تحليل فضايي اتفاقات شبكة فاضلاب شهري با استفاده از GIS مطالعة موردي: شهر اردبيل

Spatial Analysis of Urban Sewage Network Events Using GIS. A Case Study of Ardabil City

سالانه هزاران مورد حادثه در شبكه‌هاي فاضلاب شهري ايران اتفاق مي‌افتند. تحليل‌ فضايي اين حوادث با استفاده از فنون مناسب، براي كاهش خسارات ناشي از آنها، ضرور‌ي به نظر مي‌رسد. هدف اين پژوهش تحليل فضايي اتفاقات شبكة فاضلاب شهري است. قلمرو پژوهش شهر اردبيل است كه از 44 محله تشكيل شده است. داده‌هاي اين پژوهش، شامل 722 مورد اتفاق در شبكة فاضلاب شهر اردبيل‌ است. اين آمار تا نيمة دوم سال 1395 ثبت شده‌اند. در پژوهش حاضر، از فنون آمار فضايي مانند تراكم Kernel، رگرسيون وزني جغرافيايي (GWR) و روش تعيين الگوي پراكنش عوارض Replyes K-Function، براي تجزيه و تحليل داده‌ها، استفاده شده است. يافته‌هاي پژوهش نشان مي‌دهند كه بيشترين اتفاقات فاضلاب، در محله‌هاي مركزي، سكونتگاه‌هاي غيررسمي و بافت‌هاي قديمي شهر رخ داده‌اند. الگوي پراكنش فضايي حوادث فاضلاب، از نوع خوشه‌اي است. شدت تراكم حوادث، در محلات در حال ساخت و محلات فرسوده بيشتر است و بين تراكم جمعيتي و ساختماني، فعاليت‌هاي ساختماني، نوع بافت شهري، كيفيت معابر با تعداد اتفاقات رابطه معنادار است و با شيب زمين بي‌معنا است. نتيجه اينكه، محلات فرسوده، پرجمعيت و در حال ساخت، با بيشترين حوادث و آسيب‌ها مواجه‌اند. مدلسازي روابط فضايي نيز نشان مي‌دهد كه بافت‌هاي قديمي و فرسوده شهر، در معرض بالاترين ميزان خطرپذيري وقوع حوادث در شبكه‌ فاضلاب قرار دارند. در پايان بر مبناي يافته‌هاي پژوهش، پيشنهادهايي براي بهبود شبكه و پيشگيري از حوادث در شبكه فاضلاب ارائه شده‌اند.

Every year, thousands of incidents occur in urban sewer networks. Spatial analysis of these events using the proper techniques for reducing damages caused by them, is necessary. The purpose of this research is spatial analysis of the events of the urban sewage network. The study area of this study is Ardabil city consisting of 44 neighborhoods. The data of this study included 722 events in the Ardabil city sewage network. These statistics were recorded in the second half of 2016. In this study, spatial statistical techniques such as Kernel density, Geographically Weighted Regression (GWR) and the distribution pattern of Ripley's K-Function, are used for data analysis. The findings show that the most sewage events occurred in the central neighborhoods, informal settlements and the Old textures of the city. Spatial distribution pattern of sewage events, is the cluster type. The sewage events density, intensity is higher in under construction and old neighborhoods and there is a significant relationship between population density and building construction activities, urban texture, quality of streets with the number of events but this relationship with ground slope is meaningless. In conclusion, old, overcrowded and under construction neighborhoods, faced with the most events and damages. Modeling spatial relationships also show that, old and deteriorated areas of the city faced with the highest risk of events in the sewage network. At the end, based on research findings, recommendations for improvement of networks and prevention of events in the sewage network are presented.