تحليل نابرابري هاي فضايي سكونتگاه هاي روستايي ايران

Analysis of Spatial Imbalance Associated with Rural Settlements in Iran

توزيع فضايي سكونتگاه هاي روستايي در ايران متعادل نمي باشد. اين مقاله به بررسي و كشف الگوي فضايي سكونتگاه هاي روستايي بر اساس شاخصهاي مختلف و نيز ارايه مدلي براي تحليل و الگوسازي مطالعه نابرابري هاي فضايي مي پردازد. براي انتخاب واحدهاي پايه از نظريه MAUP كه توسط اوپن شاو ارايه شده، استفاده شد. بر اساس اين نظريه مناطقي كه براي تلفيق داده ها انتخاب مي شوند اختياري است. در اين زمينه دو موضوع مطرح مي باشد يكي انتخاب مقياس تلفيق و ديگري نحوه تلفيق مي باشد. براي مدل سازي و انتخاب واحدهاي پايه از مدل شش ضلعي استفاده شده است كه در جغرافيا سابقه طولاني دارد. براي الگوسازي اختلافات فضايي از شاخص هاي عمومي و محلي خودهمبستگي فضايي استفاده شده است. در سطح عمومي از شاخص I موران و در سطح محلي از شاخص هاي LISA استفاده شده است. شاخص هاي محلي الگوي فضايي و به عبارتي محلي خوشه ها را نشان مي دهند. تحليل و يافته هاي تحقيق حاضر نشان مي دهد كه از نظر شاخص هاي مختلف مورد مطالعه، نابرابري هاي فضايي وجود دارد ولي در مورد هر شاخص اين الگو ممكن است متفاوت باشد.

Spatial distributions of rural settlements in Iran represent an imbalanced nature. The major objective of this study is to investigate the spatial patterns of Iranian rural settlements using certain indicators and indices .It further tries to propose a model regarding the analysis of spatial imbalances. This study further supported by application of modifiable areal unit problem (MAUP) suitable for aggregated data. It consists of both general as well as local scale pertaining to aggregation problem. Chosen area for the purpose of combination represent an arbitrary nature .However; areal units can be meaningful in displaying the same base level data. For the purpose of modeling and selection of basic unit, the hexagonal model long associated with geography is used. The spatial statistical methods were the global measure of Moranʹs I and Local Indicators of Spatial Association (LISA). While Moranʹs I provides information on the overall spatial distribution of the data, LISA provides information on types of spatial association at the local level. LISA statistics can also be used to identify influential locations in spatial association analysis. Spatial analysis can identify imbalances with respect to settlement distribution. This study suggests that different indices will hold different results regarding spatial rural imbalances.