ساخت واحدهای پایه مطالعاتی شهری بر مبنای MAUP (مطالعه موردی: منطقه‌بندی دموگرافیک شهر زنجان)

آمایش محیط

دوره 14، شماره 54، آذر 1400، صفحه 123-146   

نوع مقاله: پژوهشی

نویسندگان

حسنعلی فرجی سبکبار^{* 1}؛ مرضیه صداقت کیش²؛ علیرضا رحمتی³

¹(دانشیار دانشکده جغرافیا، دانشگاه تهران، تهران، ایران)

²دانشجوی دکتری جغرافیا و برنامه ریزی شهری دانشگاه اصفهان، اصفهان، ایران.

³کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تهران، تهران، ایران.

چکیده

 
در هر گونه از تحلیل داده­های جغرافیایی تعریف واحد پایه برای مطالعه اثرات مستقیم بر نتایج دارد. مسئله اساسی در مطالعات فضایی، ارائه تعریف دقیق از واحدهای فضایی تحت مطالعه می­باشد. ضرورت تعریف واحدهای پایه مطالعه از این جهت است که اگر برای مثال رابطه سطح درآمد و میزان ارتکاب به جرم را یک­بار در سطح واحدهای همسایگی و بار دیگر در سطح مناطق شهری مورد بررسی قرار دهیم نتایج متفاوتی حاصل خواهد شد. این مشکل از این جهت به وجود می­آید که داده­های اولیه (برای مثال سرشماری) در سطح بلوک­های آماری منتشر می­شوند و ما مجبور به ترکیب این داده­ها در مقیاس واحد همسایگی یا مناطق شهری یا هر الگوی پایه دیگر برای مطالعه هستیم. از آنجایی که انتخاب این واحدهای پایه قاعده خاصی ندارد و اختیاری است نتایج متفاوتی به دست می­آید. در واقع نتایج تحلیل­های آماری مستقل از مقیاس واحد پایه مطالعاتی نمی­باشد. این مسئله اولین بار توسط جلک و بیل^[1] تحت عنوان مسئله واحدهای فضایی متغیر شناسایی شد. هدف از این پژوهش شناسایی واحد پایه فضایی است که پس از ترکیب داده­ها در آن واحد، کمترین انحراف نسبت به داده­های اولیه داشته باشد. روش تحقیق مقایسه­ای تطبیقی می­باشد و از لایه­های رقومی بلوک­های آماری برای انجام تحلیل آماری بهره­برداری شده است. در این پژوهش سه واحد پایه بر مبنای شبکه معابر، محلات شهری و الگوی راست گوشه انتخاب و با استفاده از 20 شاخص جمعیتی و پارامترهای مرکزی و پراکندگی و همبستگی تأثیر مسئله واحدهای فضایی متغیر (MAUP) مورد ارزیابی قرار گرفت. نتایج گویای این است که واحد پایه راست گوشه کمتر تحت تأثیر MAUP قرار می­گیرد.
 
 
 

کلیدواژه‌ها

واحدهای پایه مطالعاتی؛ واحدهای فضایی متغیر؛ شاخص‌های جمعیتی؛ زنجان.  

مراجع

 

1. انصاری، م.، شریعت­پناهی، م.، ملک حسینی، ع.، مدیری، م. 1397. تحلیل الگوی گسترش شهری در شهرهای میانه­اندام با استفاده از مدل­های کمی (مطالعه موردی: شهر ملایر). آمایش محیط، 11(43): 147-182.
2. پورمحمدی، م.، جمالی، ف.، اصغری زمانی، ا. 1387. ارزیابی گسترش فضایی-کالبدی شهر زنجان باتأکید برتغییر کاربری زمین طی دوره 1384-1355. پژوهش­های جغرافیای انسانی، 40(63): 46-29.
3. حبیبی ک.، پوراحمد، ا.، مشکینی، ا. 1387. از زنگان تا زنجان سیری بر تحولات کالبدی-فضایی بافت کهن شهر. انتشارات دانشگاه زنجان.
4. سجادی، ژ.، اسکندپور، م.، رستمی، ه. 1394. تحلیل تغییرات شبکه شهری استان همدان در یک دوره 50 ساله (1385-1335). فصلنامه آمایش محیط، 8(30): 38-19.
5. شیعه، 1. 1390. با شهر و منطقه در ایران. انتشارات دانشگاه علم و صنعت ایران.
6. مرکز آمار ایران. نتایج تفصیلی سرشماریهای عمومی نفوس و مسکن سالهای 1390-1335. شهرستان زنجان.
7. Butkiewicz, T., Meentemeyer, R. K., Shoemaker, D. A., Chang, R., Wartell, Z., Ribarsky, W. Alleviating the Modifiable Areal Unit Problem within Probe-Based Geospatial Analyses. Computer Graphics Forum, 29(3): 923-932.
8. Flowerdew, M., Green, R. 1996. New evidence on the modifiable areal unit problem. In P. Longley (Ed.). Spatial analysis : modelling in a GIS environment Cambridge: GeoInformation Internat.
9. Flowerdew, R. 2011. How serious is the Modifiable Areal Unit Problem for analysis of English census data?. Popul Trends, 145(1): 106-118.
10. Fotheringham, A. S., Brunsdon, C., Charlton, M. Geographically Weighted Regression the Analysis of Spatially Varying Relationships. from
11. http://public.eblib.com/EBLPublic/PublicView.do?ptiID=141619userid=^u
12. Fotheringham, A. S., Wong, D. W. S. 1991. The modifiable areal unit problem in multivariate statistical analysis. Environment and Planning A, 23(7): 1025-1044.
13. Gehlke, C. E., Biehl, Katherine. 1934. Certain effects of grouping upon the size of the correlation coefficient in census tract material. Journal of the American Statistical Association, 29(185): 169-170.
14. Goodchild, M. F. 1979. The Aggregation Problem in Location-Allocation. Geographical Analysis, 11(3): 240-255.
15. Goodchild, M. F. 2011. Scale in GIS: An overview. Geomorphology, 130(1–2): 5-9.
16. Guo, J. Y., Bhat, C. R. 2004. Modifiable areal units: problem or perception in modeling of residential location choice?. Transportation Research Record, 1898(1): 138-147.‏
17. Haining, R. 2012. Ecological Analysis of Urban Offence and Offender Data. In V. Ceccato (Ed.), The Urban Fabric of Crime and Fear, 141-163.
18. He, Z., Zhao, W., Chang, X. 2007. The modifiable areal unit problem of spatial heterogeneity of plant community in the transitional zone between oasis and desert using semivariance analysis. Landscape Ecology, 22(1): 95-104.
19. Hui, C. 2009. A Bayesian Solution to the Modifiable Areal Unit Problem. In A.-E. Hassanien, A. Abraham & F. Herrera (Eds.), Foundations of Computational Intelligence Volume 2 (Vol. 202, pp. 175-196): Springer Berlin Heidelberg.
20. Jelinski, D.E, Wu, J. 1996. The modifiable areal unit problem and implications for landscape ecology. Landscape Ecology, 11(3): 129-140.
21. Lechner, A. M., Langford, W. T., Jones, S. D., Bekessy, S. A., Gordon, A. 2012. Investigating species–environment relationships at multiple scales: Differentiating between intrinsic scale and the modifiable areal unit problem. Ecological Complexity, 11: 91-102.‏
22. Lembo Jr, A.J., Lew, M.Young., Laba, M., Baveye, P. 2006. Use of spatial SQL to assess the practical significance of the Modifiable Areal Unit Problem. Computers & Geosciences, 32(2): 270-274.
23. Martin, D. 2003. Extending the automated zoning procedure to reconcile incompatible zoning systems. International Journal of Geographic Information Science, 17(2): 181-196.
24. Mitra, R., Buliung, R. N. 2012. Built environment correlates of active school transportation: neighborhood and the modifiable areal unit problem. Journal of Transport Geography, 20(1): 51-61.
25. Openshaw, S. 1977. Optimal zoning systems for spatial interaction models. Environment and Planning A, 9(2): 169-184.
26. Openshaw, S. 1984. THE MODIFIABLE AREAL UNIT PROBLEM (Vol. 38). CATMOG: GeoBooks.
27. O'Sullivan, D., Unwin, D. 2003. Geographic information analysis. Hoboken, NJ: Wiley.
28. Páez, A., Scott, D. 2005. Spatial statistics for urban analysis: A review of techniques with examples. GeoJournal, 61(1): 53-67.
29. Schuurman, N., Bell, N., Dunn, J. R., Oliver, L. 2007. Deprivation indices, population health and geography: an evaluation of the spatial effectiveness of indices at multiple scales. Journal of urban health, 84(4): 591-603.‏
30. Secco, G., Zulian, G. 2008. Modeling the Social Benefits of Urban Parks for Users. In M. Carreiro, Y.-C. Song & J. Wu (Eds.), Ecology, Planning, and Management of Urban Forests (pp. 312-335): Springer New York.
31. Swift, A., Liu, L., Uber, J. 2008. Reducing MAUP bias of correlation statistics between water quality and GI illness. Computers, Environment and Urban Systems, 32(2): 134-148.
32. Tranmer, M., Steel, D. G. 1998. Using census data to investigate the causes of the ecological fallacy. Environment & planning A, 30(5): 817-831.
33. Tu, J. 2010. Exploring the Spatially Varying Impact of Urbanization on Water Quality in Eastern Massachusetts Using Geographically Weighted Regression. In N. Hoalst-Pullen & M. W. Patterson (Eds.). Geospatial Technologies in Environmental Management (Vol. 3, pp. 143-162): Springer Netherlands.
34. Wheeler, D., Páez, A. 2010. Geographically Weighted Regression. In M. M. Fischer & A. Getis (Eds.). Handbook of Applied Spatial Analysis (pp. 461-486): Springer Berlin Heidelberg.
35. Zandbergen, P. A., Chakraborty, J. 2006. Improving environmental exposure analysis using cumulative distribution functions and individual geocoding. Int J Health Geogr, 5, 23.