سمیه رفعتی؛ ابوذر رمضانی؛ علیرضا صادقی نیا
چکیده
همهگیری کووید-19 به عنوان پدیدهای جغرافیایی در نظر گرفته میشود که تجزیه و تحلیل فضایی و تأثیر جغرافیایی آن بر تصمیمگیری و زندگی روزمره، بسیار مهم است. سیستم اطلاعات جغرافیایی و تکنیکهای مکانی میتوانند نقش مهمی در تجزیه و تحلیل کلان دادههای شیوع کووید-19 در سطح جهانی ایفا کنند. در این پژوهش با کاربرد نرمافزار ArcGIS و روشهای ...
بیشتر
همهگیری کووید-19 به عنوان پدیدهای جغرافیایی در نظر گرفته میشود که تجزیه و تحلیل فضایی و تأثیر جغرافیایی آن بر تصمیمگیری و زندگی روزمره، بسیار مهم است. سیستم اطلاعات جغرافیایی و تکنیکهای مکانی میتوانند نقش مهمی در تجزیه و تحلیل کلان دادههای شیوع کووید-19 در سطح جهانی ایفا کنند. در این پژوهش با کاربرد نرمافزار ArcGIS و روشهای رگرسیون فضایی عمومی و محلی، بر اساس نرخ ابتلا به این بیماری در 73 شهرستان، به بررسی عوامل تاثیرگذار بر پراکنش آن پرداخته شد. برای این منظور عوامل ارتفاع، تراکم جمعیت و میانگین سنی، نسبت جمعیت بالای 55 سال به جمعیت کل و همچنین پارامترهای هواشناسی شامل رطوبت، دما، فشار و سرعت باد به عنوان متغیرهای پیشبینی کننده در نظر گرفته شدند. بر اساس روش رگرسیون گامبهگام، تراکم جمعیت، فشار هوا، میانگین سن و سرعت باد به عنوان پیشبینی کنندههای معنیدار تعیین و با تکنیک OLS مدلسازی نرخ ابتلا انجام شد. نتایج نشان داد مدل ارایه شده به لحاظ آماری معنیدار است، اما رابطه متغیرهای مستقل با متغیر وابسته هم در بعد فضایی و هم در بعد دادهها ناایستا است. بنابراین تکنیک GWR به کار گرفته شد و برای افزایش تغییرپذیری فضایی و برطرف نمودن مشکل همراستایی خطی، روش تحلیل مولفههای اصلی و نرمافزار SPSS به کار گرفته شد. در نهایت تراکم جمعیت، عامل هواشناسی و عامل سن به عنوان متغیرهای پیشبینی کننده در مدل محلی در نظر گرفته شدند. به دلیل بهبود نسبی عملکرد این مدل نسبت به مدل عمومی، میتوان گفت توانایی مدلهای محلی نسبت به مدلهای عمومی برای مدلسازی بیماری کوید 19 بیشتر است. نتایج آزمون خودهمبستگی فضایی موران و تحلیل نقاط داغ نشان داد دستکم یک متغیر تاثیرگذار بر بروز این بیماری وجود دارد که در این مطالعه در نظر گرفته نشده است. هرچند، نتایج این مطالعه اهمیت عوامل جمعیتشناختی و هواشناسی را بر نرخ ابتلا به بیماری کوید 19 روشن کرده است.