ارزیابی و تحلیل میزان تاب¬¬آوری کالبدی منطقه 12 شهر تهران در برابر زلزله با استفاده از مدل FANP و ویکور
محورهای موضوعی :
سعید زنگنه شهرکی
1
(دانشگاه تهران)
کرامت اله زیاری
2
(دانشگاه تهران)
محمد پوراکرمی
3
(تهران)
کلید واژه: تاب‌آوری کالبدی, مدل FANP, مدل ویکور, منطقه 12,
چکیده مقاله :
در سال‌های اخیر نهادها و آژانس‌های فعال در زمینه کاهش سوانح، بیش‌تر فعالیت‌های خود را برای دست‌یابی به جامعه‌ای تاب آور در برابر سوانح متمرکز ساخته‌اند که در این میان زمین‌لرزه به دلیل خسارت وسیع و بی‌هنجاری‌های گسترده اجتماعی نسبت به سایر حوادث اولویت بالاتری برای تقویت تاب‌آوری جوامع در برابر سوانح طبیعی دارد. مطالعه حاضر، به لحاظ هدف کاربردی و به لحاظ روش توصیفی - تحلیلی انجام گرفته است. در این تحقیق برای جمع‌آوری داده‌ها از روش کتابخانه‌ای و اسنادی و برای تجزیه تحلیل داده‌ها از مدل‌های FANP و ویکور استفاده شده است. نتایج نشان داد که می‌توان 17 شاخص تاب‌آوری کالبدی را در چهار عامل خلاصه کرد، به‌طوری‌که در میان عوامل، عامل دسترسی به خدمات اصلی و ویژگی‌های کالبدی بیشترین تأثیر را در تاب‌آوری کالبدی منطقه 12 شهر تهران داشتند. با جایگذاری بارهای عاملی به‌دست‌آمده از تحلیل عاملی در فرایند تحلیل شبکه ضریب اهمیت شاخص‌ها به دست آمد و شاخص‌های نقش شبکه معابر و سطح اشغال بیشترین تأثیر را بر میزان تاب‌آوری کالبدی منطقه 12 شهر تهران داشتند. درنهایت، نتایج حاصل از مدل ویکور برای سنجش میزان تاب‌آوری منطقه 12 نشان داد که نواحی شش‌گانه منطقه 12 شهر تهران از لحاظ میزان تاب‌آوری کالبدی در سطوح متفاوتی قرار دارند به‌طوری‌که نواحی 6 و 1 دارای بیشترین میزان تاب‌آوری و پس‌ازآن ها به ترتیب نواحی 2، 4،5 و 3 دارای کم‌ترین میزان تاب‌آوری بودند
In recent years the institutions and agencies active in the field of disaster reduction activities in order to achieve a society more resilient to disasters which In the meantime earthquake due to damage large and anomalies wider society to the other events of higher priority to strengthen the resilience of communities against natural disasters. There this study in terms of purpose is applied and in terms of method is descriptive - analytical. In this study, data collection was based on library and documentary methods and for data analysis we used FANP and Vikor model is used. The results showed that 17 indicators physical resiliency can be summed up in four factors; so among other factors, accesses to basic services and physical characteristics have the greatest impact on regional physical resilience in Tehran's 12th district. By substituting the factor loadings derived from factor analysis in the process of network analysis, importance coefficiency obtained and indicators of the role of street network and building Area have most impact on the physical resilience in Tehran's 12th district. Finally, the results of VIKOR to measure the resiliency 12 District of Tehran showed that six areas in terms of the physical resilience at different levels are So that areas with the highest levels of resilience were 6 and 1, and after, respectively areas 2, 4,5 and 3 with the lowest resilience.
1. بحرینی، حسین (1375)؛ برنامه‌ریزی کاربری زمین در مناطق زلزله‌خیز نمونه موردی شهرهای منجیل لوشان و رودبار، تهران: بنیاد مسکن انقلاب اسلامی؛
2. ﺣﺒﯿﺒﯽ، ﮐﯿﻮﻣﺮث؛ ﭘﻮراﺣﻤﺪ، احمد؛ ﻣﺸﮑﯿﻨﯽ، اﺑﻮاﻟﻔﻀﻞ؛ ﻋﺴﮕﺮي، علی و نظری عدلی، ﺳﻌﯿﺪ (1387)؛ تعیین عوامل ساختمانی مؤثر در آسیب‌پذیری بافت کهن شهری زنجان با استفاده از GIS و Fuzzy Logic، نشریه هنرهای زیبا، شماره 33، صص 27-36؛
3. رضایی، محمدرضا (1394)؛ سنجش و ارزیابی میزان تاب آوری کالبدی اجتماع های شهری در برابر زلزله (مطالعه موردی: محله¬های شهر تهران)، پژوهش¬های جغرافیای انسانی، دوره 47، شماره 4، صص 623-609؛
4. رضایی، محمدرضا. تبیین تاب‌آوری اجتماعات شهری به‌منظور کاهش اثرات سوانح طبیعی (زلزله)؛ مطالعه موردی کلانشهر تهران، رساله دوره دکتری رشته جغرافیا و برنامه‌ریزی شهری، دانشکده علوم انسانی، دانشگاه تربیت مدرس، 1389؛
5. رفیعیان، مجتبی؛ رضایی، محمدرضا؛ عسگری، علی؛ پرهیزگار، اکبر و شایان، سیاوش (1389)؛ تبیین مفهومی تاب‌آوری و شاخص سازی آن در مدیریت بحران سوانح اجتماع‌محور (CBDM)، نشریه برنامه‌ریزی و آمایش فضا (مدرس علوم انسانی)، دوره 1، شماره 4، صص 41-19؛
6. زبردست، اسفندیار (1386)؛ درس‌نامه روش‌های برنامه‌ریزی شهری، دانشکده شهرسازی، پردیس هنرهای زیبا، دانشگاه تهران؛
7. زبردست، اسفندیار (1393)؛ کاربرد مدل FANP در شهرسازی، نشریه هنرهای زیبا- معماری و شهرسازی، دوره 19، شمار 2، صص 23-38؛
8. زیاری، کرامت الله؛ داراب خانی، رسول (1389)؛ بررسی آسیب‌پذیری بافت شهری در برابر زلزله (موردمطالعه: منطقه 11 شهرداری تهران)، فصلنامه تحقیقات جغرافیایی، دوره 25، شماره 4، صص 48-25؛
9. شریف زادگان، محمدحسین؛ فتحی حمید (1387)؛ طراحی و کاربرد مدل‌های فضایی ارزیابی و تحلیل آسیب‌پذیری لرزه‌ای در برنامه‌ریزی و مدیریت شهری، مجله صفه، دوره 17، شماره 46، 124-109؛
10. شریف¬نیا، فاطمه(1391)؛ بررسی رابطه کاربری زمین شهری و میزان تاب‌آوری در برابر زلزله و ارائه راهکارها در زمینه برنامه‌ریزی شهری نمونه موردی: منطقه 10 تهران، پایان‌نامه کارشناسی ارشد رشته شهرسازی، دانشکده شهرسازی، دانشگاه تهران؛
11. عزیزی، محمدمهدی؛ اکبری، رضا (1387)؛ ملاحظات شهرسازی در سنجش آسیب‌پذیری شهرها از زلزله با بکارگیری روش تحلیل سلسه‌مراتب مراتبی و سیستم اطلاعات جغرافیای، نشریه هنرهای زیبا، شماره 34، صص 36-25؛
12. فرزاد بهتاش، محمدرضا (1391)؛ ارزیابی و تحلیل ابعاد و مؤلفه‌های تاب‌آوری شهر تبریز، رساله دکتری رشته شهرسازی، دانشکده شهرسازی، دانشگاه هنر تبریز؛
13. Allan, p., Bryant, M. (2010),The Critical role of Open Space in Earthquake Recovery: A Case study, NZSEE Conference, Victoria university of Wellington, Wellington New Zealand;
14. Ainuddin, S., & Routray, J. K. )2012), L Community resilience framework for an earthquake prone area in Baluchistan. International Journal of Disaster Risk Reduction, 2, 25-36;
15. Asadzadeh, A., Kötter, T., & Zebardast, E. (2015), an augmented approach for measurement of disaster resilience using connective factor analysis and analytic network process (F’ANP) model. International Journal of Disaster Risk Reduction, 14, 504-518;
16. Batabyal, A. A. (1998), on some aspects of ecological resilience and the conservation of species. Journal of Environmental Management, 52(4), 373-378;
17. Burton. C. G. (2012),The Development of Metrics for Community Resilience to Natural Disasters, Ph.D. Thesis, Geography college of Arts and Sciences, University of South Carolina;
18. Colten, C.E. et al. (2008), Community resilience: lessons from New Orleans and Hurricane Katrina, CARRI Research Report 3, Community and Regional Resilience Initiative, pp.1-5;
19. Cutter, S. L., Barnes, L., Berry, M., Burton, C., Evans, E., Tate, E., & Webb, J. (2008), A place-based model for understanding community resilience to natural disasters. Global environmental change, 18(4), 598-606;
20. 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), 14;
21. Folke, C., Carpenter, S., Elmqvist, T., Gunderson, L., Holling, C. S., & Walker, B. (2002), Resilience and sustainable development: building adaptive capacity in a world of transformations. AMBIO: A journal of the human environment, 31(5), 437-440.
22. Godschalk, D. R. (2003), urban hazard mitigation: creating resilient cities. Natural hazards review, 4(3), 136-143;
23. Holling, C. S. (1973), Resilience and stability of ecological systems. Annual review of ecology and systematics, 4, 1-23;
24. Johnson, J. L., & Wiechelt, S. A. (2004), Introduction to the special issue on resilience. Substance Use & Misuse, 39(5), 657-670;
25. Klein, R. J., Nicholls, R. J., & Thomalla, F. (2003), Resilience to natural hazards: How useful is this concept? Global Environmental Change Part B: Environmental Hazards, 5(1), 35-45;
26. Kobe city council. (2008), Lessons Learned from the great Hanshin Awaji earthquake case, Kobe, Japan;
27. León, J., & March, A. (2014), urban morphology as a tool for supporting tsunami rapid resilience: A case study of Talcahuano, Chile. Habitat International, 43, 250-262.
28. Mahdinia, M. H., Reicher, C., & Greiving, S. (2016), Analyzing of resilience components in Iran (case study: Mashhad metropolitan). International Journal of Humanities and Cultural Studies (IJHCS) ISSN 2356-5926, 3(1), 774-788;
29. Mayunga.J.S. (2007), Understanding and Applying the Concept of Community Disaster Resilience: A capital based approach. A draft working paper prepared for the summer academy for social vulnerability and resilience building,22-28 July 2007, Munich;
30. Mitchell, T., & Harris, K. (2012), Resilience: A risk management approach. ODI Background Note. Overseas Development Institute: London;
31. Normandin, J. M., Therrien, M. C., & Tanguay, G. A. (2009), City strength in times of turbulence: strategic resilience indicators. In Proc. of the Joint Conference on City Futures, Madrid (pp. 4-6);
32. Opricovic, S., & Tzeng, G. H. (2007), Extended VIKOR method in comparison with outranking methods. European journal of operational research, 178(2), 514-529;
33. Ramachandrana, L., & Alagumurthib, N. (2013), Lean manufacturing facilitator selection with VIKOR under fuzzy environment. International Journal of Current Engineering and Technology, 3(2), 2277-4106;
34. San Francisco Department Building Inspection. (2011), under the community Action Plan for Seismic Safety (CAPSS) Project. Here today- Here tomorrow: The road to Earthquake Resilience in San Francisco a Community Action Plan for Seismic Safety. Community Action Plan for Seismic Safety. USA;
35. Teo, M., Goonetilleke, A., & Ziyath, A. M. (2015), an integrated framework for assessing community resilience in disaster management. In Proceedings of the 9th Annual International Conference of the International Institute for Infrastructure Renewal and Reconstruction (8-10 July 2013) (pp. 309-314). Queensland University of Technology;
36. Vale, L. J., & Campanella, T. J. (2005), the resilient city: How modern cities recover from disaster. Oxford University Press;
37. Verrucci, E., Rossetto, T., Twigg, J., & Adams, B. J. (2012), Multi-disciplinary indicators for evaluating the seismic resilience of urban areas. In Proceedings of 15th world conference earthquake engineering, Lisbon;
38. Zimmerman, R. (2001), ‘Resiliency, vulnerability, and criticality of human systems. In Research theme from the New York University Workshop on Learning from Urban Disasters;
39. Zebardast, E. (2013), constructs a social vulnerability index to earthquake hazards using a hybrid factor analysis and analytic network process (F’ANP) model. Natural hazards, 65(3), 1331-1359.
