در دهه‌های اخیر، شهرنشینی با سرعتی بی‌سابقه در حال گسترش بوده است، پدیده‌ای که نه تنها تأثیرات گسترده‌ای بر ساختارهای اقتصادی، اجتماعی و زیست‌محیطی جوامع داشته، بلکه سبک زندگی روزمره افراد را نیز به طور قابل توجهی تغییر داده است ^.۱ افزایش تراکم جمعیت در مناطق شهری ^۲ ، توسعه زیرساخت‌های صنعتی ^۳ و اتکای روزافزون به فناوری ^۴ منجر به کاهش فرصت‌ها برای فعالیت بدنی و افزایش رفتارهای کم‌تحرک در زندگی روزمره شده است. طبق پیش‌بینی‌های سازمان ملل متحد، تا سال ۲۰۵۰، تقریباً ۶۸ درصد از جمعیت جهان در مناطق شهری ساکن خواهند بود و ۹۰ درصد از این رشد جمعیت شهری در آسیا و آفریقا ^۵ رخ خواهد داد . این تحولات، همراه با افزایش نسبت جمعیت سالمندان و شیوع گسترده بیماری‌های مزمن در تمام گروه‌های سنی، بر نیاز فوری به سیاست‌های مؤثر با هدف ارتقای سلامت عمومی ^۶ تأکید می‌کند .

عدم فعالیت بدنی به عنوان چهارمین عامل خطر اصلی مرگ و میر جهانی شناخته شده است ^۷ ، ۸ و در شروع حداقل ۳۵ بیماری مزمن نقش دارد، در حالی که فعالیت بدنی منظم در پیشگیری و مدیریت ۲۶ بیماری مزمن مؤثر بوده است ^{۹ ، ۱۰٫} شواهد علمی نشان می‌دهد که مشارکت در فعالیت‌های بدنی، به ویژه در بین افرادی که با چالش‌های سلامت جسمی یا روانی روبرو هستند، می‌تواند منجر به کاهش درد، افسردگی و اضطراب شود و همزمان خلق و خو، عملکرد بدنی و کیفیت کلی زندگی را بهبود بخشد ^{۱۱ ، ۱۲ ، ۱۳ ، ۱۴٫} با وجود این مزایا، تنها حدود ۲۷٫۵٪ از بزرگسالان به سطح توصیه شده فعالیت بدنی، که ۱۵۰ دقیقه در هفته است، پایبند هستند ^۱۵ ، و این نسبت در بین افراد مبتلا به چندین بیماری مزمن تقریباً به ۷٪ کاهش می‌یابد ^۱۶٫ عوامل مختلفی مانند کمبود وقت، انگیزه کم، محدودیت‌های مالی، ترجیح محیط‌های ورزشی غیررسمی و مهمتر از همه، دسترسی ناکافی و عادلانه به فضاهای باز مناسب، از جمله موانع اصلی مشارکت افراد در فعالیت بدنی هستند ^{۱۷ ، ۱۸} .

فعالیت بدنی در فضاهای باز به هرگونه حرکت یا ورزش بدنی که در محیط‌های بیرونی، چه طبیعی و چه شهری، خارج از فضاهای بسته انجام می‌شود، با اهدافی مانند ارتقاء سلامت جسمی، بهبود رفاه روانی یا اوقات فراغت اشاره دارد . ^۸ این فعالیت‌ها نه تنها تناسب اندام را افزایش می‌دهند، بلکه نقش مهمی در کاهش استرس، بهبود تعاملات اجتماعی و افزایش کیفیت کلی زندگی نیز دارند. نمونه‌های رایج شامل پیاده‌روی، دویدن، دوچرخه‌سواری، یوگا، ورزش‌های تیمی مانند فوتبال و والیبال و فعالیت‌های تفریحی مانند پیک‌نیک یا بازی کودکان است. یافته‌های تحقیقات نشان می‌دهد که انجام فعالیت‌ها در فضاهای باز، در مقایسه با محیط‌های داخلی، با مزایایی مانند درک مثبت‌تر از سلامت، افزایش لذت، کاهش علائم افسردگی و انگیزه بیشتر برای ادامه فعالیت بدنی همراه است. ^{۱۹ ، ۲۰ ، ۲۱٫} با این حال، عوامل ساختاری، مانند توزیع نابرابر و طراحی غیربهینه فضاهای باز در مناطق شهری، به ویژه در محله‌های محروم، موانعی را برای استفاده کامل از پتانسیل این فضاها ایجاد می‌کنند. در این راستا، ارزیابی و شناسایی فضاهای باز شهری با تأکید بر شاخص‌هایی مانند ایمنی، کیفیت محیطی، دسترسی و عدالت فضایی، گامی مؤثر در جهت ارتقای سلامت عمومی و دستیابی به توسعه پایدار شهری است.

فعالیت بدنی در فضاهای باز شهری، به ویژه در پارک‌ها، پیاده‌روها و مناطق سبز عمومی، اخیراً به عنوان یک استراتژی مؤثر و مبتنی بر شواهد برای ارتقای سلامت جسمی و روانی شهروندان، توجه قابل توجهی را به خود جلب کرده است. مطالعات متعددی نشان داده‌اند که دسترسی به فضاهای باز با کیفیت بالا و ایمن می‌تواند سطح فعالیت بدنی را به طور قابل توجهی افزایش دهد و در نتیجه، سلامت عمومی را بهبود بخشد ^.۲۲ یافته‌های کاردینالی و همکاران ^.۲۳ در چهار شهر اروپایی تأکید می‌کند که وجود فضاهای سبز در نزدیکی مناطق مسکونی به طور قابل توجهی با افزایش فعالیت بدنی و بهبود سلامت مرتبط است، در حالی که فضای سبز ناکافی در مکان‌های دورتر می‌تواند اثرات نامطلوبی داشته باشد. علاوه بر این، مطالعاتی مانند گائو و همکاران ^.۲۴ نشان می‌دهد که سرمایه‌گذاری در بهبود کیفیت فضاهای باز شهری در ایالات متحده منجر به افزایش فعالیت بدنی منظم و کاهش شیوع بیماری‌های مزمن شده است. تحقیقاتی که بر روی جمعیت‌های خاص تمرکز دارند، مانند مطالعه یانگ و همکاران ^.۲۵ در چین، مشاهده کرده‌اند که فعالیت‌های بدنی متنوع، از جمله تای چی، پیاده‌روی و چی‌گونگ، با سلامت روانی سالمندان ارتباط مثبت دارند و محیط‌های ورزشی مناسب در فضای باز به عنوان عوامل واسطه‌ای و تعدیل‌کننده در این رابطه عمل می‌کنند. تائو و همکاران. ^۲۶ ، با استفاده از تحلیل چندسطحی در حومه شانگهای، همچنین اثرات مثبت فعالیت‌های بدنی تفریحی در فضاهای باز، به ویژه فضاهای سبز محله، بر سلامت جسمی را تأیید کرد، در حالی که محیط‌های داخلی تأثیر کمتری را نشان دادند. یافته‌های نیگ و همکاران. ^۲۷ در آلمان و مطالعات لیز و الزبیدی ^۲۸ در بریتانیا به طور مداوم بر اهمیت کیفیت، تنوع و نزدیکی فضاهای باز شهری در ترویج فعالیت بدنی، کاهش چاقی، افزایش رضایت از زندگی و کاهش استرس تأکید می‌کنند. علاوه بر این، یک متاآنالیز توسط لی و همکاران. ^۲۹ نشان داد که فعالیت بدنی در فضای باز تأثیرات مثبت قابل توجهی بر کاهش اضطراب و افسردگی و بهبود خلق و خو دارد.

علیرغم شواهد قابل توجهی که نقش فضاهای باز شهری را در ارتقای فعالیت بدنی برجسته می‌کند، بخش قابل توجهی از مطالعات موجود عمدتاً بر داده‌های سطح فردی و روش‌های مبتنی بر پرسشنامه متکی بوده‌اند و توجه محدودی به تحلیل دقیق مکانی و شناسایی مناطق شهری مناسب برای فعالیت‌های بدنی در فضای باز داشته‌اند. به عبارت دیگر، فقدان آشکاری از تحقیقات با استفاده از فناوری‌های پیشرفته جغرافیایی، مانند سیستم‌های اطلاعات جغرافیایی (GIS) و رویکردهای تصمیم‌گیری چندمعیاره، برای ارزیابی و اولویت‌بندی فضاهای باز شهری بر اساس شاخص‌های محیطی، اجتماعی و فیزیکی وجود دارد. در پاسخ به این شکاف، مطالعه حاضر با هدف شناسایی و تجزیه و تحلیل مناطق مناسب برای فعالیت بدنی در فضای باز با ادغام تکنیک‌های پیشرفته GIS با مدل‌های تصمیم‌گیری چندمعیاره در بافت تهران انجام شده است. علاوه بر این، تحقیقات قبلی به طور کافی به توزیع عادلانه فضاهای باز شهری با کیفیت بالا برای فعالیت بدنی نپرداخته‌اند. تهران، به عنوان پایتخت سیاسی و اقتصادی ایران، با جمعیتی بیش از نه میلیون نفر در محدوده شهری و بیش از سیزده میلیون نفر در منطقه کلان‌شهری، یکی از پرجمعیت‌ترین و چالش‌برانگیزترین کلان‌شهرهای منطقه است. در طول دو دهه گذشته، شیوع بیماری‌های غیرواگیر مانند دیابت، اختلالات قلبی عروقی و چاقی رو به افزایش بوده است؛ این موضوع، همراه با سبک زندگی کم‌تحرک شهروندان، آلودگی هوا، کمبود فضاهای عمومی استاندارد و زیرساخت‌های شهری ناکارآمد، تهدیدی جدی برای سلامت جسمی و روانی ساکنان ایجاد کرده است. در نتیجه، ارزیابی توزیع فضایی کیفیت فضاهای باز شهری برای فعالیت‌های بدنی و میزان عدالت در این توزیع نسبت به جمعیت در مناطق مختلف تهران از اهمیت حیاتی برخوردار است، اما در مطالعات قبلی توجه کمی به آن شده است.

هدف از این مطالعه، تدوین چارچوبی برای ارزیابی کیفیت فضاهای باز شهری برای فعالیت بدنی بر اساس رویکرد چندمعیاره مکانی است. در چارچوب پیشنهادی، ابتدا توزیع فضایی طبقات مختلف کیفی فضاهای باز شهری برای فعالیت بدنی ارزیابی می‌شود و سپس میزان عدالت در این توزیع فضایی با توجه به توزیع جمعیت در مناطق شهر، کمی‌سازی می‌شود. یافته‌های این مطالعه می‌تواند به عنوان ابزاری برای تصمیم‌گیری مدیران شهری و برنامه‌ریزان سلامت عمل کند و با بهبود طراحی و توسعه فضاهای باز، مشارکت شهروندان در فعالیت بدنی را افزایش داده و در نتیجه کیفیت کلی زندگی آنها را بهبود بخشد.

تهران، پایتخت ایران، مساحتی تقریباً ۷۳۰ کیلومتر مربع را پوشش می‌دهد ^و بین طول جغرافیایی ۵۱°۸′ و ۵۱°۳۷′ شرقی و عرض جغرافیایی ۳۵°۳۴′ و ۳۵°۵۰′ شمالی واقع شده است (شکل  ۱ ). این شهر از نظر اداری به ۲۲ منطقه شهری، ۱۳۴ محله و ۳۷۶ منطقه محلی تقسیم شده است. تهران با تنوع اقلیمی و جغرافیایی منحصر به فرد خود، از کوه‌های البرز در شمال تا دشت‌های جنوبی امتداد دارد و اختلاف ارتفاع قابل توجهی تا ۸۰۰ متر بین قسمت‌های شمالی و جنوبی دارد. این تغییر ارتفاع، همراه با آب و هوای نیمه‌خشک تهران، که میانگین بارندگی سالانه آن حدود ۲۳۰ میلی‌متر و میانگین دمای سالانه آن تقریباً ۱۷ درجه سانتیگراد است، منجر به الگوهای متمایزی در توزیع کاربری اراضی و چیدمان فضایی فضاهای باز شهری شده است.

کل جمعیت تهران تقریباً ۸.۶۸ میلیون نفر است که در ۴.۳۱۵ میلیون خانوار ساکن هستند. میانگین تراکم جمعیت این شهر حدود ۱۴،۰۹۹ نفر در هر کیلومتر مربع است ⁽ جدول  ۱ ). سرانه کل فضای سبز شهری برای کل جمعیت ۳۶۲ متر ^{مربع است. میانگین سرانه فضای سبز در تهران ۱۶.۴۵ متر مربع} برای هر نفر تخمین زده می‌شود که کمتر از استاندارد توصیه شده توسط برنامه محیط زیست سازمان ملل متحد که ۲۰ تا ۲۵ متر ^مربع است، می‌باشد . با این حال، سرانه فضای سبز در مناطق مختلف به طور قابل توجهی متفاوت است. در مناطق شمالی مانند منطقه ۲۲، با جمعیتی تقریباً ۱۷۵۰۰۰ نفر، سرانه فضای سبز بسیار بالا و ۵۸.۶۷ متر مربع ^برای هر نفر است. به همین ترتیب، منطقه ۲۱ با سرانه فضای سبز ۳۶.۷۴ متر ^مربع و منطقه ۱ با جمعیت تقریبی ۴۹۳۰۰۰ نفر و سرانه فضای سبز ۳۳.۸۵ متر ^مربع ، در شرایط مطلوبی قرار دارند. در مقابل، مناطق مرکزی پرجمعیت مانند منطقه ۱۰ با بیش از ۳۲۶۰۰۰ نفر ساکن و تراکم جمعیت بسیار بالای ۳۹۹۳۵ نفر در هر کیلومتر مربع ^، تنها ۲.۵۸ متر ^مربع فضای سبز به ازای هر نفر دارند. مناطق ۸ و ۱۱ نیز با سرانه‌های به ترتیب ۴.۰۱ و ۴.۹۶ متر ^مربع ، کمترین دسترسی به فضای سبز را دارند که با سطح بالای جمعیت همراه است. مناطق دیگر مانند ۷، ۱۲، ۱۳ و ۱۴ که تراکم جمعیت بالایی دارند، نیز سرانه فضای سبز کمتر از ۱۰ متر مربع ^دارند . این عدم تعادل در توزیع فضاهای سبز و باز شهری، بر کیفیت زندگی و سلامت جسمی ساکنان تأثیر منفی می‌گذارد و نابرابری‌های اجتماعی و بهداشتی را در سراسر تهران تشدید می‌کند. بنابراین، تحلیل‌های دقیق مکانی و برنامه‌ریزی هدفمند برای توسعه و بهبود فضاهای باز در مناطق محروم برای تضمین دسترسی برابر به فرصت‌های فعالیت بدنی برای همه شهروندان و افزایش کیفیت کلی زندگی شهری ضروری است.

داده‌ها

داده‌های اولیه مورد استفاده در این مطالعه شامل داده‌های سنجش از دور، داده‌های زمینی، پایگاه‌های داده مکانی، نقشه‌های شهری و اطلاعات آماری است. داده‌های سنجش از دور شامل باندهای طیفی و محصولات دمای سطح زمین از تصاویر لندست ۸ و ۹ است که برای تولید نقشه‌های پوشش گیاهی و تابش موج بلند رو به بالا (ULR) استفاده شدند ( https://earthexplorer.usgs.gov ). مدل سطح دیجیتال AW3D برای مدل‌سازی تابش موج بلند رو به پایین (DLR) و تابش موج کوتاه رو به پایین (DSR) به کار گرفته شد و نقشه‌های شیب از همان مجموعه داده‌ها استخراج شدند ( http://aw3d.jp/en ). داده‌های پوشش زمین از محصول ESA WorldCover با وضوح مکانی ۳۰ متر ( https://esa-worldcover.org/en/data-access ) به دست آمد و از محصول MCD19A2 برای استخراج عمق نوری آئروسل (AOD) از حسگر MODIS استفاده شد. شاخص پوشش گیاهی نرمال شده تفاضلی (NDVI، ۰٫۰۹)، تابش موج بلند رو به بالا (ULR، ۰٫۲۳)، تابش موج بلند رو به پایین (DLR، ۰٫۳۰) و تابش موج کوتاه رو به پایین (DSR، ۰٫۲۵).

داده‌های زمینی، پایگاه‌های داده مکانی، نقشه‌های شهری و مجموعه داده‌های آماری شامل مکان پارک‌ها، ایستگاه‌های حمل و نقل عمومی، ایستگاه‌های پلیس، پارکینگ‌ها، طرح‌های ترافیکی و منابع آلودگی، مراکز درمانی، اماکن ورزشی، مناطق صنعتی و مراکز تفریحی و گردشگری ارائه شده توسط شهرداری تهران ( https://www.tehran.ir ) بود. شبکه‌های جاده‌ای، شامل بزرگراه‌ها و جاده‌های اصلی، از وزارت راه و شهرسازی ( https://www.mrud.ir ) دریافت شدند. پهنه‌های آبی با استفاده از داده‌های مرکز ملی نقشه‌برداری ایران ( http://www.ncc.org.ir ) نقشه‌برداری شدند و داده‌های آلودگی هوا از سازمان هواشناسی تهران ( https://tehranmet.ir ) دریافت شد . از فایل‌های شکل جمعیت مرکز آمار ایران ( https://amar.org.ir ) برای محاسبه تراکم جمعیت و از فایل‌های شکل ساختمان‌های شهرداری تهران ( https://www.tehran.ir ) برای استخراج تراکم ساختمانی استفاده شد. همه مجموعه داده‌ها در مقیاس ۱:۲۰۰۰ تهیه شدند.

پس از جمع‌آوری داده‌ها، لایه‌های مکانی ایجاد و تأیید شدند و نقشه‌های مربوط به معیارهای مطالعه با استفاده از قابلیت‌های مختلف ArcGIS در طول مراحل پردازش تولید شدند.

روش‌شناسی تحقیق

این مطالعه در شش مرحله اصلی انجام شد (شکل  ۲ ). در مرحله اول، معیارهای مؤثر بر ارزیابی کیفیت فضای باز شهری برای فعالیت بدنی بر اساس نظرات کارشناسان و مطالعات قبلی شناسایی شدند. در مرحله دوم، داده‌های مورد نیاز جمع‌آوری، پیش‌پردازش و در پایگاه داده GIS سازماندهی شدند. در مرحله سوم، نقشه‌های معیارهای مؤثر با استفاده از تحلیل مکانی تهیه شدند. مقادیر این معیارها بر اساس نوع تأثیر آنها با استفاده از روش‌های استانداردسازی حداقل و حداکثر استانداردسازی شدند. در مرحله چهارم، وزن معیارهای مؤثر با استفاده از یک رویکرد ترکیبی مبتنی بر روش‌های وزن‌دهی عینی و ذهنی تعیین شد. در مرحله پنجم، نقشه مناسب بودن کیفیت فضای باز شهری برای فعالیت بدنی با استفاده از ترکیب خطی وزنی معیارهای محیطی، دسترسی و زیرساختی تولید شد. در مرحله ششم، خوشه‌های مکانی با تناسب بالا در مناطق مختلف تهران با استفاده از شاخص‌های محلی Moran’s I و Getis-Ord Gi* شناسایی شدند و توزیع مکانی آنها در مناطق شهری ارزیابی شد. در نهایت، در مرحله هفتم، نابرابری در توزیع فضای باز مناسب برای فعالیت بدنی نسبت به جمعیت در مناطق مختلف شهر تهران با استفاده از منحنی لورنز و ضریب جینی ارزیابی شد.

شناسایی و تعریف معیارهای تصمیم‌گیری

در این مطالعه، بر اساس نظرات کارشناسی و بررسی ادبیات و مبانی نظری، دو دسته از عوامل به عنوان معیارهای مؤثر برای ارزیابی کیفیت فضاهای باز شهری برای فعالیت‌های فیزیکی و تفریحی شناسایی شدند. این عوامل شامل شرایط محیطی و دسترسی و شرایط زیرساختی هستند.

معیارهای زیست‌محیطی

معیارهای محیطی نقش کلیدی در تعیین کیفیت و جذابیت فضاهای باز شهری برای فعالیت‌های فیزیکی و تفریحی دارند. شرایط فیزیکی محیط مستقیماً بر سلامت، آسایش و انگیزه افراد برای استفاده از این فضاها تأثیر می‌گذارد. تابش خورشیدی با طول موج‌های مختلف، همراه با عوامل طبیعی مانند شیب زمین، پوشش گیاهی و وجود آب، ریزاقلیم محلی را شکل می‌دهد. این ریزاقلیم بر پارامترهایی مانند دما، رطوبت نسبی و استرس گرمایی تأثیر می‌گذارد و در نهایت مناسب بودن محیط را برای فعالیت بدنی تعیین می‌کند.

DSR و DLR به همراه ULR شاخص‌های مهمی برای ارزیابی شرایط حرارتی هستند. سطوح بالای این تشعشعات می‌تواند دمای محیط را افزایش داده و استرس گرمایی ایجاد کند که ممکن است فعالیت بدنی را محدود کند، در حالی که سطوح پایین‌تر به شرایط خنک‌تر و راحت‌تر برای ورزش و تفریح ​​کمک می‌کند. شیب زمین بر جریان هوا و تجمع گرما تأثیر می‌گذارد. شیب‌های ملایم‌تر شرایط مطلوب‌تری را برای فعالیت بدنی فراهم می‌کنند . ^۳۰ علاوه بر این، شیب بر انرژی مورد نیاز برای حرکت تأثیر می‌گذارد. شیب‌های تندتر به تلاش بیشتری نیاز دارند و فعالیت را چالش‌برانگیزتر می‌کنند، در حالی که شیب‌های ملایم خستگی را کاهش داده و امکان انجام فعالیت بدنی را افزایش می‌دهند . ^۳۱٫ پوشش گیاهی متراکم و آب‌ها نقش مهمی در تنظیم دما دارند. این عناصر از طریق سایه‌اندازی و تبخیر و تعرق، دمای محیط را کاهش داده و شرایط مطلوب‌تری را برای حضور انسان ایجاد می‌کنند . ^۳۲٫ نزدیکی به پارک‌ها و فضاهای سبز نیز به عنوان یک انگیزه کلیدی برای تشویق افراد به انجام فعالیت بدنی شناخته می‌شود . ^۳۳٫ AOD، که نشان دهنده غلظت ذرات معلق در هوا، همراه با آلودگی هوا است، بر کیفیت هوا در فضاهای باز و سلامت کاربران تأثیر منفی می‌گذارد ^. تراکم بالای ساختمان ، جریان هوا را محدود کرده و دمای محیط را افزایش می‌دهد و شرایط نامساعدی ایجاد می‌کند که مانع فعالیت‌های بدنی در فضای باز می‌شود ^.

معیارهای دسترسی و زیرساخت

دسترسی کافی و وجود زیرساخت‌های مناسب از عوامل حیاتی در جذب و تسهیل فعالیت‌های فیزیکی و تفریحی در فضاهای باز شهری هستند. نزدیکی به ایستگاه‌های حمل و نقل عمومی، پارکینگ‌ها و جاده‌های اصلی، با کاهش موانع فیزیکی و زمانی، دسترسی به فضاهای باز شهری را افزایش می‌دهد، جنبه‌ای که به ویژه در شهرهای بزرگ اهمیت دارد. دسترسی آسان به حمل و نقل عمومی، زمان و هزینه سفر را کاهش می‌دهد، در حالی که وجود پارکینگ کافی و راحت در نزدیکی این فضاها، راحتی و انگیزه کاربران را برای بازدید افزایش می‌دهد . ^۳۶٫ وجود ایستگاه‌های پلیس و مراکز درمانی در اطراف فضاهای باز، حس امنیت و اعتماد کاربران را در طول فعالیت‌های بدنی افزایش می‌دهد . ^۳۷٫ علاوه بر این، نزدیکی به امکانات ورزشی، تفریحی و گردشگری، استفاده بیشتر از فضاهای باز را تشویق می‌کند، زیرا این امکانات، فعالیت بدنی را تکمیل کرده و فرصت‌های تفریحی متنوعی را فراهم می‌کنند . ^۳۷٫ برعکس، فاصله گرفتن فضاهای باز از مراکز صنعتی که منابع اصلی آلودگی صوتی و زیست‌محیطی هستند، کیفیت هوا را بهبود می‌بخشد و خطرات سلامتی را کاهش می‌دهد . ^۳۸٫ طرح‌های مدیریت ترافیک، مانند محدودیت‌ها و جریمه‌ها برای ورود وسایل نقلیه در مناطق مرکزی، با هدف کاهش آلودگی هوا و کنترل ازدحام انجام می‌شود . ^۳۹ . اگرچه این اقدامات کیفیت محیط زیست را بهبود می‌بخشند، اما ممکن است دسترسی با وسایل نقلیه شخصی را نیز کاهش دهند و فرصت‌های برخی از شهروندان را برای استفاده از فضاهای باز شهری برای فعالیت بدنی محدود کنند.

تهیه نقشه برای معیارهای مؤثر

برای هر یک از معیارهای شناسایی‌شده در فرآیند ارزیابی پتانسیل، لایه‌های داده‌های مکانی از منابع متنوعی جمع‌آوری شدند. این منابع شامل تصاویر ماهواره‌ای با وضوح بالا، داده‌های شهری مانند نقشه‌های کاربری اراضی، زیرساخت‌ها و دسترسی، و همچنین داده‌های محیطی شامل پوشش گیاهی، توپوگرافی و آب و هوا بودند. تمام داده‌های مکانی مورد استفاده در این مطالعه بر روی سیستم مختصات جهانی WGS84 و سیستم Universal Transverse Mercator (UTM)، منطقه ۳۹ N، تصویر شدند. استفاده از این چارچوب مرجع استاندارد، امکان تجزیه و تحلیل‌های مکانی دقیق و همپوشانی مناسب داده‌های برداری و رستری را در محیط GIS فراهم کرد و ثبات و قابلیت اطمینان را در تمام مراحل ارزیابی سایت تضمین نمود. پس از تصویرسازی، هر لایه به یک فرمت استاندارد سازگار با پردازش GIS تبدیل شد. این مرحله تضمین کرد که داده‌های ورودی از نظر مکانی و قالبی یکنواخت و آماده ادغام و استفاده در مراحل بعدی تجزیه و تحلیل هستند.

استانداردسازی نقشه‌ها برای معیارهای مؤثر

با توجه به تنوع معیارها و مقیاس‌های متغیر داده‌های مکانی، یک مرحله استانداردسازی برای یکپارچه‌سازی محدوده داده‌ها ضروری است. در این مطالعه، تمام لایه‌های داده‌های مکانی با یک مقیاس استاندارد از ۰ تا ۱ استانداردسازی شدند. این رویکرد تضمین می‌کند که امتیاز هر معیار، صرف نظر از واحد یا محدوده اولیه آن، در یک بازه قابل مقایسه قرار می‌گیرد و اجازه می‌دهد تا تأثیر هر معیار در ترکیب نهایی به طور متناسب نمایش داده شود. استانداردسازی همچنین از سوگیری در محاسبات ترکیب وزنی جلوگیری می‌کند و امکان تجمیع مستقیم مقادیر وزنی معیار را فراهم می‌کند . ^۴۰ مقادیر اولیه هر شاخص، که با​ نشان داده می‌شود ، بر اساس ماهیت معیار (سود یا هزینه) تغییر می‌کنند. برای معیارهای نوع سود (که مقادیر بالاتر ترجیح داده می‌شوند)، معادله ( ۱ ) اعمال می‌شود، در حالی که برای معیارهای نوع هزینه (که مقادیر پایین‌تر مطلوب هستند)، معادله ( ۲ ) استفاده می‌شود.

که در آن،​ نشان دهنده حداکثر مقدار مشاهده شده برای معیار و​ نشان دهنده حداقل مقدار مشاهده شده برای همان معیار ^۴۱ است. مقادیر حداقل، حداکثر، میانگین و انحراف معیار خاص مورد استفاده برای هر معیار در جدول S1 (مطالب تکمیلی) خلاصه شده است .

وزن‌دهی معیارهای مؤثر

در این مطالعه، یک رویکرد ترکیبی با ترکیب روش‌های وزن‌دهی ذهنی و عینی برای اطمینان از تعیین جامع‌تر وزن معیارها اتخاذ شد. به طور خاص، روش بهترین-بدترین (BWM) به عنوان رویکرد ذهنی ^{۴۲ ، ۴۳} به کار گرفته شد ، در حالی که روش همبستگی بین معیارها (CRITIC) به عنوان رویکرد عینی ^{۴۴ ، ۴۵} استفاده شد . تکنیک‌های وزن‌دهی در تصمیم‌گیری چند معیاره را می‌توان به طور کلی به دو دسته اصلی تقسیم کرد: روش‌های ذهنی، که بر قضاوت متخصص متکی هستند (مانند AHP، ANP، BWM یا دلفی) و روش‌های عینی، که بر اساس ویژگی‌های آماری داده‌ها هستند (مانند آنتروپی، CRITIC، PCA یا DEA). مقایسه دقیقی از مزایا و معایب روش‌های وزن‌دهی ذهنی و عینی در جدول S2 (مطالب تکمیلی) ارائه شده است. روش‌های ذهنی به ویژه برای گنجاندن عوامل کیفی و تجربه متخصص در تجزیه و تحلیل مفید هستند. با این حال، آنها اغلب با مسائلی مانند سوگیری متخصص، ناهماهنگی و اختلاف نظر مواجه می‌شوند. از سوی دیگر، روش‌های عینی کاملاً مبتنی بر داده و عاری از سوگیری انسانی هستند، اما از محدودیت نادیده گرفتن دانش کیفی ارزشمند و بینش‌های تجربی رنج می‌برند. این درک تطبیقی ​​(که در جدول S2 خلاصه شده است) ماهیت مکمل رویکردهای ذهنی و عینی را برجسته می‌کند و در نتیجه، اتخاذ یک روش ترکیبی که نقاط قوت آنها را ادغام می‌کند، توجیه می‌کند.

در میان رویکردهای ذهنی، BWM به دلیل تعداد کمتر مقایسه‌های زوجی مورد نیاز، کاهش بار شناختی بر متخصصان و سازگاری بیشتر نتایج، مزایای آشکاری نسبت به AHP و ANP دارد ^۴۶٫ با این وجود، محدودیت اصلی آن عدم توانایی در در نظر گرفتن کامل روابط متقابل یا همبستگی بین معیارها است که ممکن است استحکام نتایج وزن‌دهی را کاهش دهد. در مقابل، CRITIC با در نظر گرفتن شدت تضاد (تغییرات) هر معیار و میزان تضاد (همبستگی) بین معیارها، به طور مؤثر این محدودیت را برطرف می‌کند و در نتیجه وزن‌های متعادل‌تر و عینی‌تری نسبت به رویکردهای کلاسیک مانند آنتروپی ^۴۷ اختصاص می‌دهد .

با ترکیب سادگی و دقت مبتنی بر تخصص BWM با عینیت و ساختار حساس به همبستگی CRITIC، چارچوب ترکیبی BWM-CRITIC یک استراتژی وزن‌دهی قوی‌تر، معتبرتر و علمی‌تر ارائه می‌دهد. این ادغام، نقاط ضعف هر روش را کاهش می‌دهد و در عین حال نقاط قوت آنها را افزایش می‌دهد و در نتیجه وزن‌های نهایی پایدارتر، معتبرتر و قابل اعتمادتر می‌شوند. بر این اساس، رویکرد ترکیبی مورد استفاده در این مطالعه، پایه محکمی برای تحلیل مکانی بعدی فراهم می‌کند و تضمین می‌کند که هم دانش تخصصی و هم ویژگی‌های داده‌های عینی به درستی در فرآیند ارزیابی ادغام شوند.

روش BWM

^{روش BWM اولین بار توسط رضایی ۴۳} معرفی شد . این رویکرد به خانواده روش‌های تصمیم‌گیری چندمعیاره تعلق دارد و برای استخراج وزن معیارها با کمترین مقایسه‌های زوجی و بالاترین سطح سازگاری طراحی شده است. اصل اساسی این روش در انتخاب بهترین و بدترین معیارها توسط تصمیم‌گیرنده و به دنبال آن مقایسه نسبی سایر معیارها با این دو معیار نهفته است. پیاده‌سازی BWM به صورت یک مدل برنامه‌ریزی بهینه‌سازی خطی فرموله شده است و با حل آن، وزن بهینه برای هر معیار ^۴۶ به دست می‌آید . با توجه به دقت بالا، کاهش بار مقایسه و بهبود سازگاری، این روش کاربرد گسترده‌ای در مطالعات ارزیابی و تصمیم‌گیری پیدا کرده است. در ادامه مراحل پیاده‌سازی BWM ^۴۸ تشریح شده است .

مرحله ۱: ابتدا، مجموعه‌ای از معیارهای مرتبط با مسئله تصمیم‌گیری شناسایی می‌شوند.

مرحله ۲: از بین این معیارها، بر اساس نظر خبرگان، معیاری که بالاترین اهمیت را دارد به عنوان بهترین و معیاری که کمترین اهمیت را دارد به عنوان بدترین انتخاب

مرحله ۳: درجه ترجیح بهترین معیار نسبت به هر یک از معیارهای دیگر با استفاده از مقیاسی از ۱ تا ۹ ارزیابی می‌شود، که در آن ۱ نشان دهنده اهمیت برابر و ۹ نشان دهنده ترجیح بسیار بالا است. این مقادیر در برداری به نام بردار بهترین نسبت به دیگران ارائه می‌شوند در آن عنصر مربوط به مقایسه بهترین معیار با خودش برابر با ۱ است (معادله  ۳ ).

که در آن،​ نشان دهنده درجه ارجحیت بهترین معیار بر معیار است .

مرحله ۴: به طور مشابه، ترجیح هر معیار نسبت به بدترین معیار با استفاده از همان مقیاس ۱ تا ۹ تعیین می‌شود. این مقادیر در بردار سایر تا بدترین ثبت می‌شوند، که در آن مقایسه بدترین معیار با خودش برابر با ۱ است (معادله  ۴ ).

مرحله ۵: با استفاده از یک مدل بهینه‌سازی خطی، وزن نهایی هر معیار به دست می‌آید. در این مدل، یک شاخص سازگاری نیز محاسبه می‌شود که در آن مقادیر نزدیک‌تر به صفر، نشان‌دهنده اعتبار و سازگاری بیشتر مقایسه‌های انجام شده است. محدودیت‌های مدل تضمین می‌کنند که مجموع وزن‌ها برابر با یک باشد و هیچ وزنی مقدار منفی نگیرد (معادله  ۵ ).

روش انتقادی

روش CRITIC توسط دیاکولاکی و همکاران معرفی شد. ^۴۹٫ این روش وزن‌های عینی معیارهای ارزیابی را بر اساس دو مفهوم کلیدی در تصمیم‌گیری چندمعیاره – شدت تضاد بین معیارها و میزان تضاد بین آنها – تعیین می‌کند . ^۵۰٫ فرآیند اجرا شامل پنج مرحله اصلی است که در زیر شرح داده شده است.

مرحله ۱: نرمال‌سازی داده‌ها و تشکیل ماتریس تصمیم‌گیری: در مرحله اول، داده‌های خام مربوط به مجموعه‌ای از گزینه و معیار، برای حذف تفاوت در واحدهای اندازه‌گیری و ایجاد یک مقیاس مشترک بین معیارها، طبق معادلات ( ۱ ) و ( ۲ ) نرمال‌سازی می‌شوند . پس از انجام نرمال‌سازی برای همه معیارها و گزینه‌ها، ماتریس تصمیم‌گیری نهایی به شکل زیر (معادله  ۶ ) خواهد بود:

مرحله ۲: اندازه‌گیری پراکندگی هر معیار : ابتدا، میانگین مقدار معیار با استفاده از معادله ( ۷ ) محاسبه می‌شود:

که در آن،​ مقدار نرمال‌شده‌ی گزینه تحت معیار و تعداد گزینه‌ها است. سپس، انحراف معیار معیار با استفاده از معادله ( ۸ ) بدست می‌آید :

\​ نشان دهنده میزان تنوع در داده‌ها است. هرچه مقدار آن بزرگتر باشد، قدرت تمایز آن معیار در فرآیند ارزیابی بیشتر است.

مرحله ۳: ارزیابی تعارض معیارها : میزان تعارض برای هر معیار با استفاده از ضریب همبستگی پیرسون بین معیار iii و معیار محاسبه می‌شود (معادله  ۹ ):

که در آن، ضریب همبستگی بین دو معیار است. مقادیر بالاتر نشان دهنده تفاوت بیشتر معیار از سایر معیارها است که منعکس کننده مقدار بیشتری از اطلاعات غیر تکراری است.

مرحله ۴: محاسبه محتوای اطلاعاتی هر معیار : ترکیب پراکندگی و تعارض هر معیار با استفاده از معادله ( ۱۰ ) محاسبه می‌شود.

در این معادله، نشان دهنده اهمیت کلی معیار در فرآیند ارزیابی است. معیارهایی که مقادیر بالاتری دارند، به دلیل پراکندگی و تمایز بالاتر، وزن بیشتری دریافت می‌کنند.

مرحله ۵: تعیین وزن‌های نهایی : وزن‌های نهایی معیارها با نرمال‌سازی (معادله  ۱۱ ) محاسبه می‌شوند:

در این معادله، نشان دهنده سهم نسبی معیار است و مجموع همه وزن‌ها برابر با یک است.

تهیه نقشه تناسب فضاهای باز شهری برای فعالیت‌های بدنی

پس از شناسایی و جمع‌آوری معیارها و تعیین وزن نهایی آنها، از روش ترکیب خطی وزنی (WLC) برای تهیه نقشه تناسب فضای باز شهری برای فعالیت‌های فیزیکی استفاده شد. این روش یکی از رایج‌ترین رویکردهای مورد استفاده در ارزیابی چندمعیاره است و به دلیل دقت و کارایی آن، در مطالعات مختلف به طور گسترده مورد استفاده قرار گرفته است. این رویکرد بر اساس اصل میانگین وزنی عمل می‌کند، که در آن تحلیلگر یا تصمیم‌گیرنده بر اساس اهمیت نسبی هر معیار، وزنی را به آن اختصاص می‌دهد . ^۵۱٫ ارزش هر گزینه با ضرب وزن نسبی هر معیار در امتیاز مربوطه و سپس جمع کردن نتایج به دست می‌آید. گزینه‌ای که بالاترین مقدار را داشته باشد، مناسب‌ترین گزینه در نظر گرفته می‌شود. ارزش نهایی برای هر پیکسل با استفاده از معادله ( ۱۲ ) محاسبه می‌شود:

خروجی تولید شده توسط مدل تصمیم‌گیری در این مطالعه، مقادیر عددی پیوسته‌ای از ۰ تا ۱ تولید می‌کند که نشان‌دهنده مناسب بودن هر مکان بر اساس معیارهای ارزیابی است. این مقادیر، شدت مناسب بودن و مطلوبیت هر واحد فضایی را نسبت به سایر واحدها نشان می‌دهد. برای تسهیل تفسیر نتایج و ایجاد یک نقشه کاربردی برای اهداف برنامه‌ریزی، خروجی WLC بیشتر پردازش شد. با استفاده از روش طبقه‌بندی فواصل مساوی، محدوده مقادیر خروجی به پنج کلاس مجزا تقسیم شد: خیلی کم (۰-۰٫۲)، کم (۰٫۲-۰٫۴)، متوسط ​​(۰٫۴-۰٫۶)، زیاد (۰٫۶-۰٫۸) و خیلی زیاد (۰٫۸-۱). این طبقه‌بندی امکان شناسایی و تمایز مناطقی با سطوح مختلف مناسب بودن را فراهم می‌کند و مبنایی برای تولید نقشه نهایی مناسب بودن فضای باز شهری برای فعالیت بدنی را تشکیل می‌دهد.

در این مطالعه، نقشه‌های مناسب بودن تحت سه سناریو تولید شدند: (۱) بر اساس معیارهای محیطی مؤثر، (۲) بر اساس معیارهای دسترسی و زیرساخت مؤثر، و (۳) بر اساس ترکیب همه معیارها. متعاقباً، وضعیت مناطق مختلف تهران از نظر پوشش فضاهای باز شهری مناسب برای فعالیت بدنی ارزیابی و مقایسه شد.

ارزیابی عدالت فضایی

ارزیابی عدالت فضایی در توزیع فضاهای باز شهری به منظور شناسایی و تحلیل نابرابری‌ها و الگوهای خوشه‌بندی فضایی انجام شد. در این مطالعه، برای بررسی عدالت در دسترسی و مناسب بودن فضاهای باز برای فعالیت بدنی، از سه روش آماری و فضایی معتبر استفاده شد: شاخص خودهمبستگی فضایی محلی موران I، تحلیل نقاط داغ با استفاده از آماره Getis-Ord Gi* و تحلیل نابرابری از طریق منحنی لورنز.

شاخص خودهمبستگی فضایی موران محلی I

شاخص محلی موران I ابزاری برای اندازه‌گیری خودهمبستگی مکانی محلی است که قادر به تشخیص خوشه‌های مکانی با ویژگی‌های مشابه (مانند مناطقی با تناسب بالا یا پایین که با هم تجمیع شده‌اند) می‌باشد. این شاخص علاوه بر شناسایی خوشه‌ها، نقاطی را که پرت هستند و تفاوت قابل توجهی با مناطق اطراف خود دارند نیز برجسته می‌کند ^۵۲٫ فرمول شاخص محلی موران I به صورت معادله ( ۱۳ ) بیان می‌شود:

که در آن، انحراف یک ویژگی برای ویژگی از میانگین آن است ، وزن مکانی بین ویژگی و است ، برابر با تعداد کل ویژگی‌ها است، و مجموع تمام وزن‌های مکانی است . ^۵۳٫ نتایج این شاخص نقاطی را شناسایی می‌کند که خوشه‌های بالا-بالا (مناطقی با تناسب بالا که توسط همسایگانی با تناسب بالا احاطه شده‌اند) و خوشه‌های پایین-پایین (مناطقی با تناسب پایین که توسط همسایگانی با تناسب پایین احاطه شده‌اند) را تشکیل می‌دهند. این اطلاعات برای تحلیل عدالت مکانی بسیار مهم است، زیرا به وضوح مناطقی را که شرایط مطلوب یا نامطلوب متمرکز دارند، برجسته می‌کند.

تحلیل نقاط بحرانی با استفاده از شاخص Getis-Ord Gi*

شاخص Getis-Ord Gi* یک ابزار تحلیل مکانی است که برای شناسایی نقاط یا مناطقی با خوشه‌های آماری معنی‌دار با مقادیر بالا یا پایین استفاده می‌شود . ^۵۴٫ در این مطالعه، از این شاخص برای شناسایی نقاط داغ، مناطقی با تناسب بالای فضای باز شهری، و نقاط سرد، مناطقی با تناسب پایین، استفاده شد. فرمول شاخص Getis-Ord Gi* به صورت معادله ( ۱۴ ) تعریف می‌شود:

که در آن، و مقادیر ویژگی برای ویژگی‌های و هستند ، و وزن مکانی بین ویژگی و است . تعداد ویژگی‌ها در مجموعه داده‌ها است و نشان می‌دهد که ویژگی و نمی‌توانند یک ویژگی باشند . ^۵۵٫ مقادیر مثبت و بالای نشان‌دهنده خوشه‌های آماری معنی‌دار با مقادیر بالا هستند که به عنوان نقاط داغ شناخته می‌شوند و مناطقی را با دسترسی و مناسب‌تر بودن فضاهای باز شهری نشان می‌دهند. این تجزیه و تحلیل به شناسایی مناطق عدالت یا نابرابری مکانی در سراسر شهر کمک می‌کند.

برای شناسایی خوشه‌های محلی و الگوهای خودهمبستگی مکانی در نقشه تناسب WLC، آماره‌های Getis–Ord Gi* و Local Moran’s I با استفاده از یک ساختار وزنی مکانی مبتنی بر رستر اعمال شدند. برای هر دو شاخص، از یک مدل مجاورت ملکه مرتبه اول که از طریق یک هسته همسایگی ۳ × ۳ پیاده‌سازی شده بود، استفاده شد که در آن هر پیکسل کانونی به هشت همسایه مجاور خود متصل بود. وزن‌های مکانی به صورت دودویی ( = ۱ برای همسایگان معتبر و در غیر این صورت ۰) بدون استانداردسازی ردیفی تعریف شدند، در حالی که نرمال‌سازی آماری به صورت تحلیلی از طریق میانگین کلی و عبارات واریانس انجام شد. نمرات Z و مقادیر p دو طرفه برای Gi* و Local Moran’s I با استفاده از توزیع نرمال استاندارد تقریب زده شدند. این پیکربندی همسایگی مبتنی بر رستر برای تحلیل‌های مکانی شهری شبکه‌بندی شده بسیار مناسب است.

تحلیل نابرابری فضایی با منحنی لورنز

برای بررسی عدالت و نابرابری در توزیع فضاهای باز مطلوب نسبت به جمعیت، از منحنی لورنز به عنوان یک ابزار تحلیلی کلیدی استفاده شد. این منحنی، نمایش گرافیکی از توزیع تجمعی یک منبع، در این مورد فضاهای باز شهری، نسبت به جمعیت تجمعی را ارائه می‌دهد. در یک توزیع کاملاً عادلانه، منحنی لورنز دقیقاً روی خط ۴۵ درجه قرار دارد که نشان‌دهنده برابری کامل است. انحراف منحنی لورنز از این خط، میزان نابرابری در توزیع منابع را نشان می‌دهد ^۵۶. هرچه منحنی بیشتر به سمت پایین خم شود، نابرابری بیشتر است. برای تعیین کمیت این نابرابری، شاخص جینی محاسبه شد که به صورت نسبت مساحت بین خط برابری و منحنی لورنز به کل مساحت زیر خط برابری تعریف می‌شود.

نرم‌افزار و تکرارپذیری

در این مطالعه، از نرم‌افزارهای ArcGIS 10.8 و MATLAB 2021b برای تهیه و تحلیل داده‌های مکانی و همچنین تولید نقشه‌های نهایی استفاده شد. اگرچه در این مطالعه از ArcGIS برای تهیه لایه‌های داده‌های مکانی (شامل فاصله اقلیدسی، تحلیل چگالی، پهنه‌بندی، نرمال‌سازی مبتنی بر ماشین‌حساب رستری، بازنمایی و نمونه‌گیری مجدد) استفاده شد، اما همه این عملیات به رویه‌های استاندارد مکانی متکی هستند که مختص ArcGIS نیستند. قابلیت‌های معادل در پلتفرم‌های متن‌باز مانند QGIS، GRASS GIS و GeoDa و همچنین کتابخانه‌های مکانی مبتنی بر پایتون (مانند GDAL، rasterio، geopandas) به طور کامل در دسترس هستند. در نتیجه، کل گردش کار را می‌توان در هر محیط نرم‌افزاری که از این عملیات مکانی پشتیبانی می‌کند، بازتولید کرد. برای تسهیل بیشتر تکرارپذیری و شفافیت، ما تمام اسکریپت‌های MATLAB، حاشیه‌نویسی‌های دقیق و مستندات گام به گام (فایل README) را به همراه مجموعه داده‌های ورودی و خروجی، به صورت آشکار در Zenodo [ https://zenodo.org/records/17257219 ] ارائه می‌دهیم. این رویکرد تضمین می‌کند که محققان و متخصصان می‌توانند روش‌شناسی ما را بدون اتکا به نرم‌افزار اختصاصی، تکرار، تطبیق یا گسترش دهند.

وزن معیارهای تأثیرگذار

وزن زیرمعیارهای کلیدی در دو دسته اصلی محاسبه شد: معیارهای محیطی با وزن کل ۰٫۶ و معیارهای دسترسی و زیرساخت با وزن کل ۰٫۴٫ سه روش BWM، CRITIC و یک رویکرد ترکیبی برای تعیین اهمیت نسبی و اولویت‌های هر زیرمعیار در ارزیابی فضاهای باز شهری برای فعالیت بدنی به کار گرفته شد (جدول  ۲ ).

در معیارهای زیست‌محیطی، زیرمعیار NDVI با وزن‌های ۰٫۱۵ در BWM، ۰٫۱۱ در CRITIC و ۰٫۱۳ در روش ترکیبی، بالاترین اهمیت را دارد که نقش حیاتی پوشش گیاهی را در افزایش کیفیت فضای باز و تسهیل فعالیت بدنی برجسته می‌کند. آلودگی هوا نیز با وزن‌های ۰٫۱۳، ۰٫۱۱ و ۰٫۱۲ اهمیت قابل توجهی را نشان می‌دهد که نشان‌دهنده تأثیر مستقیم آن بر سلامت و رفاه کاربران است. تراکم ساختمان با وزنی حدود ۰٫۱۰ در هر سه روش، شاخص مهمی از کیفیت محیط زیست محسوب می‌شود. نزدیکی به پارک‌ها در BWM وزن‌های ۰٫۱۲، در CRITIC وزن‌های ۰٫۰۷ و در روش ترکیبی وزن‌های ۰٫۰۹۵ را دریافت می‌کند که بر ارتباط فضایی با مناطق سبز شهری تأکید دارد.

برای معیارهای دسترسی و زیرساخت، نزدیکی به امکانات ورزشی به عنوان مهمترین عامل با وزن‌های ۰٫۱۴ در BWM، ۰٫۱۰ در CRITIC و ۰٫۱۲ در رویکرد ترکیبی شناسایی شده است. علاوه بر این، نزدیکی به ایستگاه‌های حمل و نقل عمومی با وزن‌های ۰٫۱۲ در BWM، ۰٫۱۴ در CRITIC و ۰٫۱۳ در روش ترکیبی از اهمیت بالایی برخوردار است که نشان دهنده نقش زیرساخت‌های حمل و نقل در تسهیل دسترسی به فضاهای باز است. نزدیکی به مراکز تفریحی و توریستی نیز با وزن‌های ۰٫۱۳، ۰٫۱۰ و ۰٫۱۱۵ اهمیت بالایی را نشان می‌دهد که نقش آنها را در جذب و حمایت از فعالیت بدنی برجسته می‌کند. سایر زیرمعیارهای این دسته، مانند نزدیکی به بزرگراه‌ها، مراکز درمانی، پارکینگ‌ها و ایستگاه‌های پلیس، وزن‌هایی از ۰٫۰۶ تا ۰٫۱۱ دریافت می‌کنند که نشان دهنده اهمیت نسبی آنها در بهبود دسترسی و ایمنی محیطی است.

تفاوت وزن‌ها بین روش‌های BWM و CRITIC نشان‌دهنده رویکردهای متمایز آنهاست. BWM که مبتنی بر نظر کارشناسان است، تأکید بیشتری بر پوشش گیاهی و امکانات ورزشی دارد، در حالی که CRITIC که مبتنی بر داده‌های آماری و تغییرپذیری معیارها است، وزن‌های بالاتری را به دسترسی به حمل و نقل عمومی و شاخص‌های آلودگی اختصاص می‌دهد. روش ترکیبی، با ترکیب هر دو رویکرد، وزن‌های متعادل و قابل اعتمادی را ارائه می‌دهد و به عنوان راهنمای مفیدی برای تصمیمات برنامه‌ریزی شهری با هدف توسعه فضاهای باز مناسب برای فعالیت بدنی عمل می‌کند.

توزیع مکانی معیارهای تأثیرگذار

نقشه معیارهای محیطی مؤثر بر کیفیت فضاهای باز شهری برای فعالیت بدنی در شکل  ۳ نشان داده شده است . تجزیه و تحلیل معیارهای محیطی در تهران تفاوت‌های قابل توجهی را در مناطق مختلف نشان می‌دهد که در درجه اول مربوط به موقعیت جغرافیایی، تغییرات توپوگرافی و شرایط آب و هوایی است (شکل  ۳ ). مناطق شمالی مانند ۱ و ۲ عموماً از نظر شاخص‌های کلیدی محیطی و اقلیمی شرایط بهتری را ارائه می‌دهند. به عنوان مثال، آلودگی هوا در این مناطق نسبتاً کمتر است و مقادیر میانگین استاندارد بالاتر از مناطق مرکزی و جنوبی است که نشان دهنده هوای پاک‌تر و مناسب‌تر برای فعالیت‌های فضای باز است. این امر عمدتاً به دلیل ارتفاع بالاتر، پوشش گیاهی بهتر و جریان هوا در مناطق شمالی است که تجمع آلاینده‌ها را کاهش می‌دهد.

در مورد پوشش گیاهی، که شاخصی از فضای سبز و باز است، مناطق شمالی با میانگین‌های بالا، مانند ۰.۸۹ در منطقه ۱ و ۰.۹۳ در منطقه ۲، پیشتاز هستند. این پوشش گیاهی نه تنها سایه و خنکی را در فضاهای باز فراهم می‌کند، بلکه کیفیت هوا را نیز بهبود می‌بخشد و محیطی دلپذیر برای فعالیت‌های ورزشی و تفریحی ایجاد می‌کند. نزدیکی به پارک‌ها نیز در این مناطق بیشتر است و دسترسی به فضاهای سبز و امکانات تفریحی را برای ساکنان افزایش می‌دهد. در مقابل، مناطق جنوبی و مرکزی، مانند ۶، ۷، ۹ و ۱۰، به دلیل تراکم بالای ساختمان‌ها و آلودگی هوا، با شرایط نامطلوب‌تری برای فعالیت‌های فضای باز مواجه هستند. به عنوان مثال، میانگین مقدار آلودگی هوا در منطقه ۷ تنها ۰.۰۳ است که بسیار کمتر از مناطق شمالی است و نشان دهنده هوای آلوده‌تر و ناسالم‌تر است. اگرچه تراکم ساختمان‌ها در برخی از مناطق جنوبی کمتر است، اما فضاهای باز به دلیل پوشش گیاهی ناکافی و کمبود پارک‌های مناسب، کمتر قابل استفاده هستند. نزدیکی به منابع آب نیز کمتر است که می‌تواند بر جذابیت محیطی این مناطق تأثیر منفی بگذارد.

شرایط آب و هوایی، از جمله SWD، LWU و LWD، نیز در مناطق مختلف متفاوت است. مناطق شمالی از ارتفاع بالاتر و پوشش گیاهی بهتر بهره‌مند می‌شوند که منجر به تابش خورشیدی کنترل‌شده‌تر و شرایط آب و هوایی معتدل می‌شود که دمای محیط را کاهش داده و راحتی کاربر را افزایش می‌دهد. این امر امکان فعالیت‌های فضای باز را حتی در روزهای گرم تابستان فراهم می‌کند. برعکس، مناطق جنوبی در معرض تابش خورشیدی بیشتر و پوشش گیاهی کمتری قرار دارند که باعث می‌شود دمای بالا و نور مستقیم خورشید موانع قابل توجهی برای ورزش و فعالیت‌های تفریحی در فضای باز باشند. شیب زمین در سراسر شهر عموماً کم و برای پیاده‌روی و دویدن مناسب است، اما ترکیب آن با معیارهای دیگر مانند پوشش گیاهی و کیفیت هوا منجر به تفاوت‌های کلی در کیفیت فضاهای باز می‌شود. نزدیکی به آبراه‌ها یکی دیگر از عوامل مهم برای افزایش جذابیت محیطی است که در مناطق شمالی و شمال شرقی بیشتر دیده می‌شود و به خنک شدن محیط و بهبود کیفیت هوا کمک می‌کند. به طور کلی، مناطق شمالی تهران هوای تمیزتر، پوشش گیاهی فراوان، دسترسی بهتر به پارک‌ها و منابع آب و شرایط آب و هوایی معتدل را ارائه می‌دهند و محیطی مناسب‌تر و دلپذیرتر برای فعالیت بدنی در فضای باز فراهم می‌کنند. در مقابل، مناطق جنوبی و مرکزی به دلیل تراکم بالای ساختمان، آلودگی هوا و کمبود فضاهای سبز با محدودیت‌های جدی روبرو هستند.

توزیع فضایی دسترسی و معیارهای زیرساختی

نقشه‌های دسترسی و معیارهای زیرساختی در تهران، تفاوت‌های جغرافیایی در کیفیت و شرایط فضاهای باز تفریحی و ورزشی را به وضوح نشان می‌دهند (شکل  ۴ ). در مناطق شمالی و مرکزی، مانند مناطق ۶، ۸ و ۱۰، دسترسی به بزرگراه‌ها و جاده‌های اصلی بسیار مناسب است و سفر آسان و سریع به فضاهای باز را تسهیل می‌کند. این مناطق همچنین نزدیکی مطلوبی به مراکز درمانی و امکانات ورزشی دارند و محیطی امن و راحت را برای شهروندان فراهم می‌کنند.

در مقابل، مناطق جنوبی، مانند ۱۹ و ۲۱، دسترسی محدودی به شبکه‌های اصلی حمل و نقل و مراکز درمانی دارند که محدودیت‌هایی را برای کاربران ایجاد می‌کند و بر احساس امنیت و رفاه آنها تأثیر منفی می‌گذارد. نزدیکی به مناطق صنعتی، که بیشتر در مناطق جنوبی و جنوب غربی تهران رایج است، می‌تواند به آلودگی هوا و کاهش کیفیت محیطی فضاهای باز کمک کند. در نتیجه، فعالیت بدنی در فضای باز در این مناطق جذابیت و سلامت کمتری دارد، در حالی که مناطق شمالی و مرکزی، که از مراکز صنعتی دورتر هستند، فضاهای باز سالم‌تر و مناسب‌تری را برای تفریح ​​و ورزش ارائه می‌دهند. دسترسی به ایستگاه‌های حمل و نقل عمومی و پارکینگ در مناطق شمالی و مرکزی بهتر است و امکان استفاده آسان‌تر و سازمان‌یافته‌تر از فضاهای باز را فراهم می‌کند، در حالی که مناطق جنوبی با دسترسی محدودتری مواجه هستند.

ایمنی در فضاهای باز نیز در مناطق شمالی به دلیل نزدیکی به ایستگاه‌های پلیس بالاتر است که عامل مهمی در ایجاد محیطی امن برای فعالیت بدنی است. از سوی دیگر، مناطق جنوبی از این نظر کمتر مجهز هستند و به طور بالقوه مانع از مشارکت طولانی مدت یا آزاد در فعالیت‌های فضای باز می‌شوند. علاوه بر این، برنامه‌های مدیریت ترافیک و کنترل آلودگی هوا در مناطق شمالی و مرکزی به طور مؤثرتری اجرا می‌شوند و کیفیت هوا را بهبود می‌بخشند و فعالیت در فضای باز را تشویق می‌کنند، در حالی که مناطق جنوبی کمتر از چنین مداخلاتی بهره‌مند می‌شوند. نزدیکی به مراکز تفریحی و گردشگری نیز در مناطق شمالی و مرکزی بیشتر است و تنوع و جذابیت گزینه‌های ورزشی و تفریحی را برای ساکنان افزایش می‌دهد، در حالی که مناطق جنوبی چنین فرصت‌هایی را کمتر دارند. به طور کلی، این شاخص‌ها نشان می‌دهند که فضاهای باز در شمال و مرکز تهران، به دلیل زیرساخت‌های بهتر، دسترسی بیشتر به امکانات و کیفیت محیطی بالاتر، شرایط مناسبی را برای فعالیت بدنی فراهم می‌کنند. برعکس، مناطق جنوبی نیاز به توجه و سرمایه‌گذاری متمرکز برای افزایش زیرساخت‌ها و بهبود شرایط محیطی دارند.

مناسب بودن زمین‌های باز برای فعالیت بدنی

نقشه‌های تناسب اراضی باز برای فعالیت بدنی در تهران برای دو معیار اصلی زیست‌محیطی و دسترسی-زیرساختی به طور جداگانه در شکل  ۵ نشان داده شده است . در این شکل، نقشه‌های تناسب هم به صورت مقادیر پیوسته از ۰ تا ۱ و هم به صورت دسته‌بندی‌شده، شامل پنج کلاس: خیلی کم، کم، متوسط، زیاد و خیلی زیاد، ارائه شده‌اند. بررسی نقشه‌های تناسب اراضی باز برای فعالیت بدنی در تهران بر اساس این دو معیار اصلی نشان می‌دهد که الگوهای مکانی دو معیار به طور قابل توجهی متفاوت است. در معیار زیست‌محیطی (شکل  ۵ (الف و الف))، مناطق شمالی شهر، مانند منطقه ۱، بالاترین سطح تناسب را با میانگین حدود ۰٫۶۶ نشان می‌دهند و بیشتر زمین در کلاس‌های بالا و خیلی بالا قرار می‌گیرد، به طوری که در این منطقه تنها حدود ۵٪ از مساحت در کلاس‌های خیلی کم و کم قرار دارد و بیش از ۸۵٪ از زمین شرایط محیطی مطلوبی برای فعالیت بدنی دارد. این وضعیت را می‌توان با پوشش سبز بالاتر، کیفیت هوای بهتر و نزدیکی به ارتفاعات توضیح داد. در مقابل، مناطق جنوبی، مانند مناطق ۱۱، ۱۲ و ۱۷، میانگین‌های زیست‌محیطی بسیار پایین‌تری (حدود ۰.۴۰ تا ۰.۴۳) دارند و بخش بزرگی از مساحت آنها (بیش از ۷۰٪) در طبقه بسیار پایین قرار می‌گیرد؛ این نشان دهنده کمبود پوشش سبز، آلودگی هوای بالاتر و شرایط آب و هوایی نامطلوب‌تر برای فعالیت بدنی است. مناطق مرکزی، مانند ۵، ۸، ۱۳ و ۱۵، عمدتاً دارای مقادیر متوسط ​​هستند و ترکیبی از طبقات از پایین تا بالا را شامل می‌شوند که نشان دهنده وجود مناطقی با کیفیت متفاوت در این مناطق است. در برخی از مناطق شرقی و غربی، مانند ۴ و ۲۲، بخش بزرگی از زمین در طبقه بالا قرار دارد که می‌توان آن را به وجود پارک‌های بزرگ، مناطق طبیعی و نزدیکی به کوهپایه‌ها نسبت داد.

در معیار دسترسی و زیرساخت (شکل  ۵ (b و b1))، الگو عموماً یکنواخت‌تر از معیار محیطی است و حتی مناطق مرکزی و جنوبی مقادیر بالاتری را ثبت کرده‌اند. به عنوان مثال، منطقه ۳ بالاترین میانگین حدود ۰٫۸۱ را دارد و تقریباً هیچ زمینی در طبقات خیلی پایین و پایین مشاهده نمی‌شود، به طوری که بیش از ۹۰٪ از مساحت آن در طبقات بالا و خیلی بالا قرار می‌گیرد. مناطق شمالی، مانند ۱ و ۲، نیز دسترسی و زیرساخت مطلوبی دارند و بیش از ۸۰٪ از زمین‌های آنها در طبقات بالا و خیلی بالا قرار دارد. جالب اینجاست که حتی برخی از مناطق جنوبی، مانند ۱۰ و ۱۱، با وجود ضعف در معیار محیطی، در معیار دسترسی و زیرساخت عملکرد خوبی دارند و بیش از ۷۵٪ از مساحت آنها در طبقات بالاتر قرار دارد. این را می‌توان با شبکه متراکم خیابان‌ها، ایستگاه‌های حمل و نقل عمومی و امکانات ورزشی و تفریحی با توزیع مناسب در این مناطق توضیح داد. در مقابل، مناطقی مانند ۲۱ و ۱۹ از کمترین میزان دسترسی و زیرساخت برخوردارند، به طوری که در منطقه ۲۱ بیش از ۵۵ درصد مساحت در طبقات بسیار پایین و پایین قرار دارد. مناطق حاشیه‌ای مانند ۱۸ و ۲۲ نیز شرایط نسبتاً متوسطی دارند و بخش قابل توجهی از مساحت آنها در طبقات متوسط ​​و بالا قرار دارد.

شکل ۵ (a2 و b2) توزیع مساحت تهران را بر اساس طبقات مختلف تناسب برای دو معیار زیست‌محیطی و دسترسی-زیرساخت نشان می‌دهد. در معیار زیست‌محیطی، بیشترین بخش شهر در طبقه متوسط ​​(حدود ۱۶۰٫۱۶ کیلومتر مربع) قرار می‌گیرد که نشان می‌دهد بخش قابل توجهی از شهر از نظر شرایط زیست‌محیطی نه بسیار مطلوب و نه بسیار نامطلوب است. پس از آن، طبقه پایین (۱۵۵٫۵۱ کیلومتر مربع) سهم بزرگی را به خود اختصاص می‌دهد که نشان‌دهنده وجود مناطق زیادی با پوشش سبز ضعیف، کیفیت هوا یا شرایط آب و هوایی کمتر مطلوب است. علاوه بر این، ۸۱٫۳۲ کیلومتر مربع از شهر در طبقه بسیار پایین قرار می‌گیرد که نشان می‌دهد در این مناطق، شرایط محیطی برای فعالیت بدنی در فضای باز بسیار نامطلوب است. طبقات بالا (۱۲۴٫۰۵ کیلومتر مربع) و بسیار بالا (۵۴٫۲۲ کیلومتر مربع) در مجموع کمتر از یک سوم کل مساحت شهر را تشکیل می‌دهند که نشان می‌دهد زمین‌های با شرایط زیست‌محیطی ایده‌آل عمدتاً به بخش‌های خاصی از شهر، مانند مناطق شمالی و برخی مناطق در غرب و شرق، محدود شده‌اند.

در مقابل، معیار دسترسی-زیرساخت الگوی کاملاً متفاوتی را نشان می‌دهد. بیشترین سهم مساحت در طبقه بالا (۲۱۴.۰۱ کیلومتر مربع) و پس از آن طبقه بسیار بالا (۱۵۳.۲۴ کیلومتر مربع) قرار دارد که در مجموع بیش از نیمی از مساحت شهر را تشکیل می‌دهند. این نشان می‌دهد که از نظر شبکه‌های حمل و نقل عمومی، دسترسی به مراکز خدماتی، ورزشی، تفریحی و سایر زیرساخت‌های شهری، بخش بزرگی از تهران شرایط مطلوبی دارد. طبقه متوسط ​​نیز مساحت قابل توجهی (۱۳۵.۰۸ کیلومتر مربع) را اشغال می‌کند که نشان‌دهنده مناطقی با دسترسی نه بسیار ضعیف و نه بسیار قوی است. طبقات پایین (۵۷.۴۰ کیلومتر مربع) و بسیار پایین (۱۵.۵۳ کیلومتر مربع) در این معیار حداقل هستند و نشان می‌دهند که مناطقی با کمبود شدید زیرساخت و دسترسی محدود، تنها بخش کوچکی از شهر را پوشش می‌دهند و عمدتاً در مناطق پیرامونی یا حاشیه‌ای واقع شده‌اند.

نقشه‌های مناسب بودن زمین‌های باز برای فعالیت‌های فیزیکی در تهران، بر اساس ادغام معیارهای زیست‌محیطی و دسترسی-زیرساختی، در شکل  ۶ نشان داده شده است . بر اساس شاخص میانگین، بالاترین امتیاز متعلق به منطقه ۱ (۰٫۷۰۶) است که در شمال تهران در دامنه‌های جنوبی کوه‌های البرز واقع شده است. این منطقه از تراکم بالای پوشش گیاهی، پارک‌های جنگلی و فضاهای سبز بزرگ، شیب‌های مناسب، کیفیت هوای بهتر و شبکه دسترسی کارآمد بهره‌مند است. پس از آن، مناطق ۳، ۲، ۵ و ۴ نیز رتبه بالایی دارند. این مناطق، عمدتاً در شمال، شمال غربی و شمال شرقی تهران، شرایط محیطی مطلوب را با زیرساخت‌های کافی ترکیب می‌کنند. به ویژه، منطقه ۳ دارای نسبت بالایی از زمین‌ها در کلاس‌های بالا و بسیار بالا و هیچ منطقه‌ای در کلاس بسیار پایین نیست. در مناطق مرکزی، مانند ۶، ۷، ۸، ۱۰، ۱۱ و ۱۲، میانگین امتیاز از حدود ۰٫۵۴ تا ۰٫۵۹ متغیر است که نشان دهنده شرایط متوسط ​​تا پایین است. این مناطق با تراکم ساختمانی بالا، زمین‌های باز محدود، سرانه فضای سبز پایین و کیفیت محیطی نسبتاً نامطلوب مواجه هستند. به عنوان مثال، در منطقه ۱۲، بیش از نیمی از منطقه در طبقه بسیار پایین قرار می‌گیرد و هیچ بخشی در طبقه بسیار بالا قرار نمی‌گیرد. حتی در منطقه ۱۰، که برخی از بخش‌های شبکه دسترسی مناسب هستند، کمبودهای شدید محیطی امتیاز کلی را کاهش می‌دهد.

در غرب تهران، منطقه ۲۲ (۰.۶۳۸) و منطقه ۲۱ (۰.۵۷۷) شرایط نسبتاً مطلوبی را نشان می‌دهند. منطقه ۲۲ به دلیل تراکم ساختمانی پایین، فضاهای باز گسترده و توسعه شهری کنترل‌شده، سهم قابل توجهی از زمین‌های خود را در طبقات بالا و بسیار بالا دارد. در مقابل، منطقه ۲۱ با انحراف معیار بالا (۰.۰۴۹)، تغییرات قابل توجهی در کیفیت زمین نشان می‌دهد؛ برخی از قسمت‌ها پتانسیل بالایی دارند، در حالی که برخی دیگر بسیار پایین هستند. بررسی مقادیر انحراف معیار نشان می‌دهد که تنوع داخلی بین محله‌های یک منطقه نسبتاً محدود است و عمدتاً از ۰.۰۲۴ تا ۰.۰۴۹ متغیر است. در جنوب و جنوب غربی تهران، شرایط عموماً ضعیف‌تر است. مناطقی مانند ۱۹، ۱۶ و ۲۰ بخش بزرگی از زمین‌های خود را در طبقات بسیار پایین و پایین دارند و کمترین نمایندگی را در طبقات بالاتر دارند. تراکم ساختمانی بالا، فضاهای سبز محدود و کیفیت پایین هوا از عوامل اصلی کاهش مناسب بودن در این مناطق هستند. تنها در برخی از قسمت‌ها، مانند بخش‌هایی از منطقه ۲۰، زیرساخت‌های نسبتاً مناسب، نمرات را کمی بهبود می‌بخشد. در قسمت جنوب شرقی شهر، مناطق ۱۵ و ۱۴ در شرایط متوسط ​​به پایین قرار دارند. اگرچه بخش‌هایی از این مناطق در طبقه بالا و حتی کمی خیلی بالا قرار می‌گیرند، اما غلبه طبقات پایین و متوسط ​​نشان دهنده نیاز جدی به بهبود شاخص‌های زیست‌محیطی و گسترش فضاهای سبز است.

شکل ۶ (a2) مساحت اختصاص داده شده به پنج طبقه مختلف از تناسب فضای باز برای فعالیت‌های بدنی در تهران را نشان می‌دهد. بزرگترین مساحت متعلق به طبقه متوسط ​​است که تقریباً ۱۶۱٫۴۲ کیلومتر مربع از شهر را پوشش می‌دهد. این نشان می‌دهد که بخش قابل توجهی از شهر در شرایطی قرار دارد که امکان فعالیت‌های بدنی در فضای باز با کیفیت متوسط ​​را فراهم می‌کند. پس از آن، طبقه بالا با ۱۳۸٫۵۳ کیلومتر مربع و طبقه پایین با ۱۳۷٫۲۴ کیلومتر مربع، بزرگترین سهم بعدی را دارند که نشان دهنده توزیع نسبتاً یکنواخت فضاها با کیفیت متفاوت در سراسر شهر است. در مقابل، مناطقی با تناسب بسیار پایین ۶۶٫۲۷ کیلومتر مربع را پوشش می‌دهند که نشان می‌دهد بخش‌هایی از شهر با کمبود شدید فضاهای مناسب برای فعالیت بدنی مواجه هستند و نیاز به توجه و بهبود دارند. در همین حال، طبقه بسیار بالا ۷۱٫۸۰ کیلومتر مربع را پوشش می‌دهد که نشان‌دهنده مناطقی با بهترین شرایط برای فعالیت‌های بدنی در فضای باز است، جایی که کیفیت فضاهای باز بسیار مطلوب است.

شناسایی خوشه‌های مکانی با ارزش بالا

نقشه‌های به‌دست‌آمده از شاخص محلی موران I که در شکل  ۷ نشان داده شده است ، الگوهای خوشه‌بندی فضایی شاخص‌ها را در مناطق مختلف تهران نشان می‌دهد. این شاخص، خودهمبستگی فضایی هر منطقه را با مناطق مجاور آن اندازه‌گیری می‌کند. مقادیر مثبت نشان‌دهنده وجود خوشه‌هایی با مقادیر مشابه است که نشان‌دهنده تجمع فضایی ویژگی‌های همگن است. بر اساس میانگین و انحراف معیار مقادیر محلی موران I، برخی از مناطق مانند ۳، ۵، ۶، ۷، ۸ و ۱۷ مقادیر مثبت و متوسط ​​تا نسبتاً بالایی را نشان می‌دهند که نشان‌دهنده وجود خوشه‌های محلی با شدت متوسط ​​در این مناطق است. این نشان دهنده تجمع نسبی و همگنی ویژگی‌های شاخص در این مناطق و محله‌های اطراف آنها است. علاوه بر این، در مناطق ۹، ۱۰، ۱۱ و ۱۲، مقادیر میانگین بالاتر همراه با انحراف معیار قابل توجه مشاهده می‌شود که نشان‌دهنده خوشه‌بندی قوی و شدت متغیر خوشه‌بندی در این مناطق است. به عبارت دیگر، برخی نقاط خوشه‌بندی بسیار قوی را نشان می‌دهند در حالی که برخی دیگر خوشه‌بندی ضعیف‌تری را نشان می‌دهند. به طور کلی، نتایج موران محلی نشان می‌دهد که مناطق خاصی از تهران، به ویژه در بخش‌های مرکزی و جنوبی شهر، خوشه‌بندی محلی قابل توجهی را در شاخص‌های مورد مطالعه نشان می‌دهند، در حالی که سایر مناطق فاقد الگوهای خوشه‌بندی متمایز هستند. این اطلاعات می‌تواند برای برنامه‌ریزی فضایی و تخصیص منابع با هدف بهبود شرایط شهری مفید باشد.

نتایج تحلیل نقاط داغ با استفاده از شاخص Getis-Ord Gi* نشان‌دهنده وجود الگوهای فضایی معنادار در توزیع شاخص‌های مورد بررسی در سراسر مناطق تهران است (شکل  ۸ ). این تحلیل، خوشه‌های فضایی با مقادیر بالا (نقاط داغ)، مقادیر پایین (نقاط سرد) و مناطقی با شرایط متوسط ​​یا انتقالی (خنثی) را از هم متمایز می‌کند. بر اساس میانگین و انحراف معیار شاخص Gi*، برخی از مناطق شهری به طور قابل توجهی به عنوان خوشه‌های نقاط داغ با مقادیر مثبت نشان داده می‌شوند که نشان‌دهنده تمرکز بالای شاخص‌های مطلوب در این مناطق است. به عنوان مثال، منطقه ۳ با میانگین ۲٫۱۳ و انحراف معیار ۱٫۳۳ و منطقه ۵ با میانگین ۱٫۷۷ و انحراف معیار ۱٫۶۸ به عنوان مناطقی با بیشترین تراکم خوشه‌های داغ شناسایی شده‌اند. این نشان دهنده وجود شرایط مطلوب محیطی، زیرساختی و اجتماعی، مانند دسترسی بهتر به فضاهای باز، خدمات شهری با کیفیت بالاتر، فضاهای سبز و پارک‌های فراوان و همچنین شاخص‌های سلامت و رفاه بالاتر در این مناطق است.

در مقابل، برخی از مناطق در بخش‌های مرکزی-جنوبی و جنوب غربی تهران، مانند مناطق ۹، ۱۰، ۱۱، ۱۲ و ۱۷، میانگین‌های منفی با انحراف معیار قابل توجه نشان می‌دهند که نشان‌دهنده وجود نقاط سرد و شرایط نامطلوب‌تر است. به عنوان مثال، منطقه ۱۲ دارای میانگین ۳.۷۱- و منطقه ۱۱ دارای میانگین ۳.۳۴- است که آنها را در دسته نقاط سرد قرار می‌دهد. این نشان دهنده عدم تعادل در شاخص‌های ارزیابی شده و منابع محدود زیست‌محیطی و زیرساختی در این مناطق است. این مناطق ممکن است با چالش‌هایی مانند کمبود فضاهای باز و سبز، خدمات شهری با کیفیت پایین، تراکم بالای جمعیت و ساخت و ساز و آلودگی محیط زیست روبرو باشند که در مجموع کیفیت زندگی ساکنان را کاهش می‌دهد.

بررسی دقیق‌تر مساحت اختصاص داده شده به هر دسته از خوشه‌ها، این الگوها را تأیید می‌کند. مناطق شمالی و شمال غربی تهران، به ویژه مناطق ۱، ۲، ۳، ۴ و ۵، بخش قابل توجهی از مساحت خود را به طبقات داغ اختصاص می‌دهند. به عنوان مثال، منطقه ۱ تقریباً ۴۰.۹ کیلومتر مربع (بیش از ۹۴٪ از کل مساحت آن)، منطقه ۳ بیش از ۱۵ کیلومتر مربع (بیش از ۵۱٪) و منطقه ۵ بیش از ۲۱ کیلومتر مربع (حدود ۴۳٪) را در این طبقه پوشش می‌دهد. این پوشش گسترده توسط خوشه‌های داغ، نشان‌دهنده تمرکز بالا و توزیع فضایی مطلوب شاخص‌های مثبت است که می‌تواند نقش مهمی در بهبود کیفیت زندگی ساکنان داشته باشد.

برعکس، مناطق جنوبی، جنوب غربی و برخی از مناطق مرکزی، مانند مناطق ۶، ۷، ۹، ۱۰، ۱۱، ۱۲، ۱۶، ۱۷ و ۱۹، بخش بزرگی از مساحت خود را در طبقه سرد دارند. به عنوان مثال، منطقه ۱۲ بیش از ۱۵ کیلومتر مربع (تقریباً ۹۴٪)، منطقه ۱۱ حدود ۱۰.۹ کیلومتر مربع (نزدیک به ۹۰٪) و منطقه ۹ بیش از ۱۱.۷ کیلومتر مربع (حدود ۶۰٪) در این طبقه قرار دارند. این وضعیت نشان دهنده تمرکز گسترده شرایط نامطلوب، کمبود امکانات و فضاهای نامناسب کافی برای فعالیت‌های فضای باز است که می‌تواند بر سلامت جسمی و روانی ساکنان تأثیر منفی بگذارد. وجود این خوشه‌های سرد، نیاز فوری به برنامه‌ریزی و سرمایه‌گذاری هدفمند برای بهبود شرایط محیطی و اجتماعی در این مناطق را برجسته می‌کند.

علاوه بر این، در برخی از مناطق، بخش قابل توجهی از منطقه در طبقه خنثی قرار می‌گیرد که نشان‌دهنده شرایط متوسط ​​و انتقالی بین خوشه‌های گرم و سرد است. به عنوان مثال، منطقه ۴ بیش از ۴۳ کیلومتر مربع (حدود ۷۰.۵٪)، منطقه ۲ بیش از ۲۵ کیلومتر مربع (بیش از ۵۳٪) و منطقه ۲۲ حدود ۳۱ کیلومتر مربع (حدود ۷۱٪) در این دسته قرار دارند. این نشان می‌دهد که این مناطق ترکیبی از شرایط محیطی، زیرساختی و اجتماعی را نشان می‌دهند، به طوری که برخی مناطق مطلوب و برخی دیگر با چالش‌هایی روبرو هستند. این مناطق می‌توانند اهداف مناسبی برای مداخلات میانی و اقدامات بهبود باشند.

به طور کلی، نتایج تحلیل نقاط داغ، شکاف فضایی آشکاری را بین نیمه شمالی و جنوبی تهران نشان می‌دهد. نیمه شمالی، به ویژه مناطق ۱ تا ۵، تمرکز بالایی از خوشه‌های داغ را نشان می‌دهد که احتمالاً به دلیل سرمایه‌گذاری بیشتر در زیرساخت‌ها، فضاهای سبز گسترده‌تر، خدمات شهری با کیفیت بهتر و شاخص‌های رفاهی بالاتر است. در مقابل، مناطق جنوبی و مرکزی عمدتاً از خوشه‌های سرد تشکیل شده‌اند که نشان‌دهنده نابرابری‌های فضایی و دسترسی محدود به شرایط مطلوب محیطی و زیرساختی است. بر اساس این نتایج، برنامه‌ریزان و تصمیم‌گیرندگان شهری می‌توانند بر مناطق سرد و در حال گذار تمرکز کنند تا سیاست‌های هدفمندی را با هدف بهبود شرایط محیطی، افزایش فضاهای سبز، افزایش خدمات شهری و کاهش نابرابری‌های فضایی اجرا کنند. چنین اقداماتی می‌تواند به کیفیت زندگی متعادل‌تر در سراسر تهران کمک کند و فرصت‌های عادلانه‌تری را برای همه ساکنان فراهم کند.

تحلیل توزیع فضاهای باز مطلوب و جمعیت

نتایج محاسبه نسبت مساحت فضای باز مطلوب به جمعیت در مناطق مختلف تهران، تفاوت‌های معناداری را در دسترسی هر منطقه به فضاهای باز مناسب برای فعالیت بدنی نشان می‌دهد. این نسبت که با تقسیم مساحت فضای باز مطلوب (طبقات بالا و بسیار بالا) بر جمعیت منطقه به دست می‌آید، به عنوان معیار مهمی برای ارزیابی عدالت فضایی و کیفیت زندگی شهری عمل می‌کند (جدول  ۳ ).

در برخی مناطق، این نسبت به طور قابل توجهی بالا است که نشان‌دهنده دسترسی خوب به فضاهای باز است. به عنوان مثال، منطقه ۲۲ با تقریباً ۱۳۳۴۱.۰۹ متر مربع فضای باز مطلوب به ازای هر نفر، بالاترین سطح دسترسی را دارد که حتی از برخی مناطق شمالی نیز فراتر می‌رود. منطقه ۱ نیز با ۸۵۶۰.۶۳ متر مربع به ازای هر نفر و منطقه ۳ با ۶۶۴۸.۴۰ متر مربع به ازای هر نفر، شرایط مطلوبی را نشان می‌دهند. این ارقام نشان می‌دهد که ساکنان این مناطق می‌توانند از فضاهای باز برای فعالیت‌های بدنی و تفریحی بهتر استفاده کنند که می‌تواند تأثیر مثبتی بر سلامت جسمی و روانی آنها داشته باشد. در مقابل، برخی از مناطق مرکزی و جنوبی نسبت‌های بسیار پایینی را نشان می‌دهند که نشان‌دهنده کمبود شدید فضای باز مناسب نسبت به جمعیت آنها است. به عنوان مثال، مناطق ۱۰ و ۱۲ نسبت‌هایی نزدیک به صفر دارند (به ترتیب ۹.۱۸ و ۴.۱۵ متر مربع به ازای هر نفر)، به این معنی که عملاً فاقد فضاهای باز مطلوب برای ساکنان خود هستند. مناطق دیگر مانند ۷ (۲۳۷.۱۸)، ۹ (۳۳۳.۱۱)، ۱۶ (۱۲۷.۰۲) و ۱۷ (۱۰۷.۷۸) شرایط مشابهی را نشان می‌دهند، احتمالاً به دلیل تراکم بالای جمعیت، زمین مناسب محدود یا برنامه‌ریزی فضایی ضعیف. میانگین نسبت‌ها در سایر مناطق در محدوده متوسطی قرار دارد؛ به عنوان مثال، مناطق ۵ (۳۷۵۶.۸۷)، ۲ (۴۲۳۲.۰۱)، ۴ (۳۶۰۳.۱۲) و ۱۵ (۱۰۴۴.۷۸) دسترسی نسبتاً مطلوب تا متوسطی به فضای باز نشان می‌دهند.

در مجموع، این نتایج نشان‌دهنده توزیع نابرابر فضاهای باز مطلوب در تهران است. مناطق شمالی و برخی مناطق کم‌جمعیت‌تر از دسترسی بهتری برخوردارند، در حالی که مناطق مرکزی و جنوبی با تراکم جمعیت بالا نیاز به توجه و توسعه بیشتر فضاهای باز دارند. این اطلاعات می‌تواند راهنمایی ارزشمندی برای برنامه‌ریزان شهری در اولویت‌بندی سرمایه‌گذاری‌ها و بهبود کیفیت زندگی ساکنان ارائه دهد.

برای بررسی نابرابری در توزیع فضای باز مطلوب برای فعالیت بدنی نسبت به جمعیت در مناطق مختلف تهران، از منحنی لورنز و ضریب جینی استفاده شد. ضریب جینی کلی محاسبه شده ۰٫۶۰۳۵ است. به طور کلی، ضریب جینی از ۰ تا ۱ متغیر است و مقادیر نزدیک به ۱ نشان دهنده تمرکز بالا و نابرابری قابل توجه است. بنابراین، مقدار ۰٫۶۰۳۵ نشان می‌دهد که توزیع فضای باز مطلوب در مناطق تهران ناهموار و بسیار نابرابر است.

منحنی لورنز با استفاده از سهم تجمعی جمعیت و سهم تجمعی مساحت مناسب رسم شد (شکل  ۹ ). در این نمودار، محور افقی سهم تجمعی جمعیت را از کمترین به بیشترین نشان می‌دهد، در حالی که محور عمودی سهم تجمعی فضای باز مطلوب را نشان می‌دهد. در صورت توزیع برابر و عادلانه، منحنی لورنز یک خط مورب ۴۵ درجه تشکیل می‌دهد که نشان می‌دهد هر درصد از جمعیت درصد متناسبی از فضای باز را دریافت می‌کند. با این حال، سهم تجمعی مساحت مناسب به وضوح نشان می‌دهد که بخش قابل توجهی از جمعیت تنها به بخش کوچکی از فضای باز مطلوب دسترسی دارند. به عنوان مثال، حدود ۶۰ درصد از جمعیت تهران تنها به ۱۰ درصد از فضاهای باز مناسب شهر برای فعالیت بدنی دسترسی دارند. علاوه بر این، تا زمانی که تقریباً ۷۰ درصد از جمعیت شهری در نظر گرفته نشوند، سهم تجمعی فضای مطلوب زیر ۳۰ درصد باقی می‌ماند که نشان‌دهنده تمرکز مناطق مناسب در مناطق خاص است، در حالی که بسیاری از مناطق با جمعیت قابل توجه دسترسی کافی ندارند.

این توزیع نابرابر ممکن است ناشی از عواملی مانند تفاوت در کیفیت محیط، دسترسی و زیرساخت‌ها باشد که منجر به فرصت‌های نابرابر برای ساکنان برای انجام فعالیت‌های بدنی در فضای باز می‌شود. چنین شرایطی می‌تواند پیامدهای منفی بر سلامت جسمی، رفاه اجتماعی و کیفیت کلی زندگی در مناطق کمتر برخوردار داشته باشد. در نتیجه، نتایج ضریب جینی و منحنی لورنز بر لزوم سیاست‌های هدفمند برای بهبود توزیع عادلانه فضاهای باز شهری تأکید می‌کند، تضمین می‌کند که همه گروه‌های جمعیتی می‌توانند از فعالیت‌های بدنی در فضای باز بهره‌مند شوند و به کاهش نابرابری‌های فضایی و اجتماعی موجود کمک کند.

نتایج این مطالعه نشان می‌دهد که معیارهای محیطی، با وزن کلی ۰٫۶، نقش برجسته‌تری نسبت به معیارهای دسترسی و زیرساخت، که وزن ۰٫۴ دارند، در ارزیابی فضاهای باز مناسب برای فعالیت بدنی در تهران دارند. در میان معیارهای محیطی، پوشش گیاهی (NDVI)، تراکم ساختمان و آلودگی هوا بیشترین تأثیر را داشتند. این یافته‌ها با مطالعات مشابه در کلان‌شهرهایی مانند زوریخ ^۵۷ ، ووهان ^۵۸ و شفیلد ^۵۹ همسو است ، جایی که کیفیت محیط، به ویژه پوشش گیاهی، به عنوان یک عامل کلیدی در بهبود آسایش حرارتی و کاهش استرس محیطی برای فعالیت بدنی شناسایی شده است. این اهمیت به دلیل تأثیر مستقیم کیفیت محیط بر آسایش حرارتی، کاهش آلودگی هوا و ایجاد محیطی جذاب برای شهروندان است. در مقابل، معیارهای دسترسی و زیرساخت، در حالی که تأثیر کمتری بر شاخص ترکیبی دارند، نقش عملکردی و جبرانی، به ویژه در مناطقی با کیفیت محیطی پایین‌تر، ایفا می‌کنند.

برای تعیین اهمیت معیارها، ترکیبی از رویکردهای ذهنی (BWM) و عینی (CRITIC) استفاده شد. BWM، مبتنی بر مقایسه‌های زوجی و قضاوت کارشناسی، امکان استخراج وزن‌های دقیق با حداقل ناسازگاری را فراهم می‌کند. در مقابل، روش CRITIC بر واریانس داده‌ها و همبستگی بین معیارها متکی است، بدون ورودی ذهنی عمل می‌کند و وزن‌ها را بر اساس اطلاعات ذاتی و قدرت تمایز معیارها تعیین می‌کند. ترکیب این دو رویکرد به جبران نقاط ضعف هر یک کمک می‌کند. به عنوان مثال، سوگیری‌های بالقوه در BWM با اتکای CRITIC به داده‌های واقعی کاهش می‌یابد، در حالی که بی‌توجهی CRITIC به اهمیت درک شده توسط قضاوت‌های کارشناسی در BWM متعادل می‌شود. این رویکرد ترکیبی در مطالعاتی مانند Luo و همکاران ^۶۰ و Wu و همکاران ^۶۱ توصیه شده است زیرا دقت و اعتبار نتایج را افزایش می‌دهد. در مقایسه با روش‌های سنتی مانند AHP یا آنتروپی، رویکرد ترکیبی مورد استفاده در این مطالعه پایداری بیشتری را نشان داد و امکان کنترل بهتر عدم قطعیت‌ها را فراهم کرد.

تحلیل توزیع فضایی نشان داد که کیفیت محیط زیست و دسترسی در تهران از الگوهای متفاوتی پیروی می‌کنند. کیفیت محیط زیست در مناطق شمالی و بخش‌هایی از غرب و شرق متمرکز است، در حالی که مناطق مرکزی و جنوبی عموماً در طبقات پایین‌تر قرار می‌گیرند. این الگو مشابه یافته‌های چین ^۶۲ و غنا ^۶۳ است ، جایی که تراکم بالای ساختمان، فضای سبز محدود و آلودگی هوا، کیفیت محیط زیست را در هسته‌های مرکزی شهر کاهش می‌دهد. در مقابل، معیارهای دسترسی و زیرساخت پوشش وسیع‌تری را نشان دادند، به طوری که بیش از نیمی از مساحت شهر در طبقات بالا یا بسیار بالا قرار گرفتند. این تضاد نشان می‌دهد که در حالی که توسعه حمل و نقل و خدمات شهری در تهران نسبتاً موفق بوده است، سیاست‌های زیست‌محیطی به طور مساوی در سراسر شهر اجرا نشده‌اند.

تحلیل ضریب جینی که برابر با ۰٫۶۰۳۵ محاسبه شد و منحنی لورنز، نابرابری قابل توجهی را در توزیع فضاهای باز مناسب برای فعالیت بدنی نشان داد. تقریباً ۶۰٪ از جمعیت تنها به ۱۰٪ از این فضاها دسترسی دارند. این سطح از نابرابری در مقایسه با شهرهایی مانند لندن یا نیویورک که شاخص‌های جینی فضای سبز در حدود ۰٫۴ گزارش شده است، حتی بیشتر است. تحلیل‌های Hot Spot و Moran’s I همچنین تأیید کردند که خوشه‌های داغ در درجه اول در مناطق مرفه قرار دارند، در حالی که خوشه‌های سرد در مناطق محروم متمرکز هستند. این یافته‌ها نشان می‌دهد که صرفاً افزایش تعداد فضاهای باز یا بهبود زیرساخت‌ها، عدالت فضایی را تضمین نمی‌کند و توزیع جغرافیایی و کیفیت فضاها باید همزمان در نظر گرفته شوند. در حالی که منحنی لورنز و ضریب جینی عمداً به دلیل قابلیت تفسیر، نمایش واضح نابرابری و کاربرد گسترده در مطالعات اقتصادی و عدالت فضایی انتخاب شده‌اند، اذعان داریم که این معیارهای سنتی محدودیت‌هایی دارند. به طور خاص، آنها ممکن است ماهیت چندبعدی نابرابری فضایی را به طور کامل نشان ندهند یا وابستگی‌ها و الگوهای فضایی در توزیع منابع را در نظر نگیرند. تحقیقات آینده می‌تواند این اقدامات را با رویکردهای جدیدتر، مانند شاخص تایل فضایی یا روش‌های تجزیه نابرابری، که قادر به پرداختن به جنبه‌های چندبعدی و فضایی نابرابری هستند، تکمیل کند. گنجاندن چنین روش‌هایی درک جامع‌تری از عدالت فضایی ارائه می‌دهد و چارچوب تحلیلی را برای ارزیابی عدالت در بافت‌های شهری تقویت می‌کند.

اگرچه مطالعه حاضر از تکنیک‌های معتبر تحلیل تصمیم‌گیری چندمعیاره مکانی (SMCDA)، مانند نرمال‌سازی حداقل-حداکثر، WLC و معیارهای خودهمبستگی مکانی (Moran’s I, Getis-Ord Gi*) استفاده کرده است، اما اذعان داریم که این روش‌ها در درجه اول یک دیدگاه توصیفی و تشخیصی در مورد مناسب بودن مکانی ارائه می‌دهند. رویکردهای پیشرفته‌تر، از جمله مدل‌سازی مناسب بودن مبتنی بر یادگیری ماشین، بهینه‌سازی چندهدفه و شبیه‌سازی‌های مبتنی بر عامل، اخیراً در ادبیات برای ثبت بهتر پویایی پیچیده سیستم‌های شهری پیشنهاد شده‌اند. در مورد ما، محدودیت اصلی برای اتخاذ مدل‌های یادگیری ماشین، فقدان مجموعه داده‌های آموزشی با کیفیت بالا بود که عموماً برای کالیبراسیون و اعتبارسنجی مدل ضروری هستند. با این وجود، پیشنهاد می‌کنیم که مطالعات آینده می‌توانند رویکردهای ترکیبی را بررسی کنند که SMCDA را با یادگیری ماشین ادغام می‌کنند. به عنوان مثال، یک مسیر بالقوه، تولید نقشه‌های عدم قطعیت خروجی‌های SMCDA با استفاده از روش‌های بوت‌استرپ یا نمونه‌گیری مجدد است. مناطق بسیار مناسب با عدم قطعیت همواره پایین می‌توانند به عنوان نمونه‌های شبه آموزشی برای مدل‌های یادگیری ماشین عمل کنند و در نتیجه عملکرد پیش‌بینی را بهبود بخشند و در عین حال به چالش داده‌های آموزشی محدود بپردازند. این ادغام می‌تواند مدل‌سازی قوی‌تری از تناسب فضایی شهری را ممکن سازد و بینش‌های پیش‌بینی‌کننده قوی‌تری را برای برنامه‌ریزی و سیاست‌گذاری شهری فراهم کند.

این مطالعه چندین محدودیت کلیدی دارد. اول، استفاده از تنها یک تصویر ماهواره‌ای در هر فصل ممکن است به طور کامل تغییرات موقت در پوشش گیاهی و کیفیت محیط زیست را ثبت نکند. دوم، انتخاب معیارها به بیست شاخص اصلی محدود شد که اگرچه کافی بود، اما عوامل اجتماعی-فرهنگی یا اقتصادی خاصی را که بر استفاده از فضای باز تأثیر می‌گذارند، در نظر نگرفت. سوم، تحلیل‌های Hot Spot و Moran’s I به همبستگی مکانی متکی هستند و لزوماً روابط علّی را آشکار نمی‌کنند. تحقیقات آینده می‌توانند از داده‌های چندزمانه با وضوح بالا، شاخص‌های اجتماعی-اقتصادی و روش‌های یادگیری ماشین برای مدل‌سازی روابط پیچیده بهره ببرند.

یافته‌ها نشان می‌دهد که سیاست‌گذاران شهری باید همزمان بر بهبود کیفیت محیط زیست و تقویت زیرساخت‌ها تمرکز کنند. اقدامات کلیدی شامل توسعه فضاهای سبز در مناطق مرکزی و جنوبی، کنترل تراکم ساختمانی، کاهش آلودگی هوا و افزایش امکانات تفریحی است. تخصیص منابع باید بر اساس نیازهای مکانی و عدالت هدایت شود، نه صرفاً بر اساس فرصت‌های توسعه فیزیکی. مداخلات هدفمند، مانند ایجاد پارک‌های محلی در مناطق محروم، بهبود دسترسی حمل و نقل عمومی به فضاهای باز و اجرای زیرساخت‌های سبز در محله‌های پرجمعیت، می‌تواند نابرابری‌ها را کاهش داده و کیفیت کلی زندگی در تهران را بهبود بخشد.

با توجه به رشد سریع و گسترش ناموزون تهران، بررسی و تحلیل کیفیت محیطی، زیرساخت‌های فضاهای باز شهری و دسترسی به آنها برای بهبود کیفیت زندگی شهروندان و کاهش نابرابری‌های فضایی ضروری است. هدف از این مطالعه ارائه تحلیلی جامع از توزیع کیفیت محیطی و زیرساختی در سطح تهران و شناسایی مناطقی با شرایط مناسب و نامناسب برای فعالیت بدنی و کاربری شهری و در نتیجه ارائه راهبردهای مؤثر برای برنامه‌ریزی و توسعه پایدار فضاهای باز بود. تجزیه و تحلیل منطقه شهری تهران بر اساس معیارهای زیست‌محیطی نشان می‌دهد که بخش بزرگی از شهر در طبقات کیفیت محیطی متوسط ​​و پایین قرار دارد. تقریباً ۸۱ کیلومتر ^مربع از شهر در طبقه کیفیت محیطی بسیار پایین طبقه‌بندی می‌شود و شرایط نامطلوبی را برای فعالیت بدنی فراهم می‌کند. در مقابل، کمتر از یک سوم کل منطقه شهری متعلق به طبقات کیفیت بالا و بسیار بالا است که عمدتاً در مناطق شمالی و بخش‌هایی از مناطق غربی و شرقی متمرکز شده‌اند.

تحلیل دسترسی و زیرساخت‌ها الگوی متفاوتی را نشان می‌دهد. بیش از نیمی از مساحت شهر در طبقات بالا و بسیار بالا قرار می‌گیرد که نشان می‌دهد جمعیت عموماً دسترسی خوبی به حمل و نقل عمومی و امکانات زیرساختی دارد. مناطقی با دسترسی محدود عمدتاً در حاشیه شهر واقع شده‌اند. تحلیل خوشه‌ای فضایی (نقطه داغ) همچنین تأکید می‌کند که شمال تهران، به ویژه مناطق ۱، ۳ و ۵، از نظر کیفیت محیطی، زیرساختی و اجتماعی، خوشه‌های داغ را تشکیل می‌دهند، در حالی که مناطق مرکزی و جنوبی، از جمله مناطق ۹ تا ۱۲ و ۱۷، خوشه‌های سرد را تشکیل می‌دهند که نشان‌دهنده نابرابری فضایی و کمبود امکانات مناسب در این مناطق است. شاخص‌های آماری مانند ضریب موران و ضریب جینی ۰.۶۰۳۵، همراه با منحنی لورنز، توزیع نابرابر فضاهای باز مناسب برای فعالیت بدنی نسبت به جمعیت را نشان می‌دهند. تقریباً ۶۰٪ از جمعیت شهر تنها به ۱۰٪ از فضاهای باز با کیفیت بالا دسترسی دارند. این شکاف قابل توجه در دسترسی به فضاهای باز شهری، چالش بزرگی را برای عدالت فضایی و کیفیت زندگی نشان می‌دهد.

نتایج به وضوح اهمیت پرداختن همزمان به کیفیت محیطی و زیرساخت‌های شهری را در برنامه‌ریزی و توسعه فضاهای باز شهری نشان می‌دهد. توسعه زیرساخت‌ها به تنهایی نمی‌تواند کمبودهای محیطی یا نابرابری‌های فضایی را جبران کند. بنابراین، طراحی سیاست‌های هدفمند و مداخلات فضایی دقیق در مناطق سردسیر و در حال گذار برای بهبود کیفیت محیطی و زیرساختی می‌تواند به طور قابل توجهی شرایط زندگی و تعادل فضایی را در تهران افزایش دهد. در نهایت، این مطالعه بر ضرورت رویکردهای جامع و چندبعدی در برنامه‌ریزی شهری برای بهبود عدالت فضایی و کیفیت کلی زندگی در سراسر شهر تأکید می‌کند. سیاست‌گذاران و برنامه‌ریزان شهری باید به مناطقی با کیفیت پایین و دسترسی محدود توجه ویژه‌ای داشته باشند و مداخلات فضایی هدفمندی مانند افزایش فضاهای سبز و بهبود زیرساخت‌های حمل و نقل عمومی را برای کاهش نابرابری‌ها اجرا کنند. ادغام عوامل محیطی و زیرساختی یک استراتژی کلیدی برای توسعه پایدار فضاهای باز شهری و دستیابی به کیفیت بالای زندگی شهری برای همه شهروندان است.