مربوط به پراکنده‌رویی برای رعایت اختصار، از ذکر جزئیات روش‌شناختی هر یک از پژوهش‌ها در مورد آسیب‌پذیری اجتماعی صرف نظر و به معرفی منابع اکتفا می‌شود. البته در این مورد مقاله کاتر و همکاران (2003) بیشترین نقش را در انتخاب شاخص‌های منتخب ایفا کرده است. سایر منابع مورد استفاده برای انتخاب شاخص‌های آسیب‌پذیری اجتماعی عبارت بوده‌اند از:
Tapsell et al., 2010; Birkmann, 2007; Gaillard & Cadag, 2009; El Nashai et al , 2009; Cutter et al., 2010; Cutter & Emrich, 2006; Schmidtlein et al., 2008; Cardona, 2005; Vincent & Cull, 2010.
بر اساس منابع مذکور و با توجه به داده‌های موجود در نواحی شهر قزوین، 7 شاخص نهایی برای سنجش آسیب‌پذیری اجتماعی انتخاب شدند: میانگین سنی، درصد جمعیت زیر 5 سال، درصد جمعیت بالای 65 سال، بعد خانوار، درصد زنان، درصد زنان سرپرست خانوار و درصد افراد بدون درآمد. بعد از معرفی شاخص‌های منتخب، حال می‌توان مدل مفهومی پژوهش را ارائه نمود (شکل 1). بر اساس این مدل ابتدا مقادیر شاخص‌های منتخب با استفاده از سیستم اطلاعات جغرافیایی و داده‌های سرشماری ملی ایران استخراج می‌شوند. سپس با استفاده از نرم‌افزار SPSS مورد تحلیل عاملی قرار می‌گیرند تا عوامل مبین هر یک از پدیده‌ها مشخص شوند. در نهایت با استفاده از امتیاز عاملی هر یک از عوامل در نواحی شهر قزوین و تحلیل رگرسیون، رابطه میان این پدیده‌ها (عوامل) و میزان تبیین پدیده آسیب‌پذیری اجتماعی با داشتن مقادیر پراکنده‌رویی مشخص می‌شود.
شکل 1- مدل مفهومی پژوهش
معرفی مورد مطالعه
شهر قزوین، یکی از شهرهای ایران است که در فاصله سال‌های 1355 تا 1385 هجری شمسی گسترش افقی فراوانی را (به ویژه به سمت شمال) تجربه کرده است. از همین رو این شهر به عنوان مورد پژوهش مقاله حاضر برگزیده شد. علت انتخاب قزوین وجود الگوهای گسترش افقی در این شهر است که تفاوت در عوامل مبین پراکنده‌رویی در این شهر را محتمل می‌سازد. این امر بدین معنا نیست که شهر قزوین از پیش پراکنده‌رو تلقی شده است، زیرا تعیین آستانه برای پراکنده‌رویی امری است بسیار پیچیده و دشواری‌های زیادی در بر دارد. از همین رو، اکثریت قریب به اتفاق پژوهش‌های بین‌المللی پراکنده‌رویی را به صورت قیاسی و با سنجش شرایط نمونه‌های مختلف درون‌شهری و بین‌شهری مورد سنجش قرار داده‌اند. با توجه به چنین امری، پژوهشی که به یک نمونه موردی (شهر قزوین) می‌پردازد، ادعایی مبنی بر پراکنده‌رو بودن کل شهر ندارد. بلکه شاخص‌هایی را برای سنجش پراکنده‌رویی ذکر کرده و به مقایسه نواحی مختلف شهر قزوین «از منظر» پراکنده‌رویی پرداخته است. یک پژوهش زمانی می‌تواند یک «شهر» را پراکنده‌رو اعلام نماید که در قیاس با یک یا چند شهر دیگر به این نتیجه دست یابد که شاخص‌های پراکنده‌رویی بالایی دارد. وقتی به یک شهر منفرد پرداخته می‌شود، آن شهر می‌تواند «سطحی از» پراکنده‌رویی را نشان دهد. با این حال، مطابق انتظار در پایان مشخص گردید که نواحی شمالی شهر قزوین سطح بالاتری از پراکنده‌رویی را نشان داده‌اند؛ نتیجه‌ای که پرداخت به قزوین به عنوان نمونه موردی پراکنده‌رویی را موجه جلوه می‌دهد.
روش پژوهش
این پژوهش جنبه توصیفی- تحلیلی با خاصیت قیاسی داشته و به موردپژوهی نواحی شهر قزوین می‌پردازد. در این پژوهش ابتدا به شیوه اسنادی و با مرور متون و مبانی نظری مرتبط، شاخص‌های مختلف سنجش پراکنده‌رویی و آسیب‌پذیری اجتماعی مورد مطالعه قرار گرفته و با تکیه بر داده‌های موجود در شهر قزوین و بومی‌سازی آستانه‌های شاخص‌های معرفی‌شده در متون جهانی، شاخص‌های مورد نظر پژوهش برگزیده می‌شوند. سپس با استفاده از سیستم اطلاعات جغرافیایی (GIS)، داده‌های سرشماری و سایر اسناد مرتبط همچون طرح جامع شهر قزوین (1369)، طرح تفصیلی شهر قزوین (1373)، طرح توسعه و عمران و حوزه نفوذ شهر قزوین (1384) و برنامه توسعه راهبردی (CDS) شهر قزوین (1387) مقادیر شاخص‌ها استخراج می‌گردند. پس از آن با استفاده از فن تحلیل عاملی شاخص‌های برگزیده هر دو پدیده در ذیل عواملی دسته‌بندی شده، میزان تبیین پراکنده‌رویی و آسیب‌پذیری توسط هر یک از این عوامل مشخص شده و مقادیر هر یک از این عوامل در نواحی مختلف شهر قزوین مشخص می‌گردند. سپس با وزن‌دهی، نرمال‌کردن مقادیر امتیاز عاملی و دسته‌بندی مقادیر، نقشه‌های مربوط به هر یک از عوامل و پدیده‌ها (در مجموع 6 نقشه) ترسیم می‌گردند. در پایان بعد از شناسایی عوامل تبیین‌گر دو پدیده، رابطه میان عوامل و خود پدیده‌ها با استفاده از تحلیل همبستگی مشخص شده، نقشه پتانسیل توسعه مناطق ترسیم می‌شود.
معرفی مختصر فن تحلیل عاملی
یکی از روش‌های آماری برای تجزیه اطلاعات در مجموعه داده‌ها روش تجزیه عاملی است. این روش اولین بار توسط پیرسون (1901) و اسپیرمن (1904) برای سنجش هوش مطرح شد و برای تعیین تأثیرگذارترین متغیرها در زمانی که تعداد متغیرهای مورد بررسی زیاد و روابط بین آن‌ها ناشناخته باشد استفاده می‌شود (زارع چاهوکی، 1389). هدف از تحلیل عاملی خلاصه‌سازی داده‌ها و تبدیل آن‌ها به عوامل اصلی است؛ طوری که داده‌های اصلی از بین نروند (زبردست، 1390).
یافته‌ها
تحلیل عاملی پراکنده‌رویی
13 شاخص منتخب در نرم افزار SPSS مورد تحلیل قرار گرفتند. در این تحلیل مقادیر ویژه بالاتر از 1 ملاک انتخاب عوامل قرار گرفت، مقادیر با استفاده از روش واریماکس دوران داده شدند و از روش تحلیل مؤلفه‌های اصلی (PCA) استفاده شد. عدد 538/0 به دست آمد که قابل قبول است و می‌توان تحلیل عاملی را برای سنجش داده‌ها به کار برد. همچنین نتیجه آزمون کرویت بارتلت برابر با 000/0 به دست آمده که فرض ناهمبسته بودن متغیرها را رد می‌کند و بنابراین می‌توان تحلیل عاملی را به کار برد. ماتریس عوامل استخراج شده که یکی از مهم‌ترین نتایج تحلیل عاملی است، همبستگی متغیرها را با هر یک از عامل‌ها نشان می‌دهد. بنا بر تعریف، مقادیر همبستگی با قدر مطلق بیش از 4/0 بیانگر رابطه علّی بین متغیر و عوامل هستند و در حالتی که یک متغیر با دو یا چند عامل همبستگی معنادار داشت، عاملی که بیشترین همبستگی را با آن متغیر دارد به عنوان عامل مبین آن متغیر انتخاب می‌شود.
از آنجا که در گام اول تحلیل و پس از دوران عوامل، در ماتریس عوامل استخراج‌شده شاخص «درصد جمعیت در فاصله 500 متری از مراکز آموزشی» تنها یک عامل مجزا را تبیین نمود و در واقع همبستگی چندانی با سیار عوامل نشان نمی‌داد، این متغیر حذف شد و تحلیل عاملی مجدداً با 12 متغیر صورت گرفت. ماتریس عوامل استخراج‌شده دوران‌یافته در مرحله دوم تحلیل عاملی در جدول 1 ارائه شده است:
جدول 1. ماتریس عوامل استخراج شده و دوران یافته پراکنده‌رویی
| عامل | |||
1 | 2 | 3 | 4 | |
GRSDSTY | 631/0 | 100/0- | 556/0 | 095/0 |
NETDSTY | 725/0 | 229/0- | 165/0 | 159/0 |
MEANPTCH | 506/0- | 247/0- | 669/0- | 031/0 |
DSTY1500 | 782/0- | 136/0- | 000/0 | 117/0 |
DSTY12500 | 794/0 | 018/0 | 029/0- | 140/0 |
PCTRESID | 437/0 | 306/0- | 494/0 | 087/0 |
PCTSMAL | 203/0- | 245/0 | 879/0 | 043/0- |
COMM200 | 244/0 | 080/0- | 036/0 | 642/0 |
CBD3KM | 194/0- | 188/0- | 162/0- | 752/0 |
CBD1KM | 088/0- | 018/0 | 105/0- | 792/0- |
FRACTAL | 004/0 | 897/0 | 145/0 | 209/0- |
SHAPEIDX | 032/0- | 965/0 | 064/0- | 052/0- |
در این مرحله مقدار KMO برابر با 543/0 و نتیجه آزمون کرویت بارتلت نیز برابر با 000/0 به دست آمد که هر دو مورد تأییدند.
در جدول 2 نتیجه نهایی تحلیل عاملی پراکنده‌رویی (شامل نام‌گذاری عوامل) ارائه می‌گردد:
جدول 2- نتیجه نهایی تحلیل عاملی پراکنده‌رویی پس از نام‌گذاری عوامل
نام عامل | نام شاخص‌ها | درصد تبیین واریانس پراکنده‌رویی |
عامل تراکم | تراکم خالص، تراکم ناخالص، تراکم کمتر از 40 نفر در هکتار تراکم بیش از 100 نفر در هکتار | 834/27 |
عامل پیکربندی | شاخص شکل، بعد فرکتال | 564/21 |
عامل کاربری | درصد کاربری مسکونی، درصد بلوک‌های کوچک، متوسط مساحت کاربری مسکونی | 342/11 |
عامل دسترسی | درصد جمعیت در فاصله 200 متری مراکز تجاری، درصد جمعیت در فاصله یک کیلومتری CBD، درصد جمعیت در فاصله بیش از سه کیلومتر از CBD | 482/9 |
| مجموع | 222/70 |
تحلیل عاملی آسیب‌پذیری اجتماعی
در تحلیل عاملی در مورد پدیده آسیب‌پذیری اجتماعی، مقدار KMO برابر با 815/0 به دست آمد که تناسب بسیار خوب داده‌ها را با تحلیل عاملی نشان می‌دهد. همچنین آزمون کرویت بارتلت فرض ناهمبسته بودن داده‌ها را رد می‌کند. ماتریس عوامل استخراج‌شده آسیب‌پذیری اجتماعی (جدول 3) نشان می‌دهد که تمامی شاخص‌ها را می‌توان در یک عامل قرار داد که 9/66 درصد از پدیده آسیب‌پذیری اجتماعی را تبیین می‌کند. همچنین از آنجا که تنها یک عامل استخراج شده است، دوران عوامل بی معنی است. طبعا نام عامل به دست‌آمده «آسیب‌پذیری اجتماعی» خواهد بود.
جدول 3- ماتریس عوامل استخراج‌شده آسیب‌پذیری اجتماعی
| عامل |
1 | |
میانگین سنی | 974/0 |
درصد جمعیت زیر 5 سال | 532/0- |
درصد جمعیت بالای 65 سال | 939/0 |
بعد خانوار | 910/0- |
درصد زنان | 392/0 |
درصد زنان سرپرست خانوار | 840/0 |
درصد افراد بدون درآمد | 940/0 |
برای ترسیم نقشه‌های مربوط به پراکنده‌رویی و آسیب‌پذیری اجتماعی، از «امتیاز عاملی» (خروجی نرم‌افزار SPSS) استفاده شده است. این امتیازات در مورد پراکنده‌رویی در وزن هر یک از عوامل، یعنی میزان تبیین واریانس پدیده پراکنده‌رویی ضرب شده‌اند تا امتیازات موزون به دست آیند، اما برای پدیده آسیب‌پذیری به دلیل وجود تنها یک عامل این مرحله لازم نیست. پس از آن امتیازات حاصل برای هر یک از 39 ناحیه به مقادیری بین 0 و 1 نرمال شده‌اند. سپس امتیازات با استفاده از روش «نیم انحراف معیار» در 5 طبقه دسته‌بندی شده‌اند. نتیجه کار در شکل 2 تصویر شده است.
تحلیل ارتباط
مهم‌ترین بخش این پژوهش و هدف اصلی آن، کشف ارتباط بین پراکنده‌رویی شهری و آسیب‌پذیری اجتماعی است. با تکیه بر تحلیل عاملی که منجر به کشف عوامل اصلی دو پدیده مورد بحث گردید، کافی است ارتباط میان این دو پدیده با عوامل اصلی آن‌ها مورد سنجش قرار گیرد. برای این کار کافی است در نرم افزار SPSS همبستگی میان 6 مورد بررسی شود: چهار عامل اصلی پراکنده‌رویی شهری، پدیده پراکنده‌رویی شهری به طور کل و عامل آسیب‌پذیری اجتماعی که خود به تنهایی مبین این پدیده است. نتیجه نهایی آزمون همبستگی پیرسون میان موارد ذکر شده در جدول 4 آمده است:
جدول 4. همبستگی میان عوامل و پدیده‌ها
| عامل تراکم | عامل پیکربندی | عامل کاربری | عامل دسترسی | پراکنده‌رویی | آسیب‌پذیری اجتماعی | |
عامل تراکم | Pearson Correlation | 1 | 000/0 | 000/0 | 000/0 | 650/0** | 801/0** |
Sig. (2-tailed) | - | 000/1 | 000/1 | 000/1 | 000/0 | 000/0 | |
عامل پیکربندی | Pearson Correlation | 000/0 | 1 | 000/0 | 000/0 | 481/0** | 068/0- |
Sig. (2-tailed) | 000/1 | - | 000/1 | 000/1 | 002/0 | 681/0 | |
عامل کاربری | Pearson Correlation | 000/0 | 000/0 | 1 | 000/0 | 426/0** | 224/0- |
Sig. (2-tailed) | 000/1 | 000/1 | - | 000/1 | 007/0 | 170/0 | |
عامل دسترسی | Pearson Correlation | 000/0 | 000/0 | 000/0 | 1 | 406/0* | 117/0 |
Sig. (2-tailed) | 000/1 | 000/1 | 000/1 | --- | 010/0 | 477/0 | |
پراکنده‌رویی | Pearson Correlation | 650/0** | 481/0** | 426/0** | 406/0* | 1 | 440/0** |
Sig. (2-tailed) | 000/0 | 002/0 | 007/0 | 010/0 | - | 005/0 | |
آسیب‌پذیری اجتماعی | Pearson Correlation | 801/0** | 068/0- | 224/0- | 117/0 | 440/0** | 1 |
Sig. (2-tailed) | 000/0 | 681/0 | 170/0 | 477/0 | 005/0 | - | |
بر اساس نتایج آزمون همبستگی پیرسون می‌توان موارد زیر را استنباط کرد:
· پراکنده‌رویی با هر چهار عامل خود، ارتباطی در سطح معناداری 99 درصد دارد1. این امر مجددا روند انتخاب عوامل را تأیید می‌کند.
· در میان عوامل مرتبط با پراکنده‌رویی، عامل تراکم بیشترین همبستگی را با آن دارد. این همبستگی با توجه به آن که عامل تراکم بیشترین درصد از واریانس پدیده را تبیین می‌کرد، باز هم بر نتایج تحلیل عاملی صحه می‌گذارد. این همبستگی به صورت معکوس است یعنی هر چه میزان تراکم افزایش یابد پراکنده‌رویی کاهش می‌یابد.
· از میان عوامل اصلی پراکنده‌رویی، تنها عامل تراکم است که همبستگی معناداری (801/0) را با آسیب‌پذیری اجتماعی نشان می‌دهد. میزان این همبستگی بسیار بالا و نزدیک به 1 است. بنابراین می‌توان نتیجه گرفت که آسیب‌پذیری اجتماعی تا حدود زیادی متأثر از عامل تراکم است. این ارتباط مستقیم است بدین معنا که با افزایش تراکم، آسیب‌پذیری اجتماعی نیز افزایش می‌یابد.
· سه عامل اصلی پراکنده‌رویی شامل عامل پیکربندی (068/0-)، عامل کاربری (224/0-) و عامل دسترسی (117/0) همبستگی معناداری با آسیب‌پذیری اجتماعی نشان نمی‌دهند.
· و در نهایت: پراکنده‌رویی با آسیب‌پذیری اجتماعی همبستگی معنادار معکوس دارد. میزان این همبستگی برابر با 440/0 و در سطح معناداری 01/0 می‌باشد.
همچنین از آنجا که برای پدیده آسیب‌پذیری اجتماعی، تنها یک عامل استخراج شده است، می‌توان به تحلیل رگرسیونی این پدیده با عوامل پراکنده‌رویی نیز پرداخت. نتایج این تحلیل (که در آن عامل آسیب‌پذیری اجتماعی به عنوان متغیر وابسته و چهار عامل تراکم به عنوان متغیر مستقل معرفی شده‌اند) در جدول 5 ارائه شده است.
جدول 5. نتایج تحلیل رگرسیونی آسیب‌پذیری اجتماعی و عوامل تراکم
Std. Error of the Estimate | Adjusted R Square | R Square | R | Model |
1689957/0 | 676/0 | 710/0 | 843/0 | 1 |
ضریب تعیین تعدیل‌شده نشانگر آن است که عوامل چهارگانه پدیده پراکنده‌رویی می‌توانند به میزان 6/67 درصد (حدودا دو سوم) از واریانس آسیب‌پذیری اجتماعی را تبیین نمایند. همچنین تحلیل ANOVA نشانگر آن است که این رابطه از نظر آماری معنادار است (sig=0). البته چنانچه در جدول 4 مشخص شده است، این تبیین بیشتر از سوی عامل تراکم صورت می‌گیرد.
چنانچه در شکل 2 مشاهده می‌شود، از منظر عامل تراکم، از آنجا که ناحیه دربرگیرنده CBD، نواحی مرکزی و قدیمی شهر را نیز در بر می‌گیرد، بیشترین تراکم را نشان داده است. در این مورد، هیچ یک از نواحی جنوبی CBD نیستند که تراکمی کمتر از متوسط داشته باشند. در مقابل، هر چه به سمت شمال حرکت می‌کنیم، تراکم کاهش می‌یابد و در شمالی‌ترین نواحی، به حداقل مقدار می‌رسد.
شکل 2- طبقه‌بندی نواحی شهر قزوین بر اساس پدیده‌های پراکنده‌رویی و آسیب‌پذیری اجتماعی و عوامل تبیین‌کننده آن‌ها (مقیاس 1:35000)
از منظر عامل پیکربندی، از آنجا که این عامل صرفا وابسته به شکل هندسی نواحی است، الگوی مشخص جغرافیایی برای توزیع آن وجود ندارد. به همین دلیل است که در این مورد، می‌توان ناحیه‌های مجاوری را یافت که یکی دارای پیکربندی بسیار متناسب (نواحی 18 و 5) و دیگری دارای پیکربندی بسیار نامتناسب (نواحی 17 و 4) هستند.
از منظر عامل دسترسی، از آنجا که این عامل ارتباط زیادی با فاصله از CBD دارد، بدیهی است که ناحیه‌های نزدیک به CBD دارای دسترسی بیشتر هستند و هر چه از آن دور می‌شویم، مقادیر این عامل کاهش می‌یابد. در عمل، تنها ناحیه 32 که CBD درون آن قرار دارد، دسترسی بسیار زیادی دارد و با افزایش فاصله از آن، دسترسی به سمت «بسیار کم» میل می‌کند؛ به گونه‌ای که تمام ناحیه‌های مستقر در بخش شمالی قزوین، دسترسی بسیار کمی دارند.
از منظر عامل کاربری، از آنجا که شاخص‌های این عامل به ویژگی‌های قطعات زمین مسکونی و درصد کاربری‌های مسکونی مرتبط می‌شوند، توزیع جغرافیایی مشخصی قابل شناسایی نیست، اما باز هم می‌توان مشاهده کرد که نواحی شمالی شهر قزوین، بیشترین سهم از کاربری‌های بسیار نامتناسب را به خود اختصاص داده‌اند.
از منظر پدیده پراکنده‌رویی، از آنجا که این پدیده متشکل از چهار عاملی است که دو مورد از آن‌ها دارای توزیع جغرافیایی مشخص بوده (عامل تراکم و عامل دسترسی) و دو مورد توزیع جغرافیایی مشخصی نداشته‌اند (عامل کاربری و عامل پیکربندی)، انتظار می‌رود که توزیع جغرافیایی چندان یک‌دست نباشد. با این وجود از آنجا که عامل تراکم سهم بالایی در تبیین این پدیده دارد، می‌توان برخی الگوهای توزیعی را درباره آن مشاهده کرد. در این مورد، پدیده پراکنده‌رویی عملا تا حدودی زیادی تابع الگوی عامل تراکم است، اما در ناحیه‌هایی که عوامل کاربری و پیکربندی مقادیر متفاوتی را بروز می‌دهند، این عوامل نقش تعیین‌کننده‌ای در میزان پراکنده‌رویی نواحی نشان می‌دهند. برای مثال، نواحی 1، 2 و 3 در شمالی‌ترین بخش شهر، دارای مقدار «کم» عامل تراکم و مقدار «بسیار کم» عامل دسترسی هستند، اما به دلیل این که مقادیر عامل کاربری و دسترسی آن‌ها متفاوت هستند، در نهایت مقادیر پراکنده‌رویی متوسطی را به خود اختصاص داده‌اند.
بر اساس شکل 2، عامل آسیب‌پذیری اجتماعی بیشترین اثرپذیری را از عامل تراکم داشته است. این اثرپذیری مستقیم است؛ بدین ترتیب که در هر ناحیه که تراکم بیشتر بوده، آسیب‌پذیری اجتماعی نیز افزایش یافته است. بر همین اساس، عملا هر چه از CBD به سمت شمال شهر قزوین حرکت کنیم، آسیب‌پذیری اجتماعی کاهش می‌یابد.
نقشه پتانسیل توسعه نواحی شهر قزوین
با داشتن داده‌های مربوط به شاخص‌های دو پدیده پراکنده‌رویی و آسیب‌پذیری اجتماعی در هر ناحیه از شهر قزوین و معین شدن رابطه میان این دو پدیده، در شکل 3 مناطق مستعد توسعه و افزایش تراکم معرفی می‌گردد. در این شکل چهار دسته ناحیه بر اساس پتانسیل توسعه معرفی شده‌اند: بسیار مستعد، مستعد، توسعه با احتیاط، غیر قابل توسعه.
شکل 3- پتانسیل توسعه نواحی شهر قزوین (مقیاس 1:35000)
نتیجه‌گیری
در نظریه‌های برنامه‌ریزی شهری، رهیافت‌ها، معیارها و اصول مختلفی برای توسعه شهر و نحوه هدایت آن توسط بخش عمومی ذکر شده است. در تجارب کشورهای مختلف دنیا نیز در گذر زمان، الگوهای مختلف و گرایش‌های گوناگونی برای هدایت توسعه شهری با مداخله در فرایند بازار زمین و مسکن پیاده شده‌اند. این پژوهش در راستای گسترش فضای نظری و افزودن به معیارهای مد نظر مدیران و برنامه‌ریزان برای هدایت توسعه شهری، به رابطه دو پدیده پراکنده‌رویی و آسیب‌پذیری اجتماعی پرداخت. از آنجا که در ایران از سویی خطر زلزله اکثر شهرها را تهدید می‌کند و از سوی دیگر پراکنده‌رویی شهری به پدیده‌ای رایج در شهرهای بزرگ و میانی تبدیل شده است، این رابطه یکی از معیارهایی است که در سطح کلان می‌تواند هدایتگر توسعه شهری باشد. برای شناسایی رابطه میان این دو پدیده ابتدا با مرور متون نظری مرتبط با پراکنده‌رویی و آسیب‌پذیری، شاخص‌های منتخب برای شهر قزوین به دست آمد. سپس با استفاده از تحلیل عاملی، این شاخص‌ها به 4 عامل برای پراکنده‌رویی و 1 عامل برای آسیب‌پذیری اجتماعی فروکاسته شده و نقشه‌های مرتبط با هر یک از عوامل ترسیم شدند. سپس با تحلیل همبستگی مشخص شد که آسیب‌پذیری اجتماعی دارای رابطه مستقیم معنادار با عامل تراکم و رابطه معکوس معنادار با پراکنده‌رویی است، اما رابطه معناداری با سه عامل دیگر پراکنده‌رویی ندارد. همچنین مشخص شد که 4 عامل مبین پراکنده‌رویی (تراکم، پیکربندی، کاربری و دسترسی) می‌توانند به میزان 6/67 درصد واریانس آسیب‌پذیری اجتماعی را تبیین نمایند. در نتیجه بر اساس شناسایی سطح پراکنده‌رویی و سطح آسیب‌پذیری مناطق مختلف، میزان استعداد مناطق برای توسعه‌های آتی در چهار دسته «بسیار مستعد»، «مستعد»، «توسعه با احتیاط»، «غیر قابل توسعه» شناسایی و معرفی شدند. نتایج پژوهش نشانگر آن هستند که نواحی 1، 2، 3، 4، 5، 6، 7، 9 و 12 قزوین از نظر اجتماعی، آسیب‌پذیری ناچیزی دارند. در مقابل نواحی 25، 26، 28، 29، 32، 33 و 34 در معرض آسیب‌پذیری اجتماعی بسیار زیاد هستند. نواحی دارای آسیب‌پذیری ناچیز همگی در شمال شهر قرار گرفته‌اند و به خاطر تراکم کمتر و گسترش افقی در این حوزه، آسیب‌پذیری کمتری دارند. در مقابل نواحی مرکزی که تراکم بیشتری داشته و در مجاورت CBD قرار گرفته‌اند، در معرض آسیب‌پذیری بسیار زیاد هستند. این الگو به خوبی اثر تراکم بر آسیب‌پذیری اجتماعی را نشان می‌دهد. همین شرایط در مورد نواحی مستعد توسعه نیز صادق است. چنانچه در شکل پتانسیل توسعه نواحی (شکل 3) مشخص است، نواحی مرکزی و جنوبی شهر بیشتر نواحی غیر قابل توسعه یا توسعه با احتیاط هستند، در حالی که هر چه به سمت شمال شهر حرکت می‌کنیم، پتانسیل توسعه افزایش می‌یابد. نکته مهم آن است که این پژوهش برای شهر قزوین انجام شده و قابل تعمیم به سایر شهرها نیست؛ بلکه می‌بایست پژوهش حاضر با داده‌های مربوط به هر یک از شهرها مجدداً صورت پذیرد و داده‌های واقعی محلی مبنایی برای تصمیم‌گیری در رابطه با توسعه شهر گردند.
در تبیین ارتباط پراکنده‌رویی و آسیب‌پذیری اجتماعی می‌توان چنین گفت که پراکنده‌رویی رابطه معناداری با آسیب‌پذیری اجتماعی دارد، اما از آنجا که روابط عامل‌های پیکربندی، کاربری و دسترسی با آسیب‌پذیری معنادار نیست، تبیین‌گر اصلی این رابطه عامل تراکم است. مقدار همبستگی میان عامل تراکم و آسیب‌پذیری اجتماعی نیز مؤید همین تحلیل است، زیرا مقدار بالای همبستگی (801/0) نزدیک به دو برابر مقدار همبستگی پراکنده‌رویی با آسیب‌پذیری (440/0) است. از آنجا که رابطه عامل تراکم با پراکنده‌رویی منفی و رابطه پراکنده‌رویی با آسیب‌پذیری نیز منفی است، رابطه تراکم با آسیب‌پذیری مثبت خواهد بود؛ بدین معنا که با افزایش تراکم، آسیب‌پذیری اجتماعی افزایش می‌یابد.
رابطه عامل دسترسی با آسیب‌پذیری مثبت شناسایی شده است؛ امری که در نگاه اول عجیب به نظر می‌رسد، زیرا معمولا دسترسی بیشتر باعث کاهش تلفات ناشی از زلزله می‌شود. اما باید توجه کرد که این پژوهش به ابعاد کالبدی آسیب‌پذیری نمی‌پردازد و ابعاد اجتماعی را مورد توجه قرار می‌دهد. بیشترین مقادیر عامل دسترسی در نواحی مرکزی شهر و پیرامون CBD است. این نواحی با وقوع پراکنده‌رویی و گسترش افقی شهر، به تدریج ارزش مسکونی خود را از دست داده و دچار فرسودگی شده‌اند. در نتیجه ساکنان آن را ساکنان قدیمی با سنین بالا یا افرادی که استطاعت سکونت در نواحی مسکونی بهتر را نداشته‌اند، تشکیل می‌دهند. از همین روست که رابطه مثبتی میان عامل دسترسی و آسیب‌پذیری اجتماعی مشاهده شده است.
در نهایت این پژوهش بر خلاف بسیاری از پژوهش‌های مرتبط با پراکنده‌رویی، بعد مثبتی از این پدیده را شناسایی کرده است. در واقع، بر اساس نتایج این پژوهش پراکنده‌رویی که معمولا اثرات منفی آن ذکر می‌شود، باعث کاهش آسیب‌پذیری اجتماعی در برابر زلزله می‌شود. البته باید توجه داشت که این نتیجه به معنای تأیید پراکنده‌رویی نیست، زیرا اثرگذار اصلی در این رابطه، عامل تراکم بوده است. بنابراین یکی از راه‌های کاهش آسیب‌پذیری اجتماعی ناشی از زلزله، کاهش تراکم مسکونی در شهرهایی است که پتانسیل خطرپذیری بالایی دارند.
البته باید توجه داشت که این توصیه سیاستی بر خلاف اصول شهرسازی نوین همچون رشد هوشمند، رشد فشرده و تلاش برای توسعه میان‌افزاست. بنابراین، این نتیجه صرفا یکی از ورودی‌های تصمیم‌گیری برای مدیران شهری است که شرایط مطلوب شهر برای کاهش آسیب‌پذیری اجتماعی را پیشنهاد می‌کند. بدیهی است در این مورد باید ابعاد راهبردی کلیدی مد نظر برنامه‌ریزان و شهروندان مد نظر قرار گیرند و با سبک سنگین کردن ابعاد مختلف، گزینه سیاستی بهینه برای توسعه شهری پیشنهاد شود.
[1] * این مقاله برگرفته از پایان‌نامه کارشناسی ارشد حسین قانونی با عنوان «تحلیل تأثیر پراکنده‌رویی شهری بر آسیب‌پذیری اجتماعی و پیشنهاد سیاست‌های متناسب» است که به راهنمایی نویسنده اول در دانشگاه تهران به پایان رسیده است.
[2] ** استاد گروه شهرسازی، دانشکده معماری و شهرسازی، پردیس هنرهای زیبا، دانشگاه تهران، تهران، ایران.
zebardst@ut.ac.ir
[3] *** دانش‌آموخته دکتری برنامه‌ریزی شهری و منطقه‌ای، دانشکده معماری و شهرسازی، دانشگاه شهید بهشتی، تهران، ایران.
[1] ** معناداری در فاصله اطمینان 0.01 * معناداری در فاصله اطمینان 0.05
فهرست مراجع
1. احدنژاد روشتی، محسن. (1389). ارزیابی آسیب‌پذیری اجتماعی شهرها در برابر زلزله. نمونه موردی: شهر زنجان. مطالعات و پژوهش‌های شهری و منطقه‌ای. 2 (7)، 90- 71.
2. افتخاری، عبدالرضا؛ قدیری، محمود؛ پرهیزکار، اکبر؛ و شایان، سیاوش. (1388). تحلیلی بر دیدگاه‌های نظری آسیب‌پذیری جامعه نسبت به مخاطرات طبیعی. فصلنامه مدرس علوم انسانی، 13 (1)، 62-29.
3. زارع چاهوکی، محمدعلی. (1389). روش‌های تحلیل چند متغیره در نرم افزار SPSS، تهران: دانشکده منابع طبیعی دانشگاه تهران.
4. زبردست، اسفندیار. (1390). درسنامه روش‌های برنامه‌ریزی شهری و منطقه‌ای 2، تهران: دانشکده شهرسازی، پردیس هنرهای زیبا، دانشگاه تهران.
5. زبردست، اسفندیار؛ وحبیبی، سارا. (1388). بررسی پدیده پراکنده‌رویی و علل آن در شهر زنجان. هنرهای زیبا، 38، 124- 115.
6. زنگی‌آبادی، علی ؛ و تبریزی، نازنین. (1385). زلزله‌های تهران و ارزیابی آسیب‌پذیری مناطق شهری. پژوهش‌های جغرافیایی، 56، 130- 115.
7. شماعی، علی؛ عظیمی، آزاده؛ و فرجی ملایی، امین. (1390). بررسی و تحلیل سلسله مراتب آسیب‌پذیری محلات شهر بابلسر به منظور کاهش خطرات زلزله. تحقیقات کاربردی علوم جغرافیایی، 20، 128-107.
8. شمس، مجید؛ معصوم‌پور سماکوش، جعفر؛ سعیدی، شهرام؛ و شهبازی، حسین. (1390). بررسی مدیریت بحران زلزله در بافت‌های فرسوده شهر کرمانشاه. مطالعه موردی: محله فیض‌آباد. آمایش محیط، 4 (13)، 66-41.
9. عزیزی، محمدمهدی؛ و اکبری، رضا. (1387). ملاحظات شهرسازی در سنجش آسیب‌پذیری شهرها از زلزله، هنرهای زیبا، 34، 36-25.
10. فرج زاده اصل، منوچهر؛ احدنژاد، محسن؛ و امینی، جمال. (1390). ارزیابی آسیب‌پذیری مساکن شهری در برابر زلزله، مطالعه موردی : منطقه 9 تهران، مطالعات و پژوهش‌های شهری و منطقه‌ای، 3 (9)، 38-19.
11. قدیری، محمود؛ و رکن‌الدین افتخاری، عبدالرضا (1392). رابطه ساخت اجتماعی شهرها و میزان آسیب‌پذیری در برابر خطر زلزله. مطالعه موردی: محلات کلانشهر تهران. جغرافیا و برنامه‌ریزی محیطی، 24 (2)، 174-153.
12. قدیری، محمود؛ رکن‌الدین افتخاری، عبدالرضا، شایان، سیاوش؛ و پرهیزکار، اکبر (1391). تبیین تمرکز اجتماعی-فضایی آسیب‌پذیری شهر تهران در برابر زلزله. برنامه‌ریزی و آمایش فضا،16 (3)، 54-31.
13. منزوی، مهشید؛ سلیمانی، محمد؛ تولایی، سیمین؛ و چاووشی، اسماعیل (1389). آسيب پذيري بافت‌هاي فرسوده بخش مركزي شهر تهران در برابر زلزله (مورد: منطقه 12)، پژوهش‌های جغرافیای انسانی، 42 (73)، 18-1.
14. مهندسین مشاور شهر و برنامه. (1384). طرح توسعه و عمران و حوزه نفوذ شهر قزوین. قزوین.
15. Adger, W.N. (2006). Vulnerability. Global Environmental Change, 16(3), 268-81.
16. Anderson, M.B. (2000). Vulnerability to Disaster and Sustainable Development: A General Framework for Assessing Vulnerability In R. Jr., Pielke, & R. Sr., Pielke (Eds.), Storms (Vol. 1, pp. 11-25). London: Routledge.
17. Angel, Sh. (2007). Urban Sprawl Metrics: An Analysis of Global Urban Expansion Using GIS. ASPRS Annual Conference, Florida.
18. Bengston, D. N., Potts, R. S., Fan, D. P., & Goetz, E. G. (2005). An analysis of the public discourse about urban sprawl in theUnited States: Monitoring concern about a major threat to forests, Forest Policy and Economics 7, 745-756.
19. Birkmann, J. (2009). New Systemic Risks and High Vulnerability of Megacities: What We Can Learn from Recent Disasters?, United Nations University & University of Bonn Workshop in Taipei.
20. Birkmann, J. (2007). Risk and vulnerability indicators at different scales: Applicability, usefulness and policy implications. Environmental Hazards, 7 (1), 20-31.
21. Blaikie, P., Cannon, T., Davis, I., & Wisner, B. (1994). At Risk: Natural Hazards, People's Vulnerability and Disasters. London: Routledge.
22. Bogart, W. T. (2006). Don’t call it Urban Sprawl: Metropolitan structure in the 21st century. New York: Cambridge University Press.
23. Borden, K. A., Schmidtlein, M. C., Emrich, C. C., Piegorsch, W. W. & Cutter, S. L. (2007). Vulnerability of U.S. Cities to Environmental Hazards. Journal of Homeland Security and Emergency Management, 4 (2), 1-21.
24. Burchell, R. W., Shad, N.A., Listokin, D., Phillips, H., Downs, A., Seskin, S., Davis, J.S., Moore, T., Helton, D., & Gall, M. (1998). The Costs of Sprawl-Revisited. Transportation Research Board. Washington D.C: National Academy Press.
25. Burchfield M., Overman, H. G., Puga, D., & Turner, Matthew A. (2006). Causes of Sprawl: A Portrait from Space. Quarterly Journal of Economics, 121(2): 587-633.
26. Cannon, T. (2008). Reducing People’s Vulnerability to Natural Hazards. United Nations University, UNU-WIDER, Research Paper No. 2008/34.
27. Cardona, O.D., Carreno, M., & Barbat A.H. (2007). Urban Seismic Risk Evaluation: A Holistic Approach. Natural Hazards, 40, 137-172.
28. Cardona, O. D. (2005). Indicators of Disaster Risk & Risk Management: Program for Latin America & the Caribbean. Summary Report for WCDR, Manizales – Colombia.
29. Carreno M.L., Cardona, O.D., & Barbat, A.H. (2007). A Disaster Risk Management Performance Index. Natural Hazards, 41(1), 1-20.
30. Cutsinger J., & Galster, G. (2006). There is No Sprawl Syndrome: A New Typology for Metropolitan Land Use Patterns. Urban Geography, 27, 228-252.
31. Cutter, S.L., Mitchell, J.T., & Scott, M.S. (2000). Revealing the Vulnerability of People and Places: A Case Study of Georgetown Country, South Carolina. Annals of the Association of American Geographers, 90(4), 713-737.
32. Cutter, S. L., & Emrich, C. T. (2006). Moral Hazard Social Catastrophe: The Changing Face of Vulnerability along the Hurricane Coasts. ANNALS, AAPSS, 604.
33. Cutter, S. L., Boruff, B. J., & Shirley, W. L. (2003). Social Vulnerability to Environmental Hazards. Social Science Quarterly, 84, 242-281.
34. Cutter, S. L., Burton, C. G., & Emrich, C. T. (2010). Disaster Resilience Indicators for Benchmarking Baseline Conditions. Journal of Homeland Security and Emergency Management 7 (1), 1-22.
35. Deal, B., & Schunk, D. (2004). Spatial dynamic modeling and urban land use transformation: A simulation approach to assessing the costs of urban sprawl. Ecological Economics, 51(1):79-95.
36. Dunning, M. C. (2009). Social Vulnerability Analysis Methods for Corps Planning. Draft Report.
37. El Nashai, A. S., Jefferson, T., Friedrich, F., Cleveland, L. J., & Gress, T. (2009). Impact of New Madrid Seismic Zone Earthquakes on the Central USA. Mid America Earthquake Center Report No. 09-03.
38. Ewing, R., Brownson, R., & Berrigan D. (2006). Relationship between Urban Sprawl and Weight of U.S. Youth. American Journal of Preventive Medicine, 31, 464-474.
39. Ewing, R. H. (1994). Characteristics, Causes, and Effects of Sprawl: A Literature Review. Research for Florida Department of Community Affairs (DCA). Florida, US.
40. Ewing, R., Pendall, R., & Chen, D. (2002). Measuring Sprawl and Its Impacts. Washington D. C.: Smart Growth America Institte.
41. Frenkel, A., & Ashkenazi, M. (2008). The integrated sprawl index: Measuring the urban landscape in Israel. Annals of Regional Science, 42(1), 99-121.
42. Gaillard, J. C., & Cadag, J. D. (2009). From marginality to further marginalization: Experiences from the victims of the July 2000 Payatas trashslide in the Philippines. Journal of Disaster Risk Studies, 2(3), 197-215.
43. Galster, G., Hanson, R., Ratcliffe, M.R., Wolman, H., Coleman, S., & Freihage, J. (2001). Wrestling Sprawl to the Ground: Defining and measuring an elusive concept. Housing Policy Debate, 12(4), 681-717.
44. Habibi, S., & Asadi N. (2011). Causes, Results and Methods of Controlling Urban Sprawl. International Conference on Green Buildings and Sustainable Cities.
45. Hajibabaee, M., Amini Hosseini, K., & Ghayamghamian, M.R. (2014). Assessing the Risk of Earthquake Engineering and Seismology. Seconnd European Conference on Earhquake Engineering & Seismology. Istanbul, Aug. 25-29.
46. Hall, S. G., & Walker, S. A. (2009). Effects of Urban Sprawl on the Vulnerability to a Significant Tornado Impact in Northeastern Illinois. Natural Hazards Review, ASCE, 209-219.
47. Hewitt, K. (1997). Regions of Risk: A Geographical Introduction to Disasters, London: Longman.
48. Jaret, Ch., Ghadge, R., Williams Reid, L., & Adelman, R. M. (2009). The Measurement of Suburban Sprawl: An Evaluation. City & Community, 8(1), 65-84.
49. Kahn, M. E. (2001). Does Sprawl Reduce the black/white Housing Consumption Gap?. Housing Policy Debate, 12(1), 77-86.
50. Khazaei, B., Kilic, O., Basmaei, A., Konukcu, B., Sungay, B., Zeidan, A., & Wenzel, F. (2008). Megacity Indicators System for Disaster Risk Management-Implementation in Istanbul. Megacity Istanbul Project Reports Municipality Disaster Management Center (AKOM), Istanbul, Turkey.
51. Lang, R. E. (2000). Office Sprawl: The Evolving Geography of Business. Washington DC: Brookings Institution.
52. Nechyba, T. J., & Walsh, Randall P. (2004). Urban Sprawl. Journal of Economic Perspectives, 18(4), 177-200.
53. Newman, P.W.G., & Kenworthy, J.R. (1989). Cities and Automobile Dependence: An International Sourcebook. Aldershot, Uk: Gower.
54. Patacchini, E., & Zenou, Y. (2009). Urban Sprawl in Europe. Brookings-Wharton Papers on Urban Affairs.
56. Tapsell, S., McCarthy, S., Faulkner, H., & Alexander, M. (2010). Social Vulnerability to Natural Hazards. CapHaz-Net WP4 Report, Flood Hazard Research Centre – FHRC, Middlesex University, London (available at: http://caphaz-net.org/outcomes-results/CapHaz-Net_WP4_Social-Vulnerability.pdf).
57. Terzi, F., & Bolen, F. (2009). Urban Sprawl Measurement of Istanbul. European Planning Studies, 17(10), 1559-1570.
58. Torrens, P. M. (2006). Simulating Sprawl. Annals of Association of American Geographers ,96(2), 248-275.
59. Vincent, K., & Cull, T. (2010). A Household Social Vulnerability Index (HSVI) for Evaluating Adaptation Projects in Developing Countries. PEGNet Conference: Policies to foster and sustain equitable development in times of crises, Midrand, 2-3rd September 2010.
60. Zhang, T. (2001). Community features and urban sprawl: the case of the Chicago metropolitan region. Land Use Policy ,18(3), 221-232.