مرتضی نجفی؛ مجتبی رفیعیان؛ راما قلمبردزفولی
چکیده
پسماند شهری یکی از چالش های پیش روی شهرها و کلان شهرها در قرن 21 به شمار می‌رود. چالشی که کیفیت های محیط شهری، اقتصاد شهری و سلامت شهری را تحت تأثیر قرار می‌دهد. برنامه ریزی پیرامون مدیریت کارا در راستای کاهش و مدیریت پسماند شهری از جمله اهداف بانک جهانی در سال 2016 برای شهر‌های بزرگ بود؛ اما برای برنامه ریزی و ...
بیشتر
پسماند شهری یکی از چالش های پیش روی شهرها و کلان شهرها در قرن 21 به شمار می‌رود. چالشی که کیفیت های محیط شهری، اقتصاد شهری و سلامت شهری را تحت تأثیر قرار می‌دهد. برنامه ریزی پیرامون مدیریت کارا در راستای کاهش و مدیریت پسماند شهری از جمله اهداف بانک جهانی در سال 2016 برای شهر‌های بزرگ بود؛ اما برای برنامه ریزی و مدیریت مناسب، بحث شناخت متغیرهای اثرگذار بر پسماند شهری مطرح می‌گردد. چالش مدیریت و برنامه ریزی مناسب پسماند شهری برای شهر تهران و مناطق 22 گانه آن نیز مطرح می‌باشد. این پژوهش با هدف تحلیل الگوی توزیع فضایی تولید پسماند شهری (متغیرهای مستقل) و میزان پسماند شهری (متغیروابسته) به دنبال بررسی متغیرهای اثرگذار بر پسماند شهری در سطح شهر تهران و مناطق 22 گانه آن است. پژوهش حاضر از نوع کاربردی و توسعه ای و روش آن توصیفی - تحلیلی (قیاسی) مبتنی بر تحلیل های فضایی و مکانی می باشد. سطح اطلاعات مورد استفاده، 123 ناحیه است که داده های آن از سازمان پسماند شهرداری تهران، مرکز آمار و شهرداری تهران تهیه شده است. تکنیک های مورد استفاده در این پژوهش شامل رگرسیون حداقل مربعات و رگرسیون موزون جغرافیایی برای بررسی رابطه و پیش بینی مبتنی بر آن و شبکه عصبی مصنوعی برای پیش بینی بر اساس ماهیت متغیرها می باشد. نتایج به دست آمده بیان کرد که متغیر قیمت زمین با ضریب منفی 0.96 رابطه معناداری با پسماند شهری نداشته است و متغیرهای مهاجرت و کاربری های شهری - بهداشتی درمانی به ترتیب با ضرایب (0.123 و 0.186) بر میزان پسماند شهری در مناطق شمالی اثرگذار می‌باشد. از بُعد روشی نیز تحلیل واریانس میان رگرسیون ها بیان کرد که رگرسیون موزون جغرافیایی با ضریب 2.355 برتری به نسبت رگرسیون حداقل مربعات داشته است. همچنین ضرایب تعیین نهایی مدل ها بیان کرد که شبکه عصبی مصنوعی با ضریب 0.967 عملکرد بهتری در بُعد غیرمکانی برای پیش بینی مدل و میزان پسماند شهری داشته است.
