بهترین و مطمئن ترین کارگزاران

شاخص توزیع

توزیع مکانی شاخص های کیفیت مسکن در شهر تهران: رویکرد تحلیل اکتشافی داده های مکانی

این مقاله نابرابریهای درون شهری را در سطح نواحی شهر تهران براساس شاخص های کیفیت مسکن مورد بررسی قرار می دهد. با استفاده از داده های حاصل از سرشماری، رویکرد تحلیل اکتشافی داده های مکانی برای بررسی خود همبستگی مکانی و ناهمگنی مکانی مورد استفاده قرار گرفته است. نتایج نشان می دهد که خود همبستگی مکانی و ناهمگنی مکانی و به دنبال آن نابرابری درون شهری در توزیع مکانی شاخص های کیفیت مسکن در سطح نواحی شهر تهران وجود دارد. روش شناسی ارائه شده در این مطالعه می تواند به منظور بررسی شاخص های مختلف شهری با هدف دستیابی به نتایج قابل اطمینان براساس آزمون های آماری مکانی و آشکارسازی مکان های نیازمند به توجه بیشتر مورد استفاده برنامه ریزان شهری قرار گیرد

کلیدواژه‌ها

  • کیفیت مسکن
  • تحلیل اکتشافی داده های مکانی
  • شهر تهران

20.1001.1.22287485.1394.5.2.4.7

عنوان مقاله [English]

Spatial distribution of quality of housing indicators in Tehran city: Exploratory Spatial Data Analysis Approach

نویسندگان [English]

  • K. Zayyari 1
  • Hossein Mansourian 2
  • M.H. Sattari 3

1 Professor of Geography and Urban Planning, University of Tehran, Tehran, Iran

2 Faculty Member of Faculty of Geography, University of Tehran, Tehran, Iran

3 Master's degree in Economic Development and Planning, Razi University of Kermanshah, Kermanshah, Iran

چکیده [English]

In this paper we use spatial analysis techniques to assess intra-urban inequality based on Quality of Housing (QoH) indicators in Tehran city. Using district-level data, we apply Exploratory Spatial Data Analysis (ESDA) methods that account for spatial effects, that is, spatial autocorrelation and spatial heterogeneity. Results show that spatial autocorrelation and spatial heterogeneity are detected in the spatial distribution of housing quality in Tehran city, and therefore intra-urban inequalities exist with respect to QoH indicators. The ESDA methods described in this study can be adopted by planners to examine different variables, leading to more reliable results based on statistical tests and revealing, more precisely, locations that require more/less attention.

کلیدواژه‌ها [English]

  • quality of housing
  • Exploratory Spatial Data شاخص توزیع Analysis
  • Tehran City
اصل مقاله

مقدمه

نواحی شهری با الگوهای مکانی ناهمگن در ارتباط با توزیع جمعیت، قومیت و ویژگی­های اجتماعی و اقتصادی مشخص‌شده‌اند. قطبی­شدن مکانی و نابرابری جغرافیایی در نواحی شهری سراسر دنیا رخ می­دهد. بااین‌وجود، نابرابری­ها به‌طور خاص در شهرهای کشورهای درحال‌توسعه، مشهودتر است. شهرهایی که از شرایط نامناسب مسکن، کیفیت پایین خدمات شهری، دسترسی نابرابر به زیرساخت­های فیزیکی و اجتماعی، جرم و جنایت و بیکاری رنج می­برند. وجه مشترک این مشکلات در شهرهای بزرگ کشورهای درحال‌توسعه در بعد مکانی آن‌هاست، زیرا همه این مشکلات شهری گرایش به تمرکز در نواحی خاصی از شهر دارند (Martinez, 2005:1). در سال­های اخیر، کاهش نابرابری­های درون‌شهری به‌عنوان ابزار مهمی برای رسیدن به توسعه پایدار شهری موردتوجه قرارگرفته و دولت­های محلی برای هدف­گذاری نواحی محروم و اجرای سیاست­های اصلاحی مؤثر به‌منظور کاهش نابرابری­ها تشویق شده­اند. سیاست­های ناحیه محور از ابزارهایی هستند که از دهه 1990 برای هدف­گذاری نواحی جغرافیایی دارای مشکل و برای بهبود کیفیت زندگی ساکنین این نواحی بکار گرفته‌شده است. یکی از دلایل توجه به این نوع سیاست­ها، قطبی­شدن فزاینده بین نواحی محروم و نواحی برخوردارتر است (Smith, 1999: 4).

تاکنون مطالعات مختلفی در تحلیل نابرابری‌های درون‌شهری در شهر تهران و سایر شهرهای ایران انجام‌گرفته است که می­توان برخی از مهم­ترین آن‌ها را این­گونه برشمرد: افروغ (1376)، حاتمی نژاد (1379)، اکبری (1380)، مرصوصی (1382) و شریفی (1385)، سیف­الدینی و منصوریان (1390). این مطالعات عمدتاً به تحلیل نابرابری­ها در مقیاس منطقه­ای پرداخته­اند و تنها تعداد اندکی از آن‌ها تکنیک­های آماری مکانی را مورداستفاده قرار داده­اند. این مطالعات برای نشان دادن داده­ها و شاخص توزیع توزیع مکانی آن‌ها عمدتاً متکی بر نقشه­ها، نمودارها یا جدول­ها می­باشند. با واردکردن بعد مکانی به این مطالعات می­توان بر محدودیت­های تحلیل­هایی که وابستگی سطح توسعه هر ناحیه را به موقعیت جغرافیایی آن ناحیه نادیده می­گیرند، غلبه کرد. به‌طورکلی، تحلیل­های آماری مکانی و آزمون­های آماری پیچیده که قابلیت اعتماد یافته­ها را افزایش می­دهند، به‌ندرت مورداستفاده قرارگرفته‌اند.

رویکرد تحلیل اکتشافی داده­های مکانی، یکی از کارآمدترین ابزارها برای مطالعه نابرابری­های درون‌شهری است که توسط محققان مختلفی بکار گرفته‌شده است (ببینید:Ertur and Le Gallo, 2003; Rey, 2004; Baumont et al. 2004; Guillain et al. 2006; Le Gallo and Dall’Erba, 2006; Seifolddini and Mansourian, 2012). تحلیل اکتشافی داده­های مکانی مجموعه­ای از روش­ها در جهت توصیف و نمایش توزیع­های مکانی، شناسایی بی­قاعدگی­های مکانی، کشف الگوهای ارتباط مکانی، خوشه­های مکانی و اشاره به رژیم­های مکانی یا شکل­های ناهمگن مکانی دیگر است.

در این مطالعه، رویکرد تحلیل اکتشافی داده­های مکانی برای تحلیل نابرابری­های درون‌شهری بر اساس شاخص­های کیفیت مسکن در سطح نواحی شهر تهران مورداستفاده قرارگرفته است. شهر تهران نمونۀ موردمطالعه این پژوهش انتخاب‌شده است. این شهر در چند دهه اخیر رشد شتابان جمعیتی را تجربه کرده است؛ درحالی‌که عدم تناسب میان رشد شتابان جمعیتی با توسعه زیرساخت­های اجتماعی، اقتصادی و فیزیکی مشکلات عدیده­ای را برای ساکنین این شهر ایجاد کرده است. یکی از مهم­ترین مشکلات، وجود نابرابری­های درون‌شهری بر اساس شاخص­های کیفیت مسکن است.

در این مطالعه، از اطلاعات جمع‌آوری‌شده در سرشماری عمومی نفوس و مسکن سال 1390 شهر تهران برای شناسایی ابعاد و توسعه شاخص کیفیت مسکن استفاده‌شده است. رویکرد تحلیل اکتشافی داده­های مکانی به‌منظور بررسی توزیع مکانی ابعاد و شاخص نهایی کیفیت مسکن در سطح نواحی شهر تهران بکار گرفته‌شده است. روش­شناسی ارائه‌شده در این مطالعه می­تواند درک روشنی از نابرابری­های درون‌شهری برحسب شاخص­های کیفیت مسکن در شهر تهران ارائه دهد و نتایج حاصل می­تواند، اطلاعات جامع و قابل‌اعتمادی را در مورد توزیع مکانی متغیرهای موردمطالعه در اختیار سیاست­گذاران شهری قرار دهد. درواقع، این نوع از تحلیل­ها می­تواند کمک مستقیمی به مداخله عمومی و اختصاص منابع به شیوه­ای استراتژیک تر و مؤثرتر به‌منظور بهبود کیفیت زندگی شهروندان داشته باشد.

تحلیل اکتشافی داده‌های مکانی

تحلیل اکتشافی داده­های مکانی زیرمجموعه تحلیل اکتشافی داده­ها است که بر متمایزسازی خصوصیات داده­های مکانی و به‌طور خاص بر خودهمبستگی مکانی و ناهمگنی مکانی متمرکز است. به‌طور خاص­تر، تحلیل اکتشافی داده­های مکانی مجموعه­ای از تکنیک­ها برای توصیف و نمایش دادن توزیع­های مکانی، شناسایی مکان­های بی­قاعده، کشف الگوهای ارتباط مکانی، خوشه­ها یا نقاط داغ و اشاره بر رژیم­های مکانی یا سایر اشکال ناهمگنی مکانی است (Anselin et al, 2007:4). تحلیل اکتشافی داده­های مکانی مجموعه­ای از تکنیک­ها در جهت توصیف توزیع­های مکانی برحسب الگوهای ارتباط مکانی از قبیل خودهمبستگی مکانی کلی، خودهمبستگی مکانی محلی و ناهمگنی مکانی است (Guillain et al, 2006: 2082).

خودهمبستگی مکانی بدان معناست که مکان­های مشابه (مشاهداتی که درجه معینی از مجاورت مکانی را ارائه می­دهند) منطبق باارزش‌های مشابه (همبستگی) هستند؛ بنابراین، زمانی که ارزش­های بالا یا پایین متغیری خاص، خوشه­ای را در فضا شکل می­دهد، خودهمبستگی مکانی مثبت وجود دارد و زمانی که نواحی مجاور یک ناحیه جغرافیایی معین ارزش­های گوناگون را ارائه می­دهند خودهمبستگی مکانی منفی وجود خواهد داشت. ناهمگنی مکانی بدان معناست که رفتار اقتصادی در فضا ثابت نیست و بنابراین داشتن الگوهای مکانی گوناگون از توسعه اقتصادی امکان­پذیر است. نتایج می­تواند رژیم­های مکانی از قبیل خوشه­ای از نواحی توسعه‌یافته (هسته) یا خوشه­ای از نواحی کمتر توسعه‌یافته (پیرامون) را نشان دهد (Perobelli et al, 2003: 5).

خودهمبستگی مکانی کلی

در میان شاخص‌های خودهمبستگی مکانی کلی، شاخص موران () به‌طور گسترده­ای مورداستفاده قرارگرفته است. این شاخص، اندازه­ای قراردادی، از میزان ارتباط خطی بین ارزش­های مشاهده‌شده و میانگین­ ارزش­های مجاور که به­طور فضایی وزن­ داده‌شده، در اختیار می­گذارد. شاخص موران نشان می­دهد که آیا خوشه­بندی در مجموعۀ داده وجود دارد یا نه و به‌صورت رابطه (1) محاسبه می­شود.

که در آن تعداد نواحی، مقدار متغیر در ناحیه، مقدار متغیر در ناحیه، میانگین متغیر در کلیه نواحی ووزن بکار رفته برای مقایسه دو ناحیه و است. ارزش I بزرگ‌تر از ارزش مورد انتظار نشان‌دهندۀ خودهمبستگی مکانی مثبت و ارزش I کوچک‌تر از ارزش مورد انتظار نشان‌دهندۀ خودهمبستگی مکانی منفی است. دامنه تغییرات ارزش از 1+ (خودهمبستگی مکانی مثبت کامل) تا 1- (خودهمبستگی مکانی منفی کامل) است.

آماره آماره­ای کلی است و امکان ارزیابی ساختار ناحیه­ای خودهمبستگی مکانی را نمی­دهد. بااین‌وجود، آماره می­تواند این سؤالات اساسی را ایجاد کند: آیا خوشه­های مکانی محلی از ارزش­های بالا یا پایین وجود دارد؟ کدام نواحی سهم بیشتری در خودهمبستگی مکانی کلی دارند؟ و اینکه تا چه اندازه ارزیابی کلی از خودهمبستگی مکانی، بی‌قاعدگی‌های مکانی را پنهان می­سازد (Gallo and Ertur, 2003: 176-177).

خودهمبستگی مکانی محلی

آماره آماره­ای کلی است که تنها خوشه­بندی کلی را نشان می­دهد و امکان ارزیابی ساختار ناحیه­ای خودهمبستگی مکانی، شناسایی خوشه­ها یا استثناهای مکانی محلی و نواحی سهیم در خودهمبستگی مکانی کلی را فراهم نمی­کند. نمودار پراکندگی موران (Anselin, 1996) و شاخص­های محلی همبستگی مکانی یا LISA (Anselin, 1995) روش­های بسیار مفیدی برای ارزیابی خودهمبستگی مکانی محلی هستند. این روش­ها ساختار خودهمبستگی مکانی در درون نواحی را از طریق شناسایی خوشه­های محلی باارزش‌های بالا یا پایین و نواحی دارای سهم بیشتر در خودهمبستگی مکانی کلی، آشکار می­سازند. این روش­ها نواحی خاص یا گروهی از نواحی مجاور که از الگوی کلی خودهمبستگی مکانی منحرف‌شده‌اند را نیز مشخص می­کنند.

نمودار پراکندگی موران

نمودار پراکندگی موران با نمایش بازه مکانی متغیر در محور عمودی و ارزش متغیر در هر ناحیه بر روی محور افقی، ارائه ناپایداری و بی‌قاعدگی‌های مکانی محلی را تسهیل می­سازد. بازه مکانی، میانگین وزن دهی شدۀ شاخص توزیع ارزش­های مجاور یک مکان تعریف‌شده است. ارزش نیز به‌عنوان ضریب رگرسیون تعریف‌شده و به‌منزلۀ شیب‌خط در نمودار پراکندگی برای ماتریس وزنی استانداردشده، نمایش داده می­شود. نمودار پراکندگی موران، ابزاری برای اکتشاف بصری خودهمبستگی مکانی تدارک می­بیند، اما هیچ­گونه نشانه­ای از معناداری خوشه­بندی شاخص توزیع مکانی در اختیار ما قرار نمی­دهد (حاتمی نژاد و دیگران، 1392: 35). چهار چارک مختلف نمودار پراکندگی موران، مطابق با چهار نوع ارتباط مکانی محلی بین یک ناحیه با سایر همسایگانش است (جدول 1).

نمودار پراکندگی موران به چهار چارک تقسیم‌شده است. این چارک‌ها متناسب با چهار الگوی همبستگی مکانی محلی بین نواحی و همسایه­هایشان هستند. چارک نخست (واقع­شده در گوشه بالا سمت راست) با عنوان بالا-بالا (HH) نواحی را نشان می­دهد که دارای ارزش­های بالا برای متغیر مورد تحلیل بوده (ارزش­های بالاتر از میانگین) و با نواحی دارای ارزش بالاتر از میانگین برای متغیر مورد تحلیل احاطه‌شده‌اند. چارک دوم (واقع­شده در گوشه بالا سمت چپ) به‌عنوان پایین- بالا (LH) طبقه‌بندی‌شده و نواحی باارزش‌های پایین اما احاطه­شده به‌وسیله همسایه­هایی باارزش‌های بالا را نمایش می­دهد. چارک سوم (واقع­شده در گوشه پایین سمت چپ) به‌عنوان پایین-پایین (LL) نام‌گذاری شده و نواحی باارزش‌های پایین احاطه­شده به‌وسیله همسایگانی باارزش‌های پایین را نشان می­دهد. چارک چهارم (واقع­شده در گوشه پایین سمت راست) به‌عنوان بالا- پایین (HL) طبقه‌بندی‌شده و نواحی باارزش‌های بالا احاطه‌شده به‌وسیله نواحی باارزش‌های پایین را نشان می­دهد.

نواحی واقع­شده در چارک­های بالا- بالا و پایین- پایین خودهمبستگی مکانی مثبت را ارائه می‌دهند، بدان معنا که این نواحی خوشه­هایی از ارزش­های مشابه را شکل می­دهند. در طرف مقابل، چارک­های بالا- پایین و پایین- بالا ارائه­دهنده خودهمبستگی مکانی منفی می­باشند، بدان معنا که این نواحی خوشه­هایی از ارزش­های غیر­مشابه را شکل می­دهند (Perobelli et al, 2003: 7).

مخبر: شاخص اقتصادی کشور با توزیع عادلانه یارانه بهبود می یابد

مخبر: شاخص اقتصادی کشور با توزیع عادلانه یارانه بهبود می یابد

تهران - ایرنا - معاون اول رئیس‌ جمهور گفت: دولت به دنبال اصلاح شاخص‌های اقتصادی کشور است تا ضمن پایین آوردن نرخ تورم، قدرت خرید با پرداخت یارانه ها افزایش یابد.

به گزارش حوزه دولت ایرنا، محمد مخبر روز جمعه با حضور در موسسه نیکوکاری رعد الغدیر از بخش‌های مختلف سامانه تلفنی ۶۳۶۹ وزارت تعاون، کار و رفاه اجتماعی که در این مرکز به منظور رسیدگی به شکایات و سوالات مردمی در اجرای طرح «مردمی سازی و توزیع عادلانه یارانه ها» مستقر است، بازدید کرد.

مخبر در این بازدید که با همراهی وزیر تعاون، کار و رفاه اجتماعی انجام شد، از نزدیک در جریان روند پاسخگویی به درخواست‌ها، شکایات و سوالات مردم در خصوص جاماندگان دریافت یارانه در طرح مردمی سازی و توزیع عادلانه یارانه‌ها و همچنین سوالات پیرامون این طرح قرار گرفت.

مخبر در حاشیه این بازدید در جمع خبرنگاران، عدالت در توزیع یارانه‌ها را از مهمترین هدف‌های اجرای طرح مردمی سازی و توزیع عادلانه یارانه‌ها برشمرد و تاکید کرد: تاکنون بخش‌هایی از این یارانه‌ها استفاده می کردند که دور ریز سفره آنها به اندازه چند هفته یک خانواده نیازمند است که باید این مسأله را حل می‌کردیم.

وی با اشاره به آثار مثبت این طرح برای اقشار و دهک‌های پایین جامعه افزود: پس از اجرای این طرح ضریب جینی در کشور وضعیت مناسبی پیدا می‌کند و در کنار این مهم سالانه ۳۰۰ تا ۴۰۰ هزار میلیارد تومان نقدینگی و نرخ بالای تورم به دلیل تزریق یارانه ارز ۴۲۰۰ به جامعه ایجاد می‌شد که پس از اجرای طرح مردمی سازی و توزیع عادلانه یارانه‌ها، شاخص‌های اقتصادی کشور بهبود می‌یابد.


معاون اول رئیس‌جمهور افزود: تقریبا ۷ دهک از جامعه از این طرح منتفع می‌شوند چراکه بیش از هزینه‌ای که به آنها تحمیل می‌شود، به آنها پرداخت شده است و دولت به دنبال اصلاح شاخص‌های اقتصادی کشور است تا ضمن پایین آوردن نرخ تورم، با پرداخت یارانه‌ها قدرت خرید افزایش یابد.


مخبر تصریح کرد: نباید یک نفر یا یک خانواده داشته باشیم که مستحق دریافت یارانه باشد و به دلیل دیوان‌سالاری نتواند یارانه دریافت کند و دولت مصمم است در حداقل زمان ممکن این کار را انجام دهد.


معاون اول رئیس جمهور درخصوص فعالیت سامانه تلفنی رسیدگی و به شکایات و سوالات مردمی از طرح مردمی سازی و توزیع عادلانه یارانه‌ها تأکید کرد: این سامانه با امکانات بیشتر به روز می‌شوند تا بتوانیم با سرعت بیشتری به این شکایات رسیدگی کنیم و وضعیت مردم تعیین تکلیف شوند.


وی ادامه داد: هر زمانی که تشخیص داده شود که یارانه به کسی تعلق می‌گیرد، یارانه و همه معوقاتش پرداخت می‌شود.


همچنین معاون اول رئیس جمهور در جریان این بازدید ضمن گفت و گوی صمیمی و قدردانی از زحمات اپراتورهای سامانه‌های تلفنی وزارت تعاون، به تماس تلفنی چند تن از هموطنان که با این سامانه تلفنی تماس گرفته بودند، درخصوص طرح مردمی سازی و توزیع عادلانه یارانه ها پاسخ داد.


سامانه ۶۳۶۹ وزارت تعاون، کار و رفاه اجتماعی شاخص توزیع برای ثبت شکایات و اعتراض های مردمی که از دریافت یارانه ها در طرح جدید دولت جا مانده اند و همچنین سوالات و خواست های مردمی در سه شیفت و با ۱۲۰ اپراتور که از جامعه معلولان کشور هستند، آماده پاسخگویی و خدمت رسانی به هموطنان است.


طی دوره اجرای طرح (۴ روز) دو میلیون تماس و مراجعه به سایت صورت گرفته و اعتراضات یک میلیون و پنجاه هزار نفر ثبت شده که در حال بررسی هست.


مرکز تماس حضوری و گویای وزارت تعاون کار و رفاه اجتماعی روزانه طرفیت پاسخگویی به پنج میلیون تماس را دارد.


در پایان نیز صنایع دستی که توسط معلولان این مرکز ساخته شده است، به رسم یادبود به معاون اول رئیس‌جمهور هدیه شد.

توزیع مکانی شاخص تمرکز بارش روزانه در شمال غرب ایران

از پیامدهای تغییر اقلیم در مناطق خشکی نظیر ایران، تغییرات زمانی و مکانی توزیع و تمرکز بارش است که می­تواند منابع آبی را تحت تأثیر قرار دهد. از سوی دیگر افزایش تمرکز بارش می­تواند موجب وقوع مخاطراتی مانند سیل­ شود. اهمیت موضوع توزیع و تمرکز بارش پژوهشگران را علاقمند به مطالعه در این زمینه کرده است. شاخص تمرکز (CI) روشی است که به منظور مطالعه توزیع و تمرکز بارش استفاده می­شود. مطالعه حاضر نیز با هدف محاسبه و تحلیل شاخص تمرکز بارش روزانه 23 ایستگاه شمال­غرب ایران طی دوره 1951 تا 2015 انجام گردید. در این پژوهش دامنه مقادیر CI برای محدوده مورد نظر بین 57/0 برای ایستگاه خوی تا 67/0 ایستگاه ماکو و میانگین 61/0 برای تمام ایستگاه­ها محاسبه شد. از درونیابی مقادیر محاسبه شده، نقشه CI به­دست­ آمد و نشان داد که قسمت شمال­غرب محدوده مورد مطالعه به نمایندگی ایستگاه ماکو از نظر توزیع بارش روزانه در طول سال نسبت به سایر مناطق، بویژه مناطق مرکزی مانند تبریز توزیع یکنواختی ندارد. در مقایسه با میانگین CI کل ایران (64/0) محدوده شمال­غرب با میانگین 61/0 از توزیع بارش یکنواخت­تری در طول سال برخوردار است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Spatial distribution of the daily precipitation concentration Index inside the Northwest of Iran

نویسندگان [English]

  • ali akbar rasouli 1
  • elnaz ostadi 2
  • mohammad reza aziz zade 3

چکیده [English]

The consequences of climate change in drought areas such as Iran, temporal and spatial changes are the distribution and concentration of rainfall, which can affect water resources. On the other hand, increasing the concentration of rainfall can causing hazards such as floods . The importance of the issue of distribution and concentration of rainfall has encouraged researchers to study in this regard. Concentration Index (CI) is a method which is used to study the distribution and concentration of rainfall. This study was performed to calculate and analyze 23 station daily precipitation concentration index in Northwest of Iran during 1951 to 2015. In this research range of CI values calculated between 0.57 for Khoy station to 0.67 for Maku station and average 0.61 for all station. CI map obtain from values Interpolation and showed that the Northwest part of the study area with Maku station depute, compared to other regions, especially in central areas such as Tabriz station is not uniformly distributed. Also Northwest area with an average of 0.61 compared with an average CI of Iran ( 0.64) is more evenly precipitation distributed throughout the year.

کلیدواژه‌ها [English]

  • Equidistribution
  • Northwest of Iran
  • concentration index CI
  • Rainfall Anomaly
مراجع

- آرامش، محسن؛ خسروی، محمود؛ سلیقه، محمد، 1397، تحلیل تغییرپذیری بارش تابستانه و آشکارسازی ارتباط آن با الگوی دوقطبی اقیانوس هند (IOD) (مطالعه موردی: جنوب­شرق ایران)، نشریه علمی پژوهشی جغرافیا و برنامه­ریزی، شماره 22، صص18-1.

- تیموری، فاطمه؛ بذرافشان، ام­البنین، 1396، تحلیل توزیع زمانی بارش در ایران طی چهار دهه­ی گذشته، جغرافیا و توسعه، شماره 48، صص 188-171.

- جوان، خدیجه؛ رسولی، علی­اکبر؛ عرفانیان، مهدی؛ ساری صراف، بهروز، 1397، ارزیابی تطبیقی روش­های برآورد مقدار بارندگی در حوضه دریاچه ارومیه، نشریه علمی پژوهشی جغرافیا و برنامه­ریزی، شماره 22، صص 100-83.

- دومین گزارش ملی تغییر آب و هوا جهت ارائه به دبیرخانه کنونسیون، گزارش موجودی انتشار گاز گلخانه­ای، بخش چهارم: ارزیابی آسیب­پذیری و سازگاری، زیربخش: تغییرپذیری و تغییراقلیم در ایران (1392).

- سلیقه، محمد؛ ناصرزاده، محمدحسین؛ غفاری، علی، 1397، بررسی بارش­های همرفتی بهاری شمال­غرب ایران با استفاده­ از شاخص­های ناپایداری (مطالعه موردی:ایستگاه تبریز)، نشریه علمی پژوهشی جغرافیا و برنامه­ریزی، شماره 22، صص 147-129.

- سومین گزارش ملی تغییر آب و هوا جهت ارائه به دبیرخانه کنوانسیون، بخش چهارم: ارزیابی آسیب­پذیری و سازگاری، زیربخش: مدلسازی تغییر اقلیم در ایران،(1393).

- عساکره، حسین؛ رزمی، رباب، (1390) ، اقلیم­شناسی بارش شمال غرب ایران، جغرافیا و توسعه، شماره 25، صص 158-137.

- متکان، علی اکبر؛ شکیبا، علیرضا؛ یزدانی، آزاده، 1386، ارزیابی روش­های مختلف درونیابی به منظور تخمین بارندگی روزانه، شاخص توزیع مطالعه موردی: استان فارس، فصلنامه جغرافیایی سرزمین، شماره 13، صص 68-54.

- محمدی، حسین؛ مقبل، معصومه؛ رنجبر، فیروز، (1388)، مطالعه تغییرات بارش و دمای ایران با استفاده از مدل MAGICC SCENGEN، جغرافیا (فصلنامه علمی پژوهشی انجمن جغرافیای ایران)، سال هشم، شماره 25، صص 142-125.

- Alijani, B, Brien, J. O, Yarnal , B., (2008), Spatial analysis of precipitation intensity and concentration in Iran, Theoretical and Applied Climatology, Volume 94, Issue 1, pp 107-124.

- Asadieh, N. Y. Krakauer, (2015), Global trends in extreme precipitation: climate models versus observations, Hydrol. Earth Syst. Sci., 19, 877–891.

- Benhamrouche, D. Boucherf, R. Hamadache, L. Bendahmane, J. Martin-Vide, and J. Teixeira Nery, (2015), Spatial distribution of the daily precipitation concentration index in Algeria, Nat. Hazards Earth Syst. Sci., 15, 617–625, 2015.

- Caloiero, T., (2014), Analysis of daily rainfall concentration in New Zealand, Natural Hazards, Volume 72, Issue 2, pp 389-404.

- Cortesi, N. Gonzalez-Hidalgo, J. C., Brunetti, M., Martin-Vide, J. (2012), Daily precipitation concentration across Europe 1971–2010, Nat. Hazards Earth Syst. Sci., 12, 2799–2810, doi:10.5194/nhess-12-2799-2012.

- Li, X., Jiang, F., Lia, L., Wanga, G, (2011), Spatial and temporal variability of precipitation concentration index, concentration degree and concentration period in Xinjiang, China, International Journal of Climatology.31: 1679–1693.

- Máyer Suárez, P., Marzol Jaén, M. V, (2014), Daily Precipitation Concentration and the Rainy Spells in the Canary: Two Risk Factors, Boletín de la Asociacion de Geografos Espaanoles N.°65- 2014, pags. 463-468.

- Mayer, P., Marzol, M. V., Parreno, J.m (2017), Precipitation trends and daily precipitation concentration index for the Mid-Eastern Atlantic (Canary Islands, Spain), Geographical Research Letters, N 43(1), pp. 255- 268.

- Patel, N.R., Shete, D.T. (2015), Analyzing Precipitation Using Concentration Indices for North Gujarat Agro Climatic Zone, India, International Conference on Water Resources, Coastal and Ocean Engineering (ICWRCOE 2015), Aquatic Procedia 4:917 – 924.

- Qu, Bo., Aifeng, Lv., Shaofeng, J ., Wenbin, Z, (2016), Daily Precipitation Changes over Large River Basins in China, 1960–2013, Water 2016, 8, 185; doi:10.3390/w8050185.

- Syed Jamaludin, S.S., Jemain, A.A., (2012), Spatial analysis of daily rainfall intensity and concentration index in Peninsular Malaysia, Theoretical and Applied Climatology, Volume 108, Issue 1, pp 235-245.

- Vyshkvarkova, E., Voskresenskaya, E, (2014), Precipitation Inequality شاخص توزیع over Ukraine, Journal of Scientific Research & Reports 3(2): 384-396.

- Zubieta, R., Saavedra, M., Silva,Y. Gira´ldez, L., (2016), Spatial analysis and temporal trends of daily precipitation concentration in the Mantaro River basin: central Andes of Peru, Stoch Environ Res Risk Assess, DOI 10.1007/s00477-016-1235-5.

-Sarricolea, P., Martín-Vide, J., (2014), Spatial analysis of rainfall daily trends and concentration in Chile, Investig. -Geogr. Chile, 47: 53-66.

شاخص توزیع

زمینه و هدف: چاقی مهمترین مشکل تغذیه ای- بهداشتی نوجوانان در کشورهای توسعه یافته بوده و نقش عادات غذایی و عوامل وابسته، در بروز بیماری های تغذیه ای غیر قابل انکار است. از طرفی افزایش وزن با نگرش منفی نسبت به خود مخصوصا در دوران نوجوانی همراه است. این پژوهش با هدف بررسی ارتباط عادات غذایی با شاخص توده ی بدنی و نحوه توزیع چربی در دختران دبیرستانی شهر بجنورد انجام گرفت. مواد و روش کار: این مطالعه توصیفی- تحلیلی (مقطعی)بر روی250دانش‌‌آموز دختر دبیرستانی در سال 1391 انجام شد. نمونه گیری به روش چند مرحله ای انجام شده و ابزارگردآوری شاخص توزیع داده ها برگه ثبت اطلاعات و پرسشنامه عادات غذایی بود.BMI(شاخص توده بدنی) و WHR(شاخص توده چربی)نیز به روش استاندارد اندازه گیری شد. اطلاعات توسط نرم افزار 16- spssمورد تجزیه و تحلیل قرار گرفت. یافته ها: : نتایج نشان داد که شیوع چاقی و اضافه وزن، به ترتیب 2/3 و12 درصد بود. 43نفر (1/17درصد) از نمونه های چاق، چاقی شکمی داشتند. همبستگی مثبت و معنی داری بین BMI و WHRدیده شد.(0001/0p<)میانگین دریافت چربی و انرژی در افراد با اضافه وزن و افراد چاق در مقایسه با سایرین به مقدار معنی داری بیشتر بود(05/0P<). همچنین بین عادات غذایی با سطح تحصیلات و میزان درآمد والدین ارتباط معنی داری مشاهده شد.(05/0P<) نتیجه گیری: دریافت بالای چربی و انرژی از عوامل مرتبط با BMI و WHR دختران دبیرستانی بود. بر این اساس، گنجاندن برنامه های آموزشی تغذیه ای و ارائه الگوی صحیح مصرف مواد غذایی می تواند راهکارهای مناسبی جهت ارتقای سلامت جامعه باشد.

Download citation:
BibTeX | RIS | EndNote | Medlars | شاخص توزیع ProCite | Reference Manager | RefWorks
Send citation to:

Nasiry Zarrin Ghabaee D, Khalatbary A, Rajabzade R, Abbaspour H, Kameli A. Relationship between food habits with body mass index (BMI) and fat distribution (WHR) in high school girls in Bojnurd. JNKUMS. 2015; 6 (4) :925-934
URL: http://journal.nkums.ac.ir/article-1-299-fa.html

نصیری زرین قبائی داود، خلعتبری علیرضا، رجب زاده رضوان، عباسپور هادی، کاملی احمد. ارتباط بین عادات غذایی با شاخص توده بدنی و نحوه توزیع چربی در دختران دبیرستانی شهر بجنورد. مجله دانشگاه علوم پزشکی خراسان شمالی. 1393; 6 (4) :934-925

شاخص بی‌عدالتی توزیع واکسن در قاره آفریقا

شاخص بی‌عدالتی توزیع واکسن در قاره آفریقا

حدود 17 درصد جمعیت جهان در قاره آفریقا زندگی می‌کنند و تا کنون کمترین میزان واکسیناسیون کرونا در این قاره انجام گرفته است.

طبق داده‌های وبگاه «Ourworldindata» در شاخص توزیع قاره آفریقا که 1.3 میلیارد نفر در آن زندگی می‌کنند تنها به حدود 71 میلیون نفر دوز اول واکسن کووید -19 تزریق شده است.

تنها 5.3 درصد از جمعیت آفریقا واکسن کرونا دریافت کرده‌اند که 40 درصد از میانگین جهانی کمتر است.

در اولین هفته ماه سپتامبر، آمریکای جنوبی با (56 درصد) بالاترین میزان واکسیناسیون را دارد و پس از آن اروپا با (54 درصد)، آمریکای شمالی با (54 درصد)، آسیا با (45 درصد) و اقیانوسیه با (38 درصد) قرار دارند. این در حالی است که قاره آفریقا در انتهای این فهرست قرار دارد.

فهرست قاره‌ها به ترتیب تعداد افرادی که واکسینه شده‌اند، بدین شرح است: قاره آسیا (2.2 میلیارد)، قاره اروپا (406 میلیون)، آمریکای شمالی (323 میلیون)، آمریکای جنوبی (242 میلیون)، آفریقا (71 میلیون) و اقیانوسیه (16 میلیون) نفر.

بر اساس این داده‌ها، میزان واکسیناسیون در آفریقا 10 درصد میزان واکسیناسیون در اروپا و آمریکا است.

از سوی دیگر، تعداد افراد واکسینه شده در این قاره تنها 2.2 درصد از 3.2 میلیارد نفر واکسینه شده در سراسر جهان را تشکیل می‌دهد.

- بیشترین میزان واکسیناسیون در آفریقا در مراکش انجام گرفته است

در قاره‌ آفریقا که موج سوم همه‌گیری را پشت سر می‌گذارد تعداد موارد ابتلا به 8 میلیون نفر رسیده است.

کشورهای آفریقایی که کمترین مرگ و میر ناشی از کووید -19 در آن ثبت شده بدین شرح است: تانزانیا (56 مورد فوتی)، سائوتومه و پرنسیپ (55 مورد فوتی)، کومور (54 مورد فوتی) و چاد (54 مورد فوتی).

حدود 43 درصد از جمعیت مراکش واکسینه شده‌اند. بیشترین میزان واکسیناسیون کرونا در آفریقا در این کشور انجام گرفته است.

در قاره آفریقا، تعداد مبتلایان به کووید -19 از 7 میلیون و 993 هزار نفر فراتر رفته و شمار قربانیان نیز به بیش از 200 هزار نفر رسیده است.

بیشترین موارد ابتلا به کرونا در قاره آفریقا در جمهوری آفریقای جنوبی، مراکش، تونس، لیبی و اتیوپی مشاهده شده است.

بیشترین تعداد مرگ و میر ناشی از این ویروس در جمهوری آفریقای جنوبی، تونس و لیبی ثبت شده است.

پس از مراکش بالاترین میزان واکسیناسیون در قاره آفریقا با 13.1 میلیون نفر در آفریقای جنوبی و سپس به ترتیب با 9.3 میلیون نفر در مصر، 5.8 میلیون نفر در تونس انجام گرفته است.

کمترین واکسیناسیون در قاره آفریقا در گینه بیسائو (31 هزار دوز)، چاد (55 هزار دوز)، سودان جنوبی (57 هزار دوز)، جیبوتی (60 هزار دوز) و بنین (142 هزار دوز) انجام گرفته است.

در حالی که برخی از کشورهای آفریقایی به دلایل اقتصادی در تهیه واکسن مشکل دارند، در برخی از کشورها مردم مخالف واکسیناسیون هستند و تعداد زیادی واکسن هدر رفته است.

پیش از این واکسن‌های منسوخ در موریتانی، لیبریا، گامبیا، سودان جنوبی، سیرالئون، مالاوی، اتحادیه کومور، گینه و جمهوری دموکراتیک کنگو امحا شد.

مقالات مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

برو به دکمه بالا