سنجش تاب‌آوری شهر در برابر زلزله با مدل پرومته، نمونه موردی: منطقه یک شهرداری تهران

نوع مقاله: علمی-پژوهشی

نویسندگان

1 دکتری جغرافیا و برنامه ریزی شهری

2 استاد جغرافیا و برنامه‌ریزی شهری دانشگاه محقق اردبیلی

10.30473/grup.2020.7083

چکیده

زلزله به‌عنوان یکی از فاجعه‌بارترین و مخرب‌ترین انواع مخاطرات طبیعی دارای اشکال بزرگ و پیش‌بینی‌ناپذیر می‌باشد. لذا، نمی‌توان از پیامدهای آن جلوگیری کرد. در مقابل این وضعیت، راهبرد‌های سازمان‌های بین‌المللی برای کاهش بلایا، ایجاد جوامع تاب‌آور در برابر زلزله است که این امر نیازمند ارزیابی میزان تاب‌آوری شهر در برابر زلزله و برنامه‌ریزی اصولی در راستای تاب‌آور نمودن آن می‌باشد. بر این اساس، پژوهش حاضر با هدف ارزیابی و سنجش میزان تاب‌آوری نواحی ده‌گانه منطقه یک شهرداری تهران در برابر زلزله صورت گرفته شده است. در این مقاله، روش پژوهش توصیفی- تحلیلی از نوع کاربردی است.هم‌چنین، برای سنجش تاب‌آوری نواحی منطقه یک تهران از ده معیار اصلی در قالب 42 زیر معیار استفاده شده است که برای تعیین اهمیت نسبی معیار‌های مورد پژوهش از فرآیند تحلیل شبکه‌ای تجزیه ‌و تحلیل داده‌ها و تعیین میزان تاب‌آوری نواحی در برابر زلزله از مدل پرومته و گایا بهره برده شده است. نتایج حاصل از پژوهش نشان می‌دهد که نواحی 2، 7 و 8 از تاب‌آوری زیاد، نواحی 3 و 4 از تاب‌آوری متوسط، ناحیه 10 از تاب‌آوری کم و نواحی 1، 5، 6 و 9 از تاب‌آوری خیلی کم در برابر زلزله برخوردار می‌باشند. به‌طورکلی می‌توان از نتایج پژوهش چنین استنباط نمود که نواحی که در غرب منطقه یک شهر تهران قرار گرفته‌اند از تاب‌آوری زیادی و نواحی که در قسمت مرکزی و به‌ویژه در شرق منطقه یک واقع شدند از تاب‌آوری کمی در برابر زلزله برخوردار می‌باشند.
 

تازه های تحقیق

 

نوع مصالح ساختمانی در تاب آوری نواحی شهری بخصوص مناطق روی گسل و خط زلزله دارای اهمیت است 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Assessment of Urban Resilience against Earthquake by Using Promethee Model, Case Study: district 1 of Tehran Municipality

نویسندگان [English]

  • Ail Eshghei 1
  • Hosain Nazmfar 2
1 PhD of Geography and Urban Planning
2 2. Professor of urban planning, Geography Dpartment, University of Mohaghegh Ardabil, Iran.
چکیده [English]

Earthquake as one of the most devastating & destructive types of natural hazards include big & unpredictable shapes.So, this cannot be prevented from its consequences. In contrast to this situation, international organizations' strategies for reduction of disaster is to create earthquake resilience communities that this issue requires an assessment of the resilience of the city against earthquakes & planning. Therefor, this study try to investigate the resilience of the ten zone in district 1 of Tehran against earthquake. The research method was descriptive-analytic as well as applied type. In addition, ten main criteria were used to measure resilience of district 1 of Tehran in the form of 42 sub-criteria, which used the Prometheus & Gaia model to analyze the relevance of the criteria under the data analysis network analysis process.The results showed that zones 2, 7 & 8 have high resilience, Zones 3 & 4 have moderate resilience, Zones 10 have low resilience, & Zones 1, 5, 6 & 9 have very low earthquake resilience.In general, it can be concluded that zones the zones in the west of Tehran's one district are highly resilient, & those located in the central part, especially east of  Tehran's one district, have little resilience against earthquakes.
 
 

کلیدواژه‌ها [English]

  • Resilience
  • earthquake
  • Analytic Network Process (ANP)
  • Promethee Modle
  • district 1 of Tehran

مقدمه
جهان طی 6 دهه اخیر فرآیند شهرنشینی سریعی را تجربه می‌کند، به طوریکه در سال 1950، 30 درصد از جمعیت جهان شهرنشین بوده است ولیکن جمعیت شهرنشین در سال 2014 به 54 درصد رسیده‌است(UN, 2014: 7). هم‌چنین، طبق گزارش سازمان ملل بیش از نیمی از جمعیت جهان یعنی حدود 5/3 میلیارد نفر در شهرها زندگی می‌کنند که این رخداد به 65 درصد در سال 2030 و به حدود 70 درصد در سال 2050 خواهد رسید(ESA-UN, 2007).
افزایش سریع جمعیت، کمبود منابع و مدیریت نادرست آن سبب شده است که مخاطرات طبیعی بیش از بیش به‌عنوان یک عامل مهم تهدید کنند جوامع انسانی به شمار آید(COP, 2015: 21). با وقوع سوانح طبیعی، سکونتگاه‌های بشری پذیرای آسیب‌های جانی و مالی قابل‌توجهی می‌گردند.(Yates & Paquette, 2011: 7) از سوی دیگر، با توجه به ساختار اجتماعی جامعه از لحاظ نوع طبقات اجتماعی و مکان‌هایی که در آن اتفاق می‌افتد، می‌تواند تأثیرات جبران‌ناپذیری روحی و روانی، جسمی و مالی را بر ساکنان تحمیل کند (Cr&all et al., 2010).
حساسیت بالای مخاطرات طبیعی، به‌ویژه زمین‌لرزه، سبب گردیده است تا طیف گسترده‌ای از این فعالیت‌ها و تجربیات متوجه بهبود تصمیم‌گیری‌های مربوط به مدیریت بحران زمین‌لرزه در شهرها شود(ملک و پیله فروش‌ها، 1393: 6). در سال‌های اخیر، نهادها و آژانس‌های فعال در زمینه کاهش سوانح بیشتر فعالیت‌های خود را بر دست‌یابی به جامعه تاب‌آور در برابر سوانح متمرکز ساخته‌اند(رضایی، 1389: 7). به‌طوری‌که اقدامات موازی چندی جهت ایجاد چارچوبی برای کاهش خطر بحران در سطح بین‌المللی به‌وجود آمده است. در 22 ژانویه سال 2005 میلادی، گامی تحت عنوان “تقویت تاب‌آوری ملّت‌ها و جوامع در مقابل سوانح” در چارچوب طرح هیوگو برای عمل در سال‌های 2005 تا 2015 به تصویب استراتژی بین‌المللی کاهش بحران سازمان ملل متحد رسید که خود حرکتی مثبت در زمینه تاب‌آوری محسوب می‌شود. از زمان تصویب این لایحه قانونی هدف اصلی برنامه‌ریزی برای مخاطره و کاهش خطر بحران، به نحوی بارز به‌ سمت تمرکز روی ایجاد تاب‌آوری در جوامع گرایش پیدا کرده، نه کاهش آسیب‌پذیری (Mayunga, 2007: 1).
واقعیت این است که نمی‌توان، کاملاً از پیامدهای بلایا جلوگیری کرد زیرا برخی بلایا دارای اشکال بزرگ و پیش‌بینی‌ناپذیرند. لذا، باید ظرفیت و توان ساکنین برای مقاومت و زندگی در کنار بلایا را بهبود بخشید (Zhou, 2010: 23). از این‌رو، داشتن چنین راهبرد موجب گردیده تا برنامه‌ریزی برای تاب‌آوری جوامع در برابر بحران، جزء مهمی از آینده‌نگری جوامع و سازمان‌ها محسوب شود. به نحو‌ی‌که هرچه دایره شمول سوانح بیشتر باشد، لزوم پرداختن به مدیریت بحران اثربخش و راهکارهای ارتقاء تاب‌آوری جامعه‌ محور حیاتی‌تر خواهد بود.
ایران به دلیل واقع شدن شهرهای پرجمعیت بر روی گسل، از جمله کشورهای مستعد زلزله به شمار می‌رود. به‌طور میانگین در ایران هر 7 سال یک زلزله‌ی قوی و دارای خسارت جانی و مالی بالا روی داده است(جانعلی پور و همکاران، 1394: 80). در این میان پهنه سرزمینی کلان‌شهر تهران با قرارگیری در دامنه جنوبی البرز و وجود بیش از 20 گسل فعال و غیرفعال با سابقه لرزه‌خیزی و توان لرزه زایی بالا از این قاعده مستثنی نیست. در بین مناطق 22 گانه شهر تهران، منطقه یک شهرداری تهران به دلیل نزدیکی به گسل‌های مؤثر در آسیب‌پذیری شهر تهران مانند مشاء و شمال تهران و نیز وجود گسل‌هایی در داخل منطقه هم‌چون گسل نیاوران، گسل محمودیه و گسل دارآباد(بنامیه)، و هم‌چنین، ویژگی‌های منحصر به فرد خود مانند تمرکز شدید ساختمانی، کمبود فضاهای باز، بلندمرتبه‌سازی‌های غیرمجاز و غیراصولی، استفاده از مصالح ناسازگار در ساخت‌وسازهای، بالا بودن سطح آب‌های زیرزمینی و ناپایداری زمین در اثر آن، استفاده از اراضی نامناسب برای توسعه شهری به‌ویژه در شمال منطقه، وجود معابری تنگ و باریک در بافت‌های فرسوده و نداشتن برنامه‌های اصولی برای رویاروی با بحران‌های آتی، در معرض خطر شدید زلزله می‌باشد.
با توجه به مطالب بیان شده، در راستای کاهش آسیب‌پذیری ناشی از زلزله و تاب‌آور نمودن منطقه یک شهرداری تهران، این ضرورت به‌طور جدی احساس می‌شود که با استفاده از روش‌ها و مدل‌های مختلف میزان تاب‌آوری نواحی شهری منطقه یک تهران مورد سنجش قرار گیرد تا با شناسایی مؤلفه‌های مؤثر در افزایش تاب‌آوری محدوده مورد مطالعه، به‌منظور کاهش خسارات و تلفات ناشی از وقوع زلزله جهت تاب‌آور نمودن منطقه گامی مؤثر برداشت. ازاین‌رو، پژوهش حاضر با هدف ارزیابی و سنجش میزان تاب‌آوری نواحی ده‌گانه منطقه یک شهرداری تهران در برابر زلزله صورت گرفته است. جهت ارزیابی تاب‌آوری نواحی ده‌گانه منطقه یک از روش‌های تصمیم‌گیری چند‌معیاره پرومته استفاده شده است. در راستای دستیابی به هدف، پژوهش حاضر به دنبال پاسخگویی به سؤال زیر می‌باشد:
وضعیت تاب‌آوری هر یک از نواحی ده‌گانه منطقه یک شهرداری تهران در برابر زلزله چگونه می‌باشد؟

مبانی نظری
امروزه عمدتاً شهرها و جوامع سکونت‌گاهی در مکان‌هایی ایجاد یا بنا شده‌اند که به‌لحاظ مخاطرات طبیعی در معرض وقوع انواع سوانح طبیعی و یا به دلیل پیشرفت‌های تکنولوژی در معرض انواع سوانح انسانساخت هستند. نگاهی که تاکنون در مدیریت سوانح و مدیریت شهری وجود داشته، بیشتر نگاه مقابله-ای و کاهش مخاطرات بوده است. در این میان، مفهوم تاب-آوری، مفهوم جدیدی است که بیشتر در مواجهه با ناشناخته‌ها و عدم قطعیت‌ها به‌کار برده می‌شود(فرزاد‌بهتاش، 1392: 33). این مفهوم پس از پذیرش چهارچوب کاری هیوگو برای دوره سال‌های 2015- 2005 به‌طور وسیعی در ادبیات علمی به‌کار گرفته شد (Usamah et al‚ 2014:179) و دیدگاه غالب از تمرکز صرف بر کاهش آسیب‌پذیری به افزایش تاب‌آوری در مقابل سوانح تغییر کرد(Cutter, 2008: 3).
در ارتباط با درک مفهوم تاب‌آوری محققان مختلف تعاریف متفاوتی ارائه کردند که بر طبق نظر کارپنتر ، تاب‌آوری به‌عنوان مقدار آشفتگی که یک سیستم بتواند جذب و هم‌چنان در همان حوزه و وضعیت قبلی بماند. میزان توانایی سیستم در خود سازماندهی و میزان توانایی سیستم در ایجاد و افزایش ظرفیت یادگیری و سازگاری می‌باشد (Carpenter, 2001: 765). مینگا معتقد است که تاب‌آوری، ظرفیت یا توانایی جامعه برای پیش‌بینی، آمادگی، پاسخ، و بازیابی سریع از اثرات سوانح است(Mayunga, 2007). پریور تاب‌آوری شهری را درجه، حد یا میزانی می‌داند که در آن حد، شهرها قادر به تحمل تغییر هستند؛ قبل از این‌که به مجموعه‌ جدیدی از ساختارها و فرایندها بازسازماندهی شوند(پریور، 1392: 125).
به طور کلی، دو نوع راهبرد مطرح برای مواجهه با سوانح عبارت هستند: از راهبرد‌ پیش‌بینی و راهبرد تاب‌آوری. راهبرد اول برای آمادگی روبه‌رو شدن با مشکلات و معضلات، به‌کار می‌رود و راهبرد دوم برای مقابله با مشکلات ناشناخته استفاده می‌شود (Norm&in et al, 2011: 2). با توجه به این‌که بلایای طبیعی به‌ویژه زلزله غیرقابل پیش‌بینی هستند؛ می‌بایست با به‌کارگیری راهبرد دوم، ظرفیت و توان ساکنین برای مقاومت و زندگی در کنار بلایا را بهبود بخشید. از این روست که تبیین رابطه تاب‌آوری در برابر سوانح طبیعی(زلزله) و کاهش اثرات آن، با توجه به نتایجی که در‌بر خواهد داشت از اهمیت بالایی برخوردار است. به عبارتی هدف این رویکرد، کاهش آسیب‌پذیری جوامع و تقویت توانایی‌های مردم برای مقابله با خطرات ناشی از وقوع سوانح طبیعی می‌باشد(رضایی، 1389: 5).
تاب‌آوری به دلیل پویا بودن واکنش جامعه در برابر مخاطرات، نوعی آینده‌نگری به حساب می‌آید. تاب‌آوری به گسترش گزینش‌های سیاستی برای رویارویی با عدم قطعیت و تغییر هم کمک می‌کند. لذا، افزایش تاب‌آوری در برابر سوانح می‌تواند به ایجاد افزایش ظرفیت سازگاری و معیشت پایدار جامعه منجر شود (Godschalk, 2003: 5; Tompkins & Adger, 2004: 10; Berkes, 2007: 282; Manyena, 2006: 436).
براین اساس پژوهش حاضر با تأکید بر راهبرد دوم یعنی تاب‌آوری در برابر بلایا، درپی سنجش و ارزیابی میزان تاب‌آوری نواحی ده‌گانه منطقه یک شهرداری تهران در برابر می‌باشد تا با شناسایی میزان تاب‌آوری نواحی و مؤلفه‌های مؤثر در آن، گامی مؤثر در راستای تاب‌آور نمودن منطقه یک تهران بردارد.

پیشینه تحقیق
در زمینه ارزیابی تاب‌آوری شهر در برابر زلزله پژوهش‌های مختلفی صورت گرفته است که در این قسمت به برخی از جدیدترین آن‌ها اشاره می‌گردد.
الکساندرا (2011)، پژوهشی تحت عنوان “تاب‌آوری در برابر زلزله” انجام شده است. این پژوهش به صورت مروری انجام شده و درنهایت برخی پیشنهادهای عملی برای برنامه‌ریزان و مدیران داده است که بر اساس آن شامل ایجاد یک سیاست پس از زلزله و راهبرد قبل از وقوع زلزله بعدی، ایجاد یک فرهنگ تاب‌آوری در برابر زلزله، اطمینان از وجود برنامه‌های پایدار، ایجاد شبکه، برنامه‌ریزی انعطاف‌پذیر، کاهش خطرات سازه‌ای و غیرسازه‌ای و ... می‌باشد.
برک و اسمیت (2012)، در پژوهشی با عنوان "برنامه‌ریزی برای تاب‌آوری با رویکرد برنامه‌ریزی کاهش خطر و اتخاذ قانون مقابله با حوادث" روندی در مطالعات مرتبط با تاب‌آوری شهری ارائه می‌دهد تا برنامه‌ریزان جهت ارتقاء مؤلفه‌های تاب‌آوری موجود، به صورت قانونی در شهر رفتار نمایند.
بسطامی‌نیا و همکاران(2016)، پژوهشی با عنوان "ارزیابی تاب‌آوری شهری در برابر زلزله" انجام دادند. نتایج تحقیق در شهر دهدشت نشان داد که بالاترین رتبه در تاب‌آوری اجتماعی زیرشاخص سرمایه اجتماعی، در تاب‌آوری اقتصادی، به زیرشاخص بهبود ظرفیت و در تاب‌آوری نهادی، به زیرشاخص دسترسی سازمانی و دسترسی در تاب‌آوری تکنولوژیکی مربوط می‌شود.
به علاوه طبق رتبه‌بندی کارشناسان تاب‌آوری پس از زلزله در مقایسه با بعد زلزله اهمیت کمتری دارد.
نیکمردنمین و همکاران(1393)، پژوهشی با عنوان"کاهش خطرات زلزله با تأکید بر عوامل اجتماعی رویکرد تاب‌آوری، نمونه موردی: منطقه 22 تهران" انجام دادند. نتایج این پژوهش بیانگر ای موضوع است که وضعیت نسبتاً مطلوب شاخص‌های سن، سطح آموزش، دلبستگی به مکان در سطح منطقه، وجود برنامه‌هایی برای بهبود وضعیت مشارکت، اطلاع‌رسانی مخاطرات، درک و دانش عمومی از خطر است. با این‌وجود هم‌چنان شاخص‌هایی نظیر نحوه نگرش ساکنان به مقوله خطر و وضعیت گروه‌های خاص به توجه بیشتری نیاز دارند.
داداش‌پور و عادلی (1394)، پژوهشی با عنوان "سنجش ظرفیت‌های تاب‌آوری در مجموعه‌ی شهری قزوین" انجام دادند. نتایج یافته‌ها حاکی از آن است که در بین ابعاد مختلف تاب-آوری، مجموعه‌ شهری قزوین به‌لحاظ ابعاد نهادی (با 48 درصد فاصله از حد بهینه) و سپس ابعاد کالبدی - فضایی (با 45 درصد فاصله از حد بهینه) وضعیت نامناسب‌تری دارد.
معظمی و رحیمی(1395)، پژوهشی با عنوان "سنجش و تدوین راهبردهای تاب‌آوری در مقابل بحران در بافت قدیم شهری" انجام دادند. نتایج تحقیق نشان داد که موقعیت محله تدافعی و در وضعیت متوسطی قرار دارد.
محمدی سرین‌دیزج و احدنژاد(1395)، در پژوهشی با عنوان "ارزیابی میزان تاب‌آوری کالبدی شهری در برابر مخاطره زلزله به صورت موردی شهر زنجان" را مورد مطالعه قرار دادند. نتایج حاصل از مطالعه نشان داد که با توجه به معیارهای ارزیابی تاب‌آوری کالبدی در ۲۵ ناحیه شهری زنجان، غالباً قسمت‌های شمالی، شرقی و شمال شرقی از تاب‌آوری بالایی برخوردار هستند.
با توجه به این‌که پژوهش‌های پیشین از شاخص‌های مختلف و محدود جهت سنجش تاب‌آوری نواحی استفاده نمودند. پژوهش حاضر درصدد است تا با استفاده از شاخص‌های جامع‌تر و مدل پرومته میزان تاب‌آوری نواحی ده‌گانه شهرداری منطقه یک تهران را مورد ارزیابی قرار دهد.

روش انجام پژوهش
روش پژوهش حاضر از نوع توصیفی- تحلیلی با هدف کاربردی است. در این پژوهش از مطالعات کتابخانه‌ای و اسنادی برای نگارش مبانی نظری و پیشینه تحقیق استفاده شده است.
جامعه آماری شامل نواحی ده‌گانه شهرداری منطقه یک تهران می‌باشد. برای ارزیابی از 42 شاخص مؤثر در تاب‌آوری منطقه در برابر زلزله استفاده شده است. جهت بیان اهمیت نسبی هریک از شاخص‌ها از فرآیند تحلیل شبکه‌ای(ANP) بهره گرفته شد.
مدل به‌کاربرده شده جهت تجزیه ‌و تحلیل داده‌ها مدل تصمیم‌گیری چند معیاره پرومته و تحلیل گایا می‌باشد. در این پژوهش از نرم‌افزار Super Decisions جهت تعیین وزن شاخص‌ها و از نرم‌افزار Visual PROMETHEE جهت اجرای مدل و از نرم افراز سیستم اطلاعات جغرافیایی(GIS) جهت ترسیم خروجی استفاده شده است. در زیر مدل‌های به‌کار رفته در پژوهش به صورت معرفی می‌گردند.

روش پرومته
تاکنون روش‌ها و مدل‌های متفاوتی برای تصمیم‌گیری‌های جغرافیایی به‌کار گرفته شده است که یکی از روش‌های کاربردی آن، استفاده از مسائل مبتنی بر تصمیم‌گیری‌های چندمعیاره است. این روش مبنای عملکرد را برپایه مقایسه گزینه‌ها قرار می‌دهد و به دو طبقه کلی مدل‌های تصمیم‌گیری چندهدفه و چندشاخصه تقسیم می‌شود(Arisoy,2007: 37-38).
روش‌های مختلفی مانند الکتر، ویکور، تاپسیس و ... برای تصمیم‌گیری چندشاخصه وجود دارد (مومنی و شریفی سلیم، 1391: 1). پرومته یکی از جدیدترین این روش‌ها می‌باشد که روش ساختاریافته‌ی رتبه‌بندی ترجیحی برای غنی‌سازی ارزیابی-ها است(همان، 168).
این روش در دهه 1985میلادی به وسیله برانس و وینک برای انجام رتبه‌بندی ارایه شد. از جمله مزایای مهم روش PROMETHEE می‌توان به سادگی، وضوح و پایایی نتایج، امکان استفاده از طرح گرافیکی مدل‌سازی GAIA و امکان تحلیل حساسیت به صورت ساده و سریع اشاره کرد (Gilliams et al, 2005: 142 ; Caterino et al,2008: 4).
این روش می‌تواند فرایند ارزیابی را بر روی مجموعه محدودی از آلترناتیوهای محدود، به صورت یک رتبه‌بندی جزئی یا کامل، انجام دهد. تأثیر شفاف هر معیار و وزن آن بر روی جواب‌ها، کارایی بالای الگوریتم در این روش باوجود سادگی و پایه‌ریزی آن بر اساس اهمیت تفاوت عملکرد میان دو جواب وجه تمایز آن از روش ساختار سلسله مراتبی می‌باشد (امیدی و همکاران، 1390: 123).

روش مدل‌سازی ویژه
برای افزایش کارایی روش‌های PROMETHEE به‌کارگیری GAIA (تحلیل هندسی برای کمک متقابل) با تکنیک مدل‌سازی ویژه توصیه شده است. در مسایل چندشاخصه بسیار مهم است که تصمیم‌گیرنده را در مورد مخالفت شاخص‌ها و برخورد وزن شاخص‌ها روی نتایج پایانی کمک کنیم. روش مدل‌سازی ویژه این‌گونه تحلیل‌ها را ایجاد می‌کند. این تحلیل براساس پایه‌های PROMETHEE بناشده است و به آن تحلیل‌های گرافیکی و تشریحی را می‌افزاید(Figueira et al,2004; Brans & Mareschal, 1994; Brans, 1996). مراحل اجرای مدل پرومته به‌صورت خلاصه در زیر بیان‌شده است:
گام اول(تشکیل ماتریس تصمیم‌گیری و تعیین نوع معیار)، اولین مرحله درروش پرومته تشکیل ماتریس تصمیم‌گیری و مشخص کردن نوع معیار ازلحاظ سود و هزینه می‌باشد. پس از تشکیل ماتریس تصمیم‌گیری در گام نخست باید بر پایه‌ رابطه تفاوت هریک از گزینه‌ها در هریک از شاخص‌ها نسبت به یکدیگر به‌دست آورد. این تفاوت برای شاخص max زمانی معنادار خواهد بود که باشد. برای شاخص‌های min این رابطه برعکس است.
گام دوم(تعیین وزن شاخص‌ها)، تعیین وزن شاخص‌های مختلف، کاری لازم در همه‌ مسائل تصمیم‌گیری چندشاخصه است. در روش پرومته، وزن شاخص‌ها اعداد حقیقی هستند که به واحد اندازه‌گیری شاخص بستگی ندارند. روش به‌کار گرفته شده در پژوهش حاضر جهت محاسبه اهمیت نسبی مؤلفه‌ها، مدلANP می‌باشد. مدل ANPروش گسترش یافته شبکه AHP است که به روابط درونی بین سطوح تصمیم‌گیری اهمیت قائل می‌شود. هدف آن ساختارمندکردن فرایند تصمیم-گیری با توجه به یک سناریو متأثر از عوامل چندگانه مستقل از هم است (مومنی و شریفی سلیم، 1391: 89 و آذر و رجب‌زاده، 1393: 161).
گام سوم (توابع برتری)، در این مرحله مقدار به‌دست آورده می‌شود. این مقدار از قرار دادن در تابع برتری مربوط به هر شاخص به‌دست می‌آید.
گام چهارم (میزان مجموع موزون برتری گزینه)، رتبه‌بندی پایانی یا اولویت گزینه با جمع‌کردن اولویت همه‌ شاخص‌ها به‌دست می‌آید که به آن مقدار کلی گفته می‌شود و با رابطه 1، به‌دست می‌آید(Leeneer & Pastijn, 2002):

 

رابطه 1. میزان مجموع موزون برتری گزینه

به‌گونه‌ای که را بر وزن شاخص j ام است. وزن‌ها توسط تصمیم‌گیرنده تعیین و سپس نرمال می-شوند.
گام پنجم(جریان رتبه‌بندی مثبت و منفی)، اگر تعداد گزینه‌ها که با n نشان داده می‌شود بیش‌تر از دوتا باشد، رتبه‌بندی پایانی به‌وسیله‌ مجموع مقادیر مقایسات زوجی به‌دست می‌آید. برای هر گزینه‌ و با درنظرگرفتن گزینه‌های دیگر
می‌توان جریان رتبه‌بندی زیر را به‌دست آورد(رابطه 2) (Brans et al,1996):

رابطه 2. انتخاب بهترین گزینه

این جریان نشان می‌دهد که گزینه a چقدر بر گزینه‌های دیگر اولویت دارد. بزرگ‌ترین به معنای بهترین گزینه است.

رابطه 3. انتخاب کوچک‌ترین گزینه

این جریان نشان می‌دهد که گزینه‌های دیگر تا چه میزان بر گزینه ‌a اولویت‌ دارند. کوچک‌ترین نشان‌دهنده‌ بهترین گزینه است( رابطه 3). رتبه‌بندی گزینه‌ها را می‌توان با جریان مثبت یا جریان منفی رتبه‌بندی کرد. این دو رتبه‌بندی به‌طور معمول یکسان نیستند (Brans & Mareschal,1994)، ولی تصمیم‌گیرنده همیشه خواهان رتبه‌بندی کامل است. زیرا تصمیم‌گیری ساده‌تر خواهد بود. محاسبه‌ جریان خالص رتبه‌بندی این امکان را فراهم می‌سازد(Babic & Plazibat, 1998). این جریان حاصل توازن میان جریان رتبه‌بندی مثبت و منفی است. جریان خالص بالاتر نشان‌دهنده گزینه برتر است(Brans & Mareschal,1994) که از طریق رابطه 4، به‌دست می‌آید.


رابطه 4. جریان خالص برتر

تحلیل گایا
ترکیب روش پرومته با روش‌هایی مانند GAIA، ابزار مفیدی را برای تحلیل ارتباط میان شاخص‌ها تصمیم‌گیرندگان ایجاد می‌کند و شکاف زمانی تا هنگام توافق بر سه تصمیم را از بین می‌برد (اصغری زاده و همکاران،9:1386). در این روش مجموعه‌ گزینه‌ها را می‌توان با n نقطه در فضای K بعدی ارائه شود. با توجه به این‌که تعداد شاخص‌ها بیش از دو شاخص است تصویر واضح از فضای n بعدی غیرممکن است و بنابراین تحلیل ترکیب اصلی می‌تواند شبیه تحلیل دو بعدی گزینه‌ها به‌کار رود. اگر π کوتاه باشد، محور تصمیم قدرت زیادی ندارد. در این حالت W بر صفحه گایا عمود است. اما هنگامی‌که π بلند باشد، تصمیم‌گیرنده به انتخاب گزینه‌هایی دعوت شده است که تا امکان دورتر از جهت خود قرار گرفته است (Brans,2002). بردار وزن W، شبیه قرار دادن مکانی روی صفحه گایا است که تصمیم‌گیرنده می‌تواند با توجه به دقت شاخص، آن را پایه برتری‌های خود حرکت دهد.
براساس تحلیل گایا هرچقدر گزینه‌ها در جهت جریان خالص و در بین w و π باشند در رتبه‌های برتر قرار می‌گیرند.

تحلیل GAIA Web
نمودارهای گرافیکی در GAIA Web نمایش دهنده جریان phi خالص هر یک از معیارهای منفرد در ارتباط با گزینه‌های مختلف است. شکل حاصله از این نمودارها بیانگر تابعی از رابطه بین معیارها در ارتباط با گزینه انتخابی می‌باشد.
محورهای مربوط به هرکدام از معیارها از مرکز به پیرامون کشیده شده است. از آنجا که دایره‌ها منظم حول مرکز نشانگر مقادیر جریان خالص از مرکز تا 1+ خارجی‌ترین دایره از مرکز دایره می‌باشد. هر اندازه محورها به هم‌دیگر نزدیک‌تر باشند و اختلاف کمتری داشته باشند، نشان دهنده‌ی مقادیر خالص و هر اندازه از هم‌دیگر دور باشند نشان اختلاف بیشتر می‌باشد. در این نمودار موقعیت محور تصمیم و دایره نقطه چین مربوط به مقادیرpi یک انتخاب هستند، چنآن‌چه دایره نقطه چین سبز رنگ باشد مقادیر مثبت و رنگ قرمز نشانگر مقدار منفی مربوط است. شاخص‌های مورد استفاده در پژوهش به شرح جدول 1، نشان شده است.

جدول 1. شاخص‌های مورد استفاده در پژوهش
معیار اصلی کد زیرمعیار معیار اصلی کد زیرمعیار معیار اصلی کد زیرمعیار
عرض معابر C1 کمتر از 4 متر نمای ساختمانی C15 خشت و گل قدمت بنا C29 بین 50 تا 65
C2 8- 4 متر C16 آجر و سیمان C30 بین 65 تا 75
C3 12- 8 متر C17 شیشه C31 بین 75 تا 85
C4 20-12 متر مساحت همکف ساختمان
C18 کمتر از 80 متر C32 بعد از سال 1385
C5 بیشتر از 20 متر C19 بین 80 تا200 متر نوع مصالح C33 خشت و گل
سازگاری کاربری‌ها C6 کاملاً سازگار C20 بین200 تا400 متر C34 آجر و سیمان
C7 نسبتاً سازگار C21 بین 400 تا 600 C35 آجر و آهن
C8 بی تفاوت C22 بیش از 600 متر C36 اسکلت بتنی
C9 نسبتاً ناسازگار تعداد
طبقات
C23 1 طبقه C37 اسکلت فلزی
C10 کاملاً ناسازگار C24 2 و 3 طبقه سازند زمین‌شناسی C38 سنگ بستر R
کیفیت بنا C11 تخریبی C25 4 و 5 طبقه C39 سازند هزار دره A
C12 قابل نگهداری C26 6 تا 10 طبقه C40 سازند C
C13 نوساز C27 بیشتر از 10 C41 سازند Bn
نمای ساختمانی C14 سنگ قدمت بنا C28 قبل از سال 1350 C42 سازند D2



محدوده مورد مطالعه

منطقه یک تهران، شمالی‌ترین منطقه تهران به شمار می‌رود به‌طوری‌که مرز شمالی آن بر مرز شمال تهران (خطوط ارتفاعی 1800 متر) منطبق است. این منطقه از غرب توسط رود- دره درکه با منطقه 2، از جنوب توسط بزرگراه‌های چمران، مدرس، صدر با منطقه 3 و از جنوب شرقی توسط بزرگراه ازگل با منطقه 4 شهرداری تهران هم‌مرز است(مهندسین مشاور بافت شهر، 1384: 2). شهرداری منطقه یک دارای 10 ناحیه و 26 محله شهری است (سایت شهرداری تهران، 1395 ) (شکل1).

 

 

 

 

 

 

 

 

 

 

 

 


شکل1. محدوده موردمطالعه ماخذ: سایت شهرداری تهران، 1395


یافته‌ها
در این پژوهش برای سنجش تاب‌آوری نواحی ده‌گانه شهرداری منطقه یک تهران در برابر زلزله از مدل پرومته استفاده شد. روش پرومته یک روش منتخب به منظور سنجش تاب‌آوری

نواحی است و نرم‌افزار ویژال پرومته قابل انجام است. ابتداء ماتریس تصمیم‌گیری تشکیل شد و سپس نوع معیار از لحاظ سود و هزینه مشخص گردید (جدول 2 و 3).

 


جدول2. ماتریس تصمیم‌گیری (مؤلفه‌های مورداستفاده در پژوهش)
نواحی c1 c2 c3 c4 c5 c6 c7 c8 c9 C10 c11 c12
ناحیه 1 1 65 107 156 27 2139 97 175 107 42 1066 635
ناحیه 2 0 179 123 325 41 5214 193 173 122 108 2118 1630
ناحیه 3 73 401 131 215 48 4394 243 287 108 53 2694 1079
ناحیه 4 4 170 210 232 41 2983 179 198 87 63 1824 703
ناحیه 5 0 126 93 232 44 2927 256 91 77 61 1309 875
ناحیه 6 1 53 50 115 50 2173 212 45 47 35 1067 711
ناحیه 7 0 164 177 310 38 4745 205 465 149 98 1723 1544
ناحیه 8 0 373 202 238 52 4813 393 342 116 61 3051 1231
ناحیه 9 0 54 71 137 58 1181 99 77 47 51 219 989
ناحیه 10 6 45 96 165 63 2113 86 58 58 59 210 1208
نواحی c13 c14 c15 c16 c17 c18 c19 c20 C21 c22 c23 c24
ناحیه 1 859 83 985 1389 103 838 845 722 107 48 674 1517
ناحیه 2 1999 163 2022 3376 249 1396 1631 2156 435 192 1481 3432
ناحیه 3 1314 127 2574 2257 126 1742 1817 1243 179 103 1540 3052
ناحیه 4 983 129 1699 1600 85 1380 1088 847 131 64 1121 2078
ناحیه 5 1228 72 1238 1999 103 676 1187 1262 221 61 906 2134
ناحیه 6 734 115 953 1401 43 945 986 401 95 85 891 1414
ناحیه 7 2395 154 1571 3722 215 1164 2161 1826 352 158 1393 3615
ناحیه 8 1443 172 2882 2519 152 2105 2114 1243 181 82 1793 3382
ناحیه 9 247 95 156 1099 105 224 229 366 181 455 252 847
ناحیه10 956 170 73 1741 390 428 338 471 306 831 340 1463
مأخذ: شهرداری منطقه یک تهران
جدول3. ماتریس تصمیم‌گیری (مؤلفه‌های مورداستفاده در پژوهش)
نواحی c25 c26 c27 c28 c29 c30 c31 C32 c33
ناحیه 1 311 47 11 84 981 562 754 179 84
ناحیه 2 683 181 33 166 2004 1536 1750 354 166
ناحیه 3 404 10 78 134 2557 1961 1187 245 135
ناحیه 4 242 11 58 129 1695 636 898 152 129
ناحیه 5 279 82 14 73 1233 830 1125 151 73
ناحیه 6 163 36 8 116 950 647 689 110 116
ناحیه 7 495 126 33 158 1559 1445 2180 310 158
ناحیه 8 458 87 5 185 2862 1058 1291 329 185
ناحیه 9 241 90 25 74 145 985 163 88 74
ناحیه 10 359 175 37 109 101 1208 584 372 109
نواحی c34 c35 c36 c37 c38 c39 c40 C41 C42
ناحیه 1 1309 72 665 430 0 0 34/256 27/41 82/5
ناحیه 2 2787 105 1668 1093 98/84 96/264 7/327 51/25 87/30
ناحیه 3 3003 139 1383 424 32/171 8/2 11/257 0 87/25
ناحیه 4 2009 91 831 450 19/99 0 72/186 0 06/88
ناحیه 5 1604 168 897 679 34/103 49/46 64/2 14/48 29/33
ناحیه 6 1108 271 528 489 98/142 35/87 52/28 18/38 0
ناحیه 7 2104 303 1615 1482 0 19/131 57/362 92/3 47/38
ناحیه 8 3006 506 1413 615 0 0 49/289 2/26 0
ناحیه 9 145 989 177 70 0 61/0 1/647 34/20 0
ناحیه 10 101 1208 584 382 0 41/174 4/278 0 12/9
مأخذ: شهرداری منطقه یک تهران

تعیین وزن شاخص‌های مختلف، کاری لازم در همه‌ مسایل تصمیم‌گیری چندشاخصه است. روش به‌کار گرفته شده در پژوهش حاضر جهت محاسبه اهمیت نسبی مؤلفه‌ها، مدلANP می‌باشد. هم‌چنین در این پژوهش برای محاسبه دقیق‌تر وزن شاخص‌ها از نرم‌افزارSuper Decisions استفاده شده است(جدول 4).

جدول 4. وزن شاخص‌های مورد استفاده در پژوهش
متغیر وزن متغیر وزن متغیر وزن متغیر وزن متغیر وزن
C1 040/0 C10 044/0 C19 080/0 C28 040/0 C37 457/0
C2 063/0 C11 070/0 C20 136/0 C29 081/0 C38 470/0
C3 158/0 C12 222/0 C21 241/0 C30 129/0 C39 267/0
C4 235/0 C13 707/0 C22 501/0 C31 287/0 C40 142/0
C5 502/0 C14 046/0 C23 503/0 C32 461/0 C41 075/0
C6 505/0 C15 132/0 C24 242/0 C33 036/0 C42 043/0
C7 236/0 C16 273/0 C25 137/0 C34 075/0
C8 139/0 C17 547/0 C26 042/0 C35 142/0
C9 073/0 C18 039/0 C27 073/0 C36 285/0


در این مرحله، مقدار به‌دست آمد ( این مقدار با قرار دادن مقادیر در تابع برتری مربوط به هر شاخص به‌دست می‌آید). با توجه به گسسته بودن داده‌ها از تابع عادی استفاده‌شده است.


P (d) = {
رابطه5. تابع برتری


بعد از این مرحله، رتبه‌بندی پایانی یا اولویت گزینه با جمع‌کردن اولویت همه شاخص‌ها به‌دست می‌آید که به آن مقدار کلی گفته می‌شود و با استفاده از رابطه 1، به‌دست می‌آید. سپس جریان رتبه‌بندی مثبت و منفی از طریق روابط 2 و 3 محاسبه می‌گردد. جریان مثبت نشانگر مطلوبیت محیطی به‌لحاظ تاب‌آوری در برابر زلزله و جریان منفی حاکی از نامطلوب بودن وضعیت تاب‌آوری محیطی دارد در این میان جریان خالص توازن میان جریان رتبه‌بندی مثبت و منفی است. درنهایت رتبه‌بندی نهایی از طریق رابطه 4، به‌دست می‌آید. نتایج جدول5، حاکی از جریان رتبه‌بندی مثبت، منفی و خالص نواحی ده‌گانه منطقه یک شهرداری تهران است.

جدول 5. جریان رتبه‌بندی مثبت، منفی و خالص
وضعیت تاب‌آوری دامنه امتیاز Phi رتبه‌بندی نهایی Phi Phi- Phi+ نواحی
تاب‌آوری زیاد 200/0 و بیشتر 400/0 ناحیه 2 1 242/0- 614/0 371/0 ناحیه 1
399/0 ناحیه 7 2 400/0 287/0 687/0 ناحیه 2
370/0 ناحیه 8 3 173/0 410/0 583/0 ناحیه 3
متوسط 0 الی 200/0 173/0 ناحیه 3 4 065/0 463/0 528/0 ناحیه 4
065/0 ناحیه 4 5 243/0- 605/0 363/0 ناحیه 5
تاب‌آوری کم 0 الی 200/0- 076/0- ناحیه 10 6 360/0- 671/0 310/0 ناحیه 6
تاب‌آوری خیلی کم 200/0- و بیشتر 242/0- ناحیه 1 7 399/0 287/0 686/0 ناحیه 7
243/0- ناحیه 5 8 370/0 294/0 664/0 ناحیه 8
360/0- ناحیه 6 9 485/0- 723/0 238/0 ناحیه 9
485/0- ناحیه 9 10 076/0- 534/0 458/0 ناحیه 10

نتایج جدول 5، رتبه‌بندی نواحی ده‌گانه منطقه یک شهرداری تهران به‌لحاظ تاب‌آوری در برابر زلزله براساس مدل پرومته نشان می‌دهد که نواحی 2، 7 و 8 به‌ترتیب با کسب امتیاز 400/0، 399/0 و 370/0 رتبه اول تا سوم را به خود اختصاص دادند. این نواحی از نظر تاب‌آوری در برابر زلزله از وضعیت بسیار مطلوبی برخوردارند. نواحی 3 و 4 به‌ترتیب با کسب جریان خالص 173/0 و 065/0 از تاب‌آوری متوسطی برخوردار می‌باشند. ناحیه 10 با کسب جریان خالص 076/0- وضعیت تاب‌آوری ضعیف دارند. نواحی 1، 5، 6 و 9 به‌ترتیب با کسب جریان خالص 242/0-، 243/0-، 360/0- و 485/0- در رتبه آخر قرار دارند و جزء محروم‌ترین نواحی منطقه از نظر برخورداری از شاخص‌های تاب‌آوری در برابر زلزله می‌باشند. شکل2، وضعیت تاب‌آوری نواحی ده‌گانه منطقه یک شهرداری تهران در برابر زلزله را با استفاده از نتایج حاصل از مدل پرومته نشان می‌دهد.

 

 

 

 


شکل2. نقشه میزان تاب‌آوری نواحی ده‌گانه منطقه یک تهران در برابر زلزله بر اساس روش پرومته


شکل3، نتایج حاصل از تحلیل مدل گایا، را نشان می‌دهد. چنآن‌چه مشاهده می‌شود، نواحی منطقه یک شهرداری تهران از بهترین تا بدترین وضعیت از لحاظ میزان تاب‌آوری در برابر زلزله رتبه‌بندی شده اند.



شکل3. رتبه‌بندی بهترین تا بدترین نواحی به‌لحاظ میزان تاب‌آوری در برابر زلزله در صفحه گایا

شکل3، نتایج حاصل از نمودار در صفحه وب گایا نشان می‌دهد که نواحی 2، 7 و 8 نزدیک‌ترین نواحی به جریان خالص هستند که به‌لحاظ برخورداری از شاخص‌های تاب‌آوری در برابر زلزله در وضعیت بسیار مطلوب قرار دارند. در مقابل نواحی 1، 5، 6 و 9 دورترین نواحی به جریان خالص می‌باشند که به‌لحاظ برخورداری از شاخص‌های تاب‌آوری در برابر زلزله در وضعیت نامناسبی قرار دارند.
مقایسه PI مربوط به تاب‌آور‌ترین ناحیه محدوده مورد مطالعه (ناحیه 2)، با ناحیه‌ای که کمترین تاب‌آوری در برابر زلزله را دارد یعنی ناحیه 9، نشان می‌دهد که PI مربوط به ناحیه 2، به‌عنوان تاب‌آورترین ناحیه منطقه یک شهرداری تهران سبز رنگ می‌باشد که این امر نشان از برخورداری بسیار مطلوب این ناحیه از شاخص‌های تاب‌آوری در برابر زلزله می‌باشد. در مقابل PI مربوط به ناحیه 9، به‌عنوان کمترین تاب‌آوری در برابر زلزله را دارد، قرمز رنگ می‌باشد که حاکی از محرومیت این ناحیه از شاخص‌های تاب‌آوری در برابر زلزله می‌باشد. در شکل 4، PI مربوط به نواحی ده‌گانه منطقه یک شهرداری تهران به‌لحاظ برخورداری از شاخص‌های تاب‌آوری در برابر زلزله در صفحه وب گایا نشان داده شده است.

 

 

 

 

 

 

 

 

 

 

 


بحث و نتیجه‌گیری
امروزه عمدتاً شهرها و جوامع سکونتگاهی در مکان‌هایی ایجاد یا بنا شده‌اند که به‌لحاظ مخاطرات طبیعی در معرض وقوع انواع سوانح طبیعی قرار گرفته‌اند. ازاین‌رو، یکی از وظایف برنامه‌ریزان شهری تلاش برای تبدیل شهر به محیطی آرام، ایمن و سالم است که سلامت شهروندان ساکن در آن را حفظ کند. آن‌چه برنامه‌ریزان، مدیران شهری و شهروندان پیش از وقوع بلایای طبیعی انجام می‌دهند، گرچه آسیب‌پذیری در برابر بلایا را به‌طور کامل برطرف نمی‌کند، ولی می‌تواند در کاهش اثرات آن مؤثر واقع گردد در این میان، مفهوم تاب‌آوری، مفهوم جدیدی است که بیشتر در مواجهه با ناشناخته‌ها و عدم قطعیت‌ها به‌کاربرده می‌شود.
در این راستا هدف پژوهش حاضر نیز، ارزیابی و سنجش میزان تاب‌آوری نواحی ده‌گانه منطقه یک شهرداری تهران در برابر زلزله می‌باشد. در این پژوهش برای سنجش تاب‌آوری نواحی منطقه یک تهران معیارهای مؤثر در قالب 42 شاخص مورد تحلیل قرار گرفتند. با توجه به این‌که معیارهای مؤثر در تاب‌آوری منطقه از اهمیت یکسانی برخوردار نبودند، اهمیت نسبی شاخص‌ها توسط کارشناسان خبره وزن‌دهی شده و با استفاده از فرآیند تحلیل شبکه‌ای (ANP) مورد محاسبه قرار گرفت. برای تجزیه ‌و تحلیل شاخص‌های مورد پژوهش و تعیین میزان تاب‌آوری نواحی در برابر زلزله از مدل پرومته و گایا استفاده شد. رتبه‌بندی نواحی ده‌گانه منطقه یک شهرداری تهران به‌لحاظ تاب‌آوری در برابر زلزله براساس مدل پرومته نشان می‌دهد که نواحی 2، 7 و 8 با کسب رتبه اول تا سوم از نظر تاب‌آوری در برابر زلزله از وضعیت بسیار مطلوبی برخورداری می‌باشند. بعد از این نواحی، نواحی 3 و 4 از تاب‌آوری متوسط، ناحیه 10 از تاب‌آوری کم و نواحی 1، 5، 6 و 9 در بین نواحی منطقه یک شهرداری آخرین رتبه‌ها را به خود اختصاص دادند که جزء محروم‌ترین نواحی منطقه از نظر برخورداری از شاخص‌های تاب‌آوری در برابر زلزله می‌باشند.
تحلیل تاب‌آوری نواحی در برابر زلزله در صفحه گایا نیز نشان می‌دهد که نواحی 2، 7 و 8 نزدیک‌ترین نواحی به جریان خالص هستند که به‌لحاظ برخورداری از شاخص‌های تاب‌آوری در برابر زلزله در وضعیت بسیار مطلوب و نواحی 1، 5، 6 و 9 دورترین نواحی به جریان خالص می‌باشند که به‌لحاظ برخورداری از شاخص‌های تاب‌آوری در برابر زلزله در وضعیت نامناسبی قرار دارند.
مقایسه نتایج دو ناحیه کاملاً برخوردار یعنی ناحیه 2 شهرداری و کم برخوردار یعنی ناحیه 9 شهرداری منطقه یک شهرداری تهران در صفحه گایا نشان می‌دهد که ناحیه 2 شهرداری به جز در شاخص های c1 (معابر با عرض کمتر از 4 متر) و c34 (ساختمان‌ها با مصالح آجر و سیمان) در تمامی شاخص‌های مورد بررسی از برخورداری مطلوبی بهره‌مند است در مقابل منطقه 9 شهرداری منطقه به جز شاخص‌های c1 (معابر با عرض کمتر از 4 متر)، c2 (معابر با عرض کمتر از 8 متر)، c5 (معابر با عرض بیشتر از 20 متر)، c34 (ساختمان‌ها با مصالح آجر و سیمان)، و c41 (سازند Bn زمین‌شناسی با ترکیب آبرفتی نامناسب) در بقیه شاخص‌ها به‌لحاظ برخورداری جز محرومترین نواحی منطقه یک شهرداری است که می‌بایست در برنامه‌ریزی‌های آتی در اولویت برنامه‌ریزی قرار گیرند.
با توجه به نتایج به‌دست‌آمده می‌توان استنباط نمود که نواحی که در غرب منطقه یک شهر تهران قرار گرفته‌اند به دلیل استفاده از مصالح بادوام در ساخت‌وسازها و شبکه معابر منظم از تاب‌آوری زیادی در برابر زلزله برخوردار می‌باشند اما نواحی که در قسمت مرکزی و به‌ویژه در شرق منطقه یک واقع شدند به دلیل تمرکز بافت‌های روستایی و فرسوده با قدمت زیاد، ساخت‌وسازهای غیراصولی و گاهاً غیرقانونی، وجود معابر تنگ و باریک و ایجاد ساختمان‌ها در اراضی ناپایدار به‌لحاظ لغزش زمین از تاب‌آوری کمی در برابر زلزله برخوردار می‌باشند. با توجه به بحث فوق و قرارگیری منطقه یک شهر تهران در نزدیکی گسل‌های مانند گسل مشاء، گسل شمال تهران، گسل نیاوران، گسل محمودیه و گسل دارآباد(بنامیه)، تاب‌آور نمودن منطقه در برابر زلزله امری ضروری است. لذا در این خصوص پیشنهاد می‌گردد که متولیان امر در نواحی محروم از شاخص‌های تاب‌آوری به‌ویژه در بافت‌های روستایی و فرسوده، اقدام به توسعه درونزای شهری بر مبنای الگوهای شهر فشرده، رشد هوشمند و شهر پایدار در اراضی بلااستفاده درون محدوده مورد مطالعه نمایند تا با تاب‌آور نمودن منطقه، آسیب‌های جانی و مالی ناشی از زلزله‌های آتی را کاهش دهند.
راهکارها
در راستای یافته‌های پژوهش، اجرای پیشنهاد‌ها زیر می‌تواند در افزایش تاب‌آوری منطقه یک شهردار تهران در برابر زلزله مؤثر واقع شوند:

 اتخاذ سیاست‌های سخت‌گیرانه در راستای منع گسترش افقی منطقه در ارتفاعات و اراضی ناپایدار شمالی منطقه؛
 اولویت دادن طرح‌های نوسازی در بافت‌های روستایی منطقه؛
 بهینه‌سازی کاربری‌های و تغییر آن‌‌ها در نواحی خطرناک به‌ویژه در نواحی 1، 5 و 6 شهرداری منطقه یک؛



 توانمندسازی دولت محلی با منابع مالی و پشتوانه‌های دولتی؛
 تخصیص بودجه و منابع مالی به مناطق مخاطره‌آمیز شهر.

  1. آذر، عادل، رجب‌زاده، علی، (1393)، تصمیم‌گیری کاربردی رویکردMADM، انتشارات نگاه دانش، چاپ ششم، 1393.
  2. اصغری زاده، عزت­الله، نصرالهی، مهدی، (1386)، مقایسه وزن دهی آنتروپی و فازی دربه‌کارگیریPROMETHEE برای تعیین قطعه سازان برتر سایپا، مجله دانشکده علوم اداری و اقتصاد، شماره2: 18-1.
  3. امیدی، مرجان، رضوی، حمیده، مه پیکر، محمدرضا، (1390)، انتخاباعضایتیمپروژهبرمبنایمعیارهایاثربخشیبهروش PROMTHEE، چشم‌انداز مدیریت صنعتی، شماره1: 134-113.
  4. پریور، پرستو، فریادی، شهرزاد، یاوری، احمدرضا، صالحی، اسماعیل،هراتی، پگاه، (1392)،”بسطراهبردهایپایداری اکولوژیکبرایافزایشتاب­آوریمحیط‌زیستشهری(نمونهموردی: مناطق1و3شهرداریتهران) ، مجله محیط‌شناسی، 39(1): 132-123.
    1. جانعلی پور، میلاد، محمدزاده، علی، ولدان زوج، محمد جواد، امیرخانی، سعید، (1394)، تعیینمیزانتخریبساختمان‌هاپساززلزلهبابه‌کارگیری مدلANFISوتصاویرسنجشازراهدور، دو فصلنامه علمی- پژوهشی مدیریت بحران، شماره7: 91-79.
    2. داداش­پور، هاشم، عادلی، زینب، (1394)، سنجش ظرفیت­های تاب­آوری در مجموعه­ی شهری قزوین، دو فصلنامه علمی و پژوهشی مدیریت بحران، شماره 8: 84-73.
    3. رضایی، محمدرضا، (1389)، تبیین تاب‌آوری اجتماعات شهری به‌منظور کاهش اثرات سوانح طبیعی(زلزله)؛ مطالعه موردی: کلانشهر تهران، رساله دکتری، اساتید راهنما دکتر مجتبی رفیعیان و دکتر علی عسگری، دانشکده علوم انسانی، دانشگاه تربیت مدرس.
    4. سایت شهرداری تهران، 1395؛ http://region1.tehran.ir
    5. فرزادبهتاش، محمدرضا، کی­نژاد، محمدعلی، پیربابایی، محمدتقی، عسگری، علی، (1392)، ارزیابی و تحلیل ابعاد و مؤلفه‌های تاب‌آوری کلان‌شهر تبریز، نشریه هنرهای زیبا  معماری و شهرسازی، 18(3) : 42-33.
    6. محمدی سرین­دیزج، مهدی، احدنژاد، محسن، (1395)، ارزیابی میزان تاب­آوری کالبدی شهری در برابر مخاطره زلزله موردمطالعه: شهر زنجان، نشریه تحلیل فضایی مخاطرات محیطی، 3(1) : 103 -114.
    7. معظمی، بهاره، رحیمی، محمود، (1395)، سنجش و تدوین راهبردهای تاب‌آوری در مقابل بحران در بافت قدیم شهری(مورد پژوهش: محله فیض‌آباد کرمانشاه) ، جغرافیا و مطالعات محیطی، 5(18): 23-34.
    8. ملک، محمدرضا، پیله فروش‌ها، پرستو، (1393)، مقایسه‌یدوروشتهیه­ینقشه­یآسیب‌پذیریزمین‌لرزه تحتشرایطعدمقطعیتمبتنیبرمنطقفازیکلاسیکو منطقفازیشهودی، دو فصلنامه علمی- پژوهشی مدیریت بحران، شماره6:  13-5.
    9. مهندسین مشاور بافت شهر (1384)، تهیه الگوی توسعه و طرح تفصیلی منطقه و همکاری با شهرداری منطقه 1 (الگوی توسعه منطقه 1)، مرکز مطالعات و برنامه‌ریزی شهری تهران.
    10. موسسه جغرافیایی و کارتوگرافی گیتاشناسی (1387)، تاریخچه تهران، ویرایش دوم: تهران.
    11. مؤمنی، منصور، شریفی سلیم، علیرضا، (1391)، مدل‌ها و نرم‌افزارهای تصمیم­گیری چندشاخصه، تهران، ناشر مؤلفان با حمایت شرکت داروسازی اکسیر.
    12. نیکمردنمین، سارا، برک­پور، ناصر، عبدالهی، مجید، (1393)، کاهش خطرات زلزله با تأکید بر عوامل اجتماعی رویکرد تاب‌آوری، نمونه موردی: منطقه 22 تهران، مدیریت شهری، 13(37) : 19-34.
 

  1. Alexander. D. (2011), Resilience against Earthquakes, Some Practical Suggestions for Planners and Managers, 13(2): 109-115.
  2. Arisoy, O. (2007), Integrated Decision Making in Global Supply Chains and Network, Doctoral Dissertation, university of Pittsburgh, school of Enginnering.
  3. Babic, Z. Plazibat, N. (1998), Ranking of enterprises based on multicriterial analysis, International Journal of Production Economics, 56(57): 29-35.
  4. Bastaminia, A. Rezaie, MR. Tazesh, Y. Dastoorpoor, M. (2016), Evaluation of Urban Resilience to Earthquake A Case Study: Dehdasht City, International Journal of Ecology & Development, 31(4): 46- 56.
  5. Berke, P. Smith, G. and Lyles, W. (2012), Planning for Resiliency: Evaluation of State Hazard Mitigation Plans under the Disaster Mitigation Act. Nat. Hazards Rev, 13(2): 139-149.
  6. Berkes, F. (2007), Understanding uncertainty and reducing vulnerability: lessons from esilience thinking. NaturalHazards. (41): 283-295.
  7. Brans, J.P. and Mareschal, B. (1994), The PROMCALE- GAIA decision support system for multicriteria decision aid, Decision Support Systems, 12(5): 297- 310.
  8. Brans, J.P. (1996), The space of freedom of the decision maker modeling the human brain, European Journal Operational Research, (92): 593-602.
  9. Carpenter, S.R. (2001), From metaphor to measurement: resilience of what to what? Ecosystems, (4): 765–781.
  10. Caterino, N. Iervolino, I. Manfredi G. Cosenza, E. (2008), A Comparative Analysis of Decision Making Methods for the Seismic Retrofit of RC Buildings, the 14th World Conference on Earthquake Engineering, 12-17.
  11. Crandall, R. Parnell, J. A. Spillane, J.E. (2010), Crisis management in the new strategy landscape. Thousand Oaks, CA: Sage Publications.
  12. Cutter, S.L. (2008), A place-based model for understanding community resilience to natural disasters Journal of Global EnvironmentalChange:1-9. doi:10.1016/j.gloenvcha.
  13. ESA- U, (2007), World Urbanization Prospects, The 2005 Revision:2
  14. Figueira, J., Smet, Y., Brans, J.P. (2004), MCDA methods for sorting and clustering problems,PROMETHEE TRI andPROMETHEE cluster, www.vub.ac.be
  15. Gilliams, s, Raymaekers, D, Muys, B, Orshven, J.V. (2005), Comparing multiple creteria decision methods to extand geographical information system on afforestation, computer and electronic in agrecltlure, (49): 142-158.
 

 

 

  1. Godschalk, D. (2003), Urban hazard mitigation: Creating resilient cities. Natural Hazards Review, (4): 136–143.
  2. Leeneer, I. and Pastijn, H. (2002), Selecting land mine detection strategies by means of outranking MCDM techniques, European Journal Operational Reasearch, (139): 327-338.
  3. Manyena, S.B. (2006), The concept of resilience revisited, Disasters, 30(4): 433–450.
  4. Mayunga, J. S. (2007), Understanding and applying the concept of community disaster resilience: A capital-based approach, A Draft Working Paper Prepared for the Summer Academy for Social Vulnerability and Resilience Building: 22- 28.
  5. Normandin J.-M, Therrien M.- C, Tanguay G.A. (2011), City strength in times of turbulence: strategic resilience indicators, Urban Affairs Association41st Conference, New Orleans.
  6. Tompkins EL, Adger WN. (2004), Does adaptive managementof natural resources enhance resilience to climate change? Ecology and society, 9(2): 10.
  7. United Nations Climate Change Conference (COP21), (2015), Climate Change and Natural Disasters Displace Millions, Affect Migration Flows. December 10, Paris. available on:
http://www.migrationpolicy.org/article

  1. United Nations, Department of economic and social affairs. (2014), World urbanization prospects, the 2014 revision, New York, United nation publication.
  2. Usamah‚ M., Handmer‚ J., Mitchell‚ D., Ahmed‚ I. (2014), Can the vulnerable be resilient?Co-existence of vulnerability and disaster resilience: Informal settlements in thePhilippines‚International Journal of Disaster Risk Reduction‚ 10(1): 178–189.
  3. Yates. D and Paquette. S. (2011), Emergency knowledge management social media technologies: A case study of the 2010 Haitian earthquake. International Journal of Information Management, 31(1): 6-13.
  4. Zhou, Hongjian; Jing’ai Wang; Jinhong Wan; Huicong Jia. (2010), Resilience to natural hazards: a geographic perspective, Natural Hazards, 59(1): 4-21.