تحلیل فضایی پهنه‌های فقر (مطالعۀ موردی: شهر قائم‌شهر)

فقر پدیده‌ای چندبعدی است و از عوامل زیادی تاثیر می‌گیرد. در این زمینه مهم‌ترین وظیفۀ جغرافی‌دانان و برنامه‌ریزان شهری استفاده از ابزارهایی به‌منظور شناسایی گستره‌های فقر در سطح شهر برای کاستن مسائل و پیامدهای ناشی از وجود این آسیب اجتماعی و فضایی است. هدف این پژوهش بررسی و شناسایی پهنه‌های فقر در سطح شهر قائم‌شهر است. روش پژوهش، توصیفی تحلیلی و هدف آن کاربردی است. رویکرد حاکم بر شناسایی فقر، تحلیل فضایی مکانی است. برای انجام این تحقیق 25 شاخص از داده‌های بلوک آماری سرشماری سال 1390 جدا شده است. به‌منظور وزن‌دهی شاخص‌های پژوهش از روش تحلیل خاکستری و برای هم‌پوشانی لایه‌ها از روش فازی در نرم‌افزار arcgis بهره گرفته شده است؛ همچنین برای تحلیل فضایی توزیع پهنه‌های فقر از روش‌های آمار فضایی استفاده شده است. نتایج تحقیق نشان می‌دهد بخش‌های مرکزی شهر در اطراف میدان‌های اصلی ازنظر شاخص‌های پژوهش وضعیت مناسبی دارند و در محلات شمارۀ 15، 16، 17 و 20 که در نیمۀ جنوبی و شمال شرقی قرار گرفته‌اند، فقر شهری بیشتر جلوه می‌کند. براساس طبقه‌بندی فقر در شهر، میزان فقر طبقۀ خیلی محروم 6.66 درصد به‌ دست ‌آمده و فقر در طبقات محروم، متوسط، مرفه و خیلی مرفه به‌ترتیب 19.08، 32.90، 23.32 و 18.02 محاسبه‌ شده است. خوشه‌بندی فقر شهری با استفاده از مدل موران تایید شده است؛ همچنین الگوهای فضایی خوشه‌بندی با استفاده از مدل هات اسپات (hot spot analysis) مشخص‌ شده‌اند.

Spatial Analysis of Poverty Areas (Case Study: GhaemshahrCity)

geographers and urban planners are using tools in order to identify the poverty areas in the cities to mitigate the social and spatial consequences of that. The purpose of this applied research is to identify and analyze the poverty areas in Ghaemshahr city using descriptiveanalysis method. The dominant approach for identifying poverty areas is spatial analysis. In this research, 25 indicators were extracted from the statistical block data of 1390 census. Grey Analysis Method was used to weight research Indicators and for overlapping layers researchers used the Fuzzy method in ArcGIS software. To analyze the spatial distribution of poverty areas spatial statistics were applied. The results illustrated that the central areas of the city around the main squares are in a good condition regarding research indicators and the highest levels of urban poverty is recognized in neighborhoods 15, 16, 17 and 20 which are located in the south and northeast. According to the classification of poverty in the city, the poverty level of the most deprived class was 6.66% and poverty in the deprived, middle, affluent and very affluent class were calculated 19.08, 32.90, 23.32 and 18.02 respectively. Urban poverty clustering has been confirmed using the Moran model; spatial patterns of clustering have been identified using the Hot Spot Analysis.