ارزیابی تاب‌آوری شهری با استفاده از رویکرد عینی و ذهنی در طول طوفان Harvey

نوع مقاله : مقاله پژوهشی

نویسندگان

• سمانه کلیدری ¹
• ابوالقاسم صادقی نیارکی ²
• مصطفی قدوسی ³

¹ دانشجوی کارشناسی ارشد سیستم‌های اطلاعات مکانی، دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه‌نصیرالدین طوسی

² استاد گروه مهندسی GIS دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه‌نصیرالدین طوسی

³ دانشجوی دکترای سیستم‌های اطلاعات مکانی، دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه‌نصیرالدین طوسی

10.22067/geoeh.2022.74306.1146

چکیده

فرم پایدار شهر­ها از زمان شکل‌گیری اولین شهرها مدنظر بوده است؛ اما با مواجه شدن روزافزون شهر­ها با عدم قطعیت­ها ازجمله بلایای طبیعی، تغییر آب‌وهوا، بحران­های خشکسالی، بحران انرژی و ... این پایداری مختل می­شود. زین سبب دستیابی به فرم تاب­آور و پایدار شهر­ها از اهمیت ویژه­ای برخوردار شده و این مفهوم مورد توجه بسیاری از محققان قرار گرفته است. تاب­آوری شهری مفهومی چند بعدی است که با استفاده از دو رویکرد عینی و ذهنی اندازه‌گیری می‌شود. این تحقیق به محاسبه تاب­آوری شهری ایالت تگزاس به دو رویکرد عینی و ذهنی در طول طوفان Harvey 2017 می­پردازد تا به ترتیب نمایشی از شرایط واقعی و ادراک مردم ارائه دهد و رابطه میان دو رویکرد را بررسی کند. در بخش عینی تحقیق، با ادغام شاخص­های اجتماعی، اقتصادی، زیرساختی، سازمانی با نسبت معین به روش DANP استخراج و به روش TOPSIS وزن­دهی می­شود. در روش DANP از نظرات کارشناسان استفاده شده که از پایایی بالایی برخوردار است. در بخش ذهنی از مجموعه داده­های توییتر استفاده می­شود و شاخص­ نسبت بکار گرفته می­شود. نتایج رویکرد عینی حاکی از آن است که تاب­آورترین شهر­ها عبارتند از Harris، Austin، Fort Bend، Galveston، Brazoria، Chambers و شهر­هایی با کمترین تاب­آوری عبارتند از Moore، Presidio، Dimmit، Starr، Jasper، Camron است. به‌منظور مقایسه تغییرات تاب­آوری در دو رویکرد درمجموع 24 شهرستان انتخاب شدند، زیرا این شهر­ها بیش از 50 پیام پس­زمینه توییتر داشتند و با تهدیدات مستقیم طوفان Harvey مواجه بودند. با توجه به نتایج به دست آمده ضریب همبستگی میان دو رویکرد در این شهر­ها 0.708 حاصل شد که اصطلاحاً گفته می­شود رابطه قوی و مستقیم بین دو به دوی رویکرد­ها وجود دارد و به معنی آن است که شهر­هایی که از نظر تاب­آوری در رده­های بالاتری قرار دارند، به هنگام مواجهه با بحران مشارکت بالایی در توییتر دارند. نتایج دو رویکرد عینی و ذهنی در مناطقی شرقی و نزدیکی اقیانوس اطلس که در مواجهه مستقیم طوفان قرار داشتند هم­راستا بوده است و هر چه به سمت غرب تگزاس می­رویم از هم ­سو بودن این دو رویکرد کاسته می­شود. دانش بدست‌آمده از این مطالعه می‌تواند بینش ارزشمندی را در استراتژی‌هایی برای استفاده از داده‌های شبکه­های اجتماعی برای افزایش تاب­آوری در برابر بلایای طبیعی فراهم کند و در بلایای مختلف نیز استفاده شود و نتایج برای سایر بلایا ارزیابی گردد.

چکیده تصویری

کلیدواژه‌ها

• تاب‌آوری شهری
• رویکرد عینی
• رویکرد ذهنی
• روش‌های MCDM
• آنالیز نسبت

20.1001.1.23221682.1402.12.2.13.4

---

مراجع

رضویان، م؛ توکلی نیا، ج؛ فرزادبهتاش، م؛ خزایی، م؛ 1396. تحلیل و ارزیابی تاب آوری اجتماعی بافت فرسوده منطقه 12 شهر تهران در مواجهه با سوانح طبیعی. مدیریت سرمایه اجتماعی. 4(4 ), 595-612. https://sid.ir/paper/266926/fa

شکری فیروزجاه، پ؛ 1396. تحلیل فضایی میزان تاب آوری مناطق شهر بابل در برابر مخاطرات محیطی. برنامه ریزی و توسعه کالبدی. 2(2 (پیاپی 6) ). 27-44. https://psp.journals.pnu.ac.ir/article_4146.html

قنبری، ا؛ سالکی ملکی، م؛ قاسمی، م؛ 1395. ارزیابی میزان آسیب پذیری شبکه معابر شهری در برابر زمین لرزه (نمونه موردی: شهرک باغمیشه تبریز). جغرافیا و مخاطرات محیطی. 5(18). 1-15.

https://doi.org/ 10.22067/GEO.V5I2.15934

معرب، ی؛ صالحی، ا؛ امیر، م ج؛ 1395. ارزیابی تاب­آوری اقتصادی کاربری اراضی شهری(نمونه موردی: منطقه 1 تهران) فصلنامه پدافند غیر­عامل، 29-37. https://journals.ihu.ac.ir/article_200697.html

 

Birgani, Y. T., & Yazdandoost, F., 2018. An integrated framework to evaluate resilient-sustainable urban drainage management plans using a combined-adaptive MCDM technique. Water Resources Management, 32(8), 2817-2835. https://doi.org/10.1007/s11269-018-1960-2

Cai, H., Lam, N. S., Qiang, Y., Zou, L., Correll, R. M., & Mihunov, V., 2018. A synthesis of disaster resilience measurement methods and indices. International journal of disaster risk reduction, 31, 844-855. https://doi.org/10.1016/j.ijdrr.2018.07.015

Cutter, S. L., Ash, K. D., & Emrich, C. T., 2014. The geographies of community disaster resilience. Global environmental change, 29, 65-77. https://doi.org/10.1016/j.gloenvcha.2014.08.005

Karami, A., Shah, V., Vaezi, R., & Bansal, A., 2020. Twitter speaks: A case of national disaster situational awareness. Journal of Information Science, 46(3), 313-324. https://doi.org/10.1177/0165551519828620

Kontokosta, C. E., & Malik, A., 2018. The Resilience to Emergencies and Disasters Index: Applying big data to benchmark and validate neighborhood resilience capacity. Sustainable cities and society, 36, 272-285. https://doi.org/10.1016/j.scs.2017.10.025

Leykin, D., Lahad, M., & Aharonson-Daniel, L., 2018. Gauging urban resilience from social media. International journal of disaster risk reduction, 31, 393-402. https://doi.org/10.1016/j.ijdrr.2018.04.021

Martinez-Rojas, M., del Carmen Pardo-Ferreira, M., & Rubio-Romero, J. C., 2018. Twitter as a tool for the management and analysis of emergency situations: A systematic literature review. International Journal of Information Management, 43, 196-208. https://doi.org/10.1016/j.ijinfomgt.2018.07.008

Renschler, C. S., Frazier, A. E., Arendt, L., Cimellaro, G. P., Reinhorn, A. M., & Bruneau, M., 2010, July. Developing the ‘PEOPLES’resilience framework for defining and measuring disaster resilience at the community scale. In 9th US and 10th Canadian Conference on Earthquake Engineering Toronto, Canada. https://doi.org/10.13140/RG.2.1.1563.4323

Rizza, C., & Pereira, Â. G., 2014. Building a resilient community through social network: Ethical considerations about the 2011 Genoa floods. In ISCRAM.

https://www.researchgate.net/profile/CarolineRizza/publication/264310347_Building_a_resilient_community_through_social_network_Ethical_considerations_about_the_2011_Genoa_floods/links/53d7fd860cf2a19eee7feabd/Building-a-resilient-community-through-social-network-Ethical-considerations-about-the-2011-Genoa-floods.pdf

Ragini, J. R., Anand, P. R., & Bhaskar, V., 2018. Big data analytics for disaster response and recovery through sentiment analysis. International Journal of Information Management, 42, 13-24. https://doi.org/10.1016/j.ijinfomgt.2018.05.004

Tabibian, M., & Rezapour, M., 2016. Assessment of urban resilience; a case study of Region 8 of Tehran city, Iran. Scientia Iranica, 23(4), 1699-1707. https://doi.org/10.24200/SCI.2016.2240

Wang, Z., & Ye, X., 2019. Space, time, and situational awareness in natural hazards: A case study of Hurricane Sandy with social media data. Cartography and Geographic Information Science, 46(4), 334-346. https://doi.org/10.1080/152304062018.1483740

Wang, K., Lam, N. S., Zou, L., & Mihunov, V., 2021. Twitter Use in Hurricane Isaac and Its Implications for Disaster Resilience. ISPRS International Journal of Geo-Information, 10(3), 116. https://doi.org/10.3390/ijgi10030116

Yu, M., Yang, C., & Li, Y., 2018. Big data in natural disaster management: a review. Geosciences, 8(5), 165. https://doi.org/10.3390/geosciences8050165

Zou, L., Lam, N. S., Cai, H., & Qiang, Y., 2018. Mining Twitter data for improved understanding of disaster resilience. Annals of the American Association of Geographers, 108(5), 1422-1441. https://doi.org/10.1080/24694452.2017.1421897

Zou, L., Lam, N. S., Shams, S., Cai, H., Meyer, M. A., Yang, S., ... & Reams, M. A., 2019. Social and geographical disparities in Twitter use during Hurricane Harvey. International Journal of Digital Earth, 12(11), 1300-1318. https://doi.org/10.1080/17538947.2018.1545878