تحليل فضايي پهنه‌هاي فقر (مطالعۀ موردي: شهر قائم‌شهر)

Spatial Analysis of Poverty Areas (Case Study: GhaemshahrCity)

فقر پديده‌اي چندبعدي است و از عوامل زيادي تأثير مي‌گيرد. در اين زمينه مهم‌ترين وظيفۀ جغرافي‌دانان و برنامه‌ريزان شهري استفاده از ابزارهايي به‌منظور شناسايي گستره‌هاي فقر در سطح شهر براي كاستن مسائل و پيامدهاي ناشي از وجود اين آسيب اجتماعي و فضايي است. هدف اين پژوهش بررسي و شناسايي پهنه‌هاي فقر در سطح شهر قائم‌شهر است. روش پژوهش، توصيفي - تحليلي و هدف آن كاربردي است. رويكرد حاكم بر شناسايي فقر، تحليل فضايي - مكاني است. براي انجام اين تحقيق 25 شاخص از داده‌هاي بلوك آماري سرشماري سال 1390 جدا شده است. به‌منظور وزن‌دهي شاخص‌هاي پژوهش از روش تحليل خاكستري و براي هم‌پوشاني لايه‌ها از روش فازي در نرم‌افزار ArcGIS بهره گرفته شده است؛ همچنين براي تحليل فضايي توزيع پهنه‌هاي فقر از روش‌هاي آمار فضايي استفاده شده است. نتايج تحقيق نشان مي‌دهد بخش‌هاي مركزي شهر در اطراف ميدان‌هاي اصلي ازنظر شاخص‌هاي پژوهش وضعيت مناسبي دارند و در محلات شمارۀ 15، 16، 17 و 20 كه در نيمۀ جنوبي و شمال شرقي قرار گرفته‌اند، فقر شهري بيشتر جلوه مي‌كند. براساس طبقه‌بندي فقر در شهر، ميزان فقر طبقۀ خيلي محروم 66/ 6 درصد به‌ دست ‌آمده و فقر در طبقات محروم، متوسط، مرفه و خيلي مرفه به‌ترتيب 08/ 19، 90/ 32، 32/ 23 و 02 /18 محاسبه‌ شده است. خوشه‌بندي فقر شهري با استفاده از مدل موران تأييد شده است؛ همچنين الگوهاي فضايي خوشه‌بندي با استفاده از مدل هات اسپات (Hot Spot Analysis) مشخص‌ شده‌اند.

geographers and urban planners are using tools in order to identify the poverty areas in the cities to mitigate the social and spatial consequences of that. The purpose of this applied research is to identify and analyze the poverty areas in Ghaemshahr city using descriptive-analysis method. The dominant approach for identifying poverty areas is spatial analysis. In this research, 25 indicators were extracted from the statistical block data of 1390 census. Grey Analysis Method was used to weight research Indicators and for overlapping layers researchers used the Fuzzy method in ArcGIS software. To analyze the spatial distribution of poverty areas spatial statistics were applied. The results illustrated that the central areas of the city around the main squares are in a good condition regarding research indicators and the highest levels of urban poverty is recognized in neighborhoods 15, 16, 17 and 20 which are located in the south and north-east. According to the classification of poverty in the city, the poverty level of the most deprived class was 6.66% and poverty in the deprived, middle, affluent and very affluent class were calculated 19.08, 32.90, 23.32 and 18.02 respectively. Urban poverty clustering has been confirmed using the Moran model; spatial patterns of clustering have been identified using the Hot Spot Analysis.