تحلیل نقش کلان شهرها در تحولات ساختارفضایی استان های ایران

نوع مقاله : پژوهشی اصیل

نویسندگان
1 کارشناس اداره کل راه و شهرسازی استان آذربایجان شرقی
2 استاد جغرافیا و برنامه‌ریزی شهری، دانشکده علوم اجتماعی، دانشگاه پیام‌نور، تهران، ایران.
3 استادیار جغرافیا و برنامه‌ریزی شهری، دانشکده علوم اجتماعی، دانشگاه پیام‌نور، تهران، ایران
چکیده
بررسی مناطق کلانشهری رسمی ایران، نقش محوری آنها را در شکل‌دهی به چارچوب‌های فضایی استان‌ها روشن می‌سازد. این مناطق به عنوان هسته‌های اقتصادی و اجتماعی عمل کرده و تخصیص منابع و پیشرفت را تسهیل می‌کنند. درک این نقش برای برنامه‌ریزی توسعه‌ای و کاهش نابرابری‌های منطقه‌ای ضروری است. این پژوهش تأثیر مناطق کلانشهری بر چارچوب‌های فضایی استان‌ها را از طریق تحلیل تمرکز جمعیتی، فعالیت‌های منطقه‌ای و سلسله مراتب شهری بررسی می‌کند. در این مطالعه از روش‌های کمی شامل آزمون T، خوشه‌بندی Kmeans و شاخص موران I استفاده شده است. نتایج نشان می‌دهد که 8 استان دارای مراکز کلانشهری رسمی، سطح پیشرفت بالاتری نسبت به ۲۳ استان فاقد چنین مراکزی دارند. علاوه بر این، استان‌های مجاور این مناطق کلانشهری نیز از سطح توسعه بیشتری برخوردارند. یافته‌های حاصل از شاخص موران I، آرایش فضایی خوشه‌ای را نشان می‌دهد که توسط نقشه وزندهی معکوس فاصله (IDW) تأیید شده و تمرکز توسعه در فلات مرکزی ایران را برجسته می‌سازد. با این حال، استان خراسان رضوی به دلیل مجاورت جغرافیایی با مناطق کمتر توسعه‌یافته، از این الگو پیروی نمی‌کند. کاربرد روش خوشه‌بندی Kmeans، تهران، اصفهان، فارس و البرز را به عنوان توسعه‌یافته‌ترین استان‌ها شناسایی کرده ‌است، در حالیکه قم و سیستان و بلوچستان در دسته کمتر توسعه‌یافته قرار گرفته‌اند. این نتایج بر اهمیت حیاتی مناطق کلانشهری در تسهیل تحولات ساختاری درون استان‌های ایران تأکید می‌کند.

کلیدواژه‌ها

موضوعات


-علی اکبری, کاشی, کماسی. (2018). ارزیابی رقابت‌پذیری اقتصادی کلان‌شهرهای ایران. فصلنامه علمی برنامه ریزی منطقه ای, 8(29, 13-26.
-امیدعلی, فنی, شفیعی ثابت . (2022). تبیین نقش رقابت‌ پذیری کلان‌ شهری در توسعه منطقه‌ ای (مطالعه موردی: کلان‌ شهرتهران). پژوهشهای جغرافیای انسانی, 54(1), 253-267.
-خیرالدین, مقدم, طاهری. (2022). بررسی و تحلیل‎‎ سازمان فضایی‎‎ منطقه کلانشهری تهران با‎‎ استفاده از جریان فضایی جمعیتی. نشریه هنرهای زیبا: معماری و شهرسازی, 26(4), 27-37.
-داداشپور, هاشم, شیرپور. (2024). جایگاه سیستم نوآوری منطقه‌ای در فرآیند یادگیری بنگاه‌های صنعتی (نمونه مطالعاتی: صنایع مبلمان محور شرق منطقه کلان شهری تهران؛ شهرستان پردیس و دماوند). برنامه‌ریزی و آمایش فضا, 28(1), 1-25.
-داداش‌پور, هاشم, علی‌دادی. (2018). تحلیل ریخت‌شناسانۀ ساختار فضایی توزیع جمعیت در منطقۀ کلان‌شهری تهران. پژوهشهای جغرافیای انسانی, 50(1), 109-125.
-رفیعیان, شاه حسینی, داداش پور. (2022). فراتحلیل مطالعات حوزه مناطق کلان‌شهری در ایران. معماری و شهرسازی آرمان شهر, 15(38), 247-270.
-ملک زاده, داداش پور, رفیعیان. (2020). بررسی عوامل موثر بر ساختار فضایی شهری و منطقه‌ای با استفاده از روش تحلیل محتوا. دانش شهرسازی, 3(4), 1-14.
-زبردست, پور خلیل. (2009). تبیین فرایند شکل‌گیری، تکوین و دگرگونی مناطق کلان‌شهری. پژوهشهای جغرافیای انسانی, 42(69), 105-121.
-زیاری, اله, احسانی فرد. (2022). بررسی رقابت پذیری شهرها توسط شاخص های شهراثرگذار و شهر قدرتمند با تلفیق مدل الماس پورتر «diamond model» و تکنیک Fuzzy dematel»»(مورد پژوهی: دارالمرحمه، سمنان). برنامه‌ریزی و آمایش فضا, 26(2), 127-159.
-شعبانی, هوشمند, ناجی میدانی. (2022). بررسی اثرات سرریز فضایی شهرنشینی بر رشد اقتصادی استان‌های ایران (رویکرد داده‌های تابلویی پویای فضایی). پژوهش‌های رشد و توسعه اقتصادی, 12(47), 53-76.
-ضرغامی, توکلی نیا, صرافی. (2022). ارزیابی ساختار فضایی مناطق کلان‌شهری از منظر قابلیت‌های هم‌افزایی اقتصادی مورد پژوهی: منطقه کلان‌شهری تهران. پژوهشهای جغرافیای انسانی, 54(3), 1059-1081.
-عظیمی. (2019). آمایش سازمان فضایی منطقه با تأکید بر نظام جریان کالای حمل شده در منطقه البرز جنوبی. فصلنامه برنامه ریزی توسعه شهری و منطقه ای, 3(7), 79-107.
-کاردگر, شریفی, علمی. (2023). تحلیل فضایی عوامل موثر بر نرخ اشتغال استان‌های ایران (با رویکرد داده‌های تابلویی فضایی). مدلسازی اقتصادسنجی, 7(4), 143-177.
-لطفی, شهمیری, روشناس . (2022). بررسی ارتباط بین ساختار فضایی و نابرابری‌های منطقه‌ای در استان‌های کشور. مطالعات جغرافیایی مناطق خشک, 6(21), 15-29.
-منوچهری میاندوآب, رهنمایی. (2019). تحلیلی بر فرایند تولید فضای سرمایه‌داری دولتی در ایران مورد: شهر تهران. برنامه‌ریزی و آمایش فضا, 23(1), 85-116.
-Agarwal, P. (2001). Walter Christaller, Hierarchical Patterns of Urbanization. CSISS Classics.
-Anas, A., Arnott, R., & Small, K. A. (1998). Urban spatial structure. Journal of economic literature, 36(3), 1426-1464.
-Arif, M., Hussain, J., Hussain, I., Kumar, S., & Bhati, G. (2014). GIS based inverse distance weighting spatial interpolation technique for fluoride occurrence in ground water. Open Access Library Journal, 1(4), 1-6.
-Batty, M. (2009). Cities as Complex Systems: Scaling, Interaction, Networks, Dynamics and Urban Morphologies.
-Castells, M. (1998). The information age: Economy, society and culture. Vol. 3, End of millennium: Blackwell.
-Chen, Y. (2021). An analytical process of spatial autocorrelation functions based on Moran’s index. PLoS One, 16(4), e0249589.
-Christaller, W. (1933). Die Zentralen Orte in Suddeutschland, Jena. Central Places in Southern Germany.
-Desrochers, P., & Hospers, G.-J. (2007). Cities and the Economic Development of Nations: An Essay on Jane Jacobs' Contribution to Economic Theory. Canadian Journal of Regional Science, 30(1).
-Echenausía-Monroy, J., Cuensta-garcía, J., & Ramirez, J. P. (2022). The wonder world of complex systems. Chaos Theory and Applications, 4(4), 267-273.
-EGRI, Z., & TÁNCZOS, T. (2015). Spatial layers and spatial structure in Central and Eastern Europe Regional Statistics 5 (2): 34–61. In.
-Ekholm, K. (1998). Proximity advantages, scale economies, and the location of production. The geography of multinational firms, 59-76.
-Fainstein, S. S. (2014). The just city. International journal of urban Sciences, 18(1), 1-18.
-Feldman, M. P., & Francis, J. L. (2004). Homegrown solutions: Fostering cluster formation. Economic development quarterly, 18(2), 127-137.
-Friedmann, J. (1967). A general theory of polarized development.
-Fujita, M., & Thisse, J.-F. (2009). New economic geography: an appraisal on the occasion of Paul Krugman's 2008 Nobel Prize in Economic Sciences. Regional science and urban economics, 39(2), 109-119.
-Gaspar, J. M. (2020). New economic geography: economic integration and spatial imbalances. Spatial Economics Volume I: Theory, 79-110.
-Geyer, H. S., & Kontuly, T. (1993). A theoretical foundation for the concept of differential urbanization. International Regional Science Review, 15(2), 157-177.
-Henderson, J. (2000). The Effects of Urban Concentration on Economic Growth.

-Huang, X., Li, G., & Liu, J. (2020). The Impact of Spatial Structure on Economic Efficiency of Beijing‐Tianjin‐Hebei Megalopolis in China. Complexity, 2020(1), 6038270.
-Jaber, A. S., Hussein, A. K., Kadhim, N. A., & Bojassim, A. A. (2022). A Moran’s I autocorrelation and spatial cluster analysis for identifying Coronavirus disease COVID-19 in Iraq using GIS approach. Caspian Journal of Environmental Sciences, 20(1), 55-60.
-Krugman, P. (1991). Geography and trade. Cambridge. MIT Press.. 1991b. Increasing returns and economic geography. Journal of Political Economy, 99(31), 483-499.
-Krugman, P. (1992). Geography and trade: MIT press.
-Krugman, P. (2011). The new economic geography, now middle-aged. Regional studies, 45(1), 1-7.
-Lasuen, J. R. (1969). On growth poles. Urban studies, 6(2), 137-161.
-Liu, K., Xue, M., Peng, M., & Wang, C. (2020). Impact of spatial structure of urban agglomeration on carbon emissions: An analysis of the Shandong Peninsula, China. Technological Forecasting and Social Change, 161, 120313.
-Meijers, E. (2008). Measuring polycentricity and its promises. European planning studies, 16(9), 1313-1323.
-Morissette, L., & Chartier, S. (2013). The k-means clustering technique: General considerations and implementation in Mathematica. Tutorials in Quantitative Methods for Psychology, 9(1), 15-24.
-Oktavia, E., & Mustika, I. W. (2016). Inverse distance weighting and kriging spatial interpolation for data center thermal monitoring. Paper presented at the 2016 1st International Conference on Information Technology, Information Systems and Electrical Engineering (ICITISEE).
-Omidali, E., Fanni, Z., & ShafieiSabet, N. (2022). Explaining the role and function of Iranian metropolises in the regional development programs of the country. International Journal of Urban Management and Energy Sustainability, 3(3), 1-18.
-Prountzos, D., & Pingali, K. (2013). Betweenness centrality: algorithms and implementations. Paper presented at the Proceedings of the 18th ACM SIGPLAN symposium on Principles and practice of parallel programming.
-Sedgwick, P. (2010). Independent samples t test. Bmj, 340.
-Seongha, L., & Ishiro, T. (2023). Regional economic analysis of major areas in South Korea: using 2005–2010–2015 multi‑regional input–output tables.
-Tobler, W. R. (1970). A computer movie simulating urban growth in the Detroit region. Economic Geography, 46(sup1), 234-240.
-Wang, S., Wang, Y., & Wang, D. (2014). Spatial structure of central places in jilin central urban agglomeration, jilin Province, China. Chinese Geographical Science, 24, 375-383.
-Yeh, A. G., Lin, C., & Yang, F. F. (2021). Mega-city region development in China: Routledge London.
-Yong, A. G., & Pearce, S. (2013). A beginner’s guide to factor analysis: Focusing on exploratory factor analysis. Tutorials in Quantitative Methods for Psychology, 9(2), 79-94.
-Zhang, J., & Luo, Y. (2017). Degree centrality, betweenness centrality, and closeness centrality in social network. Paper presented at the 2017 2nd international conference on modelling, simulation and applied mathematics (MSAM2017).