Spatial Analysis of Sense of Belonging to a Place in Restoration of Deteriorated Texture, Using Geographically Weighted Regression in District Three of Tabriz

Document Type : Research Paper

Authors

1 Associated Professor of Geography & Urban Planning, Tabriz University, Tabriz, Iran

2 MSc of Remote Sensing and Geographical Information System (GIS), Faculty of Planning and Environmental Sciences, University of Tabriz, Tabriz, Iran

Abstract

Introduction
Sense of belonging is a dimension of the sum of the sense of place and positive attachment, formed between the individual and the place. At the same time, worn-out textures and old neighborhoods, as the dominant beating heart of cities, are the most important public spaces that need to be taken care of and kept by residents within the texture. Today, many planners and designers have emphasized revitalizion of these textures by prioritizing the residents’ needs and communicating with not only the physical space but also the issues related to location. Considering the issues raised, it seems essential to pay attention to worn-out urban contexts, both spatial and psychological so as to increase residents' satisfaction. For example, worn-out urban contexts are one of the problems that, in addition to the legal system, have diminished the appearance and quality of urban life, leading to the establishment of many roads and densities of services, infrastructure, and urban facilities. The issues raised indicate that the need to intervene in aging tissues to improve their quality of life is crucial. In Tabriz, worn-out textures account for one fifth of the city's total area of ​​2,530 hectares, making it the second largest city in terms of worn-out textures. According to the latest estimates, 400 to 500,000 Tabriz citizens live in such areas. Studies show that the rigid regulations of urban planning, lack of adequate financial resources, and lack of ingenious and strategic management in the worn-out textures will swallow Tabriz over time. On the other hand, the worn-out texture of Tabriz as a vibrant urban location has obvious physical, semantic, and functional differences from its neighborhoods. This has had a significant impact on the sense of belonging. Therefore, based on many scientific studies, research on the subject involves the use of numerical and statistical information that is influenced by the concept of space and environment. Spatial data are, thus, the most basic and important data, used by environmental analysts and geoscientists in their research.
Methodology
The conventional global regression method assumes a constant correlation between spatial variables for modeling the area that does not take into account spatial instability of the variables. The major advantage of GWR (Geographic Weighted Regression) over conventional regression models is its ability to investigate spatial instability. Spatial instability indicates that the measurement or estimation of relations between variables varies from place to place. The GWR method is a regression technique that significantly improves ordinary regression to be used in spatial data. Therefore, the maps generated from these analyses play a key role in the non-stationary spatial description and interpretation of the variables. In this method, the coefficients of the explanatory variables are estimated, using weighted matrices, where each variable’s weight is determined based on the distance of each observation to the estimated position of the variable. GWR is one of the methods to estimate model parameters when there is a dependence among observations of each point. The main idea of GWR is that the study of independent and dependent variables in the study area is done in places where their position is known.
Result and Discussion
Since different indices can be used in regeneration of worn-out tissue, this study considered the sense of location as a dependent variable and the other parameters in three social, physical, and environmental indices as independent ones. They were also used to obtain goodness of fit indices (R2). The VIF index helped determining the linearity of the independent variables. VIF is a feature, used to know whether there is a linear correlation between independent variables or not. It shows the intensity of the linearity among independent variables (multiple linearity). In fact, the index indicates the amount of change in the estimated coefficients for each end. The minimum value of this positive index is one and its maximum is infinite. As a rule of thumb, if VIF is greater than 7.5, it represents a high multiplicity of linearity. Here, according to the results, the VIF index for the variables, used, was a lot, making them incapable of getting involved in modeling (VHF> 1, VIF <7.5). Therefore, the assumption that the input variables are independent seemed to be correct for all used variables. The sense of belonging among the three studied indices had the most impact on social indicators, followed by environmental and physical indicators.
Conclusion
Results from this research show that the role of social and environmental factors is more important in restoring the worn out texture. Regarding the status of the sense of belonging to locality in the studied area, three findings show that Maralan Neighborhood in which Montazeri, New Pasteur, Ashrafi, Hafez, and Laklar Streets were located along with Hakimi Neighborhood did enjoy the highest sense of belonging within ​​Shariati, Taleghani, Azadi Boulevard, and Martyr Fathi Vend Regions as well as the parish. These neighborhoods are located in the northern, central, and eastern parts of the Third District. In order to raise the sense of belonging to the area, it is possible to modernize the worn-out tissues, especially in public spaces and interiors of residential blocks. On the other hand, by providing welfare facilities, creating sufficient parking lots, and observing visual spatial proportions one can keep on promoting the sense of belonging to the location among the residents of the region.

Keywords

References

  1. ابراهیم‏زاده، عیسی و ملکی، گل‌آفرین، 1391، تحلیلی در سامان‏دهی و مداخله در بافت فرسودة شهری مطالعة موردی بافت فرسودة خرم‏آباد، پژوهش‏های جغرافیایی انسانی، ش 8، صص 217-234.
  2. برومند، مریم و مسعود، محمد، 1392، تحلیلی بر جایگاه مشارکت مردمی در فرایند بهسازی بافت فرسوده،اولینهمایش ملیجغرافیا،شهرسازی،وتوسعةپایدار، تهران، 1392.
  3. پورمحمدی، محمدرضا؛ قربانی، رسول و تقی‌پور، علی‏اکبر، 1393، بررسی تطبیقی رهیافت‏های رگرسیون وزنی جغرافیایی و حداقل مربعات معمولی در برآورد مدل‏های مکانی، نشریة علمی- پژوهشی جغرافیا و برنامه‌ریزی، س 22، ش 63، صص 53-76.
  4. پوراحمد، احمد؛ خادمی، امیرحسین و ضرغام فرد، مسلم، 1395، بررسی عوامل و زمینه‏های موجود برای افزایش مشارکت مردمی در فرایند احیای بافت فرسودة منطقة 41 شهرداری تهران، مجلة جغرافیاوتوسعةفضایشهری، س ۳، ش 2، صص127-139.
  5. پیربابایی، محمدتقی و سجادزاده، حسن، 1390، تعلق جمعی به مکان، تحقق سکونت اجتماعی در محلة سنتی، باغ نظر، ش 8، صص 16-27.
  6. جهانشاهی، محمدحسین، 1382، تحلیل بافت‌های فرسوده و مشکل‏ساز شهری و راهبردهای آن، جستارهایشهرسازی، ش 9، صص 40-47.
  7. جلایر، فرزانه، 1389، تبیین تطبیقی مکانیزم برنامه‏ریزی مسکن در بافت‌های فرسوده و بافت‌های جدید شهری، فصل‌نامة آبادی، ش 67، صص 24-31.
  8. جوان فروزنده، علی و مطلبی، قاسم، 1389، مفهوم حس تعلق به مکان و عوامل تشکیل‏دهندة آن، هویتشهر، س 5، ش 8، صص 27-37.
  9. حلیمی، منصور؛ دلاوری، مهدی و جعفری مدرک، محمد، 1392، مدل‏سازی فضایی شیوع بیماری مالاریا در استان سیستان و بلوچستان با استفاده از مدل رگرسیون وزن‏دار جغرافیایی، مجلة برنامه‌ریزی و آمایش فضا، دورة 17، ش 3، صص 86-104.
  10. حبیبی، کیومرث؛ پوراحمد، احمد و مشکینی، ابوالفضل، 1386، بهسازیونوسازیبافت‌هایکهنشهری، سنندج: انتشارات دانشگاه کردستان.
  11. حسینی، سیدجواد، 1387، مشارکتپایداریمردمیدرنوسازیوبازسازیبافت‌هایفرسوده، مشهد: انتشارات سخن‏گستر.
  12. خادم‌الحسینی، احمد و دارابی، مریم، 1392، بررسی عوامل مؤثر در بازسازی و نوسازی بافت‌های فرسودة شهری نمونة موردی: محلة نفرآباد شهر ری، پنجمینکنفرانسبرنامه‏ریزیومدیریتشهری، مشهد.
  13. دانش‌پور، عبدالهادی و صفار سبزوار، فاطمه، 1397، تحلیلی بر عوامل کالبدی مؤثر بر حس تعلق به مکان در مرکز قدیمی شهر سبزوار، نشریة پژوهشوبرنامه‏ریزیشهری، س 9، شمارۀ پیاپی 33، صص 125-136.
  14. دوستی ایرانی، لیلا، 1388، تحلیلفضاییکالبدیبافتفرسودةشهرکرد، پایان‏نامة کارشناسی ارشد رشتة جغرافیا و برنامه‏ریزی‌- شهری، دانشگاه اصفهان.
  15. روشنی، صالح؛ رضوانی، نوشین و پاسیان خمری، رضا، 1396، سنجش و رتبه‏بندی حس تعلق مکانی محلات بافت تاریخی گرگان، دو فصل‌نامة علمی-پژوهشی مرمت و معماری ایران، س ۸، ش ۱۵، صص 89-105.
  16. سلطانی، علی؛ احمدیان، علیرضا و اسماعیلی ایوکی، یوسف، 1389، کاربرد مدل رگرسیون وزن‏دار جفضایی (GWR) در بررسی بین متغیرهای فضایی در یک پهنة شهری، نمونة موردمطالعه منطقة 7 شهرداری تهران، فصل‌نامة آرمان‏شهر، ش 4، صص99-110.
  17. سجاد‌زاده، حسن، 1392، نقش دلبستگی به مکان در هویت بخشی به میدان‌های شهری، نمونة موردی میدان آرامگاه شهر تهران، فصل‌نامة علمی پژوهشی مرکزپژوهشی هنر معماری و شهر سازی نظر، س 10، ش 25، صص79-88.
  18. سیاوش‌پور، بهرام؛ شادلوجهرمی، مجتبی و موئیی رامشه، زهره، 1393، ابعاد تشکیل‏دهندۀ حس تعلق به مکان، با تأکید بر عوامل کالبدی، اجتماعی، و احساسی (ادراک و شناخت)، ششمینکنفرانسملیبرنامه‏ریزیومدیریتشهریباتأکیدبر مؤلفه‏هایشهراسلامی، آبان، مشهد.
  19. سیاحی، زهرا؛ رهنما، محمدرحیم و شکوهی، محمد اجزاء، 1396، رویکرد استراتژی توسعة شهری (CDS) در احیای بافت فرسوده نمونة موردی بخش مرکزی شهر اهواز، فصل‌نامة علمی-پژوهشی جغرافیا (برنامه‏ریزی منطقه‏ای)، س ۷، ش 3، صص 297-310.
  20. شایان، حمیدرضا و کامل‌نیا، حامد، 1389، بررسی نقش و جایگاه معیارهای اجتماعی در تحقق‏پذیری مرمت بافت‌های فرسودة شهری، آبادی، ش 67، صص ۱۸-23.
  21. شماعی، علی و پوراحمد، ا حمد، 1391، بهسازیونوسازی شهر تهران، تهران: انتشارات دانشگاه تهران.
  22. صدریان، زهرا؛ حسینی، سیدباقر و نوروزیان ملکی، سعید، 1393، ارتقای حس تعلق به مکان از طریق نوسازی بافت فرسوده با توجه به فضای واسط نمونه محله باغ شاطر تهران، نشریة علمی‌- پژوهشی انجمن علمی معماری و شهرسازی، ش 7، صص 35-44.
  23. فروزنده، علی و مطلبی، قاسم، 1390، مفهوم حس تعلق به مکان و عوامل تشکیل‏دهندۀ آن، هویتشهر، ش 5، صص 27-37.
  24. فلاحت، محمدصادق، 1385، مفهوم حس مکان و عوامل شکل‏دهندۀ آن، نشریةهنرهایزیبا، صص 57-66.
  25. کلانتری، حسین و پوراحمد، احمد، 1384، فنون و تجارب برنامه‏ریزی مرمت بافت تاریخی شهرها، انتشارات جهاد دانشگاهی.
  26. محمدی، جمال؛ شفقی، سیروس و نوری، محمد، 1393، تحلیل ساختار فضایی کالبدی بافت فرسودة شهری با رویکرد -نوسازی و بهسازی مطالعة موردی: بافت فرسودة شهر دو گنبدان، مجلة برنامه‏ریزیفضایی (جغرافیا)، س ۴، ش 2، صص 105-128.
  27. مرکز آمار ایران، 1395، نتایج کلی سرشماری عمومی نفوس و مسکن، انتشارات مرکز آمار.
  28. مهندسان مشاور نقش محیط، 1391، طرح توسعة عمران (جامع) شهر تبریز، مرحلة موجود، گزارش محیطی، ص 24.
  29. هاشمی، مجید، 1381، تحولاتفضاهایعمومیشهریدرایرانتحتتأثیرتبادلاتفرهنگیایرانوغرب، تهران: دانشگاه تربیت مدرس.
  30. هادیلی، بهمن و دژبان، رسول، 1393، ارزیابی و سامان‌دهی فضای پارک‏های شهری تبریز مطالعة موردی منطقة سه تبریز، کنفرانس ملی معماری و منظر شهری پایدار، مشهد، مؤسسة بین‏المللی مطالعات معماری و شهرسازی مهراز شهر.

31. Canter, D., 1971, The Psychology of Place, Architectural Press, London.

32. De Magalha˜, es Claudio, 2015, Urban Regeneration, Vol. 24, http:// dx.doi.org/10.1016/B978-0-08-097086-8.74031.

33. Fotheringham, S. A. and Brunsdon, C., 1999, Local forms of spatial analysis. Geographical Analysis, 31.

34. Fotheringham, S. A.; Brunsdon, C. and Charlton, M., 2002, Geographically Weighted Regression the analysis of spatially. Varying relationships. John Wiley & Sons.

35. Gao, J. and Li, S., 2011, Detecting spatially nonstationary and scale-dependent relationships between urban landscape fragmentation and related factors using Geographically Weighted Regression. Applied Geography, No. 31, PP. 292-302.

36. Knox, P. and Pinch, S., 2000, Urban Social Geography: An Introduction. Prentice Hall: Harlow.

37. Kutner, M. H.; Nachtsheinm, C. and Neter, J., 2004, Applied linear regression models: McGraw-Hill/Irwin.

38. Knox, P. & Pinch, S. (2000). Urban Social Geography An Introduction, 6th ed, Published November 26, 2009 by Routledge.P 392.

39. La Rosa, D. et al., 2017, Assessing Spatial Benefits of Urban Regeneration Programs in a Highly Vulnerable Urban Context: A Case Study in Catania, Italy, Landscape and Urban Planning, Vol. 157, PP. 180-192.

40. Mennis, J., 2006, Mapping the Results of Geographically Weighted Regression. The Cartographic Journal, Vol. 43, No. 2, PP. 171-179.

41. Montgomery, D. C.; Peck, E. A. and Vining, G. G., 2001, Introduction to Linear Regression Analysis (Vol. 3). John Wiley & sons.

42. Morse, Ch. and Mudgett, J., 2017, Longing for Landscape: Homesickness and Place Attachment Among Rural Out-Migrants in the 19th and 21st Centuries, Journal of Rural Studies, Vol. 50, No. 3, PP. 95-103.

43. Propastin P. and Kappas M., 2008, Reducing uncertainty in modeling the NDVI–precipitation relationship: acomparative study using global and local regression techniques. GISci Remote Sens 45: 47.

44. Ramkinssoon, H.; Weiler, B. and Smith, G., 2012, Place Attachment and Proenvironmental Behavior in National Parks: The Development of a Conceptual Framework, Journal of Sustainable Tourism, Vol. 20, No. 2, PP. 257-276.

45. Relph, E., 1976, Place and Placelessness, Pion, London.

46. Rosental, Stuart, 2008, Old Home, Externalities, and Poor Neighborhoods, a Model of Urban Decline and Renewal, Journal of Urban Economic, Vol. 63, No. 3, PP. 816-840.

47. Sheng, J.; Han, X. and Zhou, H., 2016, Spatially Varying Patterns of Afforestation/ Reforestation and Socio-Economic Factors in China: A Geographically Weighted Regression Approach, Journal of Cleaner Production, Vol. 153, PP. 362-371.

48. Stedman, R. C, 2003, Is it really just a social construction? The construction of the physical environment to sense of place, Society & Natural Resources, Vol. 16, PP. 671-685.

49. Steele, Fritz, 1981, The Sense of Place, CBI Publishing Company, Boston.

50. Tan, S.; Kok, Y. and Choon, Sh., 2018, Sense of place and sustainability of intangible cultural heritage The case of George Town and Melaka. Tourism Management. No. 67, PP. 376-387.

51. Zhang, Honglei; Zhang, Jie; Lu, Shaojing; Cheng, Shaowen and Zhang, Jinhe, 2011, Modeling hotel room price with geographically weighted regression; Hospitality Management, No. 30, PP. 1036-1043.

Human Geography Research
Volume 53, Issue 1
April 2021
Pages 157-171

Files

History

  • Receive Date: 20 May 2019
  • Revise Date: 25 December 2019
  • Accept Date: 25 December 2019

Share

How to cite

Statistics