مقدمه
کلان‌شهر مشهد به‌عنوان دومین کلان‌شهر پرجمعیت ایران، در منطقه‌ای با خطر لرزه‌خیزی متوسط تا بالا واقع شده است. وجود گسل‌های فعال اطراف این شهر، وقوع زلزله‌ای مخرب را به یک تهدید جدی و همیشگی تبدیل کرده است (معروفی و همکاران، 2022). از‌سوی‌دیگر بخش عمده‌ای از بافت مسکونی این شهر را آپارتمان‌های بلندمرتبه و متوسط تشکیل می‌دهند که سکونت‌گاه میلیون‌ها نفر هستند. رویکرد سنتی در مهندسی زلزله که تنها بر پیشگیری از فروریزی ساختمان و ایمنی جانی متمرکز است، برای چنین شهری کافی نیست. حتی اگر ساختمان‌ها فرو نریزند، خسارات سازه‌ای و غیرسازه‌ای می‌تواند به اختلال طولانی‌مدت در سکونت، تحمیل هزینه‌های گزاف بازسازی و فلج شدن عملکرد اجتماعی-اقتصادی شهر منجر شود (واکر و همکاران، 2014). بنابراین، گذار از مفهوم مقاومت لرزه‌ای به تاب‌آوری لرزه‌ای به‌عنوان یک ضرورت اجتناب‌ناپذیر در مدیریت ریسک این کلان‌شهر مطرح می‌شود.
تاب‌آوری لرزه‌ای طبق تعریف شاخص برونو (2003) به‌عنوان توانایی سیستم برای کاهش احتمال فروپاشی، جذب تأثیرات رویداد لرزه‌ای و بازیابی سریع و کارآمد به سطح عملکرد قابل‌قبول، در نظر گرفته می‌شود (برونو و همکاران، 2003). این توانایی بر چهار رکن اصلی افزایش استحکام و عملکرد، وجود اجزای جایگزین و اضافه، توانایی بسیج منابع و سرعت بازیابی استوار است (کاتر و همکاران، 2003).
برای اندازه‌گیری ابعاد مختلف تاب‌آوری، مجموعه‌ای از معیارهای کمی و کیفی تعریف می‌شود که با عنوان شاخص‌های تاب‌آوری شناسایی می‌شوند. به‌طورکلی شاخص‌های تاب‌آوری لرزه‌ای در قالب پنج بعد کالبدی-سازه‌ای، زیرساختی-شهری، اقتصادی، اجتماعی و مدیریتی-نهادی دسته‌بندی شده‌اند (سینها و همکاران، 2016).
مطالعات پیشین در حوزه تاب‌آوری لرزه‌ای عمدتاً بر روی شاخص‌های سازه‌ای و یا شاخص‌های کلان‌شهری متمرکز بوده‌اند (دودانوالا و همکاران، 2024) و نقش حیاتی معیارهایی مانند سرمایه اجتماعی، آمادگی ساکنین، کارایی مدیریت بحران و دسترسی به خدمات اضطراری را نادیده گرفته‌اند (چی یین و همکاران، 2022). براین‌اساس، فقدان یک چارچوب یکپارچه و چندمعیاره برای سنجش تاب‌آوری در مقیاس ساختمان‌های مسکونی متداول، با درنظرگیری هم‌زمان کلیه ابعاد غیرسازه‌ای، یک ضرورت پژوهشی است (کیم و همکاران، 2024؛ انور، 2020).
پژوهش حاضر، علاوه‌بر شناسایی، وزن‌دهی و اولویت‌بندی شاخص‌های مؤثر بر تاب‌آوری در ابعاد پنجگانه فوق برای ارائه تصویری جامع و واقع‌بینانه از تاب‌آوری لرزه‌ای آپارتمان‌های مسکونی، در پی بومی‌سازی این مفهوم در جغرافیای مشهد باتوجه‌به شرایط فرهنگی-اجتماعی آن است. همچنین استفاده از روش‌های ارزیابی چندمعیاره به‌عنوان یک ابزار تصمیم‌گیری عملی برای رتبه‌بندی ساختمان‌ها از نظر سطح تاب‌آوری که خروجی آن به‌صورت عینی و کمی در اختیار برنامه‌ریزان و سیاست‌گذاران قرار ‌گیرد، یکی دیگر از نوآوری‌ها و ارزش‌های اصیل این پژوهش است.
هدف اصلی این پژوهش، ارزیابی و رتبه‌بندی سطح تاب‌آوری لرزه‌ای آپارتمان‌های مسکونی شهر مشهد براساس یک چارچوب چندمعیاره و جامع است. این پژوهش با در نظر گرفتن اهمیت فزاینده تاب‌آوری شهری در برابر زلزله، به دنبال ارائه تصویری دقیق از وضعیت موجود و شناسایی عوامل مؤثر بر آن است. در راستای تحقق این هدف، سه پرسش اساسی مورد بررسی قرار می‌گیرند:
نخست، «چه معیارها و شاخص‌های کلیدی بر تاب‌آوری لرزه‌ای آپارتمان‌های مسکونی در شهر مشهد تأثیرگذار است؟» 
دوم، «وزن و اهمیت نسبی هریک از این معیارها و شاخص‌ها در تاثیر بر تاب‌آوری کلی چگونه است؟» 
 سوم، «وضعیت موجود آپارتمان‌های نمونه موردمطالعه براساس شاخص‌های تاب‌آوری چگونه است؟»
 براین‌اساس فرضیات پژوهشی مطرح‌شده در این مطالعه عبارت‌اند از: یکم، تاب‌آوری لرزه‌ای آپارتمان‌های مسکونی در مشهد صرفاً به عامل ایمنی سازه‌ای محدود نشده و تحت تأثیر عوامل متعدد دیگری از جمله عوامل اجتماعی، اقتصادی و محیطی قرار دارد. دوم، بین سطح تاب‌آوری ساختمان و متغیرهایی نظیر تعداد طبقات، منطقه شهری، زیربنای واحد مسکونی، بعد خانوار و فاصله تا مراکز بحران، رابطه معناداری وجود دارد که بررسی این روابط می‌تواند درک بهتری از تاب‌آوری ایجاد کرده و ارائه راهکارهای مناسب‌تر را ممکن سازد.
نتایج حاصل از این پژوهش، ابزاری کارآمد در اختیار نهادهای مدیریت بحران قرار می‌دهد تا با شناسایی و اولویت‌بندی محله‌ها و ساختمان‌های آسیب‌پذیر، تخصیص بهینه بودجه‌های مقاوم‌سازی را تسهیل کنند. این نتایج می‌تواند به تدوین سند راهبردی برنامه‌ریزی شهری کمک کرده و با گنجاندن معیارهای تاب‌آوری در ضوابط ساخت‌وساز و طرح‌های تفصیلی، بستری برای توسعه شهری ایمن‌تر فراهم آورد. همچنین، امکان پیش‌بینی میزان خسارات، زمان موردنیاز برای واکنش و منابع لازم جهت بازسازی پس از زلزله که برای سازمان‌های امدادی حیاتی بوده را فراهم سازد. علاوه‌براین، نتایج تحقیق می‌تواند به‌عنوان مبنایی برای طراحی و اجرای کمپین‌های آموزشی به‌منظور افزایش آگاهی و ارتقای آمادگی شهروندان در برابر زلزله مورد استفاده قرار گیرد.
پس از این مقدمه، در بخش بعدی به مرور مبانی نظری و پیشینه پژوهش پرداخته می‌شود. پس از آن، روش تحقیق و شیوه‌های مورداستفاده برای گردآوری داده‌ها و تحلیل چندمعیاره تشریح می‌گردد. بخش یافته‌ها به ارائه و تحلیل نتایج اختصاص دارد و در پایان، بحث و نتیجه‌گیری نهایی ارائه خواهد شد.

ادبیات تحقیق
مبانی نظری
امروزه رویکرد مدیریت ریسک سوانح طبیعی از تمرکز صرف بر کاهش آسیب‌پذیری به سمت ارتقای تاب‌آوری تغییر یافته است (آدجر و همکاران، 2005). تاب‌آوری به‌عنوان پارادایمی جامع‌نگر، نه‌تنها بر مقاومت سازه‌ها در برابر نیروهای زلزله، بلکه بر توانایی سیستم برای جذب شوک، سازگاری و بازگشت سریع به سطح عملکردی قابل‌قبول تأکید دارد (پراگ، 2014). تاب‌آوری در علوم مختلف تعاریف متنوعی دارد، اما در هسته مشترک تمامی این تعاریف، مفهوم توانایی یک سیستم در مقابله با اختلالات، حفظ عملکرد اصلی خود و بازیابی سریع و کارآمد، نهفته است (آلبرتی، 2005).
براین‌اساس تاب‌آوری لرزه‌ای به‌صورت خاص‌تر، ظرفیت سیستم‌های اجتماعی، اقتصادی، کالبدی و مدیریتی یک جامعه برای پیش‌بینی، تحمل و کاهش تأثیرات یک رویداد زلزله و نیز توانایی آن برای بازیابی، بازسازی و بازگشت به شرایط عادی یا حتی بهتر از گذشته در کوتاه‌ترین زمان ممکن، با کم‌ترین هزینه و آسیب‌های اجتماعی است (کارهلم و همکاران، 2014).
مطالعات نشان می‌دهند تاب‌آوری پدیده‌ای چندبعدی است. یکی از معتبرترین چارچوب‌های نظری که بر ابعاد مختلف تاب‌آوری تأکید دارد، مدل برونو است. این چارچوب که روش‌شناسی این پژوهش را هدایت می‌کند، ابعاد اصلی زیر را شناسایی می‌کند (برونو و همکاران، 2003):

تاب‌آوری کالبدی
 به توانایی سیستم‌های فیزیکی و زیرساخت‌ها در مقاومت در برابر زلزله و حفظ عملکرد خود اشاره دارد (بون و همکاران، 2012). شاخص‌های آن شامل کیفیت مصالح، رعایت اصول آیین‌نامه‌ای، شکل‌پذیری سازه و غیره است.

تاب‌آوری اقتصادی
 به توانایی سیستم اقتصادی جامعه در تحمل زیان‌های ناشی از زلزله و بازگشت سریع به فعالیت‌های اقتصادی عادی مربوط می‌شود (میشل و همکاران، 2014). شاخص‌هایی چون داشتن بیمه، تنوع شغلی و درآمدی ساکنان از مصادیق آن است.

تاب‌آوری اجتماعی
 به سرمایه اجتماعی، حس تعلق مکانی، آگاهی عمومی و توانایی جامعه محلی برای همکاری و کمک‌متقابل در دوران بحران و بازسازی اشاره دارد (آدجر، 2000). شاخص‌هایی مانند انسجام اجتماعی، سطح تحصیلات، و آگاهی از خطرپذیری زلزله در این بعد سنجیده می‌شوند.

تاب‌آوری سازمانی-مدیریتی
به ظرفیت سازمان‌ها و نهادهای مسئول برای برنامه‌ریزی، هماهنگی و مدیریت پاسخ‌گویی مؤثر در شرایط بحرانی می‌پردازد (کلین و همکاران، 2003). شاخص‌هایی مانند سرعت امدادرسانی، وجود طرح‌های تخلیه و اسکان موقت در این بعد جای می‌گیرند.
این ابعاد در کنار هم، چارچوب کلی برای سنجش جامع تاب‌آوری را تشکیل می‌دهند. البته باتوجه‌به گستردگی حوزه کالبدی، براساس هدف تحقیق، می‌توان آن را در دو بخش کالبدی، مرتبط با ساختمان‌ها و زیر ساختی مرتبط با تأسیسات شهری بررسی نمود.
با شناسایی دقیق ابعاد و حوزه‌هایی که تحت تأثیر مستقیم و غیرمستقیم خطر زلزله قرار دارند، امکان تعریف و اندازه‌گیری شاخص‌های کمی و کیفی برای سنجش میزان آسیب‌پذیری در هریک از این حوزه‌ها فراهم می‌گردد. این شاخص‌ها می‌توانند ابعاد مختلف آسیب‌پذیری، ازجمله آسیب‌پذیری فیزیکی ساختمان‌ها، آسیب‌پذیری زیرساخت‌های حیاتی، آسیب‌پذیری اقتصادی و آسیب‌پذیری اجتماعی را مورد ارزیابی قرار دهند. تحلیل یکپارچه و سیستماتیک این شاخص‌ها، همراه با تعیین وزن و اهمیت نسبی هر شاخص براساس شرایط محلی و ویژگی‌های جمعیتی، فرآیند شناسایی عوامل اصلی در افزایش تاب‌آوری لرزه‌ای را عملیاتی می‌سازد. این رویکرد یکپارچه، با ارائه دیدگاهی جامع از عوامل کلیدی مؤثر بر تاب‌آوری، امکان تدوین و اجرای برنامه‌های مؤثر و هدفمند برای کاهش آسیب‌پذیری و افزایش آمادگی در برابر زلزله را میسر می‌سازد و درنهایت به کاهش خسارات جانی و مالی ناشی از این بلای طبیعی منجر خواهد شد. تصویر شماره 1، نمایانگر مدل مفهومی این فرآیند جامع و یکپارچه است که در آن روابط بین شاخص‌های مختلف و تأثیر آن‌ها بر تاب‌آوری نمایش داده شده است.

پیشینه پژوهش
پژوهش‌های اولیه بیشتر بر روی تاب‌آوری کالبدی و ارزیابی آسیب‌پذیری سازه‌ها متمرکز بودند. به‌تدریج و با توسعه چارچوب‌هایی مانند مدل برونو (برونو و همکاران، 2003) و مدل تاب‌آوری جامعه کاتر (کاتر و همکاران، 2003)، مطالعات به سمت نگاه همه‌جانبه‌گرا و کمی‌سازی ابعاد مختلف حرکت کردند. استفاده از روش‌های تصمیم‌گیری چندمعیاره برای سنجش شاخص‌های مختلف و وزن‌دهی به آن‌ها، شیوه‌ای عملیاتی جهت شناسایی و درک بهتر تاب‌آوری می‌تواند باشد.
در ایران، اگرچه مطالعات زیادی بر روی آسیب‌پذیری لرزه‌ای شهرها و بافت‌های فرسوده انجام شده، اما مفهوم تاب‌آوری به‌ویژه با نگاه چندبعدی، موضوعی نسبتاً نوین است. اغلب تحقیقات موجود بر یک بعد خاص و عمدتاً بر ویژگی‌های کالبدی تمرکز داشته‌اند. همچنین عمده تحقیقات در مقیاس کلان‌شهری، علی‌رغم سهم کاربری مسکونی با متوسط حدود 50 درصد از سطح کاربری‌های شهری که مهم‌ترین و حساس‌ترین عرصه در هر شهر می‌باشد، بدون توجه به ویژگی‌های خاص انواع مختلف بافت‌های مسکونی (قدیم و جدید، آپارتمانی و ویلایی) شرایط فیزیکی، اقتصادی، اجتماعی و غیره، حاکم بر آن‌ها انجام شده‌اند (امان‌پور و همکاران، 2016). در جدول شماره 1 به برخی از مهم‌ترین پژوهش‌های انجام‌شده در زمینه ارزیابی تاب‌آوری لرزه‌ای ساختمان‌های مسکونی اشاره می‌شود.


بررسی ادبیات موضوع، شکاف‌های پژوهشی متعددی را آشکار می‌سازد که این مطالعه در تلاش برای پاسخ به آن‌ها است؛ نخست، کمبود مدل‌های یکپارچه برای ارزیابی تاب‌آوری در مقیاس خرد (سطح ساختمان) به‌وضوح احساس می‌شود، زیرا اغلب مدل‌های موجود در مقیاس‌های کلان‌شهری یا منطقه‌ای عمل کرده و امکان ارزیابی و تطبیق واحدهای مسکونی منفرد را فراهم نمی‌سازند. دوم، مطالعات جامعی که به‌طور هم‌زمان به ابعاد گوناگون تاب‌آوری در محیط مسکونی آپارتمان‌ها بپردازند، به‌ویژه در بافت شهری ایران، بسیار محدود هستند و این ابعاد اغلب به‌صورت مجزا مورد بررسی قرار گرفته‌اند. سوم، فقدان مطالعات تطبیقی بین بافت‌های مسکونی مختلف یک شهر، مانع از درک تفاوت‌ها و نقاط قوت و ضعف هر بافت در مواجهه با زلزله می‌شود؛ به‌عنوان‌مثال، مقایسه سیستماتیک و با روشی یکسان، تاب‌آوری لرزه‌ای ساختمان‌های محلات قدیمی با ساختمان‌های بافت میانی و جدید در یک شهر مانند مشهد، انجام نشده است. چهارم، لزوم بومی‌سازی و وزن‌دهی به شاخص‌های تاب‌آوری از اهمیت بسزایی برخوردار است، زیرا بسیاری از شاخص‌های موجود در مدل‌های جهانی، با شرایط فرهنگی، اجتماعی و اقتصادی ایران همخوانی ندارند؛ بنابراین، شناسایی و وزن‌دهی به شاخص‌های بومی‌شده که بازتاب‌دهنده واقعیات جامعه ایران باشند، یک ضرورت و شکاف پژوهشی اساسی محسوب می‌شود که این مطالعه به دنبال رفع آن است.
استفاده از رویکرد تحلیل چندمعیاره در ارزیابی تاب‌آوری لرزه‌ای آپارتمان‌های مسکونی مشهد، ضرورتی نوآورانه و چندوجهی است که فراتر از محدودیت‌های مطالعات سنتی حرکت می‌کند. این مطالعات، غالباً با تمرکز صرف بر جنبه‌های کالبدی، از درک جامع و یکپارچه از آپارتمان به‌عنوان یک سیستم اجتماعی-کالبدی پویا باز می‌مانند. رویکرد چندمعیاره، با گنجاندن شاخص‌های متنوعی از ابعاد مختلف تاب‌آوری در شهر مشهد، امکان ارزیابی جامع‌تری را فراهم می‌آورد. این رویکرد، مقایسه تطبیقی بین بافت‌های مسکونی گوناگون شهر مشهد را میسر می‌سازد. با اعمال وزن‌دهی مناسب به هر شاخص، می‌توان میزان تاب‌آوری ساختمان‌ها در هر منطقه را به‌طور مجزا اندازه‌گیری و با سایر مجموعه‌ها مقایسه نمود؛ به‌عنوان‌مثال، یک ساختمان نوساز ممکن است از نظر کالبدی در وضعیت مطلوبی قرار داشته باشد، اما به‌دلیل ضعف انسجام اجتماعی بین ساکنان، در بعد اجتماعی عملکرد ضعیفی داشته باشد. این نوع تحلیل مقایسه‌ای، اطلاعات ارزشمندی را برای برنامه‌ریزی و تخصیص بهینه منابع مدیریت بحران در اختیار برنامه‌ریزان قرار می‌دهد. علاوه‌براین، روش‌های چندمعیاره با تعیین وزن و اهمیت هر شاخص، به شناسایی مهم‌ترین عوامل مؤثر تاب‌آوری در هر منطقه کمک می‌کند. این امر، مدیران شهری را قادر می‌سازد تا به‌جای اجرای برنامه‌های کلی و پرهزینه، بر تقویت شاخص‌های کلیدی متناسب با ویژگی‌های هر منطقه تمرکز کنند؛ به‌عنوان‌مثال، در یک منطقه با اولویت دادن به آموزش‌های اجتماعی و در منطقه‌ای دیگر با تمرکز بر نوسازی و مقاوم‌سازی سازه‌ها، به بهبود تاب‌آوری لرزه‌ای آپارتمان‌های مسکونی بپردازند.

منطقه مورد مطالعه
شهر مشهد، مرکز استان خراسان‌رضوی، با جمعیتی بیش از 3.5 میلیون نفر طبق سرشماری 1405، دومین کلان‌شهر پرجمعیت ایران است. این شهر در دشتی میان مختصات 59 درجه و 15 دقیقه تا 60 درجه و 36 دقیقه طول جغرافیایی شرقی و 35 درجه و 43 دقیقه تا 37 درجه و 8 دقیقه عرض جغرافیایی شمالی قرار گرفته و وسعت آن به بیش از 400 کیلومتر مربع می‌رسد (پیروی و همکاران، 2020). ساختار شهری مشهد بسیار ناهمگن است. این کلان‌شهر ترکیبی از بافت‌های تاریخی فرسوده، مناطق میانی با تراکم متوسط و مناطق نوساز با تراکم بسیار بالا است. تنوع بسیار زیاد در وضعیت اقتصادی-اجتماعی ساکنان، کیفیت ساخت‌وساز، و عمر بناها، آن را به یک نمونه ایدئآل برای مطالعه تاب‌آوری تبدیل می‌کند.
ازسویی‌دیگر مشهد در منطقه‌ای با خطر لرزه‌خیزی بالا قرار دارد. مشهد در گذشته شاهد زمین‌لرزه‌های مخرب بوده است. مهم‌ترین آن‌ها زلزله سال 1084 ه.ق (1673 م.) با بزرگای حدود 6/5 ریشتر است که به تخریب گسترده شهر و کشته‌شدن هزاران نفر منجر گردید (مقدس و همکاران، 2018). زلزله‌های تاریخی و ثبت‌شده دیگر در اطراف مشهد نیز گواه فعال بودن پهنه گسلی منطقه است. مهم‌ترین منبع تهدید لرزه‌ای شهر، گسل مشهد است (شاد و همکاران، 1399). این گسل با راستای شمال‌غرب-جنوب‌شرق و طول حدود 150 کیلومتر، از مرکز و جنوب شهر عبور می‌کند. مطالعات زمین‌شناسی نشان می‌دهد این گسل فعال بوده و توانایی ایجاد زلزله‌ای با بزرگای حدود 7 ریشتر را دارا است (حیاتی و همکاران، 1394).
برای پوشش دادن این تنوع، انتخاب نمونه‌ها باید به‌صورت هدفمند و خوشه‌ای از محلات با ویژگی‌های متمایز انجام شود. براین‌اساس نمونه‌ها از دو گروه محلات بافت فرسوده مرکزی و مناطق میانی و نوساز انتخاب شد. محلات مرکزی شهر، عمدتاً دارای بافت ریزدانه، معابر باریک، تراکم جمعیت بالا، ساختمان‌های فرسوده، وضعیت اقتصادی-اجتماعی به نسبت پایین‌تر هستند و فقدان فضاهای باز بشدت محسوس است. این محلات نماینده مناطق دارای بالاترین آسیب‌پذیری ذاتی هستند. در مقابل مناطق میانی ترکیبی از آپارتمان‌های نوساز، معابر عریض‌تر، دسترسی بهتر به خدمات و فضای سبز و ساکنین با وضعیت اقتصادی-اجتماعی متوسط به بالا می‌باشند. این مناطق نماینده بافت‌های نیمه‌منظم و برنامه‌ریزی‌شده با سطوح متوسط تاب‌آوری هستند.
انتخاب نمونه‌ها با رویکردی علمی و چندمعیاره، با هدف تحقق سنجش عملیاتی تاب‌آوری لرزه‌ای صورت پذیرفت. این فرآیند با در نظر گرفتن معیارهای کالبدی، زیرساختی، اقتصادی، اجتماعی و مدیریتی انجام شد. روش نمونه‌گیری مورداستفاده، ترکیبی از روش‌های خوشه‌ای، تصادفی و طبقه‌بندی‌شده بود. بدین ترتیب، در گام نخست، شهر به مناطقی همگن براساس معیارهای مذکور تقسیم‌بندی شد. این طبقه‌بندی به شناسایی دو نوع بافت اصلی (بافت فرسوده، بافت میانی-جدید) منجر گردید. سپس از هریک، تعدادی محله به‌عنوان خوشه نمونه انتخاب شد. درنهایت، در داخل هر خوشه، ساختمان‌ها به‌صورت تصادفی برای ارزیابی دقیق‌تر انتخاب گردیدند. این روش نمونه‌گیری ترکیبی، امکان پوشش مناسب و نمایندگی کافی از تنوع بافت‌های شهری را فراهم آورده و اعتبار و قابلیت تعمیم نتایج سنجش تاب‌آوری را افزایش می‌دهد. اطلاعات کلی مناطقی که نمونه‌های منتخب در آن‌ها استقرار داشته‌اند، در جدول شماره 2 و موقعیت نمونه‌ها در شهر در تصویر شماره 2 نمایش داده شده است.

روش
شاخص‌ها و متغیرها
مفهوم چندوجهی تاب‌آوری در صورت مخاطرات لرزه‌ای تنها با انتخاب مجموعه‌ای مناسب از متغیرهای تأثیرگذار قابل‌توصیف است. در این مورد پنج دسته از شاخص‌ها شامل ویژگی‌های کالبدی، ویژگی‌های زیرساختی، ویژگی‌های اقتصادی، ویژگی‌های اجتماعی و ویژگی‌های مدیریتی در نظر گرفته شد و با استفاده از روش‌های آماری، متغیرهای مؤثر بر تاب‌آوری لرزه‌ای یکپارچه به دست آمد.
اولین گام از رویکرد روش‌شناختی، شناسایی و یکپارچه‌سازی داده‌ها با هدف ایجاد یک پلتفرم جامع جهت بررسی بود (جدول شماره 3).


تاب‌آوری لرزه‌ای از بعد کالبدی شامل ویژگی‌های سازه‌ای بناها می‌شود و از بعد زیرساختی، به امکانات و قابلیت‌های پیش‌بینی‌شده در شرایط خطر همچون، آرایش فضایی و کیفیت زیرساخت‌های حمل‌ونقل برای دسترسی مناسب به بیمارستان‌ها و ایستگاه‌های مدیریت اورژانس وابسته است. علاوه‌براین تاب‌آوری لرزه‌ای از بعد اقتصادی با امکان مقابله و بازیابی پس از بحران و ارزش دارایی‌هایی که در صورت وقوع خطر در معرض آسیب هستند، در ارتباط است. از بعد اجتماعی نیز تاب‌آوری لرزه‌ای شامل تعداد کل و درصد جمعیت حساس در معرض خطر است و از بعد مدیریتی به قابلیت ارائه خدمات اضطراری، کاهش آسیب‌ها و جلوگیری از گسترش شرایط خطر وابسته است.

گردآوری داده‌ها
متغیرهای نهایی شامل 6 متغیر کالبدی، 7 متغیر زیرساختی، 4 متغیر اقتصادی، 6 متغیر اجتماعی و 4 متغیر مدیریتی است که گردآوری داده‌های هر کدام با روش‌های مشاهده و بررسی میدانی، استناد به پایگاه داده‌های شهرداری و اسناد دولتی، مصاحبه‌های چهره‌به‌چهره با استفاده از یک پرسش‌نامه ساختاریافته و همچنین نظرسنجی از کارشناسان انجام شده است. روش گردآوری و منبع استخراج هر متغیر در جدول شماره 4 نمایش داده شده است.



متغیرهای کالبدی
در بخش اطلاعات کالبدی، فرآیند جمع‌آوری داده‌ها در دو مقیاس ساختمانی و پیرامونی صورت گرفت. به‌منظور دستیابی به داده‌های دقیق و قابل‌اتکا در سطح ساختمانی، مقادیر متغیرهای مرتبط با ویژگی‌های فیزیکی بناها، از طریق بررسی و تحلیل اسناد رسمی گواهی پایان‌کار ساختمان‌ها استخراج گردید. این رویکرد، امکان دسترسی به اطلاعات جامعی نظیر مساحت زیربنا، تعداد طبقات و سایر مشخصات فنی ساختمان‌ها را فراهم ساخت. درمقابل، به‌منظور ارزیابی و ثبت متغیرهای مرتبط با محیط پیرامون ساختمان، از روش‌های مشاهده مستقیم و بررسی‌های میدانی بهره گرفته شد. این شیوه گردآوری داده‌ها، امکان ثبت اطلاعاتی نظیر فواصل ساختمان‌ها و وضعیت و ویژگی‌های بلافصل ساختمان را میسر ساخت. بدین ترتیب، با اتخاذ این رویکرد دوگانه، مجموعه‌ای جامع و یکپارچه از داده‌های کالبدی در هر دو سطح ساختمانی و محیطی گردآوری گردید که مبنای تحلیل‌ها و ارزیابی‌های آتی را فراهم ‌آورد.

متغیرهای زیرساختی
در بخش زیرساخت، فرآیند جمع‌آوری داده‌های متغیرها با اتکا به دو منبع اصلی صورت گرفت: نخست، اطلاعات موجود در پایگاه داده‌های جامع شهرداری و دوم، مشاهدات دقیق و بررسی‌های میدانی که در محدوده‌ای به شعاع 100 متری پیرامون ساختمان موردمطالعه انجام شد. این رویکرد دوگانه با هدف حصول اطمینان از صحت و جامعیت اطلاعات به کار گرفته شد. بااین‌حال، در مواردی که بین داده‌های ثبت‌شده در پایگاه اطلاعات شهرداری و واقعیت‌های مشاهده‌شده در محل اختلافاتی وجود داشت، به‌ویژه درارتباط‌با وضعیت معابر، زیرساخت‌های شهری نظیر شبکه‌های آب و برق و گاز و همچنین امکانات مجاور ساختمان‌های نمونه، ملاک اصلی برای تحلیل و ارزیابی، شرایط و ویژگی‌های وضع موجود و یافته‌های حاصل از مشاهدات میدانی قرار گرفت. این تصمیم‌گیری با این استدلال صورت گرفت که اطلاعات وضع موجود، تصویری دقیق‌تر و به‌روزتر از شرایط زیرساختی منطقه ارائه می‌دهد و درنتیجه، مبنای معتبرتری برای تحلیل‌های بعدی و تدوین راهکارهای مبتنی بر واقعیت فراهم می‌آورد.

متغیرهای اقتصادی
در بخش اقتصادی این پژوهش، جمع‌آوری داده‌ها با استفاده از روش‌های گوناگون صورت گرفت تا تصویری جامع و دقیق از وضعیت موجود ارائه شود. اطلاعات مربوط به متغیر اشتغال-درآمد، از طریق طراحی و توزیع پرسش‌نامه‌های استاندارد به دست آمد. داده‌های متوسط قیمت مسکن با بهره‌گیری از نظرسنجی از کارشناسان مجرب و فعال در بازار مسکن تعیین گردید. کمیت مسکن، براساس اطلاعات مربوط به گواهی پایان‌کار ساختمان جمع‌آوری گردید. درنهایت، کیفیت مسکن از طریق مشاهده و بررسی میدانی مورد ارزیابی قرار گرفت.

متغیرهای اجتماعی
در بخش اجتماعی، مقدار متغیر تراکم جمعیت در منطقه از طریق پایگاه اطلاعات شهرداری و مقادیر سایر متغیرها از طریق پرسش‌نامه جمع‌آوری گردید. از پرسش‌نامه برای شناسایی ویژگی‌های اجتماعی ساکنان در ساختمان‌های موردمطالعه استفاده شد. بنابراین جامعه آماری، ساکنان ساختمان‌های موردمطالعه و روش نمونه‌گیری به‌صورت هدفمند و غیرتصادفی انتخاب گردید. پاسخ دهندگان بین 14 تا 76 سال سن داشتند و همگی در ساختمان‌های موردبررسی سکونت داشتند. سؤالات برای تولید داده‌های کمی، به‌صورت بسته طراحی شده و پاسخ‌ها دارای گزینه‌های مشخص (مقیاس لیکرت) بوده و برای پایایی و سنجش ثبات درونی از روش آلفای کرونباخ استفاده شد.
در مجموع 98 مصاحبه ساختاریافته با تمرکز بر ویژگی‌های اجتماعی از میان ساکنان انجام شد. جدول شماره 3، ویژگی‌های موردپرسش (جنسیت، سن، وضعیت سلامتی، سطح سواد، شرایط اقتصادی و غیره) را نشان می‌دهد. در مورد جزئیات جامعه آماری در بخش انتخاب نمونه‌ها و شیوه تحلیل آماری در بخش تحلیل داده‌ها بیشتر توضیح داده شده است.

متغیرهای مدیریتی
در بخش مدیریتی، فرآیند جمع‌آوری داده‌های مرتبط با متغیرهای تحقیق به دو شیوه انجام شد. داده‌های مربوط به میزان آمادگی مدیریت شهری در مواجهه با زلزله، شامل امکانات و تجهیزات ضروری، از طریق استخراج اطلاعات از پایگاه داده‌های جامع شهرداری گردآوری شد. اطلاعات مرتبط با وجود مراکز چندمنظوره و همچنین وجود علائم و راهنمای مناسب جهت دسترسی آسان و سریع به این مراکز، از طریق مشاهده مستقیم و بررسی‌های میدانی دقیق جمع‌آوری شد. براساس هدف تحقیق، اطلاعات هریک از بخش‌های کالبدی، زیرساختی، اقتصادی، اجتماعی و مدیریتی، در مجموع از روش‌های زیر جمع‌آوری شده‌اند: 12 متغیر از طریق مشاهده و بررسی میدانی، 4 متغیر از پایگاه داده شهرداری، 4 متغیر از اسناد دولتی، 6 متغیر از پرسش‌نامه حضوری ساکنین و 1 متغیر از طریق نظرسنجی از کارشناس (جدول شماره 4). 

پردازش داده‌ها
به‌منظور تبدیل داده‌های گردآوری‌شده به مجموعه‌ای قابل‌مدیریت و تسهیل بازنمایی، بررسی و تحلیل آن‌ها، فرایند پردازش داده‌ها با دقت و تمرکز انجام شد. در این راستا، نرم‌افزار اکسل (نسخه 2021) به‌عنوان ابزار اصلی مدیریت داده مورد استفاده قرار گرفت. بدین‌ترتیب که برای هر نمونه ساختمانی، یک پروفایل جامع و اختصاصی ایجاد گردید و کلیه داده‌های خام اولیه، شامل مقادیر مربوط به 27 متغیر ازپیش‌تعیین‌شده، به‌طور کامل در آن ثبت و مستند گردید. این پروفایل‌های ساختارمند، منبع اطلاعاتی مناسبی را برای انجام تحلیل‌های دقیق و عمیق در مراحل بعدی تحقیق فراهم نمود.

پاک‌سازی داده و مدیریت داده‌های ناقص
پیش از هرگونه تحلیل، داده‌ها از نظر خطاهای ورود، ناهماهنگی و نقص مورد بررسی قرار گرفت. این فرآیند بر شناسایی و مدیریت داده‌های پرت و گم‌شده تأکید دارد. طی این فرآیند داده‌های ناقص به دو صورت مدیریت شدند: در مواردی که میزان داده‌های گم‌شده کمتر از 5 درصد برای یک متغیر بود، حذف موردی انجام شد و در مواردی که الگوی گم‌شدگی تصادفی تشخیص داده شد، از روش جایگزینی با میانگین برای متغیرهای پیوسته استفاده گردید (آزبرن و همکاران، 2004). هرگونه ناهماهنگی در داده‌ها نیز از طریق بازبینی مجدد رفع شد.

تبدیل داده‌های کیفی به کمی و کدگذاری
باتوجه‌به ماهیت چندمعیاره و ترکیبی (کمی و کیفی) پژوهش، برای تحلیل آماری، لازم بود داده‌های کیفی به کمی تبدیل شوند. این امر با به‌کارگیری ترکیبی از روش‌های معتبر کدگذاری و تحلیل محتوا و مقیاس‌بندی محقق شد. برای متغیرهای کیفی باز (مانند نظرات کارشناسان)، از روش تحلیل محتوای قراردادی استفاده شد (الو و همکاران، 2008). این فرآیند شامل واحدسازی، کدگذاری باز، کدگذاری محوری و درنهایت اختصاص یک مقدار عددی به هر مقوله بود. برای کمی‌سازی متغیرهای مشاهده‌ای نیز که همچون استفاده از پرسش‌نامه‌های طیف لیکرت جمع‌آوری شده بودند، از روش‌های ترتیبی استفاده شد.

کنترل، روایی و پایایی
روایی محتوای پرسش‌نامه و چارچوب کدگذاری از طریق نظرسنجی خبرگان به دست آمد. همچنین، از تحلیل عاملی اکتشافی برای بررسی روایی سازه مقیاس‌های استفاده‌شده بهره گرفته شد.
پایایی درونی پرسش‌نامه‌های طیف لیکرت با استفاده از ضریب آلفای کرونباخ سنجیده شد که مقدار آن 0/73 به دست آمد و نشان‌دهنده پایایی داده‌ها است. برای سنجش پایایی فرآیند کدگذاری کیفی، از روش قابلیت اعتماد بین کدگذاران استفاده شد. بدین‌صورت که 20 درصد از نمونه‌ها توسط دو کدگذار مستقل، کدگذاری شده و میزان توافق با استفاده از ضریب کاپای کوهن اندازه‌گیری گردید. مقدار کاپا 0/82 به دست آمد که نشان‌دهنده توافق قوی است.

کنترل کیفیت در طول فرآیند
کنترل کیفیت یک فرآیند مستمر بود. علاوه‌بر اقدامات فوق، منطق و یکپارچگی کلی داده‌ها پس از کمی‌سازی از طریق آمار توصیفی و ترسیم نمودارهای جعبه‌ای برای شناسایی ناهنجاری‌های باقیمانده، مجدداً مورد بررسی قرار گرفت. این رویکرد نظام‌مند، دقت، اعتبار و قابلیت اتکای داده‌ها را برای انجام تحلیل‌های پیشرفته آماری و تصمیم‌گیری در مراحل بعدی تحقیق تضمین نمود.

انتخاب نمونه‌ها
فرآیند انتخاب نمونه‌ها در راستای تحقق سنجش عملیاتی تاب‌آوری لرزه‌ای، با رویکردی علمی و مبتنی بر معیارهای چندگانه صورت گرفت. برای این منظور، از روش نمونه‌گیری ترکیبی متشکل از روش‌های خوشه‌ای، تصادفی و طبقه‌بندی‌شده بهره گرفته شد. طی این روش، ابتدا شهر براساس همگنی در معیارهای کالبدی، زیرساختی، اقتصادی، اجتماعی و مدیریتی، به مناطق مجزا تقسیم‌بندی شد. این طبقه‌بندی اولیه، به شناسایی دو نوع بافت اصلی شهری، شامل بافت فرسوده و بافت میانی-جدید، منجر گردید که هرکدام ویژگی‌ها و چالش‌های خاص خود را در زمینه تاب‌آوری دارا هستند. در مرحله بعد، از هریک از این بافت‌ها، تعدادی محله به‌عنوان خوشه نمونه انتخاب شدند تا تنوع موجود در هر بافت به‌طور مناسبی پوشش داده شود. درنهایت، در داخل هر خوشه نمونه، ساختمان‌ها به‌صورت تصادفی برای ارزیابی‌های دقیق‌تر و جزئی‌تر انتخاب گردیدند. این روش نمونه‌گیری ترکیبی، با ایجاد پوشش مناسب و نمایندگی کافی از تنوع بافت‌های شهری، اطمینان حاصل می‌کند که نتایج سنجش تاب‌آوری از اعتبار لازم برخوردار بوده و قابلیت تعمیم به سایر مناطق مشابه در شهر را دارا باشد.
ساختمان‌های نمونه از میان آپارتمان‌های مسکونی متداول شهر مشهد برای قشر متوسط اجتماعی انتخاب شد. مساحت قطعات انتخاب‌شده بین 150 تا 300 متر مربع متغیر و تعداد طبقات بین 3 تا 6 طبقه است. درمجموع، 51 واحد مسکونی از 10 ساختمان، با 109 نفر جمعیت و 51 خانواده، با نسبت جنسیتی 53/56 (زن به مرد) انتخاب گردید. جدول شماره 5 کروکی موقعیت مکانی و تصویر نمای اصلی نمونه‌های انتخاب‌شده را نمایش می‌دهد.



تحلیل داده‌ها
ارزیابی تاب‌آوری لرزه‌ای به‌دلیل ماهیت چندبعدی آن، مستلزم رویکردی است که بتواند هم پیچیدگی داده‌ها را مدیریت کند و هم اهمیت نسبی معیارهای مختلف را منعکس نماید. برای دستیابی به این هدف، در این مطالعه از یک چارچوب ترکیبی تحلیل مؤلفه اصلی و فرآیند تحلیل سلسله مراتبی استفاده شده است. این تلفیق، عینیت تحلیل آماری را با قضاوت‌های کارشناسی تلفیق می‌کند تا به ارزیابی جامع و متعادلی دست یابد (مارتینز و همکاران، 2012).

پیش‌پردازش داده‌ها
به‌منظور آماده‌سازی داده‌ها برای تحلیل، عملیات پیش‌پردازش با تمرکز بر استانداردسازی انجام پذیرفت. دلیل اصلی این اقدام، تفاوت در مقیاس‌های اندازه‌گیری متغیرها بود. استانداردسازی، با تبدیل تمامی متغیرها به مقیاسی بدون واحد، با میانگین (0) و انحراف‌معیار (1)، از سلطه احتمالی متغیرهای دارای واریانس بالاتر جلوگیری می‌کند. این گام اساسی، پیش‌نیاز ضروری برای اجرای تحلیل مؤلفه اصلی به شمار می‌رود و دقت و قابلیت اعتماد نتایج را به‌طور چشمگیری افزایش می‌دهد (فریگریو و همکاران، 2016). همچنین جهت آزمودن برازش توزیع نرمال داده‌ها از آزمون شاپیرو-ویلک استفاده شد و برای این منظور مقدار (P)محاسبه گردید 

تحلیل مؤلفه اصلی
تحلیل مؤلفه اصلی با هدف کاهش ابعاد داده‌ها، شناسایی ساختار زیربنایی و تعیین عینی‌ترین مجموعه از متغیرهای مؤثر بر تاب‌آوری لرزه‌ای انجام شد. این تحلیل بر مبنای ماتریس همبستگی حاصل از 27 متغیر استانداردشده صورت گرفت. در ابتدای فرآیند، ضریب همبستگی اسپیرمن میان هر جفت متغیر محاسبه و ماتریس تشکیل گردید. سپس، مقادیر ویژه و بردارهای ویژه ماتریس کواریانس که قادر به تعیین جهت توزیع‌شدگی داده‌ها هستند، محاسبه شدند. دراین‌میان، به‌منظور اطمینان از اعتبار نتایج، کنترل هم‌خطی متغیرها، کفایت نمونه‌ها و وجود همبستگی کافی بین متغیرها با استفاده از آزمون‌های کی ام او و بارتلت مورد ارزیابی قرار گرفت.
برای تعیین تعداد بهینه مؤلفه‌های اصلی، متغیرهایی که دارای مقدار ویژه بزرگ‌تر از (1) بودند، حفظ شدند. علاوه‌براین، از نمودار سنگ‌ریزه برای تعیین نقطه شکست استفاده گردید. نقطه شکست در نمودار سنگ‌ریزه که نمایانگر کاهش شدید شیب منحنی است، به‌عنوان شاخصی برای تعیین تعداد مؤلفه‌های اصلی بهینه در نظر گرفته شد. به‌منظور ساده‌سازی ساختار عاملی و تسهیل تفسیرپذیری نتایج، از روش چرخش واریماکس استفاده شد. متغیرهایی که دارای بار عاملی مطلق بزرگ‌تر از (0/6) بر روی یک مؤلفه بودند، به‌عنوان متغیرهای تأثیرگذار در آن بعد شناسایی شدند. متغیرهایی که بار عاملی آن‌ها در هیچ مؤلفه‌ای به این آستانه نرسید یا به‌طور هم‌زمان روی چند مؤلفه بار داشتند، از تحلیل نهایی حذف گردیدند. نتایج خروجی از تحلیل مؤلفه اصلی، مجموعه عینی و کاهش‌یافته‌ای از متغیرها را فراهم نمود که به‌عنوان پایه و اساس ساختار تحلیل سلسله مراتبی مورد استفاده قرار گرفت.

تحلیل سلسله مراتبی
در گام بعد برای وزن‌دهی به معیارها و زیرمعیارهای شناسایی‌شده از تحلیل مؤلفه اصلی، از روش تحلیل سلسله مراتبی توسعه یافته توسط ساتی (1977) استفاده شد. برای گردآوری داده‌ها در این بخش، یک پرسش‌نامه مقایسات زوجی مبتنی بر مقیاس 9 نقطه‌ای ساتی (جدول شماره 6) طراحی شد و از 6 خبره دارای سوابق دانشگاهی و اجرایی در حوزه ساختمان، برنامه‌ریزی شهری و مدیریت بحران خواسته شد تا اهمیت نسبی معیارهای اصلی استخراج‌شده از تحلیل مؤلفه اصلی و همچنین زیرمعیارها در هر معیار را نسبت به یکدیگر مقایسه کنند.


برای هر مقایسه زوجی، ماتریس مقایسه تشکیل و وزن نهایی هر عامل با استفاده از روش میانگین هندسی نظرات خبرگان و رویکرد بردار ویژه محاسبه گردید. برای اطمینان از قابلیت اعتماد قضاوت‌ها، نسبت سازگاری (CR) برای هر ماتریس محاسبه شد. براین‌اساس، تنها ماتریس‌هایی که نسبت سازگاری آن‌ها کمتر یا مساوی 0/1 بود، قابل‌قبول در نظر گرفته شدند. در غیر این صورت، نظرات به خبرگان بازگردانده شده تا بازبینی شوند. میانگین نرخ سازگاری نهایی برای تمامی ماتریس‌ها 0/06 بود که نشان‌دهنده قضاوت‌های سازگار و قابل‌اطمینان است.

ترکیب نتایج PCA و AHP
خروجی نهایی این فرآیند ترکیبی، تعیین وزن نهایی برای هریک از شاخص‌های تاب‌آوری بود. این وزن‌ها از طریق حاصل‌ضرب وزن هر شاخص در سطح خود (در ساختار درختی معیارها) و وزن معیار بالادستی مربوطه (مؤلفه اصلی که شاخص در آن قرار دارد) محاسبه شدند. این وزن‌های تلفیقی، هم اهمیت ذاتی هر شاخص براساس نظرات کارشناسی و هم نقش آن در ساختار کلی تاب‌آوری براساس تحلیل داده‌ها را به‌طور هم‌زمان منعکس می‌کنند. درنهایت، وزن‌های حاصله، مبنای محاسبه نمره تاب‌آوری برای هریک از آپارتمان‌های مسکونی مورد بررسی در شهر مشهد قرار گرفتند.

یافته‌ها
آمار توصیفی و بررسی نرمالیتی
داده‌های این پژوهش شامل 27 متغیر کمی، ذیل 5 معیار کالبدی، زیرساختی، اقتصادی، اجتماعی و مدیریتی بود که برای نمونه‌های گردآوری شد. پیش از انجام تحلیل‌های چندمتغیره، نرمال بودن توزیع داده‌ها با استفاده از آزمون شاپیرو-ویلک مورد بررسی قرار گرفت. نتایج این آزمون نشان داد توزیع اکثر متغیرها (23 متغیر) با سطح معناداری کمتر از 0/05 (0/05>P) از فرض نرمال بودن پیروی نمی‌کنند. براین‌اساس، برای ادامه تحلیل‌ها از روش‌های ناپارامتریک، به‌ویژه ضریب همبستگی اسپیرمن و تحلیل عاملی مبتنی بر ماتریس همبستگی اسپیرمن استفاده شد.

بررسی کفایت داده‌ها و معناداری همبستگی‌ها
پیش از استخراج مؤلفه‌های اصلی، شرایط لازم برای اجرای تحلیل عاملی با آزمون کی ام او و بارتلت سنجیده شد. مقدار شاخص کی ام او که کفایت نمونه‌گیری را می‌سنجد، 0/842 به دست آمد که بالاتر از آستانه قابل‌قبول 0/7 است و نشان‌دهنده کفایت بالای داده‌ها برای انجام تحلیل عاملی است. نتیجه آزمون بارتلت نیز برای بررسی معناداری کلی ماتریس همبستگی، با مقدار کای-اسکوئر تقریبی 2187/34 و سطح معناداری (0/001>P) بود که فرض صفر (یکسان بودن ماتریس همبستگی با ماتریس واحد) رد شد. این نتیجه حاکی از وجود همبستگی‌های کافی و معنادار بین متغیرها برای انجام تحلیل عاملی است.

تحلیل ماتریس همبستگی اسپیرمن
بررسی ماتریس همبستگی اسپیرمن که در جدول شماره 7 ارائه شده است، الگوهای معناداری را بین متغیرها نشان داد.




به طور خلاصه، قویترین همبستگی های مثبت معنادار (P<0/01 و r_s ³⁸>0/7) بین متغیرهای مربوط به مؤلفه کالبدی مشاهده شد. همچنین، همبستگی مثبت قابل توجه بین متغیرهای کیفیت مسکن، نرخ سواد، امکانات و تجهیزات ضروری با دیگر متغیرها وجود داشت. ازسوی دیگر، همبستگی های منفی معناداری بین متغیر درصد کاربری مسکونی از مؤلفه زیرساختی با سایر متغیرها شناسایی شد (P<0/05 و 0/05~rs). این یافته ها به طور مقدماتی، وجود ابعاد پنهان و ساختار زیربنایی در داده ها را تأیید میکند.


استخراج مؤلفه‌های اصلی
جهت کاهش ابعاد داده‌ها، از تحلیل مؤلفه‌های اصلی با چرخش واریماکس و دو معیار مقدار ویژه بالاتر از 1 و نمودار سنگ‌ریزه استفاده شد. نمودار سنگ‌ریزه (تصویر شماره 3) شکست واضحی را پس از مؤلفه پنجم نشان می‌دهد که تأییدکننده استخراج 5 مؤلفه اصلی است.

References
Adger, W. N. (2000). Social and ecological resilience: Are they related? Progress in Human Geography, 24(3), 347-364. [DOI:10.1191/030913200701540465]
Adger, W. N., Hughes, T. P., Folke, C., Carpenter, S. R., & Rockström, J. (2005). Social-Ecological Resilience to Coastal Disasters. Science, 309(5737), 1036-1039. [DOI:10.1126/science.1112122] [PMID]
Alberti, M. (2005). The Effects of Urban Patterns on Ecosystem Function. International Regional Science Review, 28(2), 168-192. [DOI:10.1177/0160017605275160]
Allami, M., Biglari, E., & Biglari Fadafan, A. (2024). [Solutions to Optimize Energy Consumption in the Architecture of Cold Climate Regions (Persian)]. Iranian Journal of Energy, 27(1), 25-46. [Link] 
Amanpour, S., Mohammadi Deh Cheshme, M., & Alizadeh, M. (2016). [Evaluating vulnerability of kuhdasht urban infrastructure's through passive defense approach (Persian)]. Town and Country Planning, 8(1), 133-154. [DOI:10.22059/jtcp.2016.59145]
Anwar, G. A., Dong, Y., & Li, Y. (2020). Performance-based decision-making of buildings under seismic hazard considering long-term loss, sustainability, and resilience. Structure and Infrastructure Engineering, 17(4), 454-470. [DOI:10.1080/15732479.2020.1845751]
Armas, I., Ionescu, R., & Posner, C. N. (2015). Flood risk perception along the Lower Danube river, Romania. Natural Hazards, 79(3), 1913-1931. [DOI:10.1007/s11069-015-1939-8]
Aslani, F., Amini Hosseini, K., & Fallahi, A. (2019). Evaluation of physical resilience of Karaj city against earthquake. Quarterly Scientific Journal of Rescue and Relief, 11(1), 68-71. [DOI:10.52547/jorar.11.1.68]
Aslani, F., & Amini Hosseini, K. (2018). [An overview to the concepts, indicators, frames and models of earthquake resilience (Persian)]. Disaster Prevention and Management Knowledge (quarterly), 8(2), 119-136. [Link]
Bocchini, P., Frangopol, D. M., Ummenhofer, T., & Zinke, T. (2013). Resilience and Sustainability of Civil Infrastructure: Toward a Unified Approach. Journal of Infrastructure Systems, 20(2), 04014004. [DOI:10.1061/(ASCE)IS.1943-555X.0000177]
Boon, H. J., Cottrell, A., King, D., Stevenson, R. B., & Millar, J. (2012). Bronfenbrenners bioecological theory for modelling community resilience to natural disasters. Natural Hazards, 60(2), 381-408. [DOI:10.1007/s11069-011-0021-4]
Bruneau, M., Chang, S. E., Eguchi, R. T., Lee, G. C., O’Rourke, T. D., & Reinhorn, A. M., et al. (2003). A Framework to Quantitatively Assess and Enhance the Seismic Resilience of Communities. Earthquake Spectra, 19(4), 733-752. [DOI:10.1193/1.1623497]
Bruneau, M., & Reinhorn, A. (2007). Exploring the Concept of Seismic Resilience for Acute Care Facilities. Earthquake Spectra, 23(1), 41-62. [DOI:10.1193/1.2431396]
Burton, H. V., Deierlein, G., Lallemant, D., & Lin, T. (2015). Framework for Incorporating Probabilistic Building Performance in the Assessment of Community Seismic Resilience. Journal of Structural Engineering, 142(8), C4015007. [DOI:10.1061/(ASCE)ST.1943-541X.0001321]
Carreño, M. L., Cardona, O. D., & Barbat, A. H. (2007). Urban seismic risk evaluation: A holistic approach. Natural Hazards, 40(1), 137-172. [DOI:10.1007/s11069-006-0008-8]
Chee Yin, H., Kassem, M. M., & Mohamed Nazri, F. (2022). Comprehensive Review of Community Seismic Resilience: Concept, Frameworks, and Case Studies. Advances in Civil Engineering, 2022(1), 7668214. [DOI:10.1155/2022/7668214]
Cimellaro, G. P., Reinhorn, A. M., & Bruneau, M. (2010). Framework for analytical quantification of disaster resilience. Engineering Structures, 32(11), 3639-3649. [DOI:10.1016/j.engstruct.2010.08.008]
Cutter, S. L., Boruff, B. J., & Shirley, W. L. (2003). Social Vulnerability to Environmental Hazards. Social Science Quarterly, 84(2), 242-261. [DOI:10.1111/1540-6237.8402002]
De Risi, R., Bhattacharya, S., & Goda, K. (2018). Seismic performance assessment of monopile-supported offshore wind turbines using unscaled natural earthquake records. Soil Dynamics and Earthquake Engineering, 109, 154-172. [DOI:10.1016/j.soildyn.2018.03.015]
Dodanwala, T. C., & Ruparathna, R. (2024). Ensuring the resilience of multi-unit residential buildings (MURBs): A building information modeling (BIM)-based evaluation approach. Sustainable and Resilient Infrastructure, 9(5), 421-443. [DOI:10.1080/23789689.2024.2325261]
El-Maissi, A. M., Argyroudis, S. A., Kassem, M. M., Leong, L. V., & Mohamed Nazri, F. (2022). An Integrated Framework for the Quantification of Road Network Seismic Vulnerability and Accessibility to Critical Services. Sustainability, 14(19), 12474. [DOI:10.3390/su141912474]
Elo, S., & Kyngäs, H. (2008). The qualitative content analysis process. Journal of Advanced Nursing, 62(1), 107-115. [DOI:10.1111/j.1365-2648.2007.04569.x] [PMID]
Frigerio, I., Ventura, S., Strigaro, D., Mattavelli, M., De Amicis, M., & Mugnano, S., et al. (2016). A GIS-based approach to identify the spatial variability of social vulnerability to seismic hazard in Italy. Applied Geography, 74, 12-22. [DOI:10.1016/j.apgeog.2016.06.014]
Hayati, S., Ghorbani, A., Esmaeili, A., & Ghanbari, M. (2015). [Studying the vulnerability of Iranian cities during earthquakes (example: Mashhad city) (Persian). Paper presented at International Conference on Civil Engineering, Architecture and Urban Infrastructure. [Link] 
Hung, H. C., Lin, Y. C., Hung, C. H., & Chen, B. H. (2024). Enhancing resilience in ageing: The role of age-friendly community and individual health in reducing seismic risk. International Journal of Disaster Risk Reduction, 111, 104733. [DOI:10.1016/j.ijdrr.2024.104733]
Kärrholm, M., Nylund, K., & Prieto de la Fuente, P. (2014). Spatial resilience and urban planning: Addressing the interdependence of urban retail areas. Cities, 36(36), 121-130. [DOI:10.1016/j.cities.2012.10.012]
Kilanitis, I., & Sextos, A. (2019). Integrated seismic risk and resilience assessment of roadway networks in earthquake prone areas. Bulletin of Earthquake Engineering, 17(1), 181-210. [DOI:10.1007/s10518-018-0457-y]
Kim, K., Luna-Navarro, A., Ciurlanti, J., & Bianchi, S. (2024). A multi-criteria decision support framework for designing seismic and thermal resilient facades. Architecture, Structures and Construction, 4, 195-210. [DOI:10.1007/s44150-024-00116-0]
Klein, R. J. T., Nicholls, R. J., & Thomalla, F. (2003). Resilience to natural hazards: How useful is this concept? Global Environmental Change Part B: Environmental Hazards, 5(1), 35-45. [DOI:10.1016/j.hazards.2004.02.001]
Maroufi, H., & Borhani, M. (2022). A measurement of community seismic resilience in sub-city districts of Mashhad, Iran. Journal of Environmental Planning and Management, 65(4), 675-702. [DOI:10.1080/09640568.2021.1902790]
Martins, V. N., e Silva, D. S., & Cabral, P. (2012). Social vulnerability assessment to seismic risk using multicriteria analysis: The case study of Vila Franca do Campo (São Miguel Island, Azores, Portugal). Natural Hazards, 62(2), 385-404. [DOI:10.1007/s11069-012-0084-x]
Mitchell, T., & Harris, K. (2012). Resilience: A risk management approach. London: Overseas Development Institute. [Link]
Moghaddas, N., Leo, C., Rahimi, B., & Azadi, A. (2018). Morpho-tectonics and Geoelectrical method applied to active faults characterization in South of Mashhad Plain, Northeast of Iran. Geopersia, 8(1), 13-26. [DOI:10.22059/geope.2017.230489.648312] 
Niazi, M., Raissi Dehkordi, M., Eghbali, M., & Samadian, D. (2021). Seismic resilience index evaluation for healthcare facilities: A case study of hospital in Tehran. International Journal of Disaster Risk Reduction, 65, 102639. [DOI:10.1016/j.ijdrr.2021.102639]
Oiște, A. M., & Breabăn, I. G. (2012). Analysis of relief Iasi city and urban environment quality, using GIS techniques. Lucrări Ştiinţifice, 55, 243-248. [Link] 
Osborne, J. W., & Overbay, A. (2004). The power of outliers (and why researchers should ALWAYS check for them). Practical Assessment, Research, and Evaluation, 9(6), 6. [DOI:10.7275/qf69-7k43] 
Peyravi, H., Razavi Nejad, M., Ghanbari, M., Jajromi, H., Emami, M., & Parsae, M., et al. (2020). [Atlas of neighborhoods of Mashhad city (Persian)]. Mashhad: Boye-Shahre-Behesht. [Link]
Pitilakis, K., Argyroudis, S., Kakderi, K., & Selva, J. (2016). Systemic Vulnerability and Risk Assessment of Transportation Systems Under Natural Hazards Towards More Resilient and Robust Infrastructures. Transportation Research Procedia, 14, 1335-1344. [DOI:10.1016/j.trpro.2016.05.206]
Proag, V. (2014). The Concept of Vulnerability and Resilience. Procedia Economics and Finance, 18, 369-376. [DOI:10.1016/S2212-5671(14)00952-6]
Rashed, T., & Weeks, J. (2003). Assessing vulnerability to earthquake hazards through spatial multicriteria analysis of urban areas. International Journal of Geographical Information Science, 17(6), 547-576. [DOI:10.1080/1365881031000114071]
Rufat, S., Tate, E., Burton, C. G., & Maroof, A. S. (2015). Social vulnerability to floods: Review of case studies and implications for measurement. International Journal of Disaster Risk Reduction, 14(4), 470-486. [DOI:10.1016/j.ijdrr.2015.09.013]
Saaty, T. L. (1977). A scaling method for priorities in hierarchical structures. Journal of Mathematical Psychology, 15(3), 234-281. [DOI:10.1016/0022-2496(77)90033-5] 
Shad, R., Etemadfard, H., & Ghaemi, M. (2019). [Spatial assessment of high-rise buildings in Mashhad city using multi-scale 3D modeling in GIS (Persian)]. Paper presented at: The 5National Conference of Modern Construction Technologies High Rise Building, Mashhad, Iran, 7 March, 2019. [Link] 
Sharifi, A., & Yamagata, Y. (2016). Principles and criteria for assessing urban energy resilience: A literature review. Renewable and Sustainable Energy Reviews, 60, 1654-1677. [DOI:10.1016/j.rser.2016.03.028]
Sinha, N., Priyanka, N., & Joshi, P. K. (2016). Using Spatial Multi-Criteria Analysis and Ranking Tool (SMART) in earthquake risk assessment: A case study of Delhi region, India. Geomatics, Natural Hazards and Risk, 7(2), 680-701. [DOI:10.1080/19475705.2014.945100]
Sutley, E. J., van de Lindt, J. W., & Peek, L. (2017). Community-Level Framework for Seismic Resilience. I: Coupling Socioeconomic Characteristics and Engineering Building Systems. Natural Hazards Review, 18(3), 04016014. [DOI:10.1061/(ASCE)NH.1527-6996.0000239]
Tasmen, T., Sen, M. K., Hossain, N. U. I., & Kabir, G. (2023). Modelling and assessing seismic resilience of critical housing infrastructure system by using dynamic Bayesian approach. Journal of Cleaner Production, 428, 139349. [DOI:10.1016/j.jclepro.2023.139349]
Walker, B. B., Taylor-Noonan, C., Tabbernor, A., McKinnon, T. B., Bal, H., & Bradley, D., et al. (2014). A multi-criteria evaluation model of earthquake vulnerability in Victoria, British Columbia. Natural Hazards, 74(2), 1209-1222. [DOI:10.1007/s11069-014-1240-2]
Zhao, Y., Yang, X., Zhai, C., & Wen, W. (2023). Exploring relationships of urban seismic resilience assessment indicators with a fuzzy total interpretive structural model method. Engineering, Construction and Architectural Management, 30(8), 3509-3538. [DOI:10.1108/ECAM-09-2021-0806]