شناسايي و تحليل فضايي گستره‌هاي فقر شهري با استفاده از آمار فضايي در محيط GIS مطالعه موردي: شهر اردبيل

Spatial Identification and Analysis of Urban Poverty Spaces Using Space Statistics in GIS Environment Case Study: Ardebil City

گستره‌هاي فقر كه بخش جدايي‌ناپذيري از مناطق شهري را تشكيل داده‌اند، به دليل تبعات و پيامد‌هاي منفي اين پديده (فقر) و گسترش آن همواره مورد توجه برنامه‌ريزان قرار گرفته‌اند. مساله مهم در جلوگيري از گسترش پديده فقر، شناخت دقيق پهنه‌هاي فقر و تبلور فضايي آن در شهر‌هاست. بر اين اساس، با توجه به اهميت مطالعه توزيع فضايي فقر در جوامع شهري و با لحاظ اينكه مطالعه اين پديده، زمينه تصميم‌گيري و برنامه‌ريزي مناسب به منظور كاهش مشكلات مرتبط با فقر را براي برنامه‌ريزان و مديران در محلات شهري فراهم مي‌كند، پژوهش حاضر با هدف تحليل توزيع فضايي فقر، شناسايي بلوك‌هاي فقيرنشين و خوشه‌بندي فقر در بلوك‌هاي شهري اردبيل با استفاده از 31 شاخص اجتماعي، اقتصادي و كالبدي انجام شده است. مبتني بر اين خصيصه‌ها از مدل‌هاي آمار فضايي، تحليل لكه‌هاي داغ و خودهمبستگي فضايي در نرم‌افزار Arc/GIS استفاده شده است. بر اساس نتايج پژوهش بلوك‌هاي شهري اردبيل به لحاظ شاخص‌هاي مورد بررسي در طيف‌هاي متفاوتي قرار دارند. همچنين بر اساس مدل خودهمبستگي فضايي (موران)، الگوي پراكنش فقر در شهر اردبيل از مدل خوشه‌اي تبعيت مي‌كند و اين نوع پراكنش باعث ايجاد دوگانگي فضايي در اين شهر شده است.

Poverty spectrums were generated non detachable urban regions and because of poverty phenomenon negative consequences and It’s development, mentioned cases were paid attention by policy makers and planners. The main subject in prevention poverty phenomenon development is accurate recognition of poverty spectrums and spatial consolidation in cities. Poverty position and It’s development in Iran cities, this case has different patterns. Based on poverty spatial dispersion investigation importance in urban societies and by regarding mentioned phenomenon studying; proper decision making an‎d planning provide to poverty problems reducing in urban sectors for managers and administrators. Current research was implemented with the aim of poverty spatial dispersion analysis, poverty blocks recognition and also poverty clustering in Ardebil city urban blocks by using 31 social, Economic and physical indices. According to theses features; spatial statistical models, hot spots analysis, spatial auto-correlation were used in Arc/GIS software. Based on research results, Ardebil urban blocks are located in different classes by regarding investigated indices. According to spatial auto-correlation model (Moranas), poverty dispersion in Ardebil city follow by clustering model and mentioned kind of dispersion cause to creating spatial dichotomy in Ardebil city.