ارزیابی کیفیت بصری منظر شهری با روش pca (مطالعه‌‌ی موردی: شهر مشهد)

کیفیت بصری و زیبایی از مولفه‌‌های مهم و اساسی محیط‌‌های انسان‌‌ساخت به ویژه در فضاهای شهری است. ارزیابی کیفیت بصری و شناخت شاخص‌‌های ساختاری منظر از الزامات ضروری در مدیریت کیفیت بصری و زیبایی فضاهای شهری است. مطالعات پایه‌‌ا‌‌ی معیارهای زیبایی منظر در پی تعیین زیبایی و یا تعالی نیستند، بلکه تلاش دارند تا ترجیحات زیبایی و به عبارتی مهم‌‌ترین معیارها را شناسایی نمایند. هدف از این پژوهش تعیین مهم‌‌ترین معیارهای موثر در ارزیابی کیفیت بصری منظر دو خیابان احمدآباد و آیت الله شیرازی شهر مشهد است. در این پژوهش داده‌‌های حاصل از پرسش‌‌نامه در نرم افزار spss 16 به کمک تحلیل مولفه‌‌های اساسی در 5 مرحله تحلیل شد و در نهایت مهم‌‌ترین معیارها شناسایی گردید. آنالیز آماری داده‌‌ها نشان داد از بین بیست معیار زیبایی استفاده شده در این پژوهش شش متغیر پهنای معابر، تراکم و فشردگی پوشش گیاهی ‌‌)سرسبزی(، پوشش گیاهی از نوع درختی، پوشش گیاهی از نوع بوته‌‌ای و درختچه‌‌ای، وجود فضای سبز و چیدمان گیاهان و متغیر وجود گل در فضای سبز مسیرها به منزله‌‌ی مولفه‌‌های اصلی و دارای بیش‌‌ترین اهمیت هستند. معیارهای استخراج شده به عنوان معیارهای اصلی، معیارهای دیگر را نیز پوشش می‌‌دهند و به عنوان نماینده سایر معیارها معرفی می‌‌شوند. تحلیل مولفه‌‌های اصلی به محقق این امکان را می‌‌دهد که با کاهش حجم داده‌‌های مطالعاتی بتواند دقیق‌‌تر و سریع‌‌تر به تحلیل داده‌‌ها بپردازد و بررسی کیفیت بصری محیط را انجام دهد.

Evaluating the Visual Quality of Urban Landscape Using PCA Method (Case Study: Mashhad)

Visual quality and beauty are important and major components of manmade environment, particularly in urban areas. The visual quality evaluation and landscape structural indices are essential necessities in management of visual quality and beauty of urban areas. The fundamental studies of landscape beauty components are not after evaluating the beauty or loftiness, but they seek to identify beauty preferences and the most important criteria. The purpose of this study was to determine the most important criteria in landscape visual quality evaluation of Ayatollah Shirazi and Ahmadabad in Mashhad. The data obtained from the questionnaires were analyzed at 5 stages using Principal Components Analysis method in SPSS® softwareVersion 16 for Windows and finally the most important criteria were identified. The analysis demonstrated that among 20 mental criteria utilized in this study, six variables including passageways width, the density and compactness of vegetation (green), tree components of the the vegetation, bushes and shrubs components of the vegetation, green spaces, the layout of plants and the existence of flowers in green space paths were the principal components and had the highest importance. As the principal components, these can be used as representative of other components. The analysis enables the researchers to analyze the data faster, more accurately and and examine the visual quality using reduced data volume.