خلاصه

درک تعادل بین عرضه و تقاضای خدمات اوقات فراغت (LS) در مناطق شهری می تواند به برنامه ریزی فضایی شهری و بهبود کیفیت زندگی ساکنان کمک کند. در شهرهای کشورهای در حال توسعه، پیگیری رشد سریع اقتصادی، تقاضای ساکنان برای LS را نادیده گرفته است و در نتیجه منجر به تقاضای بالا و کمبود عرضه این خدمات شده است. با این حال، به دلیل کمبود داده های تحقیقاتی مرتبط، مطالعات کمی بر عدم تطابق فضایی در عرضه و تقاضای LS در مناطق شهری متمرکز شده است. به عنوان نمایندگان معمولی داده‌های جغرافیایی چندمنبعی، داده‌های سنجش اجتماعی به آسانی در مقیاس‌های زمانی و مکانی مختلف در دسترس هستند، بنابراین داده‌های سنجش اجتماعی را برای تحقیقات کمی شهری ایده‌آل می‌سازند. اهداف این مطالعه استفاده از مجموعه داده‌های در دسترس برای کشف الگوی فضایی عرضه و تقاضای LS در مناطق شهری و سپس به تصویر کشیدن رابطه بین عرضه و تقاضا با استفاده از تحلیل همبستگی است. بنابراین، با در نظر گرفتن پکن، چین، به عنوان مثال، شاخص عرضه LS (SI) و شاخص نیازهای اجتماعی (SNI) بر اساس داده های باز پیشنهاد شده اند تا عرضه و تقاضای LS را منعکس کنند. نتایج نشان می‌دهد که توزیع فضایی عرضه و تقاضای LS در پکن با یک الگوی متحدالمرکز از مرکز شهری تا مناطق حومه‌ای متفاوت است. ارتباط قوی بین عرضه و تقاضای خدمات تجاری و چند منظوره در چائویانگ، فنگتای، هایدیان و شیجینگشان وجود دارد، اما هیچ ارتباط آشکاری بین عرضه و تقاضای خدمات زیست محیطی و فرهنگی در پکن وجود ندارد. به خصوص در دونگ چنگ و شیچنگ، هیچ ارتباط آشکاری بین عرضه و تقاضای همه خدمات وجود ندارد. رویکرد پیشنهادی یک روش موثر ارزیابی عرضه و تقاضای LS شهری را ارائه می‌کند. علاوه بر این، نتایج تحقیق می‌تواند مرجعی برای ساخت «شهرهای شاد» در چین باشد.

کلید واژه ها:

خدمات اوقات فراغت ; عرضه و تقاضا ؛ عدم تطابق فضایی ؛ شهری ; داده های چند منبعی

چکیده گرافیکی

1. معرفی

شهرنشینی، به عنوان یک پدیده جهانی، یکی از برگشت ناپذیرترین اثرات را بر بیوسفر جهانی دارد [ 1 ، 2 ]. دپارتمان امور اقتصادی و اجتماعی سازمان ملل متحد، P. D (2014) در گزارش خود “چشم انداز شهرنشینی جهان در سال 2014” پیش بینی کرد که با شتاب شهرنشینی، تا سال 2050، بیش از 70 درصد از جمعیت جهان در شهرها چین به عنوان پرجمعیت ترین کشور جهان، دستاوردهای قابل توجهی در ساخت و ساز شهری و توسعه اقتصادی داشته است. 3]]. با این حال، یکی از پیامدهای اصلی انفجار جمعیت و رونق اقتصادی، تضاد جدی بین افزایش تقاضا و کمبود منابع در مناطق شهری است. علاوه بر این، همین پدیده نابرابری بیشتری را در سرتاسر جهان به ارمغان می‌آورد، به طوری که برخی از مناطق بیشتر از سایرین از سرمایه‌گذاری‌های عمومی و رشد اقتصادی سود می‌برند [ 4 ، 5 ].
اوقات فراغت به عنوان یکی از چهار عملکرد اساسی شهر (مسکن، کار، حمل و نقل و اوقات فراغت) [ 6 ، 7 ]، یکی از متداول ترین فعالیت هایی است که در فرآیند برنامه ریزی مورد توجه قرار می گیرد [ 8 ] و مکان هایی برای ارائه محلی مورد نیاز است. ساکنین دارای اوقات فراغت، سرگرمی و سایر خدمات [ 9 ]. برنامه ریزی شهری و فعالیت های انسانی ممکن است بر ارائه و ارائه خدمات اوقات فراغت شهری (LS) تأثیر بگذارد. به عنوان مثال، برنامه ریزی شهری با تعیین مکان و ویژگی های بیوفیزیکی فضاهای فراغتی بر تأمین LS تأثیر می گذارد [ 10 ، 11] .]. LS ها به طرق مختلف طبقه بندی شده اند. معمولاً LS ها به چهار دسته تقسیم می شوند: اوقات فراغت زیست محیطی (EL)، اوقات فراغت تجاری (BL)، اوقات فراغت فرهنگی (CL) و اوقات فراغت چند منظوره (ML). مطالعات [ 12 ، 13 ] نشان دادند که اوقات فراغت می تواند شادی ساکنان شهری را بیشتر از درآمد، سلامت یا روابط اجتماعی افزایش دهد، عمدتاً به این دلیل که شهرهایی با اوقات فراغت بیشتر برای زندگی خانوادگی و سرگرمی مناسب تر هستند. بنابراین، اوقات فراغت افراد زیادی را جذب می‌کند، به‌ویژه افرادی که استعدادهای بالایی دارند و در نتیجه جذابیت شهر و شادی ساکنان آن را بیشتر می‌کند [ 14 ]. کارلینو همچنین خاطرنشان کرد که ساکنان با سطح تحصیلات بالا شهرهایی را ترجیح می دهند که اوقات فراغت جذابی را ارائه می دهند. 15]. بنابراین، اوقات فراغت به عامل مهمی برای مردم در انتخاب محل زندگی تبدیل شده است. اگر شهری در حین توسعه، پیکربندی اوقات فراغت را در نظر نگیرد، نگرش ساکنان نسبت به دولت بدبینانه خواهد بود.
متأسفانه، بیشتر دولت‌ها بر ساخت «شهرهای هوشمند» تمرکز کرده‌اند، اما «شهرهای شاد» نسخه پیشرفته‌ای از مفهوم «شهرهای هوشمند» است. در مقایسه با طراحی یک شهر هوشمند سنتی، که بر سطح فنی متمرکز است – یعنی شبکه های اساسی، تجهیزات سنجش، امکانات رایانش ابری و منابع اطلاعاتی اولیه – ساخت یک شهر شاد تاکید بیشتری بر تعامل بین “فناوری” دارد. ” و مردم”؛ به ویژه، نیازهای واقعی “مردم” هدف طراحی سطح بالا در نظر گرفته می شود و بهبود شادی و رضایت “مردم” هسته اصلی چارچوب مفهومی است. برای چندین دهه، معیارهای شادکامی، تولید ناخالص داخلی (GDP) و شاخص توسعه انسانی (HDI) بوده است. با این حال،16 ]. اوقات فراغت می تواند به رفاه ذهنی (SWB) کمک کند [ 17 ]. واضح است که مشارکت در تجارب اوقات فراغت روزانه (بیش از تولید ناخالص داخلی یا HDI) میزان لذت مستقیمی را که از شرکت در فعالیت‌های معمول درک می‌شود، افزایش می‌دهد [ 17 ]. ساکنان شهری باید فرصت های برابر برای بهره مندی از مزایای LS های شهری داشته باشند. بنابراین، برابری LSهای شهری یک اولویت در ساخت یک شهر شاد و نشانه تمدن و پیشرفت در جامعه مدرن است [ 18 ، 19 ]. بنابراین لازم است درک بهتری از توزیع و رابطه بین عرضه و تقاضای LS ایجاد شود تا به شهرنشینان و برنامه ریزان شهری اطلاع رسانی شود.
بقیه این مقاله به شرح زیر سازماندهی شده است: بخش 2 کارهای مرتبط را مرور می کند. بخش 3 مواد و روش ها را معرفی می کند. بخش 4 یک مطالعه موردی را برای بررسی عدم تطابق فضایی و توزیع فضایی LS در پکن، چین ارائه می‌کند. بخش 5 نتیجه و محدودیت ها را مورد بحث قرار می دهد. بخش 6 با خلاصه ای کوتاه از این مقاله به پایان می رسد.

2. کارهای مرتبط

«عدم تطابق عرضه و تقاضا» به عدم تطابق عرضه خدمات و تقاضای انسانی در محدوده فضایی تعریف شده اشاره دارد. برای مدت طولانی کمبود اطلاعات زمانی مکانی شهری مانع بزرگی در مطالعه و حل مشکلات شهری بود. در سال های اخیر، توسعه فناوری سنجش از دور و فناوری رایانه منجر به ایجاد منابع داده جدید برای تحقیقات شهری شده است. تعداد فزاینده ای از برنامه ریزان و محققان به اهمیت امکانات خدمات عمومی شهری برای ساکنان شهری پی برده اند. با این حال، تعداد معدودی به الگوی عرضه و تقاضای LSهای متعدد شهری توجه کرده‌اند و بیشتر آنها فقط به فضای سبزی که می‌تواند خدمات اوقات فراغت بوم‌شناختی ارائه کند توجه کرده‌اند و خدمات فراغتی تجاری، فرهنگی و چند منظوره را نادیده گرفته‌اند. بنابراین، در بررسی ادبیات،
با توجه به روش تحقیق مورد استفاده، تحقیق حاضر را می توان به سه دسته تقسیم کرد: (1) روش های ساخت شاخص، (2) روش های تحلیل و (3) روش های ترکیبی. روش‌های ساخت شاخص، میزان تطابق عرضه و تقاضا را با توجه به نسبت مقیاس تسهیلات خدماتی به جمعیت در یک محدوده معین اندازه‌گیری می‌کنند. به عنوان مثال، کارستن گرونوالد [ 20 ] یک سیستم شاخص ایجاد کرد که شامل منطقه سبز، نسبت فضای سبز به جمعیت، مسافت رفت و آمد و غیره بود تا درجه تطابق بین عرضه و تقاضای روزانه LS در فضاهای سبز شهری در آلمان را آشکار کند. . فن [ 21] یک شاخص جامع بر اساس کیفیت و دسترسی به فضاهای سبز ساخته و الگوی عرضه و ویژگی‌های تکاملی خدمات تفریحی را در دو مقیاس (واحدهای شبکه 100 متری و ناحیه شهری) در شانگهای ارزیابی کرد. چن [ 22 ] از نسبت عرضه و تقاضای خدمات اکوسیستم (ESDR) برای بیان رابطه بین عرضه و تقاضای خدمات اکوسیستم (ES) و برای محاسبه عرضه و تقاضای ES در ووهان، چین استفاده کرد. روش‌های تحلیل مبتنی بر سیستم‌های اطلاعات جغرافیایی (GIS) معمولاً از ابزارهای GIS مانند تجزیه و تحلیل شبکه، تجزیه و تحلیل بافر و تحلیل پوشش فضایی برای تجزیه و تحلیل تطبیق عرضه و تقاضا استفاده می‌کنند. به عنوان مثال، گوپتا ک. [ 23] از تجزیه و تحلیل منطقه بافر و تجزیه و تحلیل شبکه برای نشان دادن درجه تطبیق عرضه و تقاضا در فضای سبز دهلی در هند استفاده کرد. ماریا سوزانا اورتا اورتیز [ 9 ]، با استفاده از تفریح ​​و عرضه غذا به عنوان مثال، روشی را بر اساس مقایسه صریح کمی و تجزیه و تحلیل شبکه GIS برای ارزیابی تقاضای نامناسب در هاوانا، کوبا توسعه داد. روش های ترکیبی برای تجزیه و تحلیل همزمان فرمت های داده های مختلف (کیفی و کمی) مناسب هستند. به عنوان مثال، Kati Vierikko [ 24 ] از داده های مصاحبه و داده های آماری برای تجزیه و تحلیل رابطه مستقیم بین عرضه و تقاضای سرگرمی مربوط به اکوسیستم های دریاچه شهری در فنلاند با استفاده از روش خدمات جامع اکوسیستم استفاده کرد. بورکهارد و همکاران [ 25] یک مفهوم کاربردی آسان را بر اساس ماتریسی ارائه کرد که واحدهای چشم انداز بیوفیزیکی صریح فضایی را به یکپارچگی اکولوژیکی و عرضه و تقاضای خدمات اکوسیستم مرتبط می کند.
اگرچه روش های فوق به تشخیص عدم تطابق بین عرضه و تقاضای LS شهری کمک کرده است، مشکلات زیر به طور کلی وجود دارد:
(1) پرسشنامه ها یا داده های آماری مورد استفاده در اکثر مطالعات دارای وضوح زمانی و مکانی پایینی هستند و بنابراین ممکن است الزامات تصمیم گیری را برآورده نکنند.
(2) در حال حاضر، هیچ تحقیق سیستماتیک و جامعی در مورد عرضه و تقاضای LSهای شهری وجود ندارد. اکثر مطالعات کنونی LS را بخشی از ESهای شهری [ 3 ، 9 ، 20 ] در نظر می گیرند و بنابراین تنها فضاهای سبز و پارک هایی را پوشش می دهند که ممکن است LS های فضای باز را ارائه دهند در حالی که خدماتی مانند اوقات فراغت فرهنگی و اوقات فراغت سرگرمی را نادیده می گیرند.
(3) اکثر مطالعات در مورد LSهای شهری اغلب دسترسی به فضاهای اوقات فراغت را به درستی در نظر نمی گیرند. به عنوان مثال، این مطالعات زیرساخت های حمل و نقل را در نظر نگرفتند [ 26 ].
برای پرداختن به این مسائل، ما از مجموعه داده‌های قابل دسترسی آزاد (مانند داده‌های نقطه مورد علاقه (POI)، داده‌های جمعیت و داده‌های تولید ناخالص داخلی) به جای داده‌های سرشماری و پرسشنامه برای ارزیابی و تجزیه و تحلیل LS شهری استفاده می‌کنیم. داده های POI که از نقشه های وب به دست می آیند، داده های نقطه ای موجودات جغرافیایی واقعی هستند. داده های POI دارای اطلاعات معنایی غنی از مکان [ 27 ]، دقت بالا، پوشش گسترده و به روز رسانی سریع هستند و به طور گسترده برای درک محیط های شهری استفاده می شوند [ 28 ، 29]]. علاوه بر این، برخی از مقوله‌های POI، مانند استادیوم‌ها و پارک‌ها، ارتباط نزدیکی با اوقات فراغت انسان دارند، در حالی که سایر دسته‌های POI، مانند شرکت‌ها، عرضه ضعیفی از اوقات فراغت دارند و حتی اثر حذف دارند. علاوه بر این، داده‌های تراکم جمعیت شدت فعالیت‌های انسانی را منعکس می‌کند، در حالی که داده‌های تولید ناخالص داخلی منعکس کننده شدت توزیع اجتماعی-اقتصادی است. ترکیب مزایای این داده ها دارای پتانسیل قابل توجهی برای دستیابی به بینش بهتر در مورد الگوهای عرضه و تقاضای LS شهری است. بر اساس دانش ما، در مقیاس فضایی بزرگ و سطح بالایی از جزئیات، یک شکاف در تحقیق در مورد عدم تطابق فضایی برای عرضه و تقاضای LS شهری وجود دارد. در این زمینه، این مقاله عدم تطابق فضایی بین عرضه LS شهری و نیازهای اجتماعی را با استفاده از داده‌های چند منبعی بررسی می‌کند.

3. مواد و روشها

3.1. منطقه مطالعه

پکن تقریباً 21.54 میلیون نفر جمعیت دارد که در منطقه ای به مساحت 16410.54 کیلومتر مربع زندگی می کنند . علاوه بر این، پکن پایتخت جمهوری خلق چین است و مرکز سیاسی، مرکز فرهنگی، مرکز مبادلات بین‌المللی و مرکز نوآوری علمی و فناوری چین است. یک گزارش سازمان ملل اشاره کرد که HDI پکن در میان شهرهای چین در رتبه دوم قرار دارد. در سال 2019، تولید ناخالص داخلی پکن 3537.13 میلیارد یوان و کل خرده فروشی کالاهای مصرفی 1227.01 میلیارد یوان بود. با این حال، متأسفانه، پکن به عنوان یکی از 30 شهر برتر چین در سال 2019 شناخته نشد. رشد سریع اقتصادی در پکن منجر به توزیع فضایی نامتعادل و نامتناسب امکانات و خدمات عمومی شده است.
برای تسریع توسعه LS های شهری در پکن، دولت طرح ها و اقداماتی را برای افزایش ساخت فضاهای تفریحی شهری پیشنهاد کرده است. به عنوان مثال، طرح جامع شهری پکن (2016-2035) که در سال 2017 به تصویب رسید، توسعه پایدار مناطق شهری را به عنوان هدف اصلی برنامه ریزی شهری معرفی کرد. دستیابی به این هدف از جمله مستلزم افزایش ساخت مناطق تفریحی، فضای سبز و فضاهای تفریحی ورزشی برای حفظ و ارتقای مزایای فضاهای اوقات فراغت شهری و در نتیجه کمک به رفاه و کیفیت زندگی شهروندان است. «اقدامات بهبود بیشتر اقتصاد و ارتقای رشد مصرف در پکن» برای ایجاد تعدادی مکان‌های دیدنی شبانه، مناطق تجاری شبانه و مناطق زندگی شبانه در پکن تا پایان سال 2021 پیشنهاد شد. علاوه بر این، “برنامه اقدام ساخت و ساز منطقه تفریحی و تفریحی فرهنگ پایتخت پکن شیجینگشان (CRD)” برای ایجاد امکانات تفریحی متعدد و فضاهای سبز عمومی و تبدیل ساختمان های قدیمی به موزه ها، مراکز هنری و گالری ها برای ایجاد یک محیط تفریحی جذاب پیشنهاد شد. از سال 2008، این طرح ها عمیقاً بر کاربری زمین و توسعه شهری پکن تأثیر گذاشته است. بنابراین، ادارات دولتی باید به سرعت و به طور موثر داده هایی را در مورد مساحت و مکان هر فضای اوقات فراغت شهری به دست آورند. این الزام برنامه ریزی شهری یکی از انگیزه های این مطالعه است. بنابراین، ما شش منطقه مرکزی (دونگ چنگ، شیچنگ، چائویانگ، فنگتای، شیجینگشان، و هایدیان) در پکن را به عنوان منطقه مورد مطالعه برای ارزیابی توزیع عرضه و تقاضای LS انتخاب کردیم. “برنامه اقدام ساخت و ساز منطقه تفریحی و تفریحی فرهنگی پکن شیجینگشان (CRD)” برای ایجاد امکانات تفریحی متعدد و فضاهای سبز عمومی و تبدیل ساختمان های قدیمی به موزه ها، مراکز هنری و گالری ها برای ایجاد یک محیط تفریحی جذاب پیشنهاد شد. از سال 2008، این طرح ها عمیقاً بر کاربری زمین و توسعه شهری پکن تأثیر گذاشته است. بنابراین، ادارات دولتی باید به سرعت و به طور موثر داده هایی را در مورد مساحت و مکان هر فضای اوقات فراغت شهری به دست آورند. این الزام برنامه ریزی شهری یکی از انگیزه های این مطالعه است. بنابراین، ما شش منطقه مرکزی (دونگ چنگ، شیچنگ، چائویانگ، فنگتای، شیجینگشان، و هایدیان) در پکن را به عنوان منطقه مورد مطالعه برای ارزیابی توزیع عرضه و تقاضای LS انتخاب کردیم. “برنامه اقدام ساخت و ساز منطقه تفریحی و تفریحی فرهنگی پکن شیجینگشان (CRD)” برای ایجاد امکانات تفریحی متعدد و فضاهای سبز عمومی و تبدیل ساختمان های قدیمی به موزه ها، مراکز هنری و گالری ها برای ایجاد یک محیط تفریحی جذاب پیشنهاد شد. از سال 2008، این طرح ها عمیقاً بر کاربری زمین و توسعه شهری پکن تأثیر گذاشته است. بنابراین، ادارات دولتی باید به سرعت و به طور موثر داده هایی را در مورد مساحت و مکان هر فضای اوقات فراغت شهری به دست آورند. این الزام برنامه ریزی شهری یکی از انگیزه های این مطالعه است. بنابراین، ما شش منطقه مرکزی (دونگ چنگ، شیچنگ، چائویانگ، فنگتای، شیجینگشان، و هایدیان) در پکن را به عنوان منطقه مورد مطالعه برای ارزیابی توزیع عرضه و تقاضای LS انتخاب کردیم. مراکز هنری و گالری ها برای ایجاد یک محیط تفریحی جذاب. از سال 2008، این طرح ها عمیقاً بر کاربری زمین و توسعه شهری پکن تأثیر گذاشته است. بنابراین، ادارات دولتی باید به سرعت و به طور موثر داده هایی را در مورد مساحت و مکان هر فضای اوقات فراغت شهری به دست آورند. این الزام برنامه ریزی شهری یکی از انگیزه های این مطالعه است. بنابراین، ما شش منطقه مرکزی (دونگ چنگ، شیچنگ، چائویانگ، فنگتای، شیجینگشان، و هایدیان) در پکن را به عنوان منطقه مورد مطالعه برای ارزیابی توزیع عرضه و تقاضای LS انتخاب کردیم. مراکز هنری و گالری ها برای ایجاد یک محیط تفریحی جذاب. از سال 2008، این طرح ها عمیقاً بر کاربری زمین و توسعه شهری پکن تأثیر گذاشته است. بنابراین، ادارات دولتی باید به سرعت و به طور موثر داده هایی را در مورد مساحت و مکان هر فضای اوقات فراغت شهری به دست آورند. این الزام برنامه ریزی شهری یکی از انگیزه های این مطالعه است. بنابراین، ما شش منطقه مرکزی (دونگ چنگ، شیچنگ، چائویانگ، فنگتای، شیجینگشان، و هایدیان) در پکن را به عنوان منطقه مورد مطالعه برای ارزیابی توزیع عرضه و تقاضای LS انتخاب کردیم. این الزام برنامه ریزی شهری یکی از انگیزه های این مطالعه است. بنابراین، ما شش منطقه مرکزی (دونگ چنگ، شیچنگ، چائویانگ، فنگتای، شیجینگشان، و هایدیان) در پکن را به عنوان منطقه مورد مطالعه برای ارزیابی توزیع عرضه و تقاضای LS انتخاب کردیم. این الزام برنامه ریزی شهری یکی از انگیزه های این مطالعه است. بنابراین، ما شش منطقه مرکزی (دونگ چنگ، شیچنگ، چائویانگ، فنگتای، شیجینگشان، و هایدیان) در پکن را به عنوان منطقه مورد مطالعه برای ارزیابی توزیع عرضه و تقاضای LS انتخاب کردیم.شکل 1 ).

3.2. منابع داده و پیش پردازش

در این تحقیق از شش نوع داده استفاده شد. مرز اداری در پکن مجموعه داده اصلی است. برای محاسبه شاخص عرضه LS (SI) از LS POI شهری و داده‌های مرکز ترافیک و برای محاسبه مقادیر شاخص نیازهای اجتماعی (SNI) از POIهای مسکونی شهری، داده‌های جمعیت و داده‌های تولید ناخالص داخلی استفاده شد. منابع خاص داده های فوق، وضوح مکانی و زمانی آنها و مراحل پیش پردازش در زیر توضیح داده شده است.

3.2.1. داده های POI

داده‌های POI مورد استفاده در این مطالعه در سال 2019 از محبوب‌ترین ارائه‌دهنده خدمات نقشه آنلاین در چین جمع‌آوری شد: نقشه Gaode ( https://www.amap.com/ ). ما یک برنامه خزنده را گردآوری کردیم و داده های POI را با استفاده از رابط رایگان ارائه شده توسط رابط برنامه نویسی برنامه Gaode (API) جمع آوری کردیم ( https://lbs.amap.com/api/ios-sdk/guide/map-data/poi/). در مجموع 1285920 POI در پکن به دست آمد. در میان POI های Gaode، 23 طبقه بندی سطح اول، 264 طبقه بندی سطح دوم و 869 طبقه بندی سطح سوم وجود داشت. ما 7 طبقه اول (غذا و نوشیدنی، خرید، ورزش و تفریح، جاذبه توریستی، خدمات زندگی روزمره، خدمات علمی/فرهنگی و آموزشی و نام و آدرس مکان)، 24 طبقه بندی سطح دوم و 87 طبقه بندی سطح سوم مربوط به LS را انتخاب کردیم. برای طبقه بندی مجدد بر اساس تحقیقات قبلی [ 6]، LS ها به 4 نوع EL، BL، CL و ML مجدد طبقه بندی شدند. اطلاعات تفصیلی مجدد طبقه بندی شده در جدول 1 نشان داده شده است . در مجموع 16112 هاب ترافیکی (ایستگاه های مترو و ایستگاه اتوبوس) و 52736 POI مسکونی (خدمات اقامتی و خانه های تجاری) در منطقه مورد مطالعه قرار گرفتند.
3.2.2. داده های نور شب (NTL).
داده های NTL (داده های مصنوعی سالانه در سال 2015 و داده های مصنوعی ماهانه در سال 2019) از مراکز ملی اطلاعات محیطی ( https://www.ngdc.noaa.gov/eog/viirs/download_dnb_composites.html ) به دست آمده است. واحد نانووات/cm2 / sr است. ما از مدل منطقه ثابت که توسط Wu [ 30 ] پیشنهاد شده بود برای تصحیح نقاط پرت در داده ها استفاده کردیم. از آنجایی که داده‌های مجموعه رادیومتر تصویربرداری مادون قرمز مرئی (NPP/VIIRS) (تصویر NTL) مشارکت مدار قطبی ملی Suomi در سال 2019 داده‌های مصنوعی ماهانه هستند، میانگین آنها برای به دست آوردن تصاویر سالانه محاسبه شد [31 ] . وضوح فضایی 500 متر بود.
3.2.3. داده های جمعیت و تولید ناخالص داخلی
داده های جمعیت و تولید ناخالص داخلی سال 2015 از پلتفرم ابر داده های منابع و محیط ( https://www.resdc.cn/ ) در قالب شطرنجی به دست آمده است. هر مقدار سلول شبکه 1 کیلومتری توزیع فضایی داده های جمعیت، جمعیت در محدوده سلولی (1 کیلومتر مربع ) را بر حسب واحد نفر/کیلومتر مربع نشان می دهد . علاوه بر این، هر مقدار سلول شبکه 1 کیلومتری توزیع فضایی تولید ناخالص داخلی، کل تولید ناخالص داخلی در محدوده سلولی (1 کیلومتر مربع ) را در واحدهای ده هزار یوان/کیلومتر مربع نشان می‌دهد . پیش‌بینی اولیه داده‌های تولید ناخالص داخلی و جمعیت، پیش‌بینی مخروطی منطقه مساوی آلبرز است. علاوه بر این، داده‌های 500 متری را برای به دست آوردن داده‌های 1 کیلومتری نمونه‌گیری مجدد کردیم.

داده های NTL برای توصیف شدت و توزیع فعالیت های انسانی [ 32 ، 33 ]، تراکم جمعیت [ 33 ، 34 ] و سرزندگی اقتصادی [ 35 ، 36 ] به دلیل همبستگی خطی قوی بین داده های NTL و این عوامل استفاده می شود. علاوه بر این، لیو [ 37 ] و لی [ 35 ] دریافتند که یک همبستگی قوی بین داده های NTL و جمعیت و تولید ناخالص داخلی وجود دارد و یک مدل خطی ایجاد کردند. بنابراین، برای تقریب تراکم جمعیت و داده‌های اقتصادی برای سال 2019، مدل‌های رابطه فضایی را برای داده‌های جمعیت NTL و داده‌های NTL-GDP ایجاد کردیم.

y2019=منnتی(y2015×(ایکس2019+هسپ)ایکس2015+هسپ)

جایی که y2019جمعیت یا تولید ناخالص داخلی در سال 2019 است. y2015جمعیت یا تولید ناخالص داخلی در سال 2015 است. ایکس2015و ایکس2019داده های NTL به ترتیب در سال 2015 و 2019 هستند. هسپعدد بسیار کمی است و نقش آن جلوگیری از نامعتبر بودن تراکم جمعیت در زمانی که مقدار نور شبانه 0 است. و منnتیبه معنای گرفتن یک عدد صحیح است.

بر اساس روش فوق، جمعیت و تولید ناخالص داخلی شبکه های یک کیلومتری در سال 2019 به دست آمد. علاوه بر این، با استفاده از ابزارهای پیش بینی و تبدیل در ArcGIS، تمام داده ها به یک طرح ریزی یکنواخت (Alerts) با وضوح 1 کیلومتر تبدیل شدند. این داده ها برای منطقه شهری پکن با استفاده از مرز اداری به عنوان چند ضلعی ماسک استخراج شد ( شکل 2 ).

3.3. محاسبه شاخص عرضه و تقاضا LS

شکل 3 چارچوب مفهومی را نشان می دهد که بر اساس آن ارزیابی های عرضه و تقاضای LS توسعه یافته است.

3.3.1. شاخص عرضه LS

توزیع LS در منطقه مورد مطالعه و LS در واحد سطح در واحدهای تحقیقاتی مختلف با کمی کردن انواع مختلف LS محاسبه و تجزیه و تحلیل شد. نسبت LS بر اساس تعداد LS POI نسبت به تعداد کل POI محاسبه شد. نسبت LS منعکس کننده شدت عرضه LS است. علاوه بر این، مطالعات [ 26 ، 38 ، 39] نشان داده اند که اوقات فراغت با توانایی افراد برای دسترسی به مناطق فراغت مرتبط است. بنابراین، مناطق تفریحی به دلیل نبود شبکه جاده یا مسیر برای جامعه غیرقابل دسترس است. هر چه تراکم هاب های ترافیکی در یک منطقه بیشتر باشد، دسترسی به منطقه قوی تر است. دسترس پذیری مشخصه اصلی توانایی یک منطقه برای ارائه LS است. علاوه بر این، نتایج تجزیه و تحلیل همبستگی نشان می دهد که هیچ همبستگی قوی بین نسبت LS POI و نسبت هاب های ترافیکی وجود ندارد (ضریب همبستگی 0.376 است).

اسمنمن=Lمن×تیمن

جایی که اسمنمنSI از LS در منطقه است من، Lمننسبت LS POI در مساحت است منبه تعداد کل LS POI، و تیمننسبت مرکز ترافیک در مساحت است منبه تعداد کل محورهای ترافیکی در منطقه مورد مطالعه.

3.3.2. شاخص نیازهای اجتماعی LS
در این مطالعه، تقاضا برای LS شهری بر اساس ظرفیت مصرف انسانی و شدت فعالیت تفسیر شد. بر اساس تجزیه و تحلیل ادبیات [ 9 ، 38 ، 40 ] و در دسترس بودن و محدوده زمانی داده ها، دو شاخص معمولی انتخاب شدند. یعنی، تراکم جمعیت و تراکم اقتصادی، برای منعکس کردن تقاضا برای LS در منطقه [ 40 ، 41 ]. تراکم جمعیت به طور مستقیم میزان تقاضای انسان برای LS در یک منطقه را منعکس می کند. مطالعات جاری [ 40] از اطلاعات تولید ناخالص داخلی برای برآورد کمی تمایل ساکنان به پرداخت و مشخص کردن توانایی اقتصادی آنها استفاده کنید. به طور کلی، هر چه تولید ناخالص داخلی در یک منطقه بیشتر باشد، توانایی اقتصادی ساکنان منطقه بهتر است و توانایی خرید LS قوی‌تر است [ 42 ، 43 ].

بر اساس تجزیه و تحلیل همبستگی داده های شطرنجی، هیچ ارتباط آشکاری بین جمعیت و سطح اقتصادی و نسبت POI های مسکونی وجود نداشت (ضرایب همبستگی 0.174، 0.352 و 0.349 است). بنابراین، ما یک مدل شاخص جامع برای اندازه‌گیری تقاضای انسان برای LS پیشنهاد کردیم.

اسنمنمن=آرمن×پمن×Eمن

جایی که اسنمنمنشاخص تقاضا برای LS در منطقه است من، آرمننسبت POI های مسکونی در مساحت است منبه تعداد کل POI های مسکونی، و پمنو Eمننشان دهنده نسبت جمعیت و سطح اقتصادی در منطقه است منبه ترتیب به اندازه کل جمعیت و سطح اقتصادی. همه متغیرهای وابسته با استفاده از روش نرمال سازی حداقل حداکثر قبل از مدل سازی پیش پردازش شدند.

3.3.3. تجزیه و تحلیل الگوی عرضه و تقاضای LS

از آنجایی که SI و SNI دارای ابعاد و مرتبه های بزرگی متفاوتی هستند، قبل از محاسبه الگوی عرضه و تقاضا باید داده ها استاندارد شوند. استانداردسازی امتیاز Z برای استانداردسازی SI و SNI استفاده شد . علاوه بر این، SI استاندارد شده بر روی محور x و SNI استاندارد شده در محور y رسم شد. بنابراین، چهار ربع تولید شد: عرضه بالا-تقاضای زیاد (HH)، عرضه کم-تقاضای زیاد (LH)، عرضه کم-تقاضای کم (LL) و عرضه بالا-تقاضای کم (HL). فرمول خاص به شرح زیر است:

ایکس*=ایکسمن-ایکس¯σ
ایکس¯=1n∑من=1nایکسمن
σ=1n∑من=1n(ایکسمن-ایکس¯)2

جایی که ایکس*SI یا SNI استاندارد شده است. nتعداد کل مناطق است؛ و ایکس¯و σمیانگین و انحراف معیار به ترتیب SI یا SNI را در همه مناطق در مناطق شهری نشان می دهد. توزیع فضایی شاخص‌های استاندارد شده SI یا SNI در ArcGIS 10.2 برای تجزیه و تحلیل الگوی عدم تطابق پوشانده شد.

3.4. تجزیه و تحلیل رابطه بین عرضه و تقاضای LS

در این مطالعه، SI و SNI برای تجزیه و تحلیل رابطه بین عرضه و تقاضای LS استفاده شد. ما از ضریب همبستگی اسپیرمن که معمولاً استفاده می‌شود [ 44 ] برای ارزیابی رابطه بین عرضه و تقاضای LS استفاده می‌کنیم. هدف از تحلیل همبستگی، تعیین میزان تأثیر یک متغیر بر متغیر دیگر با تجزیه و تحلیل تعاملات بین متغیرها است و نتایج تحلیل همبستگی با ضریب همبستگی و درجه معناداری بیان می شود [45 ، 46 ] .
با توجه به تفاوت در سطح اجتماعی-اقتصادی و توزیع جمعیت در مناطق مختلف در پکن، چین، پکن به 6 منطقه تقسیم شد: دانگ چنگ، شیچنگ، چائویانگ، فنگتای، شیجینگشان و هایدیان. تجزیه و تحلیل همبستگی در هر منطقه تحت بخش اداری توسعه داده شد. علاوه بر این، ما سعی کردیم شیب های فضایی را در عرضه و تقاضای LS در پکن از چهار جهت (WE، NS، SW-NE، و NW-SE) مشخص کنیم.

4. نتایج

4.1. عرضه و تقاضا LS

با توجه به نتایج تحقیق، از منظر فضا، SI منطقه مورد مطالعه نشان می‌دهد که ناحیه مرکز شهر بالاتر از لبه‌های شهر است، اما مناطق کم‌ارزش عمدتاً در مناطق شمال غربی و جنوب غربی متمرکز شده‌اند. با توجه به انواع LS، عرضه انواع مختلف را می توان از بالا به پایین به شرح زیر رتبه بندی کرد: خدمات چند منظوره، خدمات تجاری، خدمات فرهنگی و خدمات زیست محیطی (همانطور که در شکل 4 نشان داده شده است، شکل . SNI در مرکز منطقه مورد مطالعه بیشتر از لبه‌ها است، این مقدار در غرب کمتر از شرق است و مقدار آن در شمال بیشتر از جنوب است. Dongcheng، Xicheng، Chaoyang و Haidian مقادیر قابل توجهی بالاتری نسبت به Shijingshan و Fengtai نشان می دهند و مقدار در Fengtai کمترین است (همانطور که در نشان داده شده استشکل 4ه) مقادیر SI و SNI در منطقه مورد مطالعه روند توزیع فضایی متفاوتی را نشان می دهد. تفاوت در جمعیت، ساخت زیرساخت ها، تراکم جمعیت و سطح توسعه اقتصادی دلایل اصلی توزیع های مختلف است. ساخت و ساز زیرساخت در مناطق با SI بالا نسبت به سایر مناطق توسعه یافته تر است، بنابراین منجر به LS های بیشتری می شود. مناطق با جمعیت زیاد، سطوح اقتصادی نسبتاً بالا و فعالیت‌های مکرر انسانی معمولاً دارای مناطق با ارزش SNI و تقاضای بالایی برای LS هستند.

4.2. تحلیل مدل چند ویژگی

از آنجایی که روش ما می تواند عرضه و تقاضای LS را در مناطق شهری محاسبه کند، دقت مدل را با مقایسه آن با وضعیت واقعی (پایگاه دانش محلی) تحلیل می کنیم. قابلیت اطمینان و دقت عدم تطابق فضایی بین عرضه و تقاضای LSهای شهری که با استفاده از روش پیشنهادی ما تحلیل شده‌اند، ممکن است تحت تأثیر انتخاب متغیرهای مدل قرار گیرد. دو متغیر نامشخص در این تحقیق وجود دارد: هاب ترافیک و تراکم تولید ناخالص داخلی. برای به دست آوردن مدل‌های محاسباتی مختلف و ترکیب‌های بهینه صفت، یک مدل سه ویژگی، یک مدل چهار ویژگی و یک مدل پنج ویژگی ساختیم ( جدول 2 ).
برای راستی‌آزمایی، ما به‌طور دستی یک نقطه عطف در هر منطقه را برای هر دسته از LS انتخاب کردیم ( جدول 3 ) و برای تعیین الگوی عرضه و تقاضای LS به دانش محلی تکیه کردیم. سپس، الگو با الگوهای عرضه و تقاضا محاسبه شده توسط مدل های 1 (مدل پنج ویژگی)، 2 (مدل چهار ویژگی 1)، 3 (مدل چهار ویژگی 2) و 4 (مدل سه ویژگی) مقایسه می شود. ما از شاخص دقت برای ارزیابی نتایج این مدل ها استفاده کردیم.
به طور کلی، از جدول 3 موارد زیر را می آموزیم: (1) به ترتیب قدرت نزولی، مدل هایی که بهترین توانایی را برای محاسبه الگوهای عرضه و تقاضا داشتند، مدل چهار ویژگی 1، مدل پنج ویژگی، مدل سه ویژگی و مدل چهار ویژگی 2. (2) برای یک ویژگی واحد، تولید ناخالص داخلی ممکن است دقت مدل را کاهش دهد، در حالی که هاب ترافیک می تواند دقت مدل را بهبود بخشد.

4.3. الگوی فضایی در عرضه و تقاضای LS

پس از به دست آوردن بهترین مدل چند ویژگی (مدل چهار ویژگی 1)، الگوی عرضه و تقاضا (عرضه بالا-تقاضا زیاد، عرضه کم-تقاضا زیاد، عرضه کم-تقاضا کم و عرضه بالا-تقاضا کم) LS ها را تحلیل کردیم. در مناطق اصلی شهری پکن. بر اساس نمودار ربع عرضه و تقاضای LS، بیشتر مناطق در پکن از الگوی LL پیروی می کنند ( شکل 5 و جدول 4 ).
برای خدمات EL، الگوی HH (که در 396 منطقه مشاهده شد) عمدتاً در مناطق شهری مرکزی قرار داشت، جایی که توسعه اقتصادی پیشرفت کرده و درجه شهرنشینی در مقایسه با سایر مناطق بالا بود. الگوی LH (که در 276 منطقه مشاهده شد) عمدتاً بین ناحیه HH و ناحیه LL قرار داشت. بیشتر مناطقی که الگوی LL مشاهده شد عمدتاً در حاشیه شهر قرار داشتند و چند منطقه که الگوی HL مشاهده شد در سراسر شهر پراکنده بودند ( شکل 6 a).
برای خدمات BL، وضعیت عرضه و تقاضا عمدتاً دو الگو (LH و LL) را منعکس می کند. تعداد الگوهای LH 20 درصد از تعداد کل الگوها و تعداد الگوهای LL 68 درصد از تعداد کل الگوها را به خود اختصاص داده است. الگوی LH بین الگوی HH و الگوی LL قرار داشت و الگوی LL عمدتاً در مناطق حومه شهر قرار داشت. علاوه بر این، الگوی HH و تعداد کمی از مناطق که در آن الگوی HL مشاهده شد، در مناطق مرکزی در مراکز تجاری Xidan و Wangfujing قرار داشتند. به عنوان خیابان های تجاری معروف در پکن، Xidan و Wangfujing نقش مهمی در اوقات فراغت تجاری پکن دارند ( شکل 6 ب).
برای خدمات CL، الگوها عمدتاً از داخل به خارج از منطقه مورد مطالعه متفاوت است: HL (18.5٪)، HH (10.4٪)، LH (7.9٪) و LL (63.3٪). الگوی HH عمدتاً در نواحی مرکزی پکن توزیع شده است، زیرا منطقه مرکزی، که از عرضه فراغت فرهنگی بالاتری برخوردار است، دارای جاذبه های تاریخی و فرهنگی بسیاری است. علاوه بر این، تراکم جمعیت در مناطق مرکزی بیشتر از سایر مناطق است و به نظر می رسد تقاضای فراغت فرهنگی بالاتری داشته باشد. علاوه بر این، چند منطقه که الگوهای HL را نشان می دهند در سراسر مناطق مرکزی و منطقه غربی پراکنده هستند. ( شکل 6 ج)
برای خدمات ML، الگوی HH (4٪)، الگوی HL (1.6٪) و الگوی LH (24.9٪) در مناطق مرکزی شهر قرار داشتند. در میان مناطقی که مدل LL را نشان می دهند، بیشترین نسبت (69.5٪) بیشتر در حاشیه شهر قرار داشت ( شکل 6 د).
از بین چهار نوع الگو، الگوی LL (که عمدتاً در حاشیه شهر قرار داشت) در بیشتر مناطق مشاهده شد. در این مناطق سطح شهرنشینی به دلیل توسعه اقتصادی پایین نسبتاً پایین بود و تقاضا برای LS نیز کم بود. تعداد الگوهای HL کمترین بود و این الگوها عمدتاً در نزدیکی میدان تیان‌آن‌من و حومه‌های غربی قرار داشتند. LS در این مناطق فراوان است، در حالی که تراکم جمعیت در این دو منطقه نسبتا کم است. با توجه به نوع LS ها، حومه پکن عمدتاً EL را فراهم می کند، اما کمبود اوقات فراغت تجاری (BL)، CL و ML وجود دارد. وضعیت مرکز شهر برعکس حومه شهر است.

4.4. تجزیه و تحلیل همبستگی بین عرضه و تقاضای LS

برای مطالعه موثر رابطه بین عرضه و تقاضای LS در مناطق مختلف پکن، از تحلیل همبستگی برای ارزیابی رابطه بین SI و SNI در مقیاس منطقه استفاده شد.جدول 5ضریب همبستگی و درجه اهمیت را در شش منطقه بین SI و SNI فهرست می کند. نتایج نشان می‌دهد که برای خدمات BL و ML، SI در اکثر مناطق پکن با SNI همبستگی مثبت داشت و هیچ ارتباط معنی‌داری بین SI و SNI در خدمات EL و CL وجود نداشت. به خصوص در دونگ چنگ و شیچنگ، هیچ ارتباط آشکاری بین عرضه و تقاضای همه خدمات وجود ندارد. برای یک شهر تاریخی و فرهنگی مانند پکن، خدمات EL و CL اساس شهر هستند و این خدمات به طور محدود تحت تأثیر برنامه ریزی شهری قرار دارند. علاوه بر این، برنامه ریزی شهری همراه با عواملی مانند اهداف برنامه ریزی مختلف، ساختارهای شهری و سطوح اقتصادی در مناطق مختلف به پیچیدگی رابطه بین SI و SNI کمک می کند.
شکل 7 شیب فضایی عرضه و تقاضای LS را از چهار جهت نشان می دهد. نتایج نشان می دهد که تفاوت های قابل توجهی در عرضه و تقاضای LS در امتداد این محورها وجود دارد. در منطقه مرکزی شهری، عرضه و تقاضای LS زیاد است، در حالی که در فواصل دور از مناطق مرکزی شهری، عرضه کم و تقاضای کم LS وجود دارد. در امتداد محور WE ( شکل 7 الف)، تقاضای LS در مناطق هایدیان شیچنگ و چائویانگ بیشتر از عرضه است، در حالی که در نواحی دانگ چنگ و چائویانگ مرکزی کمتر از عرضه است. در امتداد محور NS ( شکل 7ب)، تقاضای LS در منطقه چائویانگ بسیار بالاتر از عرضه است، در حالی که در منطقه دونگ چنگ کمتر از عرضه است. تقاضا و عرضه LS در منطقه Fengtai با افزایش فاصله از مرکز شهری از زیاد به پایین تغییر می کند. در امتداد محور SW-NE ( شکل 7 ج)، تقاضا و عرضه در Xicheng، Dongcheng و جنوب غربی نواحی Chaoyang زیاد است، در حالی که در Fengtai بسیار کمتر است. در امتداد محور NW-SE ( شکل 7د) تقاضای LS در مناطق Xicheng، Dongcheng و Chaoyang بیشتر از عرضه است، در حالی که در منطقه Fengtai در حومه بیرونی تقاضای LS کمتر از عرضه است. مقایسه عرضه و تقاضا در محورهای مختلف نشان می‌دهد که در امتداد محور WE و محور NS، عرضه و تقاضای فضایی بیشتر از محور SW-NE و NW-SE است.

5. بحث

در ساخت و ساز و مدیریت شهری، درک رابطه عرضه و تقاضا و توزیع فضایی LS مهم است. در این مطالعه، LS ها به چهار نوع EL، BL، CL و ML مجدداً طبقه بندی شدند و از LS SI و SNI برای اندازه گیری کمی عرضه و تقاضای LS استفاده شد. SI فقط برای به تصویر کشیدن عرضه LS، که نشان دهنده روند فضایی تولید کالاها و خدمات اوقات فراغت است، استفاده شد. SNI برای به تصویر کشیدن تقاضای LS، که نشان دهنده نیازهای مصرفی و ترجیحی زندگی انسان است، استفاده شد. تجزیه و تحلیل عدم تطابق در SI و SNI تنها یک عدم تعادل نسبی در توزیع فضایی را نشان می‌دهد، در نتیجه تفسیر سریع توزیع در الگوی عرضه و تقاضای LS را ممکن می‌سازد. علاوه بر این، ما از همبستگی و تحلیل گرادیان فضایی برای توصیف همبستگی بین عرضه و تقاضای LS در مناطق مختلف پکن استفاده می‌کنیم. نتایج این مطالعه با نتایج مطالعات قبلی متفاوت است و مکمل ارزشمندی برای تحقیق در مورد توسعه متوازن شهرها است.
نتایج نشان می‌دهد که همبستگی مثبتی بین عرضه و تقاضای LS در پکن وجود دارد، اما تفاوت‌های منطقه‌ای و مبتنی بر طبقه‌بندی در رابطه عرضه و تقاضا وجود دارد. بین عرضه و تقاضای خدمات تجاری و چند منظوره همبستگی مثبت و معناداری وجود دارد و بین خدمات اکولوژیکی و فرهنگی همبستگی معناداری وجود ندارد. بنابراین، عرضه و تقاضای اکثر LS در پکن وابسته به برنامه ریزی شهری است و کمتر تحت تأثیر اقتصاد بازار قرار دارد.
در مرحله بعد، ما اشکالات روش خود را مورد بحث قرار می دهیم و توصیه های سیاستی را ارائه می دهیم.
(1) برتری روش پیشنهادی
در این مطالعه، برای اولین بار در تحقیقات شهری، مفهوم و سیستم طبقه بندی برای عدم تطابق فضایی بین عرضه و تقاضای LSهای شهری ارائه شده است. با توجه به داده‌های محدود در مورد تحقیقات LS شهری، ما یک روش موثر برای شناسایی توزیع فضایی عرضه و تقاضای LS شهری از داده‌های اقتصادی-اجتماعی چندمنبعی ایجاد کردیم. اول، روش ما زمان‌برتر و مقرون به صرفه‌تر از تشخیص توزیع‌ها در مقادیر مطلق و کالاهای مادی LS با استفاده از مجموعه داده‌های بررسی میدانی بود. روش تجزیه و تحلیل برای شناسایی و مدیریت سریع LS ها معنادار است. دوم، روش ما نه تنها می تواند توزیع فضایی عرضه و تقاضای LS شهری را تشخیص دهد، بلکه تجزیه و تحلیل همبستگی را نیز انجام می دهد. که ما را قادر می سازد تا رابطه بین عرضه و تقاضای LS در مناطق شهری را به صورت کمی تحلیل کنیم. علاوه بر این، تحقیقات در مقیاس شبکه را می توان به راحتی به مقیاس های تحقیقاتی دیگر ترجمه کرد، بنابراین رویکرد را برای برنامه ریزان برای توسعه سیاست ها در مقیاس های مختلف راحت می کند.
(2) محدودیت های روش پیشنهادی
اگرچه رویکرد ما می‌تواند عدم تطابق فضایی LS را در یک منطقه شهری مشخص تشخیص دهد، محدودیت‌هایی وجود دارد. (1) در دسترس بودن داده‌های محدود: این مطالعه تنها از داده‌های جمعیت برای توصیف تقاضای LS استفاده می‌کند، با شاخص‌های کمی انتخاب شده و فقدان داده‌های ترجیحی فردی، مانند جنسیت و سن ساکنان. بنابراین، روش ممکن است نتواند به طور جامع تقاضای LS را منعکس کند. به عنوان مثال، جمعیت سالخورده اوقات فراغت پارک را ترجیح می دهند و جمعیت جوان اوقات فراغت در مراکز خرید را ترجیح می دهند. (2) ظرفیت عرضه و تقاضا تنها با مقدار هر نوع LS نشان داده می شود بدون در نظر گرفتن ظرفیت های عرضه و تقاضای متفاوتی که انواع مختلف POI می توانند نشان دهند. به عنوان مثال، یک پارک بزرگ ممکن است ظرفیت LS قوی‌تری نسبت به یک سالن ورزشی کوچک داشته باشد. (3) در حال حاضر، تحقیق در مورد عرضه و تقاضای LS های شهری نسبتاً نادر است، بنابراین هیچ مقایسه داده ای موثری وجود ندارد. در آینده، پرسشنامه‌ها، بررسی‌های نمونه‌گیری و داده‌های مشاهدات میدانی را می‌توان در محدوده کوچکی برای بهبود تأیید و صحت مدل استفاده کرد.
(3) توصیه های خط مشی
عدم تعادل فضایی عرضه و تقاضای LS ممکن است تا حدودی منجر به یک سری مشکلات انصاف و عدالت شود. برای مثال، منطقه‌ای با سطح متعادل عرضه و تقاضای LS یا منطقه‌ای با عرضه مازاد LS ممکن است ساکنان را نسبت به مناطقی که تقاضا در آن برآورده نمی‌شود، خوشحال‌تر کند. علاوه بر این، عرضه و تقاضای LS شهری برابر نیست و افزایش رفت و آمد برای سرگرمی ممکن است بار ترافیکی جدی ایجاد کند. بنابراین، تحقیقات شهری آینده باید نابرابری اجتماعی و زیست محیطی را در تجزیه و تحلیل عدم تعادل بین عرضه و تقاضای LSهای شهری در بر گیرد و راه‌هایی را برای حل مشکلات مربوط به توزیع مزایای اوقات فراغت شهری بررسی کند. علاوه بر این،

6. نتیجه گیری

در حال حاضر تضادهای اصلی در جامعه چین به تضاد بین نیاز روزافزون مردم به زندگی بهتر و توسعه نامتعادل و ناکافی تبدیل شده است. برای دستیابی به توسعه پایدار اقتصادی و اجتماعی، سیاست گذاران باید بهترین راه را برای برآوردن نیازهای روزافزون مردم برای زندگی بهتر در فرآیندهای تصمیم گیری خاص در نظر بگیرند. در این مطالعه، امکان نمایش سریع عرضه و تقاضای LS در نقاط مختلف یک منطقه شهری با استفاده از داده‌های باز چندمنبعی و استخراج توزیع فضایی مناطق ناسازگار وجود دارد. نتایج نشان می‌دهد که بیشتر مناطق در پکن الگوهای تقاضای بالا-عرضه کم و عرضه کم-تقاضای کم برای LS را نشان می‌دهند. علاوه بر این، این مطالعه تلاش مهمی برای کمی کردن رابطه بین عرضه و تقاضای LS شهری انجام می‌دهد. نتایج می تواند مدیریت ساخت و ساز شهری و تصمیم گیری را هدایت کند. به طور کلی، ما معتقدیم که مزایای این روش هزینه کم و کاربرد گسترده آن است.
در نتیجه، کار آینده باید بر روی وظایف زیر متمرکز شود: (1) بهبود دقت داده های تجربی، (2) وزن کردن انواع مختلف POI، و (3) در نظر گرفتن ترجیحات اوقات فراغت شخصی ساکنان. این بهبودها به تعیین دقیق عدم تطابق فضایی و توزیع LS در مناطق شهری کمک خواهد کرد.

پیوست اول

جدول
جدول A1. جدول تقسیم اداری پکن مربوط به بلوک های دقیق است.

منابع

  1. لاروندل، ن. Lauf, S. متعادل کردن تقاضا و عرضه خدمات اکوسیستم شهری متعدد در مقیاس های فضایی مختلف. اکوسیستم. خدمت 2016 ، 22 ، 18-31. [ Google Scholar ] [ CrossRef ]
  2. Seto، KC; فراقیاس، م. گونرالپ، بی. ریلی، MK متا آنالیز گسترش جهانی زمین شهری. PLoS ONE 2011 ، 6 ، e23777. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  3. لی، سی. زو، اچ. بله، X. جیانگ، سی. دونگ، جی. وانگ، دی. Wu, Y. مطالعه بر روی میانگین قیمت مسکن در شهرهای پایتخت داخلی چین بر اساس سنجش از دور نور شبانه و داده‌های آمار رسمی. گزارش های علمی 2020 ، 10 ، 7732. [ Google Scholar ] [ CrossRef ]
  4. ونرندی، ع. کواترون، جی. Capra, L. روشی مقیاس پذیر برای کمی کردن رابطه بین فرم شهری و شاخص های اجتماعی-اقتصادی. EPJ Data Sci. 2018 ، 7 ، 1-21. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  5. برنامه اسکان بشر سازمان ملل متحد (Un-Habitat). وضعیت شهرهای جهان 2008/2009: شهرهای هماهنگ ; Routledge: Abingdon، UK، 2008. [ Google Scholar ]
  6. لیو، جی. دنگ، ی. وانگ، ی. هوانگ، اچ. دو، س. Ren, F. نقشه‌برداری فضای اوقات فراغت در شب شهری با تصاویر نور شبانه و داده‌های POI. Remote Sens. 2020 , 12 , 541. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  7. جینگ، ی. لیو، ی. کای، ای. لیو، ی. Zhang، Y. کمی سازی فضایی مکان های تفریحی شهری در ووهان، چین مرکزی – معیارهای الگوی فضایی مبتنی بر GIS. حفظ کنید. جامعه شهرها 2018 ، 40 ، 638-647. [ Google Scholar ] [ CrossRef ]
  8. کورتینوویس، سی. Geneletti، D. خدمات اکوسیستم در طرح های شهری: آنچه وجود دارد، و آنچه هنوز برای تصمیم گیری های بهتر مورد نیاز است. سیاست کاربری زمین 2018 ، 70 ، 298-312. [ Google Scholar ] [ CrossRef ]
  9. Ortiz، MSO؛ Geneletti، D. ارزیابی عدم تطابق در ارائه خدمات اکوسیستم شهری برای حمایت از برنامه ریزی فضایی: مطالعه موردی در مورد تفریح ​​و تامین غذا در هاوانا، کوبا. پایداری 2018 ، 10 ، 2165. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  10. Calderoncontreras، R.; Quirozrosas، LE تجزیه و تحلیل مقیاس، کیفیت و تنوع زیرساخت سبز و ارائه خدمات اکوسیستم شهری: موردی از مکزیکو سیتی. اکوسیستم. خدمت 2017 ، 23 ، 127-137. [ Google Scholar ] [ CrossRef ]
  11. زردو، ال. ژنلتی، دی. پرزسوبا، م. Van Eupen، M. برآورد ظرفیت سرمایش زیرساخت های سبز برای حمایت از برنامه ریزی شهری. اکوسیستم. خدمت 2017 ، 26 ، 225-235. [ Google Scholar ] [ CrossRef ]
  12. لیدن، KM; گلدبرگ، ا. میکلباخ، پی. درک جستجوی شادی در ده شهر بزرگ. امور شهری Rev. 2011 , 47 , 861-888. [ Google Scholar ] [ CrossRef ]
  13. گلیزر، EL; گوتلیب، JD Urban Resurgence and the Consumer City. مطالعه شهری. 2006 ، 43 ، 1275-1299. [ Google Scholar ] [ CrossRef ]
  14. بالاس، دی. چه چیزی یک “شهر شاد” را می سازد؟ شهرها 2013 ، 32 ، S39–S50. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. کارلینو، GA; Saiz, A. Beautiful City: امکانات تفریحی و رشد شهری. J. Reg. علمی 2019 ، 59 ، 369-408. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  16. موسی، HD; یعقوب، MR; عبدالله، ع.م. ایشاک، من افزایش رفاه ذهنی از طریق برنامه ریزی استراتژیک شهری: توسعه و کاربرد شاخص شادکامی جامعه. حفظ کنید. جامعه شهرها 2018 ، 38 ، 184-194. [ Google Scholar ] [ CrossRef ]
  17. دونگ، اچ. ژانگ، جی. سیریلو، سی. کاوش، درک و مدل سازی رابطه متقابل بین اوقات فراغت و بهزیستی ذهنی. ترانسپ Res. بخش A سیاست سیاست. 2019 ، 130 ، 813-824. [ Google Scholar ] [ CrossRef ]
  18. ژای، تی. وانگ، جی. جین، ز. چی، ی. نیش، ی. لیو، جی. آیا بهبود عدم تعادل عرضه و تقاضا خدمات اکوسیستمی، بی عدالتی های فضایی محیطی را تغییر داده است؟ Ecol. اندیک. 2020 , 111 , 106068. [ Google Scholar ] [ CrossRef ]
  19. ولچ، جی. بیرن، جی. نیوول، JP فضای سبز شهری، بهداشت عمومی و عدالت محیطی: چالش ایجاد شهرها به اندازه کافی سبز. Landsc. طرح شهری. 2014 ، 125 ، 234-244. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. گرونوالد، ک. ریشتر، بی. ماینل، جی. هرولد، اچ. Syrbe, R. Proposal of indicators در مورد تهیه و دسترسی به فضاهای سبز برای ارزیابی خدمات اکوسیستمی “تفریح ​​در شهر” در آلمان. بین المللی J. Biodivers. علمی اکوسیستم. خدمت مدیریت 2017 ، 13 ، 26-39. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. فن، پ. خو، ال. یو، دبلیو. چن، جی. دسترسی به فضای سبز شهری عمومی در حاشیه شهری: مورد شانگهای. Landsc. طرح شهری. 2017 ، 165 ، 177-192. [ Google Scholar ] [ CrossRef ]
  22. چن، اف. لی، ال. نیو، جی. لین، ا. چن، اس. هائو، ال. ارزیابی دینامیک عرضه و تقاضا خدمات اکوسیستمی و مدیریت منطقه‌بندی اکولوژیکی در ووهان، چین. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2019 ، 16 ، 2332. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
  23. گوپتا، ک. روی، ا. لوترا، ک. میثانی، S. تجزیه و تحلیل مبتنی بر GIS برای ارزیابی دسترسی در سطوح سلسله مراتبی فضاهای سبز شهری. شهری برای. سبز شهری. 2016 ، 18 ، 198-211. [ Google Scholar ] [ CrossRef ]
  24. ویریککو، ک. Ylipelkonen، V. فصلی بودن در عرضه و تقاضای تفریحی در یک اکوسیستم دریاچه شهری در فنلاند. اکوسیست شهری. 2019 ، 22 ، 769–783. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. بورکهارد، بی. کرول، اف. ندکوف، اس. مولر، اف. تهیه نقشه عرضه، تقاضا و بودجه خدمات اکوسیستم. Ecol. اندیک. 2012 ، 21 ، 17-29. [ Google Scholar ] [ CrossRef ]
  26. بارو، اف. پالومو، آی. زولیان، جی. ویزکاینو، پی. هاس، دی. گومزباگتون، E. نقشه برداری ظرفیت خدمات اکوسیستم، جریان و تقاضا برای چشم انداز و برنامه ریزی شهری: مطالعه موردی در منطقه شهری بارسلون. سیاست کاربری زمین 2016 ، 57 ، 405-417. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  27. یین، L.-H. لیو، اچ. جستجوی مسیرهای فعالیت با معناشناسی. جی. کامپیوتر. علمی تکنولوژی 2019 ، 34 ، 775-794. [ Google Scholar ] [ CrossRef ]
  28. دنگ، ی. لیو، جی. لیو، ی. Luo, A. تشخیص ساختار چندمرکزی شهری از داده های POI. ISPRS Int. J. GeoInf. 2019 ، 8 ، 283. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  29. چن، دبلیو. هوانگ، اچ. دونگ، جی. ژانگ، ی. تیان، ی. یانگ، ز. نقشه‌برداری عملکردی اجتماعی فضای سبز شهری با استفاده از داده‌های سنجش از دور و سنجش اجتماعی. ISPRS J. Photogramm. Remote Sens. 2018 , 146 , 436–452. [ Google Scholar ] [ CrossRef ]
  30. وو، جی. او هست.؛ پنگ، جی. لی، دبلیو. Zhong، X. بین کالیبراسیون داده‌های نور شبانه DMSP-OLS با روش منطقه ثابت. بین المللی J. Remote Sens. 2013 ، 34 ، 7356-7368. [ Google Scholar ] [ CrossRef ]
  31. الویج، سی دی; باگ، ک. ژیژین، م. Hsu، FC; Ghosh، T. VIIRS چراغ های شبانه. بین المللی J. Remote Sens. 2017 , 38 , 5860–5879. [ Google Scholar ] [ CrossRef ]
  32. یانگ، ایکس. هنوز.؛ ژائو، ن. چن، کیو. یو، دبلیو. چی، جی. زنگ، بی. جیا، پی. نقشه‌برداری جمعیت با تصاویر سنجش از راه دور چندحسگر و داده‌های نقطه‌نظر. Remote Sens. 2019 , 11 , 574. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. تان، م. لی، ایکس. لی، اس. شین، ال. وانگ، ایکس. لی، کیو. لی، دبلیو. لی، ی. Xiang، W. مدل‌سازی تراکم جمعیت بر اساس تصاویر نور شبانه و داده‌های کاربری زمین در چین. Appl. Geogr. 2018 ، 90 ، 239-247. [ Google Scholar ] [ CrossRef ]
  34. چو، اچ. یانگ، CH; Chou، CC رگرسیون وزنی غیرمنفی تطبیقی ​​جغرافیایی برای تخمین تراکم جمعیت بر اساس نور شبانه. ISPRS Int. J. Geoinf. 2019 ، 8 ، 26. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  35. لی، ایکس. خو، اچ. چن، ایکس. لی، سی. پتانسیل تصویربرداری نور شبانه NPP-VIIRS برای مدل‌سازی اقتصاد منطقه‌ای چین. Remote Sens. 2013 , 5 , 3057–3081. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  36. کیئولا، اس. اندرسون، ام. هال، O. نظارت بر توسعه اقتصادی از فضا: استفاده از نور شبانه و داده‌های پوشش زمین برای اندازه‌گیری رشد اقتصادی. توسعه دهنده جهانی 2015 ، 66 ، 322-334. [ Google Scholar ] [ CrossRef ]
  37. لیو، کیو. ساتون، رایانه شخصی؛ Elvidge، سی دی روابط بین تصاویر شبانه و تراکم جمعیت برای هنگ کنگ. Proc. آسیا پک Adv. شبکه 2011 ، 31 ، 79. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  38. لوریلا، آر اس؛ کالوگیرو، س. پویرازیدیس، ک. Kefalas، G. شناسایی عدم تطابق فضایی بین عرضه و تقاضای خدمات اکوسیستم برای دستیابی به یک رژیم مدیریت پایدار در جزایر ایونی (یونان غربی). خط مشی استفاده از زمین 2019 ، 88 ، 104171. [ Google Scholar ] [ CrossRef ]
  39. والسیلو، اس. لا نوت، آ. زولیان، جی. فرینی، س. Maes, J. حساب های خدمات اکوسیستم: ارزش گذاری جریان واقعی تفریحات مبتنی بر طبیعت از اکوسیستم ها به مردم. Ecol. مدل. 2019 ، 392 ، 196-211. [ Google Scholar ] [ CrossRef ]
  40. وانگ، جی. ژای، تی. لین، ی. کنگ، ایکس. او، T. عدم تعادل فضایی و تغییرات در عرضه و تقاضای خدمات اکوسیستمی در چین. علمی کل محیط. 2019 ، 657 ، 781-791. [ Google Scholar ] [ CrossRef ]
  41. شاافسما، م. Hitzhusen، FJ (Eds.) ارزیابی اقتصادی سیستم های رودخانه. محیط زیست منبع. اقتصاد 2009 ، 42 ، 427-428. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  42. کومینوف، NV; پارامتر، CF; پاپ، جی سی برای بازیابی تمایل حاشیه ای به پرداخت هزینه برای امکانات محیطی، به کدام مدل های لذت جویانه می توانیم اعتماد کنیم. جی. محیط زیست. اقتصاد مدیریت 2010 ، 60 ، 145-160. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  43. ژنگ، اس. سان، دبلیو. وانگ، آر. عرضه زمین و سرمایه گذاری کالاهای عمومی در قیمت مسکن: شواهدی از پکن. J. Reg. علمی 2014 ، 54 ، 550-568. [ Google Scholar ] [ CrossRef ]
  44. Caruso, JC; Cliff، N. اندازه تجربی، پوشش، و فواصل قدرت اعتماد برای Spearman’s Rho. آموزش. روانی Meas. 1997 ، 57 ، 637-654. [ Google Scholar ] [ CrossRef ]
  45. Zou، KH; تونچالی، ک. سیلورمن، همبستگی SG و رگرسیون خطی ساده. رادیولوژی 2003 ، 227 ، 617-622. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  46. شوبر، پی. بوئر، سی. شوارت، LA ضرایب همبستگی: استفاده و تفسیر مناسب. آنست. آنالگ 2018 ، 126 ، 1763-1768. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00466 g001 550
شکل 1. منطقه مطالعه در پکن، چین. (جزئیات در ضمیمه A ).
Ijgi 09 00466 g002 550
شکل 2. ( الف – د ) نقاط مورد علاقه (POIs) خدمات اوقات فراغت (LSs). ( ه ) محورهای ترافیکی. ( f ) POI های مسکونی. ( ز ) تراکم جمعیت. ( ح ) تراکم اقتصادی. ( i ) شدت نور شبانه در سال 2015. ( j ) شدت نور شبانه در سال 2019.
Ijgi 09 00466 g003 550
شکل 3. فلوچارت گردش کار پیشنهادی برای نگاشت عدم تطابق فضایی LS های شهری در پکن، چین.
Ijgi 09 00466 g004 550
شکل 4. نقشه های عرضه و تقاضای LS برای سال 2019.
Ijgi 09 00466 g005 550
شکل 5. عدم تطابق LS بین عرضه و تقاضا.
Ijgi 09 00466 g006 550
شکل 6. توزیع الگوهای عرضه و تقاضای LS در پکن، چین.
Ijgi 09 00466 g007 550
شکل 7. نتایج تجزیه و تحلیل گرادیان SI و SNI در امتداد چهار ترانسکت: ( الف ) غرب-شرق، ( ب ) شمال-جنوب، ( ج ) جنوب غربی-شمال شرقی، و ( د ) شمال غربی-جنوب شرقی در پکن.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید