زمینه و هدف بارش از متغیرترین فراسنج های اقلیمی است. این تغییرات هم در بعد مکان و هم در بعد زمان در قالب اقلیم منطقه رخ می دهد. این مطالعه باهدف مدل سازی روابط فضایی بارش فصلی شمال شرق کشور با دوره آماری مشترک ماهانه 30 ساله (2010-1980) انجام شد. روش به منظور دست یابی به تغییرات فضایی بارش از روش های نوین آمار فضایی مانند خودهمبستگی فضایی، موران جهانی، شاخص پراکندگی آمار فضایی و مدل رگرسیون وزن دار جغرافیایی (GWR) از قابلیت های محیط بهره گرفته شد. نتایج نتایج حاصل از این مطالعه نشان داد که تغییرات بارش در شمال شرق ایران دارای الگوی خوشه ای بالا یا همان مثبت می باشد. بطوریکه مقدار شاخص موران جهانی برای هر 4 فصل موردمطالعه و مجموع سالانه بالای 93/0 می باشد که بالاترین شاخص موران جهانی با مقدار 003219/1 مربوط به فصل تابستان بوده است. بحث و نتیجه گیری نتایج حاصل از مدل GWR نشان داد که بارش در بخش های شمال منطقه موردمطالعه دارای خودهمبستگی فضایی مثبت و در بخش های جنوبی که غالبا مناطق کویری شمال شرق ایران تشکیل می دهند دارای خودهمبستگی فضایی منفی بوده است. همچنین نتایج آماره های پراکندگی، حاصل پیوستگی الگوی خوشه ای بارش در شمال شرق کشور بود. بر اساس شاخص فراوانی خوشه ها یا ICF فصل زمستان بزرگ ترین خوشه های بارشی با مقدار عددی 46/264 در شمال شرق کشور ایجاد می شود.

تأثیر تغییرات آب وهوایی بر تقاضای انرژی برای نیاز گرمایش ساختمان ها امری غیرقابل اجتناب خواهد بود؛ لذا بایسته است به پیش بینی آب وهوای آینده پرداخته شود تا زمینه توسعه، انطباق و استراتژی های مناسب انرژی فراهم گردد. در این پژوهش به منظور ارزیابی نقش توپوگرافی بر دورنمای نیاز گرمایشی ایران از داده های دمای روزانه مدل EH5OM موسسه ماکس پلانک طی دوره آماری (2050-2015 میلادی)، تحت سناریو A1B با تفکیک 75/1 درجه قوسی، برای گستره ایران بارگیری گردید. در گام بعدی داده های نامبرده با تفکیک مکانی 27/0× 27/0 قوسی توسط مدل (RegCM4) ریزمقیاس شدند. سپس با استفاده از روش زمین آمار کریجینگ داده های روزانه دمایی در پهنه ای به ابعاد 15×15 کیلومتر بر ایران گسترانیده شد که نتیجه آن ماتریسی به ابعاد 7200×13140 به دست آمده و نیاز گرمایشی کشور برای دوره آتی بر روی این ماتریس با استفاده از مدل UKMO محاسبه گردید. نتایج نشان داده است که نیاز گرمایشی در ایران دارای الگوی خوشه ای بالا می باشد. واسنجی مدل های رگرسیونی کلاسیک (OLS) و وزن دار جغرافیایی (GWR) نشان داد که در مناطق وسیعی که دارای افت وخیز ارتفاعی زیادی می باشند مدل های رگرسیونی کلاسیک نمی تواند روابط نیاز گرمایشی را با ارتفاع مدل سازی نماید. به طورکلی کشور از لحاظ دورنمای نیاز گرمایشی به سه بخش جلگه ها و سواحل جنوبی و پسکرانه ای، نوار کوهستانی و کوهپایه ای و بالاخره دشت ها و چاله های داخلی و بیرونی قابل پهنه بندی است و وردایی فضایی نیاز گرمایشی برآورد شده مبتنی بر ارتفاع نشان داده است که افزایش مقدار نیاز گرمایشی رابطه مستقیمی توپوگرافی پیچیده محلی دارد.

فرونشست زمین در طی سال های گذشته به دلایل مختلف از جمله رشد بی رویه جمعیت، برداشت بیش از حد از منابع آب زیرزمینی، عوامل تکتونیکی به همراه عوامل دیگر سبب بروز مشکلات و معضلات فراوان به زمین های کشاورزی، ساختمان های مسکونی، جاده ها، خطوط انتقال نیرو و ... شده است. این پدیده در چند سال گذشته آسیب های فراوان به دشت های استان فارس به خصوص ساختمان های مسکونی و زمین های کشاورزی وارد نموده است. پایش میزان نرخ فرونشست و نیز پرداختن به علت یا علل تاثیر گذار آن جهت کنترل و مدیریت خطر دارای اهمیت فراوان است. در این پژوهش به منظور بررسی وضعیت فرونشست درآبخوان دشت نورآباد ممسنی از داده های سنتینل 1A در بازه زمانی (2018-2015) و روش تداخل سنجی راداری که با مقایسه فازهای دو تصویر راداری که از یک منطقه در دو زمان مختلف اخذ شده اند، قادر به تعیین تغییرات سطح زمین در آن بازه ی زمانی می باشد در محیط نرم افراز( SNAP) انجام گرفت. جهت تهیه نقشه های افت و سطح آب زیرزمینی در سال های حداقل 1382 و حداکثر1394 از روش درونیابی IDW استفاده شد و سپس میان دو پارامتر افت آب زیرمینی و فرونشست سطح دشت با استفاده از مدل GWR تحلیل فضایی صورت پذیرفت و خروجی حاصل از این تحلیل نشان داد که حداکثر میزان R2 در بخش های مرکزی آبخوان 79 /0 می باشد و در بخش های جنوبی این مقدار کاهش می یابد. همچنین میزان مقادیر برآورد شده با پیش بینی شده نشان می دهد که وضعیت خطا در بخش مرکزی بین 0006 .0تا 0.0007 می باشد. نشان از اعتبار سنجی بالای مدل و میزان دقت بالای بین خروجی های حاصل از دو پارامتر می باشد.

زمین عنصر اساسی در شکل گیری توسعه و گسترش شهرها به شمار می رود و دسترسی عادلانه و استفادة بهینه از آن، یکی از مؤلفه های اساسی توسعة پایدار محسوب می شود. میزان سرعت و آهنگ رشد قیمت زمین با موقعیت جغرافیایی زمین رابطه دارد. هدف اصلی این پژوهش شناخت عوامل مؤثر بر قیمت زمین در شهر بابلسر، به منظور برنامه ریزی در مسیر توازن و تعادل قیمت هاست. برای استخراج و طبقه بندی داده های این پژوهش از نرم افزار GIS استفاده شده است. جامعه ی آماری پژوهش حاضر، قطعات زمین مسکونی در محله های شهر است. برای تعیین قیمت، 330 قطعه زمین به عنوان نمونه مورد برداشت میدانی قرار گرفت. به منظور شناسایی نقش عوامل مؤثر بر قیمت زمین از مدل رگرسیون وزنی جغرافیایی استفاده شده است. نتایج یافته ها نشان داد میانگین قیمت زمین در شهر بابلسر 1. 337. 000 تومان است که میانگین قیمت در سیزده محله کم تر و در نُه محله بیشتر از آن است. براساس نتایج به دست آمده از مدل رگرسیون وزنی، ضریب تعیین محلی (Local R2) در مورد متغیّر وابسته ی قیمت زمین در شهر بابلسر بین 57/0 تا 79/0 است که برازش خوب و با دقت بالایی را نشان می دهد. نتایج نشان می دهد، با فاصله از خط ساحلی دریا و حرکت به سمت محله های جنوبی شهر از ارزش زمین کاسته می شود. محله های نزدیک به ساحل همچون علی آبادمیر، نخست وزیری، پارکینگ کتی بن و ولیعصر از دامنه ی قیمت بالاتری برخوردار بوده و محله های جنوبی مانند میاندشت، قائمیه، بی بی سرروزه و بخش هایی از همت آباد و یور محله بالا از دامنه ی قیمت پایین تری نسبت به سایر نواحی برخوردار هستند. از بین عوامل مختلف، دو عاملِ نزدیکی به خط ساحلی و نزدیکی به مرکز شهر از مهم ترین عوامل جغرافیایی تأثیر گذار در قیمت نهایی زمین در شهر بابلسر هستند.

هدف اصلی این مطالعه بررسی مدل های فضایی و روش های متعارف برآورد مدل های مکانی نظیر حداقل مربعات معمولی و رهیافت جدیدتر رگرسیون وزنی جغرافیایی می باشد. برای این منظور نقاط ضعف و قوت هر دو رهیافت رگرسیون وزنی جغرافیایی و حداقل مربعات معمولی با ارائه یک مثال ساده مورد توجه قرار گرفته و بر اساس چارچوب نظری هر دو روش، رهیافت مناسب برای برآورد مدل های مکانی ارائه شده است. نتایج مقایسه این دو روش نشان می دهد که روش رگرسیون وزنی جغرافیایی در مقایسه با روش های معمول و متعارف برآورد مدلهای مکانی به دلیل درنظر گرفتن تفاوت های مکانی، وابستگی و ناهمسانی فضایی در بین مشاهدات، نتایج مطلوبتری را ارائه می دهد. علاوه بر این، معیارهای خوبی برازش مدل نیز دلالت بر مناسب بودن روش رگرسیون وزنی جغرافیایی می باشد

شهرها محل اسکان افراد و برخوردار از ابعاد متعددی از جمله اقتصادی، اجتماعی و کالبدی هستند. روابط متقابل این مولفه ها با یکدیگر در قالب جریان هایی ظاهر می شوند که بر کیفیت محیط انسان ساخت از یک طرف و کفیت زندگی انسان از طرفی دیگر موثرند. به همین دلیل، بررسی این روابط از حیث مقدار و جهت حائز اهمیت است. تحلیل های کلاسیک آماری همانند همبستگی و رگرسیون، ازجمله روش های معمول برای این منظور هستند. اما، از آنجا که در این روش ها، اطلاعات معمولا در گستره وسیعی از فضا بررسی می شوند، ضرائب خطای ناشی از دخالت عامل فضا بالا بوده و نمیتوان ادامه روند روابط را به صورت دقیق پیش بینی کرد.یکی از روش های جدید برای دستیابی به دقت بالاتر در تحلیل روابط متاثر از فضا، روش رگرسیون وزن دار فضایی است. این روش برای نخستین بار در دهه اخیر توسط فوترینگام، چالتون و برانسدون اساتید دانشگاه های بریتانیا معرفی گردید. روش رگرسیون وزن دار فضایی، کاربردهای متنوعی از جمله آشکار کردن و تحلیل متغیرها در مقیاس محلی دارد، و در تحقیقات مرتبط با فضا در رشته هایی همانند برنامه ریزی شهری و منطقه ای، محیط شناسی، ژئوماتیک، جغرافیا و... مورد استفاده قرار گرفته است.در این مقاله سعی شده است تا نتایج حاصل از تحلیل تراکم شهری با مدل رگرسیون وزن دار فضایی در منطقه 7 شهر تهران معرفی گردد. میزان تراکم ساختمانی و تراکم جمعیتی در منطقه 7 تهران به کمک برخی ازمتغیرهای اجتماعی- اقتصادی همانند قیمت زمین، سطح سواد و سطح اشتغال در سطح محلی و به تعداد 1200 بلوک شهری پیش بینی گردیده است. به منظور پی بردن به دقت و اهمیت رگرسیون وزن دار فضایی، خروجی حاصله از این مدل با خروجی بدست آمده از رگرسیون معمولیOLS) ) به صورت گرافیکی و عددی مورد مقایسه قرار گرفته است. نتایج این مقایسه، بیانگر دقت بالاتر و برتری نسبی روش رگرسیون وزن دار فضایی در تحلیل تراکم شهری است.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

دخالت دولت در اقتصاد از دیرباز یکی از موضوعات مورد بحث بسیاری از اقتصاددانان بوده است. در رابطه با اندازه دولت و تاثیر آن بر رشد و توسعه اقتصادی، نظریات گوناگونی وجود دارد. یک نظریه بیانگر این است که دولت بزرگ تر برای دستیابی به اهدافی چون کارآیی و رشد اقتصادی زیان آور است. در نقطه مقابل این نظریه برخی عقیده دارندکه دولت نقش مهمی در فرایند توسعه اقتصادی به عهده دارد و دولت بزرگ تر را به موتور توسعه قوی تر برای اقتصاد تشبیه می کنند. در هر صورت اندازه بزرگ دولت یکی از مهم ترین ویژگی های کشورهای در حال توسعه و کمتر توسعه یافته می باشد، به طوری که اغلب بخش های اقتصاد در این گونه کشورها از جانب دولت مدیریت و تامین مالی شده، و دولت ها در این گونه کشورها با کسری شدید بودجه مواجه هستند. بنابراین، عمده تغییرات در این دسته از کشورها، تحت تاثیر اندازه دولت آنها قرار می گیرد، و همین امر سبب شده که تلاش های زیادی در جهت بررسی تاثیر اندازه دولت بر متغیرهای مختلف اقتصادی انجام شود. از این رو هدف این مطالعه، تحلیل تاثیر اندازه دولت بر شاخص توسعه انسانی است؛ تفاوت و نوآوری این مطالعه با سایر مطالعات، در روش تحلیل بکار گرفته شده است؛ بطوری که تا بحال این موضوع از طریق روش رگرسیون وزنی جغرافیایی (GWR) مورد بررسی قرار نگرفته است، این روش دارای قابلیت های ویژه ای است که در مقاله به آن پرداخته شده است. کشورهای عضو سازمان کنفرانس اسلامی به عنوان کشورهایی که بیشتر از مجموعه کشورهای در حال توسعه و کشورهای کمتر توسعه یافته تشکیل شده اند، به عنوان جامعه آماری مورد بررسی انتخاب شده است. نتایج برآورد مدل نشان می دهد که استفاده از روش های معمول اقتصادسنجی برای این نوع داده ها که مکانمند هستند فاقد اعتبار بوده و الزاما باید از روش های اقتصادسنجی فضایی بهره گرفت که روش وزنی جغرافیایی کاملا منطبق بر داده های مورد استفاده است. نتایج حاصل از روش وزنی جغرافیایی نشان دهنده تاثیر مثبت و معنی دار اندازه دولت بر توسعه انسانی در کشورهای مورد مطالعه است.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

زمینه و هدف غلظت بالای PM2. 5 مسبب اکثر روزهای ناسالم هوای تهران طی سال های اخیر بوده است؛ به همین منظور مطالعه حاضر با هدف تحلیل فضایی-زمانی حجم ترافیک و ارتباط آن با غلظت آلاینده ی PM2. 5 در کلانشهر تهران طی سال های 1397-1394 با استفاده از سیستم اطلاعات جغرافیایی (GIS) انجام شد. روش کار در این مطالعه از مدل درون یابی معکوس فاصله وزنی (IDW) Inverse Distance Weighting برای پیش بینی و پهنه بندی غلظت آلاینده ی PM2. 5 و حجم ترافیک استفاده شد. همچنین از مدل رگرسیون وزنی جغرافیایی Geographically Weighted Regression (GWR) برای میزان ارتباط غلظت آلاینده PM2. 5 و حجم ترافیک در نواحی مختلف کلانشهر تهران طی چهار سال متوالی (1394-1397) استفاده شده است. نتایج نتایج حاصل از پهنه بندی غلظت آلاینده PM2. 5 و حجم ترافیک نشان داد که نواحی جنوب و جنوب غرب بیشترین غلظت آلاینده PM2. 5 (میانگین سالانه بیش از μ g/m3 40) و نواحی شرقی و شمالی بیشترین حجم ترافیک را داشته اند؛ همچنین بیشترین مقادیر R2 محلی از مدل GWR برای نواحی شرقی (بین 36/0 تا 70/0) به دست آمد. نتیجه گیری در بیشتر مناطق تهران نمی توان ارتباط قوی بین غلظت بالای آلاینده PM2. 5 و ترافیک یافت. با این وجود، مطالعه حاضر ارتباط ترافیک و غلظت آلاینده PM2. 5 را رد نمی کند بلکه علت اصلی غلظت بالای PM2. 5 را منابع دیگری می داند که در گام اول، باید شناسایی شوند؛ در گام بعدی برای رسیدن به هوایی پاک تر، به استراتژی های کنترل و کاهش حجم ترافیک پرداخته شود.