خلاصه

:

کلان شهر تهران، پایتخت ایران، در معرض خطر بالای زلزله قرار دارد. تهران که در بخش مرکزی کمربند لرزه‌خیز آلپ-هیمالیا قرار دارد، توسط چندین گسل فعال احاطه شده است که برخی رکوردهای تاریخی زلزله M7+ را نشان می‌دهد. خطر لرزه ای بالا در ترکیب با توزیع متراکم جمعیت و چندین عامل آسیب پذیری به این معنی است که تهران یکی از 20 کلان شهر برتر جهان در معرض خطر زلزله بالا است. این مقاله با هدف تهیه یک ارزیابی از خطر زلزله امروزی در تهران است. ابتدا، مؤلفه‌های خطر زلزله از جمله خطر، قرار گرفتن در معرض و آسیب‌پذیری بر اساس برخی از مجموعه داده‌های مبتنی بر GIS در دسترس (به عنوان مثال، لرزه‌خیزی، زمین‌شناسی، گسل‌های فعال، توزیع جمعیت، کاربری زمین، بافت شهری، ارتفاع ساختمان‌ها و اشغال، انواع ساختار) ارزیابی می‌شوند. و سنین و همچنین مجاورت برخی زیرساخت های حیاتی). سپس با استفاده از رویکرد احتمالی و همچنین نقشه عرض گسیختگی سطح، نقشه های خطر زلزله بر حسب PGA تهیه می شود. نقشه های مواجهه و آسیب پذیری نیز به ترتیب از نظر تراکم جمعیت و آسیب پذیری فیزیکی ترکیبی به صورت قطعی ارائه شده است. در نهایت تمامی این مولفه ها در یک چارچوب فضایی ترکیب شده و نقشه خطر زلزله برای شهر تهران ارائه شده است.

 

1. معرفی

زلزله یکی از قوی ترین پدیده های طبیعی است که می تواند خسارات جانی و اقتصادی قابل توجهی را بر جوامع تحمیل کند. از سال 1980، زمین لرزه ها 12.2 درصد از کل مخاطرات طبیعی فاجعه آمیز در سراسر جهان را به خود اختصاص داده اند که به 56.2 درصد از کل تلفات و 25.2 درصد از خسارات مالی در کل کمک کرده است [ 1 ]. بیش از 800000 تلفات، 1.4 میلیون جراحت، 30 میلیون بی خانمان و همچنین تقریباً 950 میلیارد دلار خسارت اقتصادی از پیامدهای زلزله های مخرب در همان دوره است [ 2 ]. پنج کشوری که بیشترین آسیب را از زمین لرزه های مخرب داشته اند عبارتند از: چین، اندونزی، ایران، ترکیه و ژاپن به ترتیب با 16%، 10%، 8%، 4.5% و 4% از کل زلزله های مخرب . 4].
در دهه‌های گذشته، رشد جمعیت همراه با شهرنشینی سریع و برنامه‌ریزی نشده و مدیریت ضعیف زمین، محرک‌های خطر بلایا بوده‌اند، به طوری که منجر به تجمع دارایی‌های جانی و مالی در مناطق بالقوه زلزله‌خیز و در نتیجه افزایش خطر زلزله می‌شود. 5 ، 6 ، 7 ]. بر اساس آخرین نقشه جهانی خطر لرزه ای [ 8 ، 9 ، 10]، در حال حاضر 17 کلان شهر در سراسر جهان با جمعیت بیش از 10 میلیون نفر وجود دارد که در بالاترین سطح خطر قرار دارند، از جمله توکیو، جاکارتا، دهلی، پکن، مانیل، مکزیکو سیتی، اوزاکا، لس آنجلس، داکا، چنگدو، کراچی، تهران، استانبول، لاهور، ناگویا، بوگوتا و لیما.
یکی از بهترین تلاش ها برای پرداختن به تاثیر زلزله بر یک منطقه، به ویژه در مناطق شهری پرجمعیت، انجام ارزیابی خطر زلزله است. در این راستا، یک روش متداول برای فرمول بندی مفهومی خطر زلزله، پیچیدگی ساده از سه مؤلفه [ 11 ، 12 ، 13 ، 14 ، 15 ، 16 ] به شرح زیر است:

ریسک = خطر × قرار گرفتن در معرض × آسیب پذیری،

که در آن ” خطر ” به عنوان پتانسیل یک پدیده طبیعی برای ایجاد اثرات مخرب [ 5 ، 17 ] تعریف می شود و با شدت یا بزرگی، مکان، فراوانی و احتمال وقوع آن مشخص می شود [ 11 ، 12 ]. اصطلاح ” مخاطره” که به عنوان ” عناصر در معرض خطر “ نیز شناخته می شود ، تعداد افراد یا مقدار دارایی هایی را نشان می دهد که در معرض خطر هستند [ 11 ، 12 ، 17 ]، و ” آسیب پذیری ” آسیب پذیری یک جامعه، دارایی ها، یا سیستم ها به اثرات مخرب یک خطر.

در سال‌های اخیر، منابع رو به رشدی در مورد ارزیابی خطر زلزله وجود داشته است. در مقیاس جهانی، یکی از مرتبط‌ترین تلاش‌های اخیر در چارچوب پروژه مدل جهانی زلزله (GEM) طی سال‌های 2009 تا 2018 انجام شده است [ 8 ، 9 ، 10 ] که با هدف ارائه یک خطر و خطر زلزله جهانی همگن است. با توسعه و ترکیب چندین مدل ملی و منطقه‌ای و استفاده از داده‌ها و روش‌شناسی به‌روز مدل‌سازی می‌شود. گزارش ارزیابی جهانی (GAR) [ 13] به عنوان گزارش شاخص که توسط دفتر سازمان ملل متحد برای کاهش خطر بلایا (UNDRR) تهیه شده است، تلاش قابل توجه دیگری در مقیاس جهانی است که هدف آن کاهش خطرات متعدد بلایا از جمله زلزله است. برخی از مطالعات در مقیاس ملی/منطقه ای شامل ارزیابی خطر زلزله برای اروپا [ 18 ، 19 ، 20 ]، ایتالیا [ 21 ]، پرتغال [ 22 ]، سوئیس [ 23 ]، آلمان [ 24 ]، پرت استرالیا [ 16 ]، بارسلون اسپانیا [ 25 ]، تبریز ایران [ 26 ]، دهلی هند [ 27 ]، بخارست رومانی [ 28 ]، قاهره مصر [ 29 ]]، Manizales از کلمبیا [ 30 ]، Aigion یونان [ 31 ]، مسقط عمان [ 32 ]، Guyuan چین [ 33 ]، استان سیچوان چین [ 34 ]، استان آچه در اندونزی [ 35 ] و سانتیاگو شیلی [ 36 ]. از نظر روش‌شناسی، مطالعات مختلف رویکردهای متفاوتی را برای ارزیابی خطر زلزله اعمال می‌کنند. به طور کلی، این رویکردها را می توان به صورت سناریو محور طبقه بندی کرد، [ 28 ، 33 ]، به عنوان مثال مبتنی بر GIS، [ 26 ، 37 ]، رویکرد قطعی به عنوان مثال، [ 31 ]، رویکرد احتمالی به عنوان مثال، [ 25 ، 30 ]]، رویکرد زمان واقعی به عنوان مثال، [ 14 ]، به عنوان مثال وابسته به لرزه خیزی، [ 38 ، 39 ، 40 ]، شبکه عصبی و فرآیند سلسله مراتب تحلیلی به عنوان مثال، [ 35 ]، و به عنوان مثال کل نگر، [ 41 ]. علاوه بر این، چندین پلت فرم و کدهای نرم‌افزاری برای مدل‌سازی خطر زلزله از مقیاس محلی تا جهانی، مانند OpenQuake [ 42 ]، HAZUS-MH [ 43 ]، CAPRA [ 44 ]، INFORM-GRI [ 45 ] توسعه یافته‌اند. ER2-زلزله [ 46 ]، EQRM [ 47 ] و غیره.
شایان ذکر است که هر گونه ارزیابی خطر زلزله به ناچار ممکن است با پیچیدگی های مدل سازی و تعدادی محدودیت و چالش در توسعه ارزیابی های دقیق همراه باشد. چالش‌ها عمدتاً شامل عدم دسترسی به داده‌ها، نحوه ادغام چندین پارامتر فضایی با وضوح‌های مختلف، نحوه ترکیب انواع لایه‌های داده با مفاهیم مختلف (به عنوان مثال، ترکیب آسیب‌پذیری‌های اجتماعی و فیزیکی)، و همچنین در نظر گرفتن اثرات دومینوی خطرات غیرمستقیم ثانویه است. (به عنوان مثال، سونامی، آتش سوزی پس از زلزله، رانش زمین ناشی از زلزله، روان شدن خاک، فرونشست زمین و غیره). یک نمونه معمولی از چنین اثر دومینویی مربوط به M w 2011 است9.1 زمین لرزه توهوکو در ژاپن، که پس از آن باعث ایجاد یک سونامی به ارتفاع 24 متر و به دنبال آن انفجاری با انتشار عمده آلودگی رادیواکتیو در نیروگاه هسته ای فوکوشیما دایچی شد [ 48 ].
کلان شهر تهران، پایتخت اقتصادی و سیاسی ایران، در معرض خطر بالای زمین لرزه های بزرگ ریشتری ناشی از چندین گسل فعال اطراف است. تهران با جمعیت مسکونی بیش از 9 میلیون نفر در شب و جمعیت شناور حدود 4 میلیون نفر در روز، یکی از بزرگترین مراکز شهری جهان با خطر لرزه‌ای بالا است. در این مقاله سعی بر آن است تا به کمی سازی خطر زلزله امروزی در تهران بپردازیم. در این زمینه، ابتدا خطر زلزله را با استفاده از یک رویکرد احتمالی برای ترسیم لرزش بالقوه زمین ارزیابی می‌کنیم. سپس با استفاده از پایگاه‌های اطلاعاتی فضایی در دسترس در مقیاس شهری، وضعیت مواجهه و آسیب‌پذیری در شهر تهران را بر اساس رویکرد قطعی ارزیابی می‌کنیم.

2. منطقه مورد مطالعه

2.1. تنظیمات تکتونیکی

کلان شهر تهران در دامنه جنوبی رشته کوه البرز قرار دارد. البرز در اثر برخورد گندوانا-اوراسیا در تریاس پسین [ 49 ]، رشته کوهی با روند شرقی-غربی با طول 600 کیلومتر و عرض 100 کیلومتر در امتداد کمربند لرزه ای آلپ-هیمالیا است. از نظر تکتونیکی، البرز یک منطقه فعال است که به دلیل همگرایی شمال ایران مرکزی به اوراسیا، تحت تنش های زمین ساختی عظیمی قرار دارد. در طول جغرافیایی تهران، البرز هر سال 6 تا 10 میلی متر کوتاه شدن را در خود جای می دهد [ 50 ، 51 ، 52 ].

2.2. خطای فعال

در نتیجه چنین تکتونیکی فعال، تهران توسط چندین گسل اصلی احاطه شده است، همچنین برخی گسل های فعال درون شهری را در بر می گیرد ( شکل 1 ). این گسل ها عمدتاً مکانیسم های معکوس و امتداد لغز را نشان می دهند. در اینجا به شرح مختصری از مهم ترین گسل های فعال در داخل یا اطراف تهران به همراه ویژگی های اصلی آنها می پردازیم [ 53 ، 54 ]:
  • شمال تهران: برجسته ترین سازه تکتونیکی فعال تهران; ضربه E–W؛ سطح گسل شمال فرو رفتن؛ طول 175 کیلومتر با مکانیزم رانش غالب در امتداد بخش غربی 110 کیلومتری آن و مکانیزم لغز لغز غالب سمت چپ در امتداد بخش شرقی 65 کیلومتری آن. متوسط ​​نرخ لغزش ~ 0.3 میلی متر در سال -1 .
  • مشا: واقع در 16 کیلومتری شمال تهران. روند N100 درجه شرقی؛ سطح گسل شمال فرو رفتن؛ یک گسل معکوس مورب به طول 220 کیلومتر با شیب های متفاوت از 35 درجه تا 70 درجه. میانگین نرخ لغزش ~ 0.2 میلی متر در سال -1 .
  • کهریزک – جنوب ری – شمال ری: پهنه‌ای واقع در جنوب تهران، با روند شرق – غرب، متشکل از گسل‌های کهریزک، جنوب ری و شمال ری به طول‌های 35، 18.5 و 16.5 کیلومتری.
  • پارچین: به گسل ایوانکی نیز معروف است. واقع در جنوب شرقی تهران؛ طول 70 کیلومتر؛ اعتصاب NW–SE; دارای گسیختگی های واضح در نهشته های آبرفتی کواترنر می باشد.
  • پیشوا: واقع در جنوب شرقی تهران; طول ~ 55 کیلومتر؛ NW-SE (N130° E) روند. مکانیسم معکوس با یک جزء جانبی؛ سطح گسل شمال شرقی فرورفتن
  • گرمسار: واقع در جنوب شرقی تهران، منشعب از بخش جنوبی گسل پیشوا. طول 70 کیلومتر؛ روند E-W؛ مکانیسم معکوس
  • طالقان: واقع در شمال غرب تهران. طول 80 کیلومتر؛ روند E-W؛ مکانیسم امتداد لغز سمت چپ با یک جزء نرمال (وقوع یک تغییر سینماتیکی در طول گسل از معکوس به سمت چپ + نرمال ~ 1 Ma). حداقل میزان لغزش افقی و عمودی به ترتیب 0.6-1.6 mm yr -1 و~0.5 mm yr -1 است.
  • پردیسان: واقع در مرکز تهران; طول ~ 12 کیلومتر؛ روند EW; مکانیزم رانش؛ فرو رفتن شمال؛ حداقل میزان برآمدگی و لغزش حداقل 1 میلی متر در سال -1 .

2.3. لرزه خیزی

گسل های فعال مسئول چندین زمین لرزه تاریخی (قبل از 1900) با بزرگی بزرگ و همچنین لرزه خیزی فعلی در تهران و اطراف آن هستند که خطر لرزه ای بالایی را بر این کلان شهر تحمیل می کند. زمین لرزه های مهم تاریخی ثبت شده در تهران عبارتند از 312–280 قبل از میلاد، M s 7.6، I~X، Rey; 743 AD, M s 7.2, I~VIII+, گرمسار; 855 AD, M s 7.1, I~IX, Rey; 958 م، م س 7.7، I~X، طالقان; 1177 م، م س 7.2، I~VIII+، کرج; 1608 م، م س 7.6، I~X، طالقان; 1665 م، م س 6.5، I~VIII، دماوند; 1830 پس از میلاد، M s 7.1، I~VIII+، وقایع دماوند [ 55 ، 56 ] ( شکل 1).
علاوه بر اسناد تاریخی، چندین بررسی خندق دیرینه لرزه‌شناسی بر روی گسل‌های مجاور تهران به منظور رمزگشایی زمین‌لرزه‌های احتمالی باستانی انجام شده است. تجزیه و تحلیل ترانشه و تاریخ گذاری رسوبات مربوط به گسل چندین زمین لرزه مهم با بزرگی بزرگ را در اطراف تهران نشان داده است، از جمله رویدادهای مربوط به شمال تهران [ 57 ]، مشا [ 58 ، 59 ]، طالقان [ 60 ]، کهریزک ری [ 61 ]، و پیشوا [ 62 ] گسل. به عنوان مثال، مطالعه دیرینه لرزه شناسی گسل شمال تهران [ 57] هفت رویداد گسیختگی سطحی با قدر بین 6.1 تا 7.2 و میانگین فاصله عود حدود 3800 سال را نشان داده است.
در عصر جدید لرزه‌شناسی (از سال 1900)، چندین رکورد از زمین‌لرزه‌های ابزاری با بزرگی بزرگ در اطراف تهران به ثبت رسیده است، از جمله زلزله‌های 1930 اه-مبارک‌آباد (M w 5.2)، 1962 بوئین زهرا (M w 7.1)، 1990 منجیل – زمین لرزه های رودبار (M w 7.4) و بلده (M w 6.3) 2004. اخیراً دو M w 5.2 و M w5.1 رویداد به ترتیب در ملارد (40 کیلومتری غرب تهران) در سال 2017 و در دماوند (60 کیلومتری شمال شرق تهران) در سال 2020 رخ داده است. بر اساس سوابق لرزه‌خیزی ابزاری/تاریخی در پهنه لرزه‌ساخت‌ساختی البرز که تهران به آن تعلق دارد، سال‌های آغاز کامل شدن بزرگی‌های زلزله شامل سال‌های 850، 1440، 1680، 1800 و 1955 برای دامنه‌های بزرگی 5.5<M<M w , می‌باشد. w ≤ 5.5، 4.5 < M w ≤ 5.0، 4.0 < M w ≤ 4.5، و M w ≤ 4.0، به ترتیب [ 63 ]. روند لرزه خیزی تاریخی و ابزاری همراه با داده های دیرینه لرزه ای محدود و نقشه گسل منطقه ای نشان می دهد که کلان شهر تهران در حال حاضر بر روی یک شکاف لرزه ای در جنوب البرز قرار دارد.64 ]. شایان ذکر است که مطالعات پیشرفته به عنوان مثال، [ 65 ، 66 ] حاکی از اهمیت مدل‌های وابسته به زمان است که ابتدایی‌ترین فیزیک چرخه‌ها و شکاف‌های زلزله را به منظور محاسبه احتمالات شرطی وابسته به زمان در بر می‌گیرد. . بنابراین، شکاف لرزه‌ای مشاهده‌شده در زیر تهران سهم قابل‌توجهی در مدل‌های خطر و ریسک لرزه‌ای وابسته به زمان آینده در این منطقه خواهد داشت.

2.4. ساختار زمین شناسی

تهران از نظر زمین شناسی بر روی نهشته های آبرفتی کواترنر قرار دارد که پتانسیل تقویت امواج لرزه ای و افزایش لرزش در هنگام زلزله را دارند. این رسوبات معمولاً به چهار واحد چینه‌شناسی به نام‌های A تا D طبقه‌بندی می‌شوند، مانند [ 67 ] ( شکل 1 ):
  • واحد الف: این واحد که به سازند هزاردره نیز معروف است، قدیمی‌ترین نهشته تهران با ضخامت 1200 متر است که تاقدیس طولانی را در سراسر شمال شرق تهران تشکیل می‌دهد. این واحد با داشتن رنگ خاکستری روشن و بستر تقریباً عمودی (شیب 90 درجه)، عمدتاً از کنگلومراهایی با سیمان کربنات آهکی به خوبی توسعه یافته ساخته شده است و به نظر سن پلیوسن-پلیستوسن است.
  • واحد B: این واحد که به سازند کهریزک نیز معروف است، به طور نامتجانس بر روی سطوح فرسایش یافته واحد الف قرار می گیرد. ضخامت واحد B از 10 تا 60 متر متغیر است و بستر آن عموماً افقی با حداکثر شیب 15 درجه است. . این کانسار دارای مقاومت مکانیکی ناهمگن و تخلخل قابل تغییر است و سن آن حدود 700000 سال تخمین زده شده است.
  • واحد ج: از آنجایی که بخش قابل توجهی از شهر تهران بر روی این واحد ساخته شده است ، سازند « تهران » نیز نامیده می‌شود و شامل نهشته‌های آبرفتی جوان کنگلومرا است. حداکثر ضخامت این سازند حدود 60 متر و سن آن 50000 سال تخمین زده شده است. گچبری آن نشان دهنده شیب تقریباً افقی است. واحد C نسبت به واحدهای چینه شناسی زیرین و پوشاننده خود (به ترتیب سازند B و D) سیمانش بیشتری دارد.
  • واحد D: این واحد که به آبرفت اخیر معروف است، جوان‌ترین واحد چینه‌شناسی منطقه تهران است و تاریخ تشکیل آن به دوران هولوسن (11500 سال) برمی‌گردد. ضخامت این واحد کمتر از 10 متر و رنگ آن خاکستری تا خاکستری تیره است. این واحد منشأ آبرفتی و رودخانه ای دارد و از سیمان های ضعیف تا غیر تحکیم تشکیل شده است.

3. روش شناسی

همانطور که در مقدمه ذکر شد، خطر زلزله را می توان به صورت پیچیدگی سه عنصر شامل خطر، قرار گرفتن در معرض و آسیب پذیری کمیت کرد. مروری کوتاه بر روشی که در این مطالعه اتخاذ کرده‌ایم و اجزای کلیدی آن توسط نمودار جریان در شکل 2 خلاصه شده است.. فرآیند کمی‌سازی ریسک در این مطالعه با ارزیابی خطر لرزه‌ای احتمالی مستقل از زمان (PSHA) برای تهران آغاز می‌شود که خروجی آن یک شتاب اوج زمین (PGA)، همراه با نقشه عرض گسیختگی سطحی گسل‌های تهران است. سپس مواجهه به عنوان نقشه تراکم جمعیت برگرفته از توزیع دقیق جمعیت در تهران ارائه می شود. برای مدل‌سازی آسیب‌پذیری، مخلوطی از چندین لایه فرعی را در نظر می‌گیریم و آنها را در یک چارچوب طبقه‌بندی ترکیب می‌کنیم. هر دو مولفه قرار گرفتن در معرض و آسیب پذیری با استفاده از یک رویکرد قطعی ارزیابی می شوند. در نهایت، بر اساس مفهوم یک ماتریس سه بعدی مبتنی بر GIS – که عناصر آن همان عناصر خطر (خطر، قرار گرفتن در معرض و آسیب‌پذیری) را تشکیل می‌دهند – مقادیر طبقه‌بندی‌شده اجزا را ترکیب می‌کنیم و ارزش ریسک نهایی را استخراج می‌کنیم.

4. خطر

خطر زلزله در یک منطقه معمولاً به عنوان سطح لرزش زمین با احتمال معینی برای تجاوز در یک دوره زمانی معین (معمولاً دوره بازگشت 475 ساله که با احتمال بیش از 10٪ در 50 سال مرتبط است) تعریف می شود. در این مطالعه، ما دو نقشه را به عنوان مؤلفه خطر برای تغذیه محاسبات ریسک تهیه می کنیم: (1) نقشه PGA سطح که سطح حرکت زمین را با توجه به پاسخ سایت محلی در تهران ارائه می دهد و (2) نقشه عرض گسیختگی سطح که نشان دهنده نواحی احتمالی گسیختگی در اطراف گسل های فعال تهران.

4.1. PGA سطحی

برای تهیه نقشه خطر لرزه ای برای کلان شهر تهران، از تحلیل خطر لرزه ای احتمالی مستقل از زمان (PSHA) استفاده می کنیم. PSHA یکی از پرکاربردترین رویکردهایی است که میزان یا احتمال تجاوز از سطوح مختلف حرکت زمین را با توجه به تمام زلزله‌های احتمالی کمیت می‌کند. این روش به صراحت عدم قطعیت ها را در اندازه، مکان و زمان وقوع زلزله در نظر می گیرد [ 68 ، 69 ].
به عنوان اولین گام مطالعه PSHA، تعیین منابع لرزه‌زایی که خطر لرزه‌ای را به یک منطقه تحمیل می‌کنند، ضروری است. به طور کلی، یک مدل منبع لرزه‌زا در یک منطقه شامل چندین منبع لرزه‌ای منفرد است که فعالیت‌های لرزه‌ای را تجربه کرده‌اند یا انتظار می‌رود که بالقوه داشته باشند. هر منبع دارای ویژگی های خاص خود از نظر هندسه، رفتار لرزه خیزی و ویژگی های زمین شناسی است. این مدل را می توان بر اساس منابع ناحیه، منابع خطی (گسل ها) و یا مخلوطی از آنها تهیه کرد. برای تعیین منابع لرزه ای، منابع ناحیه ای را در منطقه ای با شعاع 150 کیلومتری از مرکز کلان شهر تهران در نظر گرفته ایم. داده های اولیه ما شامل خطاها است [ 53 ، 54] و نسخه به روز شده کاتالوگ زلزله های تاریخی و ابزاری (400 قبل از میلاد تا 2020) [ 63 ]. بر اساس معیارهای استاندارد ذکر شده در پروژه EMME [ 70 ]، مرزهای منبع منطقه در اطراف تهران ترسیم شده است ( شکل 3 ).
سپس مشخصات این منابع لرزه ای با استفاده از روابط عود مدل سازی شده است. با استفاده از الگوریتم های ذکر شده در [ 71 ، 72 ، 73 ]، پارامترهای لرزه خیزی شامل مقدار b رابطه گوتنبرگ-ریشتر [ 74 ]، میانگین سالانه نرخ وقوع (λ)، و حداکثر بزرگی ممکن، (M max ) است. برای هر منبع منطقه ارزیابی شده است ( جدول 1 ). لازم به ذکر است که M maxبر اساس حداکثر زمین لرزه تاریخی/ابزاری مشاهده شده و ارزیابی حداکثر زلزله احتمالی برای یک منبع لرزه ای با استفاده از روابط تجربی بین بزرگی و طول گسل برآورد شده است. در این مطالعه، از دو رابطه تجربی برای محاسبه M max احتمالی هر منبع منطقه به شرح زیر استفاده شد [ 75 ، 76 ]:

M w = 0.91 ln L R + 3.66
M w = 5.08 + 1.16 log L R

که در آن L R طول گسیختگی است و بر اساس سوابق گسیختگی های ایران برابر با 37 درصد طول گسل (L F ) است [ 75 ].

گام بعدی یک رویکرد PSHA، انتخاب معادلات مناسب پیش‌بینی حرکت زمین (GMPEs) است. GMPEها مدل های مناسبی برای پیش بینی سطح لرزش زمین در یک سایت هستند که با پارامترهای دیگری مانند بزرگی، فاصله سایت به منبع، مکانیسم خطا، شرایط محل محلی و غیره همبستگی دارد. استفاده از چندین رتبه بندی معمول است. GMPE ها – که برای زمین شناسی منطقه ای یک منطقه مناسب هستند – به منظور کاهش سطح عدم قطعیت مرتبط با پارامترهای PSHA. از این نظر، ما سه GMPE [ 77 ، 78 ، 79 ] را انتخاب می کنیم که با شرایط زمین شناسی منطقه مورد مطالعه مطابقت دارند.
هنگامی که دو مرحله قبلی انجام شد، آنها در یک چارچوب احتمال ترکیب می شوند تا خطر زلزله را بر حسب پارامتر حرکت زمین – معمولاً شتاب اوج زمین (PGA) یا شتاب طیفی (Sa) – برای یک دوره زمانی مشخص، کمی کنند. در اینجا، از ذکر رویکرد محاسباتی تحلیل PSHA خودداری می‌کنیم، زیرا می‌توان آن را با جزئیات در مراجع اصلی یافت [ 68 ، 69 ]. متعاقباً، مدل خطر از نظر PGA در سطح سنگ بستر با در نظر گرفتن دوره بازگشت 475 ساله تولید می شود ( شکل 4 ). این نقشه حداکثر PGA را در نواحی شمالی و جنوبی تهران که در مجاورت گسل های مشا، شمال تهران و ری کهریزک قرار دارند، بین 0.45-0.5 گرم نشان می دهد.
در سطح زمین، PGA ممکن است متفاوت باشد، زیرا رسوبات محلی خاک در یک منطقه ممکن است میدان موج لرزه ای را تقویت کرده و به طور قابل توجهی ویژگی های آن را تغییر دهد. بنابراین، برای محاسبه PGA سطح، اثرات موضعی خاک باید در نظر گرفته شود. برای انجام این کار، ما از طبقه‌بندی V S30 (سرعت موج برشی در عمق 30 متری بالایی) در تهران [ 80 ] استفاده کردیم و مدل خطر را از نظر PGA سطح برای دوره بازگشت 475 ساله آماده کردیم. نقشه خطر سطح ( شکل 5) حداکثر PGA را در حدود 0.7 گرم در جنوب غرب تهران نشان می دهد. مقایسه دو نقشه خطر بر روی سنگ بستر و سطح، تایید می کند که رسوبات ضخیم خاک در نقاط مختلف تهران قادر به تقویت حرکات زمین در هنگام زلزله هستند. از این رو، مناطق مرکزی و جنوبی شهر به عنوان پرخطرترین مناطق در نظر گرفته می‌شوند که در اثر زلزله‌های بزرگ در معرض حرکات شدید زمینی تقویت‌شده قرار دارند.

4.2. عرض پارگی سطح

علاوه بر تخمین شتاب لرزش زمین، باید در نظر گرفت که برخی از زمین لرزه ها ممکن است به طور قابل توجهی اثرات میدان نزدیک را بر روی زمین ایجاد کنند که می تواند دائمی یا موقت باشد. به عنوان مثال، جهت گیری رو به جلو/عقب، گام پرتاب، شکستگی های گسلی، گسیختگی های بزرگ و ترک ها ممکن است در مناطق گسل فعال رخ دهد که منجر به جابجایی های بزرگ سطح زمین و آسیب های گسترده به سازه ها می شود.
در این راستا، بر آن شدیم تا مناطق بالقوه مستعد تأثیرات میدان نزدیک و گسیختگی‌های سطحی در پهنه‌های گسلی را به‌عنوان یکی دیگر از جنبه‌های خطر زلزله در تهران در نظر بگیریم. برای این منظور، گسل‌های فعال اصلی شهر تهران ( شکل 6 ) به سه گروه گسل‌های بزرگ، متوسط ​​و فرعی به طول بیش از 15 کیلومتر، 5 تا 15 کیلومتر و گسل‌های کوچک طبقه‌بندی می‌شوند. به ترتیب کمتر از 5 کیلومتر. با توجه به سوابق گسل‌های لرزه‌ای فلات ایران، عرض گسیختگی سطح به بهترین وجه با طول گسیختگی مطابق با رگرسیون تجربی زیر است [ 81 ]:

W =1 0( a + b l o g Lآر)± σدبلیو=10(آ+ب ورود به سیستمLآر)±�

که در آن L R طول گسیختگی است و به عنوان 37٪ از کل طول گسل محاسبه می شود [ 75 ]. ضریب a = -0.45، b = 0.48 با انحراف استاندارد σ = 0.7. بنابراین، عرض گسیختگی سطح هر گروه طبق فرمول فوق برآورد می شود ( جدول 2 ).

لازم به ذکر است که اندازه عرض گسیختگی بالا و پایین بر اساس نوع گسل، زمین شناسی و هندسه گسل، توزیع تنش، ضخامت خاک بالای سنگ بستر و غیره محدود می شود [ 82 ، 83 ]. به طور کلی، عرض گسیختگی پایین شیب روی یک گسل، مساحت بیشتری را نسبت به عرض گسیختگی شیب بالا اشغال می کند. به عنوان مثال، پهنای ناحیه گسیختگی روی دیوار آویزان (HW) تقریباً دو برابر دیواره پا (FW) است، که نسبت HW/FW را در حدود 2 برای خطاهای رانش ساده ارائه می‌کند [ 84 ]. بنابراین در این تحقیق دو سوم عرض گسیختگی محاسبه شده روی هر گسل به دیواره های آویزان و یک سوم به دیواره های پای گسل ها اختصاص می یابد. عرض پارگی به رنگ صورتی نشان داده شده است شکل 6 نشان داده شده است. همچنین قابل ذکر است که نقشه‌برداری دقیق زمین‌شناسی/نئوتکتونیکی می‌تواند پهنه‌های پهنای گسیختگی گسل را بهتر تعیین کند. این به این دلیل است که گاهی اوقات برخی از صفحه‌های بسیار موضعی یا چین‌های منتشرکننده خطا وجود دارد که می‌توان آنها را تحت روش‌شناسی محاسباتی فعلی نادیده گرفت. این سازه ها گاهی از نظر زمین شناسی و هندسه نسبتاً پیچیده هستند.

5. قرار گرفتن در معرض

قرار گرفتن در معرض به سادگی به عنوان تعداد افراد یا مقادیر دارایی (به عنوان مثال، فیزیکی، اقتصادی، اجتماعی، زیست محیطی، تاریخی، فرهنگی و غیره) در معرض خطر تعریف می شود. قرار گرفتن در معرض را می توان بر اساس داده های مشاهده شده (سرشماری) یا برآورد شده ارزیابی کرد. برخی پایگاه‌های اطلاعاتی مواجهه در مقیاس جهانی مانند GPW [ 85 ]، GRUMP [ 86 ] و LandScan [ 87 ] وجود دارد. در صورت عدم وجود سوابق مشاهده شده، پایگاه داده های نوردهی را می توان با استفاده از تکنیک هایی مانند تصاویر ماهواره ای با وضوح بالا، داده های LidAR و نقشه های ردپای ساختمان ایجاد کرد ([ 88 ]).
جمعیت استان تهران طی 65 سال گذشته از حدود 1.5 میلیون نفر به 15 میلیون نفر (تقریباً 10 برابر) رسیده است. باید در نظر گرفت که نوردهی در واقع یک مفهوم پویا در مناطق شهری است، زیرا ممکن است در طول روز و شب متفاوت باشد. این در مورد شهرهای بزرگی مانند کلان شهر تهران صدق می کند، جایی که جمعیت شناور حدود 4 میلیون نفر بین شب (ساکنان دائمی) و روز (ساکنان دائمی و افرادی که روزانه از شهرهای اطراف به تهران می آیند) وجود دارد. کار).
برای بررسی قرار گرفتن در معرض در تهران، از توزیع جمعیت سال 1395 بر اساس داده‌های سرشماری رسمی [ 89 ] استفاده کردیم. مجموعه داده ما شامل قطعات ساختمان شهری مبتنی بر GIS به همراه تعداد دقیق ساکنان در هر قطعه است. برای اهداف مطالعه، ابتدا توزیع جمعیت را بر اساس مساحت قطعات نرمال کردیم و یک نقشه تراکم (تعداد ساکنان در کیلومتر مربع) تهیه کردیم. لایه GIS تراکم جمعیت در نمودار 7 به وضوح نشان می دهد که از 22 منطقه شهرداری تهران، مناطق 4، 7، 8، 10، 13، 14، 17 و 19 پرتراکم ترین مناطق هستند.

6. آسیب پذیری

خطر لرزه ای نه تنها به شدت زلزله (خطر) یا تعداد افراد در معرض (قرار گرفتن در معرض)، بلکه به آسیب پذیری آن افراد برای متحمل شدن خسارت و تلفات (آسیب پذیری) نیز بستگی دارد. در این راستا، تجزیه و تحلیل آسیب پذیری نقش مهم و چالش برانگیزی را به عنوان بخش سوم فرآیند ارزیابی ریسک ایفا می کند.
آسیب پذیری یک مفهوم پیچیده چند بعدی است که می تواند طیف وسیعی از مولفه های مختلف (مانند فیزیکی، اقتصادی، اجتماعی، روانی، محیطی، فرهنگی، نهادی، سیاسی و غیره) را پوشش دهد. در واقع، با توجه به اینکه حفاظت از جان انسان ها اولویت اصلی در ارزیابی ریسک بلایا است، آسیب پذیری فیزیکی (آسیب پذیری محیط ساخته شده) معمولاً به عنوان اصلی ترین عامل کلیدی در میان سایر عوامل در نظر گرفته می شود.
در چند دهه گذشته، رشد جمعیت در تهران نه تنها منجر به توسعه سریع شهری، بلکه به طور همزمان سطوح مختلف آسیب پذیری را نیز در پی داشته است. برای ارزیابی ریسک لرزه‌ای برای تهران، هفت مجموعه داده فضایی را انتخاب کردیم که به عنوان مؤلفه‌های آسیب‌پذیری فیزیکی شهری به آنها دسترسی داشتیم. این مجموعه داده‌های مبتنی بر GIS شامل «کاربری زمین»، «بافت شهری»، «ارتفاع ساختمان»، «تشکیل»، «نوع سازه»، «سن ساخت‌وساز» و «مجاورت با زیرساخت‌های حیاتی» است.
با در نظر گرفتن مقیاس مطالعه ما، دسترسی محدودی به برخی از مجموعه داده ها از نظر همگنی داشتیم. به عنوان مثال، برای دو عامل «نوع سازه» و «سن ساخت» تنها به داده‌های ساختمان‌های بلندمرتبه (با بیش از 10 طبقه) دسترسی داشتیم، نه همه ساختمان‌های کلان شهر تهران. با این حال، این ساختمان های بلند همچنان بخش مهمی از منطقه شهری را از نظر آسیب پذیری محیط ساخته شده تشکیل می دهند.
پس از تهیه مجموعه داده ها، هر یک از هفت لایه داده مکانی بسته به ویژگی های خود به سه کلاس تقسیم می شوند. سپس به هر کلاس (زیرلایه) وزنی اختصاص داده می شود. برای جلوگیری از هرگونه عارضه، وزن ها به سادگی به عنوان 1، 2 و 3 انتخاب می شوند که به ترتیب مربوط به آسیب پذیری کم، متوسط ​​و زیاد است ( جدول 3 ).
شایان ذکر است که برای طبقه بندی عامل «بافت شهری» از معیارهای طبقه بندی مناطق شهری تعریف شده توسط شورای شهرسازی و معماری ایران استفاده شده است [ 90 ]. بر این اساس، برای شناسایی فرسودگی بافت شهری، سه معیار باید در نظر گرفته شود: (1) ناپایداری: حداقل 50 درصد ساختمان‌های داخل یک بلوک شهری تعریف‌شده ناپایدار و فاقد سیستم‌های سازه‌ای مناسب هستند، (2) سکونت خرد: حداقل 50 درصد ساختمان های داخل یک بلوک شهری تعریف شده دارای مساحت کمتر از 200 متر هستند هستندو (3) غیرقابل بررسی: حداقل 50 درصد از مسیرهای عبوری در داخل یک بلوک شهری تعریف شده باریک و کمتر از شش متر عرض دارند. حال اگر بافت شهری در یک منطقه فاقد معیارهای فوق باشد، به عنوان “عادی” مشخص می شود. اما در صورتی که یکی از معیارهای فوق یا هر سه معیار فوق را داشته باشد، به ترتیب “ناپایدار” و “فرسوده” شناخته می شود.
در نهایت، برای ارزیابی آسیب‌پذیری کلی در تهران، باید تمام لایه‌های طبقه‌بندی شده با هم همپوشانی و در یک چارچوب فضایی تجمیع شوند. برای انجام این کار، ما یک استراتژی ساده را اتخاذ کردیم که در آن ابتدا نقشه های شطرنجی هفت زیرلایه آسیب پذیری ارائه می شود. تمام نقشه های شطرنجی از پیکسل ها (سلول ها) با اندازه یکسان (10 × 10 متر) تشکیل شده اند. مختصات در مرکز پیکسل ها به صورت (x i , y ) در نظر گرفته می شوند i ) در نظر گرفته می شوند)، جایی که i به تعداد سطر و ستون شبکه اشاره دارد. واضح است که هر پیکسل شبکه حاوی هفت مقدار مشخصه است که وزن (W) زیر لایه‌های آسیب‌پذیری را در مرکز آن پیکسل نشان می‌دهند. سپس مقدار آسیب‌پذیری کل (Z) در هر پیکسل بر اساس مجموع وزن‌های زیر لایه‌های آسیب‌پذیری (W) در مرکز آن پیکسل به صورت زیر محاسبه می‌شود:

ز (ایکسمن،yمن) = ∑دبلیومن جز(ایکسمن،yمن)=∑دبلیومن�

به عنوان مثال، پیکسلی که از یک برج بتونی جدید تجاری و تجاری تشکیل شده است که در تراکم شهری بالا با بافت معمولی و دسترسی متوسط ​​به زیرساخت‌های حیاتی قرار دارد، امتیازهای زیرلایه‌های 1، 2، 1، 3، 3، 1 را دریافت می‌کند. و 2 به ترتیب برای سن، اشغال، نوع سازه، ارتفاع، کاربری زمین، بافت شهری و مجاورت زیرساخت‌ها که مجموع مقادیر آسیب‌پذیری آن برابر با 13 است. نتیجه تجمیع زیرلایه‌های آسیب‌پذیری برای همه پیکسل‌ها منجر شده است. به شکل 8به عنوان آسیب پذیری کل در تهران. این رقم نشان می دهد که 10 منطقه از 22 منطقه کلان شهر تهران شامل مناطق شماره 7، 8، 10، 11، 12، 14، 15، 16، 17، و 20 آسیب پذیری بالاتری نسبت به سایر مناطق دارند. گسترش آسیب پذیری تقریباً با تحول توسعه شهری در تهران مطابقت دارد، زیرا تهران قدیم عمدتاً بخش های مرکزی و جنوبی تهران کنونی را شامل می شد. بنابراین نیمه جنوبی شهر فعلی در واقع از سازه های قدیمی تر و عوامل آسیب پذیرتر نسبت به نیمه شمالی که محیطی جدیدتر است تشکیل شده است.

7. ریسک

پس از تهیه نقشه‌های تمامی اجزای خطر اعم از خطر، مواجهه و آسیب‌پذیری، باید این نقشه‌ها را بر اساس مقادیر آن‌ها طبقه‌بندی کرده و سپس با ترکیب آنها، نقشه نهایی خطر زلزله را به دست آوریم.
همانطور که قبلا ذکر کردیم، ما دو نقشه برای جزء خطر در نظر گرفتیم: PGA سطح ( شکل 5 ) و عرض پارگی سطح ( شکل 6).). نقشه عرض گسیختگی سطح به وضوح شامل دو ناحیه در داخل و خارج از ناحیه گسیختگی است که به ترتیب دارای وزن‌های 1 و 0 هستند. مقادیر PGA سطح نیز به پنج کلاس مساوی 0.35-0.42، 0.42-0.49، 0.49-0.56، 0.56-0.63 و 0.63-0.7 گرم طبقه بندی می شوند. سپس محدوده‌های مقادیر به پنج کلاس با مقادیر جدید 1، 2، 3، 4 و 5 متناسب با خطر بسیار کم، کم، متوسط، زیاد و بسیار زیاد مجدداً طبقه‌بندی می‌شوند. سپس، دو نقشه طبقه‌بندی‌شده به منظور تهیه یک نقشه خطر یکپارچه که شامل لرزش زمین (PGA) و عرض گسیختگی سطحی است، تجمیع می‌شوند. مشابه آنچه در نقشه PGA سطح اعمال می شود، قرار گرفتن در معرض ( شکل 7 ) و آسیب پذیری کل ( شکل 8)) نقشه ها نیز به پنج کلاس 1، 2، 3، 4 و 5، متناسب با نوردهی/آسیب پذیری بسیار کم، کم، متوسط، زیاد و بسیار بالا طبقه بندی می شوند.
ترکیب مولفه های ریسک فوق را می توان به صورت مفهومی با استفاده از یک ماتریس محاسباتی سه بعدی نشان داد ( شکل 9 ). عناصر این ماتریس با پنج کلاس هر جزء ریسک مطابقت دارد. به عنوان مثال، ترکیبی از کلاس خطر 5، کلاس مواجهه 5 و کلاس آسیب پذیری 5 منجر به حداکثر ارزش ریسک در ماتریس می شود. همانطور که اجزای خطر، مواجهه و آسیب‌پذیری را در یک چارچوب فضایی مدل‌سازی کرده‌ایم، آنها را پیکسل به پیکسل با استفاده از GIS ترکیب می‌کنیم و در نهایت نقشه نهایی را که وضعیت فعلی خطر زلزله در تهران را ارائه می‌کند، تولید می‌کنیم ( شکل 10 ).
نقشه ریسک نهایی نشان می دهد که نیمه جنوبی کلان شهر تهران بیشتر از نیمه شمالی در معرض خطر قرار دارد. با نگاهی به نقشه‌های منفرد از سطح PGA، تراکم جمعیت و توزیع آسیب‌پذیری و مقایسه آن‌ها با نقشه خطر نهایی نشان می‌دهد که ماهیت مناطق پرخطر در بخش‌های مرکزی و جنوبی شهر ناشی از خطر زیاد، قرار گرفتن در معرض زیاد است. و آسیب پذیری بالا که همه با هم به طرز شگفت انگیزی در این مناطق متمرکز شده اند. این امر پیامدهای مهمی برای برنامه‌های توسعه شهری آینده و تلاش‌های کاهش ریسک به منظور ایجاد یک تهران تاب‌آورتر دارد.

8. بحث و نتیجه گیری

در این تحقیق ارزیابی ریسک زلزله برای شهر تهران به منظور ارائه بینشی از وضعیت خطر نسبی بین مناطق مختلف شهر تهران و امکان مقایسه نسبی بین آنها انجام شده است. در گام اول، ما از جدیدترین مجموعه داده‌ها (مانند فهرست تاریخی و ابزاری، نقشه گسل فعال، زمین‌شناسی و غیره) و بهترین شیوه‌های رویکرد PSHA به منظور ارزیابی خطر زلزله در تهران استفاده کردیم. خطر از نظر نقشه های PGA برای یک دوره بازگشت 475 ساله، و همچنین یک نقشه عرض گسیختگی نشان داده شده است. سپس قرار گرفتن در معرض بر اساس توزیع تراکم جمعیت ارزیابی می شود. علاوه بر تجزیه و تحلیل خطر و قرار گرفتن در معرض، آسیب‌پذیری نسبت به محیط ساخته شده نیز با استفاده از هفت مجموعه داده آسیب‌پذیری مبتنی بر GIS (کاربری زمین، بافت شهری، ارتفاع ساختمان‌ها، اشغال، انواع سازه و سن، و همچنین مجاورت برخی از زیرساخت های حیاتی). در نتیجه، ریسک لرزه‌ای با ترکیب فضایی سه عامل فوق در یک ماتریس سه‌بعدی محاسبه می‌شود و نقشه خطر لرزه‌ای برای تهران استخراج می‌شود. یافته های اصلی این مطالعه را می توان به شرح زیر خلاصه کرد:
  • بر اساس نقشه‌های مخاطرات، بخش‌های شمالی و جنوبی تهران در سطح سنگ بستر در معرض PGA بالای حدود 0.5 گرم قرار دارند. با این حال، با توجه به پاسخ موضعی سایت، لایه‌های خاک نرم و ضخیم در بخش‌های جنوبی تهران، پتانسیل تقویت امواج لرزه‌ای را تا دو برابر مقادیر محاسبه‌شده روی سنگ دارند. به عنوان مثال این مقدار برای مناطق جنوب غربی تهران 0.7 گرم برآورد شده است.
  • تجارب زمین لرزه های قبلی نشان می دهد که برخی از پدیده های خاص مرتبط با زمین لرزه های میدان نزدیک نیز ممکن است خسارات زیادی به خصوص در مناطق شهری داشته باشد. چنین پدیده‌هایی می‌تواند به صورت گسیختگی سطحی، ترک‌های بزرگ و اثرات جهت‌پذیری، گام پرتاب، لکه‌های گسلی و … رخ دهد. به عنوان مناطق با پتانسیل بالا برای میزبانی از پدیده های ذکر شده در نظر گرفته شود. از این رو نقشه عرض گسیختگی سطحی نیز برای گسل های اطراف و درون شهری تهران با استفاده از هندسه گسل ها تهیه شد. نتایج نشان می‌دهد که برای گسل‌های اصلی، متوسط ​​و فرعی تهران باید عرض گسیختگی سطحی در حدود 2-3، 1.5 و 1 کیلومتر را انتظار داشت.
  • همانطور که در بخش 2 و بخش 3 ذکر شد ، تهران در حال حاضر بر روی یک شکاف لرزه ای قرار دارد. با توجه به اینکه در این مطالعه ارزیابی خطر مستقل از زمان را اعمال کرده ایم، مدت زمان پس از آخرین رویداد در اینجا در نظر گرفته نشده است، بنابراین این رصد شکاف لرزه ای در تهران در مدل ما لحاظ نشده است. بنابراین، چشم‌انداز آینده برای این مطالعه ارزیابی خطر وابسته به زمان است که شکاف‌های لرزه‌ای احتمالی را برای محاسبه احتمالات شرطی وابسته به زمان در نظر می‌گیرد. این امر برای دستیابی به درک بهتری از خطر بالقوه مرتبط با این شکاف لرزه ای به منظور اتخاذ استراتژی های مناسب برای کاهش خطر زلزله مفید خواهد بود.
  • نقشه تراکم جمعیت ( شکل 7 ) به وضوح نشان می دهد که از 22 منطقه شهرداری تهران، هشت منطقه پرتراکم ترین مناطق تهران هستند. مقایسه این مواجهه انسانی با نقشه کلی آسیب‌پذیری فیزیکی ( شکل 8 ) نشان می‌دهد که در برخی مناطق، جمعیت دقیقاً در بالاترین مکان‌های آسیب‌پذیر متمرکز شده‌اند که باید به عنوان یک موضوع فوری در تلاش‌های توسعه شهری آینده در نظر گرفته شود.
  • بر اساس نقشه کلی آسیب‌پذیری فیزیکی ( شکل 8 )، 10 منطقه از 22 منطقه کلان شهر تهران با احتساب مناطق شماره. 7، 8، 10، 11، 12، 14، 15، 16، 17 و 20 نسبت به سایر ولسوالی ها آسیب پذیری بیشتری نشان می دهند. این نتایج با برخی از مطالعات قبلی در مورد آسیب‌پذیری بافت‌های شهری و مدل‌های تلفات ساختمانی در تهران مطابقت کلی دارد [ 91 ، 92 ، 93 ].
  • نقشه کلی ریسک که در نتیجه ترکیب نقشه های خطر، مواجهه و آسیب پذیری ترسیم شده است، تخمینی از توزیع ریسک در شهر تهران را نشان می دهد. به طور کلی نشان می دهد که نیمه جنوبی شهر دارای خطر بیشتری نسبت به نیمه شمالی است. با این حال، میزان خطر را نباید در مناطق دیگر، به ویژه مناطق شمال غربی (مانند منطقه شماره 5 و 22) که محل گسل شمال تهران و همچنین در حال گسترش و توسعه سریع شهری هستند، دست کم گرفت. مقایسه بین مطالعه ما با مطالعه قبلی ارزیابی ریسک فیزیکی-اجتماعی اقتصادی در تهران [ 94 ] نشان می دهد که مطالعه قبلی [ 94 ]] مناطق را رتبه بندی می کند. مناطق 15، 20، 12، 16، 18 و 11 تهران به عنوان برترین مناطق از نظر ریسک فیزیکی هستند، در حالی که نتایج ما حاکی از آن است که مناطق شماره. 10، 17، 20، 16، 15 و 11 دارای بالاترین خطر هستند. به طور کلی، نتایج برخی از شباهت ها را نشان می دهد و اختلافات ناشی از تفاوت در داده های ورودی و روش های اتخاذ شده است. به عنوان مثال، در مطالعه قبلی [ 94]، یک خطر لرزه ای مبتنی بر سناریو تنها مربوط به وقوع زلزله در گسل ری در جنوب تهران در نظر گرفته شده است، در حالی که در این مطالعه، ما یک تحلیل PSHA با در نظر گرفتن تمام گسل های اصلی اطراف، ملاحظات پاسخ سایت، و همچنین پهنه های عرض گسیختگی اتخاذ کرده ایم. . در نتیجه، نتایج مطالعه ما نه تنها برای درک خطر زلزله در تهران، بلکه برای اولویت‌بندی اقدامات کاهش خطر لرزه‌ای و افزایش تاب‌آوری در این کلان شهر، مبنای مفیدی ارائه می‌دهد.

مشارکت های نویسنده

مفهوم سازی توسط فرناز کامرانزاد، حسین معماریان و مهدی زارع انجام شد. تجزیه و تحلیل داده ها، ساخت مدل، تجسم و نگارش دست نوشته توسط فرناز کامرانزاد انجام شد. حسین معماریان و مهدی زارع نسخه خطی را اصلاح کردند و توصیه های مفیدی ارائه کردند. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند

منابع مالی

این تحقیق هیچ بودجه خارجی دریافت نکرد.

قدردانی

نویسندگان از سازمان مدیریت و کاهش بلایا تهران (TDMMO) برای ارائه مجموعه داده های GIS جمعیت و آسیب پذیری بسیار قدردانی می کنند. از سه داور ناشناس و ویراستار به خاطر نظرات و بازخوردهای ارزشمندشان در مورد دست نوشته تشکر می کنیم.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

منابع

  1. شرکت بیمه اتکایی مونیخ MunichRe، ابزار تجزیه و تحلیل NatCatSERVICE، رویدادهای خسارت طبیعی 1980-2018. در دسترس آنلاین: https://natcatservice.munichre.com/ (در 1 آوریل 2020 قابل دسترسی است).
  2. شرکت بیمه اتکایی سوئیس SwissRe, Sigma Research. فجایع طبیعی 1990-2018. در دسترس آنلاین: https://sigma-explorer.com/ (در 1 آوریل 2020 قابل دسترسی است).
  3. مرکز تحقیقات اپیدمیولوژی بلایای طبیعی (CRED). EM-DAT. پایگاه بین المللی بلایای طبیعی در دسترس آنلاین: https://www.emdat.be/ (در 1 آوریل 2020 قابل دسترسی است).
  4. OECD. مدیریت مالی خطر زلزله ; سازمان همکاری اقتصادی و توسعه (OECD): پاریس، فرانسه، 2018. [ Google Scholar ]
  5. UNDRR. چارچوب سندای برای کاهش خطر بلایا 2015-2030 ؛ دفتر سازمان ملل متحد برای کاهش خطر بلایا (UNDRR): ژنو، سوئیس، 2015. [ Google Scholar ]
  6. سازمان ملل متحد تغییر جهان ما: دستور کار 2030 برای توسعه پایدار ؛ سازمان ملل متحد (UN): ژنو، سوئیس، 2015. [ Google Scholar ]
  7. CRED; UNISDR. خسارات اقتصادی، فقر و بلایا 1998–2017 ; مرکز تحقیقات اپیدمیولوژی بلایا (CRED): بروکسل، بلژیک، 2018. [ Google Scholar ]
  8. سیلوا، وی. آمو اودورو، دی. کالدرون، آ. کاستا، سی. دابیک، جی. دسپوتاکی، وی. مارتینز، ال. پاگانی، م. رائو، آ. سیمیوناتو، م. و همکاران توسعه یک مدل ریسک لرزه ای جهانی زمین Spectra 2020 . [ Google Scholar ] [ CrossRef ]
  9. سیلوا، وی. پاگانی، م. اشنایدر، جی. هنشاو، پی. ارزیابی خطر لرزه‌ای و خطر جهانی برای جهانی مقاوم در برابر زلزله–مقاله کمک‌کننده به GAR 2019 ؛ بنیاد جهانی مدل زلزله: پاویا، ایتالیا، 2019. [ Google Scholar ]
  10. سیلوا، وی. آمودورو، دی. کالدرون، آ. دابیک، جی. دسپوتاکی، وی. مارتینز، ال. رائو، آ. سیمیوناتو، م. ویگانو، دی. بله، سی. و همکاران نقشه ریسک مدل جهانی زلزله (GEM) ; بنیاد جهانی مدل زلزله: پاویا، ایتالیا، 2018. [ Google Scholar ]
  11. UNDRR. اصطلاحات به روز شده پیشنهادی در مورد کاهش خطر بلایا: بررسی فنی . دفتر سازمان ملل متحد برای کاهش خطر بلایا (UNDRR): ژنو، سوئیس، 2015. [ Google Scholar ]
  12. سازمان ملل متحد کارگروه کارشناس بین دولتی باز در مورد شاخص ها و اصطلاحات مربوط به کاهش خطر بلایا (OIEWG) ؛ مجمع عمومی سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 2016. [ Google Scholar ]
  13. UNDRR. گزارش ارزیابی جهانی کاهش خطر بلایا (GAR) 2019 ؛ دفتر سازمان ملل متحد برای کاهش خطر بلایا (UNDRR): ژنو، سوئیس، 2019. [ Google Scholar ]
  14. فاراولی، م. برزی، ب. ونزل، اچ. هرمان، ام. زچار، جی. دستورالعمل برای اجرای ارزیابی ریسک در زمان واقعی در هنگام وقوع اضطرار زلزله . شبکه زیرساخت‌های تحقیقاتی اروپا برای ارزیابی و کاهش خطر زلزله (NERA): زوریخ، سوئیس، 2014. [ Google Scholar ]
  15. وب سایت پیشگیری در دسترس آنلاین: https://www.preventionweb.net/risk/disaster-risk (در 1 مه 2020 قابل دسترسی است).
  16. سینادینوسکی، سی. ادواردز، ام. کوربی، ن. میلن، ام. دیل، ک. ضو، ت. جونز، ا. مک فرسون، ا. جونز، تی. گری، دی. و همکاران خطر زلزله. در خطر خطر طبیعی در پرث ; WA Geoscience استرالیا: کانبرا، استرالیا، 2005; صص 143-207. [ Google Scholar ]
  17. UNISDR. 2009 UNISDR اصطلاحات در مورد کاهش خطر بلایا ; دفتر سازمان ملل متحد در کاهش خطر بلایا: ژنو، سوئیس، 2009. [ Google Scholar ]
  18. سیلوا، وی. کراولی، اچ. Bazzurro، P. بررسی نقشه‌های خطر خطر برای اروپا. زمین Spectra 2016 ، 32 ، 1165-1186. [ Google Scholar ] [ CrossRef ]
  19. کراولی، اچ. رودریگز، دی. سیلوا، وی. دسپوتاکی، وی. رومائو، ایکس. کاسترو، ام. آکار، س. هانسیلار، یو. پیتیلاکیس، ک. پیتیلاکیس، دی. به سوی یک مدل خطر زلزله یکنواخت برای اروپا. در مجموعه مقالات شانزدهمین کنفرانس اروپایی مهندسی زلزله، تسالونیکی، یونان، 18 تا 21 ژوئن 2018. [ Google Scholar ]
  20. کراولی، اچ. رودریگز، دی. سیلوا، وی. دسپوتاکی، وی. مارتینز، ال. رومائو، ایکس. کاسترو، جی. پریرا، ن. پومونیس، ا. Lemoine، A.; و همکاران مدل ریسک لرزه ای اروپا 2020 (ESRM 2020). در مجموعه مقالات دومین کنفرانس بین المللی مخاطرات طبیعی و زیرساخت ها، Chania، جزیره کرت، یونان، 23-26 ژوئن 2019. [ Google Scholar ]
  21. کراولی، اچ. کلمبی، ام. برزی، ب. فاراولی، م. اونیدا، م. لوپز، م. پولی، دی. مرونی، اف. Pinho, R. مقایسه ای از نقشه های خطر لرزه ای برای ایتالیا. گاو نر زمین مهندس 2009 ، 7 ، 149-180. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  22. سیلوا، وی. کراولی، اچ. واروم، اچ. Pinho, R. ارزیابی خطر لرزه ای برای سرزمین اصلی پرتغال. گاو نر زمین مهندس 2015 ، 13 ، 429-457. [ Google Scholar ] [ CrossRef ]
  23. سرویس لرزه نگاری سوئیس در دسترس آنلاین: https://www.seismo.ethz.ch/static/webrisktool2016/risktool_EN.html (در 1 آوریل 2020 قابل دسترسی است).
  24. تیاگونوف، اس. استمپنیفسکی، ال. گرونتال، جی. والستروم، آر. Zschau، J. ارزیابی آسیب پذیری و خطر برای شهرهای زلزله خیز. در مجموعه مقالات سیزدهمین کنفرانس جهانی مهندسی زلزله (13 WCEE)، ونکوور، BC، کانادا، 1-6 اوت 2004. [ Google Scholar ]
  25. مارولاندا، ام سی; Carreno، ML؛ کاردونا، OD; Ordaz، MG; باربات، AH ارزیابی خطر زلزله احتمالی با استفاده از CAPRA: کاربرد در شهر بارسلون، اسپانیا. نات. خطرات 2013 ، 69 ، 59-84. [ Google Scholar ] [ CrossRef ]
  26. کریم زاده، س. میاجیما، م. حسن زاده، ر. امیراصلان زاده، ر. کامل، ب. ارزیابی خطر لرزه ای مبتنی بر GIS، آسیب پذیری ساختمان و تلفات انسانی برای سناریوی زلزله در تبریز. خاک دین. زمین مهندس 2014 ، 66 ، 263-280. [ Google Scholar ] [ CrossRef ]
  27. سینها، ن. پریانکا، ن. جوشی، ص. با استفاده از تجزیه و تحلیل چند معیاره فضایی و ابزار رتبه بندی (SMART) در ارزیابی خطر زلزله: مطالعه موردی منطقه دهلی، هند. Geomat. نات. خطر خطرات 2014 ، 7 ، 680-701. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  28. پاول، اف. Vacareanu، R. ارزیابی خطر زلزله مبتنی بر سناریو برای بخارست، رومانی. بین المللی J. کاهش خطر بلایا. 2016 ، 20 ، 138-144. [ Google Scholar ] [ CrossRef ]
  29. بداوی، ع. کورات، آی. الحدیدی، م. Gaber, H. به روز رسانی ارزیابی خطر زلزله در قاهره، مصر. جی سیسمول. 2017 ، 21 ، 571-589. [ Google Scholar ] [ CrossRef ]
  30. Salgado-Gálvez، MA; برنال، GA; زولوآگا، دی. مارولاندا، ام سی; کاردونا، O.-D. Henao، S. ارزیابی خطر لرزه ای احتمالی در Manizales، کلمبیا: کمی سازی خسارات برای اهداف بیمه. بین المللی J. Disaster Risk Sci. 2017 ، 8 ، 296-307. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  31. جیانارکی، جی. کساراس، آی. روملیوتی، ز. کازانتزیدو-فیرتینیدو، دی. گاناس، الف. ارزیابی خطر لرزه‌ای قطعی در شهر آیگیون (خلیج غربی کورینث، یونان) و کنار هم قرار گرفتن با آسیب واقعی ناشی از Mw6 1995. 4 زلزله. گاو نر زمین مهندس 2018 ، 17 ، 603-634. [ Google Scholar ] [ CrossRef ]
  32. هانسیلار، یو. الحسین، من. سستیان، ک. دیف، ع. کاکتی، ای. الرواس، ج. صفاک، ا. الجابری، ک. ارزیابی خطر زلزله برای موجودی ساختمان مسقط، سلطنت عمان. نات. خطرات 2018 ، 93 ، 1419-1434. [ Google Scholar ] [ CrossRef ]
  33. ژوانگ، جی. پنگ، جی. زو، ایکس. Huang، W. ارزیابی ریسک مبتنی بر سناریو از فاجعه زلزله با استفاده از جابجایی شیب، PGA، و تراکم جمعیت در منطقه گویوان، چین. ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 85. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  34. شی، ی. Seeland، K. استفاده از RISKPLAN برای ارزیابی خطر زلزله در استان سیچوان، چین. پایداری 2019 ، 11 ، 1812. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  35. ینا، ر. پرادان، بی. بیدون، جی. سفیان، ح. Affan, M. مدل یکپارچه برای ارزیابی خطر زلزله با استفاده از شبکه عصبی و فرآیند تحلیل سلسله مراتبی: استان آچه، اندونزی. Geosci. جلو. 2019 . [ Google Scholar ] [ CrossRef ]
  36. حسین، ا. الیوت، جی آر. سیلوا، وی. ویلار-وگا، م. کین، دی. خطر لرزه ای متضاد برای سانتیاگو، شیلی، از منابع زمین لرزه میدان نزدیک و دور. نات. سیستم خطرات زمین. علمی 2019 . [ Google Scholar ] [ CrossRef ]
  37. تاجر، ک. Bensaibi, M. ارزیابی خطر زلزله Blida (الجزایر) با استفاده از GIS. Energy Procedia 2017 ، 139 ، 645-650. [ Google Scholar ] [ CrossRef ]
  38. هرمان، ام. زچار، جی دی. Wiemer, S. ارتباط ریسک لرزه ای متغیر با زمان در طول یک توالی زلزله. سیسمول. Res. Lett. 2016 ، 87 ، 301-312. [ Google Scholar ] [ CrossRef ]
  39. گولیا، ال. تورمان، تی. ویمر، اس. هرمان، ام. سیف، س. ارزیابی ریسک احتمالی زلزله کوتاه مدت با در نظر گرفتن مقادیر b وابسته به زمان. ژئوفیز. Res. Lett. 2016 ، 43 ، 1100-1108. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  40. زچار، جی دی. هرمان، ام. ون استیفوت، تی. ویمر، S. پیش بینی خطر لرزه ای به عنوان یک توالی زلزله رخ می دهد. در خطر زلزله، خطر و بلایا ؛ الزویر: آمستردام، هلند، 2014. [ Google Scholar ]
  41. میلی، RR; حسینی، ک. ایزدخواه، YO توسعه یک مدل جامع برای ارزیابی ریسک زلزله و مداخلات مدیریت بلایا در بافت های شهری. بین المللی J. کاهش خطر بلایا. 2018 ، 27 ، 355-365. [ Google Scholar ] [ CrossRef ]
  42. OpenQuake. بنیاد مدل جهانی زلزله (GEM). در دسترس آنلاین: https://www.globalquakemodel.org/openquake (در 1 آوریل 2020 قابل دسترسی است).
  43. HAZUS-MH. آژانس مدیریت اضطراری فدرال ایالات متحده (FEMA). در دسترس آنلاین: https://www.fema.gov/hazus (در 1 آوریل 2020 قابل دسترسی است).
  44. کاپرا. رویکرد جامع به ارزیابی ریسک احتمالی. UNISDR و بانک جهانی در دسترس آنلاین: https://ecapra.org/ (در 1 آوریل 2020 قابل دسترسی است).
  45. INFORM-GRI. کمیته دائمی بین سازمانی (IASC) و کمیسیون اروپا. در دسترس آنلاین: https://drmkc.jrc.ec.europa.eu/inform-index (در 1 آوریل 2020 قابل دسترسی است).
  46. ال عز، AA; اسمیرنوف، ا. ناستف، م. نولت، ام.-جی. McGrath، H. ER2-زلزله: برنامه وب تعاملی برای ارزیابی خطر لرزه ای شهری. بین المللی J. کاهش خطر بلایا. 2019 ، 34 ، 326-336. [ Google Scholar ] [ CrossRef ]
  47. EQRM. مدل خطر زلزله ; Geoscience Australia: Canberra، استرالیا، 2005. [ Google Scholar ]
  48. نوریو، او. هنوز.؛ کجیتانی، ی. کشتی.؛ تاتانو، اچ. فاجعه زلزله بزرگ 2011 ژاپن شرقی: بررسی اجمالی و نظرات. بین المللی J. Disaster Risk Sci. 2011 ، 2 ، 34-42. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  49. شنگور، ا. آلتینر، دی. سین، ا. اوستاومر، تی. هسو، ک. منشا و مونتاژ کولاژ کوهزایی تتیسید به هزینه سرزمین گندوانا. جئول Soc. 1988 ، 31 ، 119-181. [ Google Scholar ] [ CrossRef ]
  50. Vernant، P. نیلفروشان، ف. هاتزفلد، دی. عباسی، م. ویگنی، سی. ماسون، اف. نانکالی، ح. مارتینود، جی. آشتیانی، ع. بایر، آر. و همکاران تغییر شکل پوسته و سینماتیک صفحه امروزی در خاورمیانه با اندازه‌گیری‌های GPS در ایران و شمال عمان محدود شده است. ژئوفیز. J. Int. 2004 ، 157 ، 381-398. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  51. ماسون، اف. Lehujeur، M. زیگلر، ی. تانسور نرخ کرنش Doubre, C. در ایران از میدان سرعت جدید GPS. ژئوفیز. J. Int. 2014 ، 197 ، 10-21. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  52. خرمی، ف. Vernant، P. ماسون، اف. نیلفروشان، ف. موسوی، ز. نانکالی، ح. سعادت، س. والپرسدورف، آ. حسینی، س. توکلی، پ. و همکاران نقشه به روز تغییر شکل پوسته ایران با استفاده از حالت کمپین یکپارچه و سرعت های دائمی GPS. ژئوفیز. J. Int. 2019 ، 217 ، 832-843. [ Google Scholar ] [ CrossRef ]
  53. طالبیان، م. کوپلی، ا. فتاحی، م. قرشی، م. جکسون، جی. نظری، ح. اسلون، آر. واکر، آر. گسل فعال در یک کلان شهر: هندسه و نرخ لغزش رانش پردیسان در مرکز تهران، ایران. ژئوفیز. J. Int. 2016 ، 207 ، 1688-1699. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  54. حسامی، ک. جمالی، ف. یادداشت های توضیحی نقشه گسل های فعال عمده ایران. جی سیسمول. زمین مهندس 2006 ، 8 ، 1-11. [ Google Scholar ]
  55. Ambraseys، NN; ملویل، CP تاریخچه زمین لرزه های ایرانی ; انتشارات دانشگاه کمبریج: کمبریج، بریتانیا، 1982. [ Google Scholar ]
  56. بربریان، م. Yeats, RS الگوهای گسیختگی زمین لرزه تاریخی در فلات ایران. گاو نر سیسمول. Soc. صبح. 1999 ، 89 ، 120-139. [ Google Scholar ]
  57. ریتز، جی اف. نظری، ح. بالسکو، اس. لاموث، م. سلامتی، ر. قاسمی، ع. شافعی، ع. قرشی، م. سعیدی، الف. زمین لرزه های دیرینه 30000 سال گذشته در امتداد گسل شمال تهران (ایران). جی. ژئوفیس. Res. زمین جامد 2012 , 117 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  58. آزاد، اس اس; ریتز، J.-F. عباسی، MR تغییر شکل فعال جانبی چپ در امتداد سیستم گسلی مشا – شمال تهران (ایران): بررسی‌های مورفوتکتونیکی و دیرینه‌زله‌شناسی. تکتونوفیزیک 2011 ، 497 ، 1-14. [ Google Scholar ] [ CrossRef ]
  59. قاسمی، محمدرضا; فتاحی، م. لندگراف، آ. احمدی، م. بالاتو، پ. طباطبایی، SH پیوندهای سینماتیکی بین گسل مشاء شرقی و گسل شمال تهران، رشته کوه البرز، شمال ایران. تکتونوفیزیک 2014 ، 622 ، 81-95. [ Google Scholar ] [ CrossRef ]
  60. نظری، ح. ریتز، J.-F. سلامتی، ر. شافعی، ع. قاسمی، ع. Michelot، J.-L. ماسو، ام. قرشی، م. تحلیل ریخت شناسی و دیرینه لرزه شناسی در امتداد گسل طالقان (البرز مرکزی، ایران). ژئوفیز. J. Int. 2009 ، 178 ، 1028-1041. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  61. نظری، ح. ریتز، جی اف. سلامتی، ر. شهیدی، ع. حبیبی، ح. قرشی، م. باوندپور، آ.ک. تمایز بین لکه‌های گسلی و سواحل: پرسش از ماهیت ویژگی‌های کهریزک، ری شمالی و ری جنوبی در دشت تهران (ایران). Terra Nova 2010 , 22 , 227-237. [ Google Scholar ] [ CrossRef ]
  62. نیری، TM; نظری، ح. قرشی، م. طالبیان، م. مطالعه دیرینه شناسی گسل پیشوا (تهران جنوبی)، ایران. در خلاصه کنفرانس مجمع عمومی EGU ; اتحادیه علوم زمین اروپا (EGU): مونیخ، آلمان، 2010; پ. 1511. [ Google Scholar ]
  63. زارع، م. امینی، ح. یزدی، پ. سستیان، ک. Demircioglu، MB; کلافت، د. اردیک، م. جیاردینی، دی. خان، م.ا. Tsereteli, N. تحولات اخیر فهرست خاورمیانه. جی سیسمول. 2014 ، 18 ، 749-772. [ Google Scholar ] [ CrossRef ]
  64. بربریان، م. ییتس، RS تهران: بمب ساعتی زلزله. در تکامل تکتونیکی، برخورد، و لرزه خیزی جنوب غربی آسیا: به افتخار مشارکت های تحقیقاتی چهل و پنج ساله مانوئل بربریان ؛ انجمن زمین‌شناسی آمریکا: بولدر، CO، ایالات متحده آمریکا، 2017. [ Google Scholar ]
  65. فیلد، EH; اردن، TH احتمالات مدل تجدید وابسته به زمان زمانی که تاریخ آخرین زلزله ناشناخته است. گاو نر سیسمول. Soc. صبح. 2015 ، 105 ، 459-463. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  66. Papanikolaοu، ID; رابرتز، GP; دلیگیاناکیس، جی. ساکلاریو، ا. Vassilakis، E. گسل اسپارتا، یونان جنوبی: از تقسیم بندی و ژئومورفولوژی زمین ساختی تا نقشه برداری خطر لرزه ای و احتمالات وابسته به زمان. تکتونوفیزیک 2013 ، 597 ، 85-105. [ Google Scholar ] [ CrossRef ]
  67. ریبن، اچ. زمین شناسی دشت تهران. صبح. J. Sci. 1955 ، 253 ، 617-639. [ Google Scholar ] [ CrossRef ]
  68. تجزیه و تحلیل ریسک لرزه ای مهندسی کرنل، کالیفرنیا. گاو نر سیسمول. Soc. صبح. 1968 ، 58 ، 1583-1606. [ Google Scholar ]
  69. مک گوایر، RK تحلیل خطر لرزه ای احتمالی و طراحی زمین لرزه ها: بستن حلقه. گاو نر سیسمول. Soc. صبح. 1995 ، 85 ، 1275-1284. [ Google Scholar ]
  70. دانسیو، ال. ششتیان، ک. دمیرچی اوغلو، م. گولن، ال. زارع، م. باسیلی، ر. الیاس، ا. آدامیا، اس. تسرتلی، ن. یالچین، اچ. و همکاران مدل زلزله 2014 خاورمیانه: منابع لرزه زایی. گاو نر زمین مهندس 2018 ، 16 ، 3465–3496. [ Google Scholar ] [ CrossRef ]
  71. کیجکو، ا. Sellevoll، MA برآورد پارامترهای خطر زلزله از فایل های داده ناقص. قسمت دوم. ادغام ناهمگونی بزرگی. گاو نر سیسمول. Soc. صبح. 1992 ، 82 ، 120-134. [ Google Scholar ]
  72. کیجکو، ا. Sellevoll، MA برآورد پارامترهای خطر زلزله برای فایل های داده ناقص و نامشخص. نات. خطرات 1990 ، 3 ، 1-13. [ Google Scholar ] [ CrossRef ]
  73. کیجکو، ا. اسمیت، ا. Sellevoll، MA برآورد پارامترهای خطر زلزله از فایل های داده ناقص. قسمت سوم. ادغام عدم قطعیت مدل زلزله- وقوع. گاو نر سیسمول. Soc. صبح. 2016 ، 106 ، 1210-1222. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  74. گوتنبرگ، بی. ریشتر، CF فراوانی زمین لرزه ها در کالیفرنیا. گاو نر سیسمول. Soc. صبح. 1944 ، 34 ، 185-188. [ Google Scholar ]
  75. Zare, M. Contribution À L’étude Des Mouvements Forts En Iran: Du Catalog Aux Lois D’atténuation. Ph.D. پایان نامه، دانشگاه جوزف فوریه، گرنوبل، رون آلپ، فرانسه، 1999. [ Google Scholar ]
  76. ولز، دی ال. Coppersmith، KJ روابط تجربی جدید بین بزرگی، طول گسیختگی، عرض گسیختگی، ناحیه گسیختگی و جابجایی سطح. گاو نر سیسمول. Soc. صبح. 1994 ، 84 ، 974-1002. [ Google Scholar ]
  77. امبراسیز، ن. داگلاس، جی. سرما، س. اسمیت، P. معادلات برای تخمین حرکات قوی زمین از زمین لرزه های پوسته کم عمق با استفاده از داده های اروپا و خاورمیانه: شتاب اوج زمینی افقی و شتاب طیفی. گاو نر زمین مهندس 2005 ، 3 ، 1-53. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  78. Boore، DM; اتکینسون، معادلات پیش‌بینی حرکت زمینی GM برای میانگین مؤلفه افقی PGA، PGV، و PSA میرایی 5 درصد در دوره‌های طیفی بین 0.01 ثانیه و 10.0 ثانیه. زمین Spectra 2008 , 24 , 99-138. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  79. آکار، س. معادلات تجربی بومر، JJ برای پیش‌بینی PGA، PGV، و شتاب‌های طیفی در اروپا، منطقه مدیترانه و خاورمیانه. سیسمول. Res. Lett. 2010 ، 81 ، 195-206. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  80. قلی پور، ی. بزرگ نیا، ی. رهنما، م. بربریان، م. شجاعطاهری، ج. تحلیل خطر لرزه ای احتمالی، فاز I– مناطق تهران بزرگ. در گزارش نهایی ؛ دانشکده فنی، دانشگاه تهران: تهران، ایران، 1387. [ Google Scholar ]
  81. زارع، م. ساخت و ساز و خطر زلزله در شمال تبریز گسل و عرض گسل زلزله در ایران. جی سیسمول. زمین مهندس 2001 ، 2 ، 46-57. [ Google Scholar ]
  82. Teran، OJ; فلچر، جی.ام. اوسکین، من؛ راکول، TK; هادنات، KW; اسپلز، آر.ام. Akciz، SO; هرناندز-فلورس، AP; مورلان، کنترل‌های زمین‌شناسی و ساختاری AE بر روی بافت ناحیه گسیختگی: یک مطالعه میدانی از گسیختگی سطح زمین‌لرزه 2010 مگاوات 7.2 ال مایور-کوکاپا. Geosphere 2015 ، 11 ، 899-920. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  83. سیبسون، RH ضخامت ناحیه لغزش لرزه ای. گاو نر سیسمول. Soc. صبح. 2003 ، 93 ، 1169-1178. [ Google Scholar ] [ CrossRef ]
  84. بونسیو، پی. لیبری، ف. کالدارلا، م. نورمینن، F.-C. عرض ناحیه گسیختگی سطحی برای زمین لرزه های رانش: پیامدها برای پهنه بندی گسل زلزله. نات. سیستم خطرات زمین. علمی 2018 , 18 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  85. مرکز شبکه بین المللی اطلاعات علوم زمین (CIESIN). Gridded Population of the World، نسخه 4 (GPWv4): تعداد جمعیت، ویرایش 11 ; مرکز داده‌ها و برنامه‌های اجتماعی-اقتصادی ناسا: Palisades، نیویورک، ایالات متحده آمریکا، 2018؛ در دسترس آنلاین: https://doi.org/10.7927/H4JW8BX5 (در 1 آوریل 2020 قابل دسترسی است).
  86. مرکز شبکه بین المللی اطلاعات علوم زمین (CIESIN). پروژه جهانی نقشه برداری روستایی- شهری، نسخه 1 (GRUMPv1): شبکه گستره شهری ; دانشگاه کلمبیا: نیویورک، نیویورک، ایالات متحده آمریکا، 2011. [ Google Scholar ]
  87. برایت، EA؛ رز، AN; شهری، ML; McKee, J. LandScan 2017 مجموعه داده های جمعیت جهانی با وضوح بالا ؛ آزمایشگاه ملی اوک ریج (ORNL): Oak Ridge, TN, USA, 2018. [ Google Scholar ]
  88. لوین، ک. مورایاما، Y. یک رویکرد GIS برای برآورد جمعیت ساختمان برای تجزیه و تحلیل میکرو فضایی. ترانس. GIS 2009 ، 13 ، 401-414. [ Google Scholar ] [ CrossRef ]
  89. SCI. سرشماری ملی نفوس و مسکن ; مرکز آمار ایران: تهران، ایران، 1395. [ Google Scholar ]
  90. قوانین و مقررات شهر ; دبیرخانه شورای عالی برنامه ریزی و معماری، وزارت راه و شهرسازی: تهران، ایران، 1385.
  91. امینی، ک. حسینی، م. جعفری، م.ک. حسینیون، س. شناخت بافت‌های آسیب‌پذیر شهری در مناطق زلزله‌زده: مطالعه موردی کلانشهر تهران. جی سیسمول. زمین مهندس 2009 ، 10 ، 175-187. [ Google Scholar ]
  92. منصوری، ب. غفوری آشتیانی، م. امینی حسینی، ک. نورجو، ر. موسوی، م. مدل تلفات لرزه ای ساختمان برای تهران. زمین Spectra 2010 , 26 , 153-168. [ Google Scholar ] [ CrossRef ]
  93. فیروزی، ا. انصاری، ع. حسینی، ک. رشیدآبادی، م. مدل تلفات احتمالی زلزله برای ساختمان های مسکونی در تهران، ایران برای تعیین کمیت تلفات سالانه زلزله. گاو نر زمین مهندس 2019 ، 17 ، 2383-2406. [ Google Scholar ] [ CrossRef ]
  94. حاجی بابایی، م. امینی حسینی، ک. قیام‌قمیان، م. ارزیابی ریسک زلزله در بافت‌های شهری بر اساس پارامترهای فیزیکی، اجتماعی-اقتصادی و ظرفیت پاسخ (مطالعه موردی: شهر تهران). نات. خطرات 2014 ، 74 ، 2229-2250. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00430 g001 550
شکل 1. گسل های فعال، لرزه خیزی تاریخی و ابزاری و نهشته های آبرفتی در تهران و اطراف آن.
Ijgi 09 00430 g002 550
شکل 2. فلوچارت نمایانگر فرآیند ارزیابی خطر زلزله در تهران است.
Ijgi 09 00430 g003 550
شکل 3. منابع لرزه زایی تحلیل PSHA ما برای تهران.
Ijgi 09 00430 g004 550
شکل 4. PGA روی سنگ بستر برای دوره بازگشت 475 ساله.
Ijgi 09 00430 g005 550
شکل 5. PGA روی سطح برای دوره بازگشت 475 ساله.
Ijgi 09 00430 g006 550
شکل 6. عرض های گسیختگی سطحی در شهر تهران.
Ijgi 09 00430 g007 550
شکل 7. نقشه مواجهه انسانی (تراکم جمعیت) تهران.
Ijgi 09 00430 g008 550
شکل 8. نقشه کلی آسیب پذیری فیزیکی شهر تهران.
Ijgi 09 00430 g009 550
شکل 9. یک مفهوم شماتیک از ترکیب اجزای ریسک از طریق یک ماتریس ریسک سه بعدی.
Ijgi 09 00430 g010 550
شکل 10. نقشه خطر زلزله تهران.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید