بوئناونتورا در سواحل اقیانوس آرام کلمبیا طیف وسیعی از تهدیدات را تجربه کرده است که عمدتاً به دلیل تأثیرات فرسایش سواحل و سیل است. در سراسر جهان، میلیون ها نفر در دهه های آینده به دلیل تغییرات آب و هوایی آسیب پذیری بیشتری را تجربه خواهند کرد. تغییر در خط ساحلی (1986-2020) در طول زمان با حسگرهای راه دور و سیستم تحلیل خط ساحلی دیجیتال (DSAS) در ارتباط با GIS مورد تجزیه و تحلیل قرار گرفت. در مجموع 16 شاخص برای ارزیابی کمی قرار گرفتن در معرض، حساسیت و ظرفیت تطبیقی ​​برای ساخت یک شاخص آسیب‌پذیری ترکیبی (COVI) انتخاب شدند. نرخ نقطه پایانی (EPR) تغییر در خط ساحلی برآورد شد. نتایج نشان داد که 35 درصد منطقه مورد مطالعه پایدار، 18 درصد خط ساحلی فرآیندهای فرسایشی و 47 درصد برافزایش را تجربه کردند. تجزیه و تحلیل COVI نشان داد که حوضه های آبخیز ساحلی ناهمگونی فضایی زیادی را نشان می دهند. 31.4 درصد از منطقه دارای سطوح آسیب پذیری متوسط، 26.5 درصد دارای سطوح آسیب پذیری پایین و 41.9 درصد دارای سطوح آسیب پذیری بالا بودند. این تجزیه و تحلیل نشان داد که حوضه های واقع در شمال (خلیج مالاگا) و مرکزی (حوضه های Anchicaya، Cajambre و Rapposo) ناحیه ساحلی آسیب پذیرتر از مناطق دیگر بودند.

کلید واژه ها:

شاخص آسیب پذیری ساحلی ; فرسایش سواحل ; تغییر خط ساحلی ؛ GIS _ سنجش از دور ؛ حوزه های آبخیز ساحلی

1. مقدمه

مناطق ساحلی کلمبیا کمتر از 7 درصد از سطح زمین این کشور را پوشش می دهند و جمعیتی بالغ بر 6 میلیون نفر را پشتیبانی می کنند [ 1 ]. در سال های اخیر، سواحل اقیانوس آرام کلمبیا طیف گسترده ای از تهدیدات فاجعه بار را برای اکوسیستم، جمعیت و زیرساخت های خود تجربه کرده است که عمدتاً به دلیل اثرات فرسایش سواحل و سیل است [ 2 ]. تخریب اکوسیستم‌ها، تغییرات آب و هوایی، رشد جمعیت و فعالیت‌های انسانی، مانند جنگل‌زدایی و استخراج معادن، آسیب‌پذیری را در دهه‌های آینده بیش از پیش افزایش خواهد داد [ 3 ، 4 ، 5 ، 6 .]. در سراسر جهان، تقریباً 10 میلیون نفر هر ساله اثرات منفی ناشی از طوفان‌های استوایی، فرسایش سواحل، سیل‌ها و طوفان‌ها را تجربه می‌کنند که انتظار می‌رود به دلیل تغییرات اقلیمی و فشار اجتماعی و جمعیت‌شناختی بالا تا سال 2080 به 50 میلیون نفر افزایش یابد [ 7 ]. انتظار می رود سیل ساحلی و سطح دریا تا اواسط قرن به طور قابل توجهی افزایش یابد [ 8 ]. اینکه چگونه آسیب‌پذیری باید برای ایجاد استراتژی‌های سازگاری و تاب‌آوری در مواجهه با رویدادهای فاجعه‌بار بالقوه در منطقه ساحلی ارزیابی شود، نگرانی جهانی جوامع علمی است. [ 8 ، 9]. با این حال، شدت و شدت رویدادهای خطرناک از نظر فضایی متفاوت است، و آنها اغلب زمانی که با محیط آسیب‌پذیر اجتماعی-اقتصادی جمعیت انسانی ترکیب می‌شوند، به فاجعه تبدیل می‌شوند [ 10 ]. آسیب پذیری درجه ای است که یک سیستم در برابر خطرات طبیعی و تغییرات اجتماعی مستعد است. مفهومی با ابعاد چندگانه است که ابعاد اقتصادی، سیاسی، فیزیکی، اجتماعی و محیطی را در بر می گیرد [ 11 ]. آسیب پذیری در برابر هر رویدادی را می توان به عنوان تابعی از قرار گرفتن در معرض، حساسیت، و توانایی سازگاری یا مقابله توضیح داد [ 12 ]. تعریف آسیب‌پذیری که توسط هیئت بین‌دولتی تغییرات آب و هوایی (IPCC) پیاده‌سازی شده است، یکی از رایج‌ترین مفاهیم در جهان برای انجام ارزیابی‌های آسیب‌پذیری از خطرات متعدد است.7 ]. برای رسیدگی به این مشکل در کلمبیا، پیشنهاد شده است که فرسایش ساحلی در مدیریت ریسک بلایا به عنوان یک رویکرد سیاست عمومی لحاظ شود [ 13 ، 14 ].
در سال‌های اخیر، ارزیابی آسیب‌پذیری سواحل با تأکید بر عوامل ژئومورفولوژیکی و فیزیکی بر استفاده از شاخص آسیب‌پذیری ساحلی (CVI) متمرکز شده است. این شاخص برای برآورد حوزه های خطر ناشی از مخاطرات زیست محیطی و اجتماعی-اقتصادی طراحی شده است و به طور گسترده برای اجرای تصمیم گیری در چارچوب کاهش ریسک استفاده می شود. رویکرد CVI در ابتدا توسط گورنیتز [ 15 ، 16 ] توسعه یافت] برای بررسی آسیب پذیری سواحل شرقی ایالات متحده آمریکا در اثر افزایش سطح دریا. این شاخص اجازه می دهد تا شش متغیر فیزیکی را به روشی قابل اندازه گیری مرتبط کند و داده های عددی را تولید کند که نمی توان مستقیماً با اثرات فیزیکی خاصی برابری کرد، اما مناطقی را که اثرات مختلف افزایش سطح دریا ممکن است بیشتر باشد، برجسته می کند [ 17 ]. پس از آن، CVI برای ارزیابی آسیب پذیری در امتداد سواحل اقیانوس اطلس توسط سازمان زمین شناسی ایالات متحده (USGS) در مطالعه Thieler و Hammar-Klose [ 18 ] استفاده شد. در تجزیه و تحلیل تغییرات خط ساحلی، برخی از مطالعات بر تجزیه و تحلیل عوامل ژئومورفولوژیکی و فیزیکی CVI متمرکز شدند، اما متغیرهای اجتماعی-اقتصادی را نیز برای توسعه انعطاف‌پذیری در برابر تهدیدات تغییرات آب و هوایی در نظر گرفتند [ 19 ،20 ، 21 ، 22 ، 23 ، 24 ]. وضعیت آسیب‌پذیری را می‌توان بر اساس گروهی از شرایط و فرآیندهای ناشی از عوامل فیزیکی، محیطی و اجتماعی-اقتصادی که حساسیت افراد ساکن در نواحی ساحلی را نسبت به مخاطرات طبیعی افزایش می‌دهد، از جمله توانایی آنها در سازگاری و واکنش به بلایا تعیین کرد [ 25 ] 26 ].
بر اساس CVI، شاخص‌های دیگری توسعه یافته‌اند که با استفاده از فرآیند سلسله‌مراتب تحلیلی، بیشتر بر ساختار مفهومی شاخص آسیب‌پذیری تمرکز می‌کنند و این شاخص، شاخص آسیب‌پذیری ترکیبی (COVI) نامیده می‌شود. اخیراً، چندین محقق از این روش برای ارزیابی آسیب‌پذیری سواحل با ترکیب عوامل مختلفی که ابعاد مختلف (فیزیکی، اکولوژیکی، اجتماعی و اقتصادی) را نشان می‌دهند، از جمله پارامترهایی مانند قرار گرفتن در معرض بیوفیزیکی، حساسیت و ظرفیت تطبیقی ​​یا انعطاف‌پذیری برای ارزیابی خطرات متعدد استفاده کرده‌اند. برای مثال، ژانگ و همکاران. [ 27 ] آسیب پذیری ساحلی در برابر تغییرات آب و هوایی بوهای در چین را با در نظر گرفتن پانزده عامل مرتبط با شرایط اکولوژیکی، فیزیکی و اجتماعی-اقتصادی در یک کووید-19 ارزیابی کرد. قوش و میستری [28 ] آسیب‌پذیری ساحلی را به عنوان تابعی از عوامل متعدد با شاخص آسیب‌پذیری ترکیبی در دلتای پایینی سانداربان، هند با در نظر گرفتن 22 شاخص، عمدتاً متغیرهای فیزیکی، اقلیمی و اجتماعی-اقتصادی ارزیابی کرد. ساهانا و سجاد [ 29 ] سیل های متمرکز بر موج طوفان را با یک شاخص آسیب پذیری متشکل از اطلاعات سنجش از دور در ذخیره گاه زیست کره سانداربان، هند با در نظر گرفتن هفده عامل ارزیابی کردند. در نهایت، Furlan و همکاران. [ 30 ] یک CVI چند بعدی برای ارزیابی آسیب‌پذیری در برابر سناریوهای سیل در امتداد سواحل ایتالیا با در نظر گرفتن شاخص‌های متعدد توسعه داد. اگرچه مطالعاتی وجود دارد که آسیب پذیری عمومی سواحل بوئناونتورا را ارزیابی می کند [ 13 ، 21 ، 22، 31 ، 32 ]، اینها عمدتاً بر ابعاد ژئومورفولوژیکی و فیزیکی متمرکز شده اند. مطالعات متعددی در سراسر جهان برای بررسی جنبه‌های مختلف آسیب‌پذیری ساحلی با رویکرد جغرافیایی با استفاده از CVI و COVI انجام شده است ( جدول 1 ).
هدف از این کار تجزیه و تحلیل فرسایش ساحلی در سطح حوضه با استفاده از حسگرهای راه دور در ارتباط با GIS برای ساخت یک COVI است. انتخاب شاخص ها و وزن تخصیص یافته به هر شاخص بخش مهمی از مطالعه است. ترکیب متغیرهای فیزیکی، محیطی و اجتماعی-اقتصادی برای ارزیابی شاخص‌های مختلف با استفاده از روش وزن‌دهی، دید جامعی از آسیب‌پذیری فضایی را با توجه به اینکه حوزه آبخیز ساحلی مناسب‌ترین مقیاس برای ارزیابی آسیب‌پذیری در برابر تغییرات طبیعی و انسانی است، می‌دهد.

2. مواد و روشها

2.1. منطقه مطالعه

Buenaventura در Valle del Cauca در منطقه مرکزی اقیانوس آرام کلمبیا در یکی از چهار بخش کلمبیا در ساحل اقیانوس آرام واقع شده است. این منطقه وسیع شهرداری و ناحیه بندر ویژه بوئناونتورا را در بر می گیرد. از شمال به رودخانه سان خوان و از جنوب به رودخانه نایا محدود می شود که توسط دو خلیج نیمه محصور شده است: خلیج بوئناونتورا و خلیج مالاگا. از نظر جغرافیایی، منطقه ساحلی دارای خط ساحلی کل تقریباً 686 کیلومتر است و بر روی مختصات 4°2.23’82” شمالی و 77°26’18.87″ غربی، در 3°13’33.21′ شمالی و 77°32’41.63″ غربی امتداد دارد. همانطور که در شکل 1 نشان داده شده است. خط ساحلی از جزایر سد، مناطق جزر و مدی، صخره های سنگی، سکوهای سنگی، دشت های آبرفتی و جزر و مدی، مصب ها، سواحل شنی و باتلاق های نمکی تشکیل شده است.42 ]. سواحل بوئناونتورا با توجه به توصیف رسوب شناسی حاصل از تجزیه و تحلیل گرانولومتری انجام شده توسط موسسه تحقیقات دریایی و ساحلی کلمبیا (INVEMAR) در نمونه های ساحلی برای بخش های Punta Soldado، La Bocana، و Piangüita در بخش واله دل کائوکا میانگین توزیع اندازه دانه در کمپین‌های مختلف نمونه‌برداری در سال‌های 2012، 2014 و 2015، نشان می‌دهد که در این ناحیه از شهرداری بوئناونتورا، رسوبات بیشتر تمایل به اندازه دانه ریز نشان دادند [ 1 ]. Chocó Biogeografico (نقطه داغ تنوع زیستی) شامل خط ساحلی اقیانوس آرام بین دارین در پاناما و شمال غربی اکوادور است که از کل نوار ساحلی کلمبیا می گذرد.
در این نقطه داغ، حرا یکی از مهم ترین اکوسیستم های Valle del Cauca است که 140 کیلومتر مربع را پوشش می دهد [ 43 ] . جزر و مد سواحل اقیانوس آرام کلمبیا به طور منظم نیمه شبانه است، یعنی با دو جزر و مد بالا و دو جزر و مد در روز با دوره تقریباً 12.25 ساعت، و دامنه جزر و مد آنها می تواند کمی بیش از 4 متر برسد [ 44 ]. بارندگی به طور کلی رفتار تک وجهی را نشان می دهد و میانگین سالانه آن بین 6821 میلی متر تا 7673 میلی متر است و تقریباً 228 روز با باران وجود دارد. میانگین دمای سالانه برای اقیانوس آرام 25.7 درجه سانتیگراد است [ 45]. از نظر ساختاری، بوئناونتورا با مورفولوژی مسطح در جنوب و صخره ها در شمال مشخص می شود. سه سطح از تراس‌های موجود در مسیرهای رودخانه وجود دارد که به نظر می‌رسد نشان‌دهنده فعالیت‌های تکتونیکی اخیر از بالا آمدن و فرونشست است که توسط نهشته‌های کواترنر تشکیل شده است [ 44 ]. از نظر اقتصادی، منطقه بندری بوئناونتورا از چندین پایانه دریایی تشکیل شده است که خدمات بندری و لجستیکی را در مهم ترین بندر اقیانوس آرام کلمبیا ارائه می دهد که بخش بزرگی از تجارت خارجی کلمبیا از طریق آن انجام می شود. این بندر 47 درصد از صادرات و واردات کلمبیا، از جمله موارد مربوط به معدن، نفت و مشتقات آن را جابجا می کند [ 46 ].]. جمعیت آن برای سال 2020 تقریباً 311,827 نفر بود که از نظر جمعیتی از نوادگان آفریقایی و جوامع بومی و اجدادی مختلط تشکیل شده بود [ 47 ، 48 ]. درصدی از جمعیت در خانه‌های چوبی واقع در خط ساحلی یا نزدیک به آن در معرض امواج زندگی می‌کنند و درجه قرار گرفتن آنها در معرض رژیم جزر و مدی را افزایش می‌دهد [ 45 ]. منابع ناکافی، فقر چند بعدی و دورافتادگی چالش های بزرگی برای جامعه هستند. تقریباً 33.3 درصد از جمعیت زیر سطح فقر زندگی می کنند [ 47 ]. با توجه به مطالعات منطقه ساحلی بوئناونتورا مرتبط با آسیب پذیری، مطالعه توسط Ricaurte و همکاران، 2021 [ 11 ]] برجسته است، جایی که تسلط هر یک از مؤلفه های تهدید در منطقه اقیانوس آرام کلمبیا مورد تجزیه و تحلیل قرار گرفت و مشخص شد که شکنندگی، عمدتاً اجتماعی، اقتصادی و نهادی تعیین می شود. Coca and Ricaurte 2019 [ 21 ] شهر La Barra را از سال 2013 مورد مطالعه قرار دادند، زمانی که فرآیند دوری جستن به سمت دریا آغاز شد. در ارتباط با این رویداد، یک فرآیند فرسایش ساحلی تسریع شده را می توان اندازه گیری کرد، که در آن آسیب پذیری جمعیت مورد ارزیابی قرار گرفت. Gallego و Selvaraj 2019 [ 22 ] شاخص آسیب‌پذیری ساحلی (CVI) را با استفاده از هشت متغیر، سه متغیر فیزیکی/هیدرودینامیکی، سه زمین‌شناسی/ژئومورفولوژیکی و دو متغیر اجتماعی-اقتصادی اعمال کردند. خط ساحلی به پنج محدوده آسیب پذیری نسبی طبقه بندی شد. Cifuentes و همکاران، 2017 [ 31] بر مطالعه بزرگی تغییر خط ساحلی شمال منطقه بوئناونتورا در یک دوره 30 ساله متمرکز شد. آنها به طور متوسط ​​نرخ تغییر 0.2- متر در سال را در خط ساحلی پیدا کردند که منعکس کننده روند فرسایشی آن است، با حداکثر مقادیر EPR 26.9 متر برافزایش و 21- متر فرسایش ساحلی. Uribe و همکاران، 2020 [ 32 ] میزان آسیب پذیری خدمات اکوسیستم در ناحیه شمالی بوئناونتورا در برابر خطرات طبیعی و انسانی را بررسی کردند. افزایش سطح دریا و فرسایش سواحل محتمل ترین تهدید برای خدمات اکوسیستم هستند. یکی از مهم ترین خطراتی که منطقه مورد مطالعه را تهدید می کند، فرسایش سواحل است. برای ارزیابی آسیب پذیری، تجزیه و تحلیل ها با استفاده از تقسیم حوزه های آبخیز ساحلی گروه بندی شدند ( شکل 1 ).

2.2. تغییر خط ساحلی

تغییر در یک خط ساحلی پارامتر مهمی است که می‌تواند منشأ طبیعی یا انسانی داشته باشد و نشان‌دهنده الگوی برافزایش/فرسایش در ارتباط با فرآیندهای مختلف، مانند امواج، جزر و مد، سطح دریا و شکل توپوگرافی است [ 49 ]. خط ساحلی مرز بین دریا و خشکی را نشان می دهد. ارزیابی فرسایش سواحل برای برنامه ریزی استراتژی های مدیریت آینده، برنامه ریزی کاربری زمین و مدیریت ریسک ضروری است [ 50 ]]. عکس‌های تاریخی و داده‌های ماهواره‌ای با وضوح بالا برای نظارت بر تغییرات خط ساحلی در یک دوره 34 ساله (از 1986 تا 2020) استفاده شد. در ابتدا، ارتوموزائیک ها برای سال 1986 بر اساس داده های به دست آمده از مجموعه داده های رسمی (عکس های هوایی) موسسه جغرافیایی آگوستین کودازی (IGAC) ایجاد شد. دو مجموعه از تصاویر رادار دیافراگم مصنوعی هوابرد (رادار با دیافراگم مصنوعی SAR) استفاده شد، اولین مورد برای سال 2009 و دوم در سال 2015، که دقیق‌ترین مجموعه داده‌های استفاده عمومی موجود برای زمین Buenaventura هستند ( جدول 2).). علاوه بر این، 19 تصویر با وضوح بالا از ماهواره PlanetScope از سال 2020 به دست آمد. صورت فلکی ماهواره‌های PlanetScope از گروه‌هایی از ماهواره‌های با وضوح بالا تشکیل شده است. هر ماهواره دارای فرمت 3U CubeSat (10 سانتی متر در 10 سانتی متر در 30 سانتی متر) است. صورت فلکی کامل PlanetScope تقریباً 130 ماهواره است و قادر است از کل سطح زمین با چهار نوار طیفی (آبی، سبز، قرمز و نزدیک به فروسرخ (NIR) عکس بگیرد. دارای وضوح مکانی 3 متر و وضوح زمانی بالا (24 ساعت) است [ 51 ]. همه حسگرها برای استخراج خط ساحلی چند زمانی استفاده شدند ( جدول 2 ).
برای کاهش عدم قطعیت در طول برداری از خط ساحلی از داده های سنجش از دور در زمان ثبت تصویر، خطای نوسانات جزر و مدی در نظر گرفته شد [ 52 ]. خطاهای جزر و مدی کم در نظر گرفته شدند زیرا تصاویر به دست آمده نوسان جزر و مد را بین 0.4 و 2.3 ± متر بر اساس داده های بندر بوئناونتورا، به دست آمده از جداول جزر و مد برای منطقه مورد مطالعه نشان دادند [ 53 ].]. با در نظر گرفتن وضوح فضایی 3 متر، جابجایی احتمالی خط ساحلی توسط جزر و مد در داخل عدم قطعیت فضایی داده ها بود. تفسیر بصری خط ساحلی با استفاده از نرم افزار Catalyst (v 2022، PCI Geomatics، Ontario، Canada) و ArcGIS (v 10.8، ESRI، Redlands، کالیفرنیا، ایالات متحده آمریکا)، در ارتباط با نرم افزار Digital Shoreline Analysis System (DSAS) انجام شد. مکمل ArcGIS است و توسط پروژه مخاطرات تغییر ساحلی سازمان زمین شناسی ایالات متحده توسعه یافته است. DSAS به کاربر این امکان را می‌دهد که نرخ تغییر آمار را از چندین موقعیت ساحلی تاریخی محاسبه کند. میزان دفع/تغییر خط ساحلی از طریق نرم افزار با محاسبه پارامتر آماری نرخ نقطه پایانی (EPR) برآورد شد.54 ]. از خطوط ساحلی دیجیتالی شده برای چهار سال مورد بررسی ( شکل 2 )، تاریخ، مقدار عدم قطعیت و نوع خط ساحلی مطابق با فرمت DSAS استاندارد شده است. برای ایجاد خط پایه یکنواخت، از فاصله 25 متری برای ایجاد ترانسکت های عمود بر خطوط ساحلی استفاده شد.

2.3. توجیه شاخص ها

روشی برای تخمین آسیب پذیری به عنوان تابعی از قرار گرفتن در معرض، حساسیت و ظرفیت تطبیقی ​​در ارتباط با تجزیه و تحلیل فرسایش ساحلی در سطح حوضه برای درک چگونگی کاهش و انطباق با خطرات ناشی از بلایا در منطقه ساحلی بوئناونتورا در منطقه اجرا شد. کلمبیا اقیانوس آرام طبق IPCC [ 26 ]، آسیب پذیری از نظر قرار گرفتن در معرض، حساسیت و ظرفیت سازگاری توضیح داده می شود. در این کار، COVI به میزان مستعد بودن سیستم‌های ساحلی به اثرات فرسایش ساحلی و تغییرات جهانی اشاره دارد. COVI بر اساس شاخص قرار گرفتن در معرض (EI)، شاخص حساسیت (SI) و شاخص ظرفیت تطبیقی ​​(ACI) اصلاح شده از روش ساهانا و سجاد [ 29 ] توسعه یافته است.]، جایی که تاب آوری با ظرفیت تطبیقی ​​جایگزین می شود. این شاخص ارتباط متغیرهای فیزیکی را به روشی قابل سنجش با رویکرد تصمیم‌گیری با استفاده از تحلیل فضایی اجازه می‌دهد و وزن یکسانی به شاخص‌ها می‌دهد. قرار گرفتن در معرض و حساسیت با هم تأثیر بالقوه ای بر سیستم های ساحلی دارند و با آسیب پذیری بر اساس تمایل جمعیت ها و ویژگی های ساحلی به تأثیر منفی از مخاطرات طبیعی همبستگی مثبت دارند [ 25 ]. در مقابل، ظرفیت تطبیقی ​​به ایجاد انعطاف‌پذیری در برابر پیامدهای نامطلوب خطرات کمک می‌کند و این با آسیب‌پذیری همبستگی منفی دارد [ 26 ، 55 ].
بر اساس تحقیقات کتابشناختی ( جدول 1 )، در مجموع 16 شاخص برای ارزیابی کمی شاخص‌های آسیب‌پذیری، شاخص مواجهه، شاخص حساسیت و شاخص سازگاری انتخاب شد. شرح مفصلی از شاخص های انتخاب شده و روابط عملکردی آنها با آسیب پذیری در جدول 3 نشان داده شده است. پس از استقرار سیستم شاخص، مقادیر با استفاده از فرمول های مناسب تخصیص و وزن دهی شدند. هر متغیر در محدوده کیفی از 1 (خیلی کم) تا 5 (بسیار زیاد) رتبه بندی شد. برای ارزیابی آسیب پذیری ساحلی در زمینه خطرات زیست محیطی، از رویکرد تحلیل فضایی چند معیاره (MCSA) و روش میانگین ساده (SAM) استفاده شد. این روش های کمی به طور گسترده ای برای ارزیابی آسیب پذیری در چارچوب کاهش ریسک ساحلی استفاده می شوند [ 27 ، 28 ، 29 ، 30 ، 40 ، 41 ].

2.4. شاخص قرار گرفتن در معرض (EI)

EI شامل هشت عاملی است که باعث ایجاد خطر مواجهه بیوفیزیکی می شود و این عوامل از بررسی گسترده مطالعات قبلی و نظرات متخصصان گردآوری شده اند. شکل خط ساحلی در تحلیل آسیب پذیری به دلیل درجه مقاومت نسبی که یک ژئوفرم ساحلی می تواند در برابر فرسایش داشته باشد، اساسی است [ 56 ]. برای تعیین ژئومورفولوژی در منطقه ساحلی بوئناونتورا، نقشه های ژئومورفولوژیکی توسعه یافته توسط موسسه تحقیقات دریایی و ساحلی کلمبیا (INVEMAR) [ 45 ] و نقشه های ژئومورفولوژیکی مرکز تحقیقات اقیانوس شناسی و هیدروگرافی کلمبیا (CIOH) [ 57 ]] استفاده شده. واحدهای ژئومورفولوژیکی با استفاده از تجزیه و تحلیل ژئومورفومتریک [ 58 ] با مدل زمین دیجیتال (DTM) که از داده‌های رادار 2015 مشتق شده بود، تفسیر و در مقیاس دقیق‌تری (1:10000) تنظیم شدند . درجه تنوع توپوگرافی بر فرآیندهایی تأثیر می گذارد که از طریق آن رویدادهای آب و هواشناسی می توانند یک ساحل را در معرض سیل و عقب نشینی خط ساحلی قرار دهند [ 26 ، 59 ]. برای تعیین شیب در منطقه ساحلی از رادار DTM 2015 استفاده شد. نرخ تغییر خط ساحلی نشان‌دهنده ویژگی‌های تغییر بود که عمدتاً ناشی از فرسایش و برافزایش بود و نرخ تغییر با نرم‌افزار DSAS برای تعیین EPR محاسبه شد.
یکی از جنبه هایی که می تواند بیشترین آسیب پذیری را در مناطق ساحلی ایجاد کند، افزایش سطح دریا است [ 59 ]. برای تجزیه و تحلیل این جنبه، از داده های شطرنجی میانگین ماهانه و سالانه سطح دریا از مشاهدات ماهواره ای برای اقیانوس جهانی از سال 1993 تا 2020 استفاده شد و آنها توسط سرویس نظارت بر محیط زیست دریایی کوپرنیک (CMEMS) [ 60 ] ارائه شد.]. این مجموعه داده‌ها تخمین‌های جهانی سطح دریا را بر اساس اندازه‌گیری‌های ارتفاع‌سنجی ماهواره‌ای ارائه می‌کند، و این برآوردها با توجه به میانگین دوره مرجع بیست ساله (1993-2012) با استفاده از استانداردهای ارتفاع‌سنجی به‌روز محاسبه می‌شوند. داده ها در قالب NetCDF با وضوح افقی 0.25 × 0.25 درجه ارائه شده است. برای تعریف محدوده جزر و مدی میانگین (MTR)، مقادیر به دست آمده برای شهرداری بوئناونتورا از تجزیه و تحلیل Gallego و Selvaraj [ 20 ] استفاده شد. MTR با استفاده از میانگین اختلاف جزر و مد بالا (MHW)، رکورد حداقل 19 سال، و میانگین جزر کم (MLW) از داده های ثبت شده اندازه گیری جزر و مد بوئناونتورا ارائه شده توسط مرکز سطح دریای دانشگاه هاوایی (UHSLC) به دست آمد. ) [ 22]. ارتفاع موج قابل توجه نمایشی از انرژی موج است که با حرکت و انتقال رسوبات ساحلی مرتبط است [ 22 ]. برای منطقه مورد مطالعه، داده های قابل توجه ارتفاع موج توسط سیستم اطلاعاتی CMEMS ارائه شد. این اطلاعات با داده های مرکز اروپا برای پیش بینی هوای متوسط ​​(ECMWF) [ 61 ] گردآوری شده است.] در ERA5، تجزیه و تحلیل داده های تاریخی. تجزیه و تحلیل میانگین ماهانه داده های مدل را با مشاهدات از سراسر جهان در یک مجموعه داده کامل و سازگار در سطح جهانی ترکیب می کند. سه نقطه از شبکه جهانی ERA5 در عمق نسبی 15 متر انتخاب شد که بین مختصات 3°49’44.25″ شمالی، 77°23’32.05″ غربی، و 3°49’58.67″ شمالی، 77°7’46.89″ قرار دارد. W. داده‌ها در یک شبکه طول و عرض جغرافیایی منظم با وضوح افقی 0.25 × 0.25 درجه برای سال‌های 1959 تا 2020 مجدداً محاسبه شدند. مجموعه داده‌های قابل توجه ارتفاع موج برای منطقه اقیانوس آرام کلمبیا در قالب NetCDF استخراج شده است.
خطر سیل ناشی از فرآیندهای آب و هواشناسی با استفاده از نقشه های خطر در مقیاس 1:100000 از موسسه مطالعات هیدرولوژی، هواشناسی و محیط زیست (IDEAM) تعیین شد. این نقشه ها سیل را از 1 متر تا 6 متر در نتیجه موج طوفان، باران های شدید به دلیل تجمع تاریخی و سیل ناشی از نوسان جنوبی ال نینو (ENSO) نشان می دهد. درصد مساحت تحت سطوح مختلف خطر سیل برای ارزیابی میانگین خطر سیل محاسبه شد. ناهمواری زمین را می توان به طور کلی به عنوان یک مشخصه مربوط به بی نظمی یا توپوگرافی زمین تعریف کرد [ 62 ]. این نشان دهنده مقاومت سطح زمین در برابر نفوذ آب است. هرچه زبری و سینوسی سطح زمین بیشتر باشد، آسیب پذیری کمتر است [ 63 ]]. از مدل رقومی ارتفاع 2015، مقادیر زبری به دست آمد.

EI با معادله (1) به صورت زیر تعیین شد:

شاخص نوردهی = (EX1 + EX2 + EX3 + EX4 + EX5 + EX6 + EX7 + EX8)/8

که در آن EI تابعی از محدوده های ژئومورفولوژی (EX1)، شیب (EX2)، نرخ تغییر خط ساحلی (EX3)، نرخ افزایش سطح دریا (EX4)، محدوده جزر و مد متوسط ​​(EX5)، ارتفاع موج قابل توجه (EX6)، سیل است. خطر آبگرفتگی (EX7) و ناهمواری زمین (EX8).

2.5. شاخص حساسیت (SI)

حساسیت به عنوان عناصر در معرض خطر بیان می شود که در آن یک خطر بالقوه ممکن است ایجاد شود. یکی از جنبه های بسیار مهم حساسیت، تراکم جمعیت است زیرا نقش بسیار مؤثری در آسیب پذیری منطقه ساحلی ایفا می کند. تراکم جمعیت از آخرین سرشماری ملی نفوس و مسکن، که در سال 2018 بود، محاسبه شد [ 48 ]. فاکتور چند بعدی فقر از داده های سرشماری رسمی به دست آمد. در کلمبیا، شاخص اندازه گیری فقر چند بعدی توسط دپارتمان برنامه ریزی ملی (DNP) بر اساس اقتباس از روش آلکیره و فاستر (2011) [ 64 ] طراحی شد.]. برای کلمبیا، روش مستقیم نتایج رضایت (یا عدم محرومیت) را که یک فرد با توجه به ویژگی‌های جمعیتی خاصی که حیاتی تلقی می‌شوند، مانند سلامت، آموزش و اشتغال دارد [ 65 ] ارزیابی می‌کند.]. در منطقه مورد مطالعه، سکونتگاه‌های ساحلی در 6 کیلومتری خط ساحلی قرار داشتند و با نزدیک‌تر شدن سکونتگاه‌ها به ساحل، آسیب‌پذیری ساحلی آنها افزایش می‌یابد. این داده ها از اداره ملی آمار اداری (DANE) از چارچوب ملی زمین آماری (NGF) به دست آمده است. این لایه شامل بخش‌های سیاسی-اداری کلمبیا است: بخش‌ها و شهرداری‌ها، مراکز جمعیتی و سایر مناطق زمین‌آماری که در آن جمعیت ظاهر می‌شوند. در نهایت، این مطالعه از داده‌های پوشش زمین و استفاده از زمین در سطح شهرداری استفاده کرد که توسط شرکت خودمختار منطقه‌ای Valle del Cauca (CVC) با استفاده از روش پوشش زمین Corine اقتباس‌شده برای کلمبیا [ 66 ] ایجاد شد.]. تعیین کاربری و پوشش زمین در سکونتگاه‌های انسانی مختلف هنگام ارزیابی آسیب‌پذیری سواحل به دلیل تأثیرات اجتماعی-اقتصادی احتمالی و تأثیرات آنها بر جوامع بسیار مهم است.

SI توسط رابطه (2) به صورت زیر تعیین شد:

شاخص حساسیت = (SE1 + SE2 + SE3 + SE4)/4

که در آن شاخص حساسیت تابع محدوده‌های فقر چند بعدی (SE1)، سکونتگاه‌ها (SE2)، کاربری زمین و پوشش زمین (SE3) و جمعیت (SE4) است.

2.6. شاخص ظرفیت تطبیقی ​​(ACI)

ظرفیت تطبیقی ​​توانایی بالقوه یک سیستم برای مقاومت در برابر اثرات نامطلوب خطرات با استفاده از منابع، مهارت ها و فناوری موجود است [ 26 ]. بنابراین، یک عامل بسیار مهم در تعیین اثرات تغییرات آب و هوایی است. فاصله تا شبکه های جاده ای برای تعیین خدمات حمل و نقل با تهیه نقشه مجاورت با شبکه راه ها با استفاده از فاصله مشخص استفاده شد و این منطقه به پنج منطقه حائل تقسیم شد. به طور کلی، افزایش فاصله از جاده ها به دلیل دشواری دسترسی یا خروج از یک منطقه، نوردهی را افزایش می دهد. جمعیت آسیب پذیر بر اساس دسترسی به خدمات پزشکی از داده های زمین آماری سرشماری ملی نفوس و مسکن 2018 [ 48 ] کمی سازی شد.]. در دسترس بودن خدمات پزشکی در مناطق روستایی به تقویت خدمات بهداشتی در مواقع بروز حوادث خطرناک کمک می کند. ضریب فعالیت اقتصادی به‌عنوان مجموعه‌ای از پنج عاملی که می‌توانند تحت تأثیر مخاطرات ساحلی قرار گیرند، محاسبه شد که عبارت‌اند از ماهیگیری صنعتی، ماهیگیری صنایع دستی، اکوتوریسم، مناظر، و تفریح/سواحل که به درجات مختلف آسیب‌پذیر هستند.

این شاخص ها با آسیب پذیری همبستگی منفی دارند و به افزایش مقاومت جوامع ساحلی در برابر بلایای طبیعی کمک می کنند. ACI توسط رابطه (3) به صورت زیر تعیین شد:

شاخص ظرفیت تطبیقی ​​= (AC1 + AC2 + AC3 + AC4)/4

که در آن ACI تابعی از محدوده فعالیت های اقتصادی (AC1)، خدمات پزشکی (AC2)، فاصله تا جاده ها (AC3) و نرخ سواد (AC4) است.

2.7. شاخص آسیب‌پذیری ترکیبی (COVI)

شاخص آسیب‌پذیری ترکیبی (COVI) با EI و SI همبستگی مثبت محاسبه شد اما با ACI همبستگی منفی داشت. با استفاده از سه شاخص، آسیب پذیری با استفاده از رابطه (4) به شرح زیر تعیین شد:

COVI = (قرار گرفتن در معرض x حساسیت) – ظرفیت تطبیقی
با میانگین ساده نمرات نرمال شده (معادله (4)) محاسبه شد. مقدار بین 0 و 1 قرار دارد که نشان دهنده آسیب پذیری ساحلی بسیار کم تا بسیار زیاد است. مطالعات متعددی [ 27 ، 28 ، 40 ] وجود دارد که در سال‌های اخیر، معادله (4) را تأیید کرده‌اند. در مورد هند، ساهانا و سجاد 2019 [ 29 ] از تغییری استفاده کردند که عبارت ظرفیت انطباقی را با تاب آوری جایگزین می کند.

3. نتایج

3.1. نرخ جابجایی خط ساحلی

حرکات خط ساحلی با توجه به فرسایش و برافزایش یک شاخص مستقیم از خطر است. پارامتر آماری EPR خطوط ساحلی چند زمانی (1986 تا 2020) پس از محاسبه 7818 ترانسکت با ابزار DSAS برآورد شد. خط ساحلی بوئناونتورا 406 کیلومتر طول داشت. علاوه بر این، 35 درصد از ترانسکت ها در خط ساحلی مورد بررسی در منطقه مورد مطالعه به عنوان پایدار شناخته شدند. با این حال، 18٪ از خط ساحلی منعکس کننده فرآیندهای فرسایش، و 47٪ منعکس کننده فرآیندهای برافزایش ( شکل 3 a).
گروه بندی نتایج تجزیه و تحلیل حوضه، حوضه ها و مکان هایی با بیشترین فرسایش و برافزایش در جدول 4 مشخص شده است. بیشترین تغییر در خط ساحلی (فرسایش-برافزایش) طبق تجزیه و تحلیل EPR 96.23- متر در سال در مجاورت حوضه آبخیز Raposo در منطقه Bocana de Raposo ( شکل 3 b) و 95.83 متر در سال در مجاورت حوزه آبخیز خلیج مالاگا در Playa بود. La Concepción ( شکل 3 ج). روند کلی خط ساحلی بر اساس میانگین EPR (2.84 متر در سال) برافزایش بود.

3.2. قرار گرفتن در معرض فرسایش ساحلی

تقریباً 31.7 درصد از حوضه های آبخیز، متمرکز در مناطق مرکزی و جنوبی شهرداری بوئناونتورا، دارای امتیاز نوردهی کم تا بسیار کم بودند، در حالی که مناطق باقی مانده دارای امتیاز نوردهی متوسط ​​(23.2٪) بودند. از مجموع حوضه های آبخیز (10)، حداقل چهار حوضه به شدت در معرض فرسایش ساحلی (44.9٪) در محدوده های بالا تا بسیار زیاد قرار داشتند ( شکل 4 a). مقادیر EI با ناهمگونی جغرافیایی در میان حوضه های آبخیز ساحلی متفاوت بود، با خلیج مالاگا بالاترین مقادیر را ثبت کرد. این عمدتاً به نمرات نسبتاً بالاتر برای شیب، ارتفاع متوسط ​​موج، فرسایش ساحلی و خطر سیل در منطقه حوضه که مستقیماً در معرض دریا قرار دارد نسبت داده می شود ( شکل 4).آ). مکان‌ها در بیرونی‌ترین بخش خلیج به‌عنوان مناطق مصب رودخانه و مستقیماً تحت تأثیر فرآیندهای جزر و مدی تعریف می‌شوند و دارای سواحل شنی با ماسه‌هایی با منشأ قاره‌ای هستند که توسط رودخانه‌های ساحلی منتقل می‌شوند و تراکم زهکشی متوسطی دارند. در مقابل، خلیج مالاگا کمترین مواجهه بیوفیزیکی را دارد ( شکل 4 ب). این سناریو همچنین در خلیج بوئناونتورا، منطقه ای با کمترین میزان نوردهی، رخ می دهد. منطقه داخلی خلیج‌ها با مناطق وسیعی از حرا، سواحل کوچک و صخره‌ها مشخص می‌شود و امتیازات پایین‌تر برای این منطقه عمدتاً به عوامل خطر مرتبط با سیل، فرسایش ساحلی و ارتفاع موج متوسط ​​نسبت داده می‌شود ( شکل 4 ج). .

3.3. حساسیت به فرسایش ساحلی

تجزیه و تحلیل SI نشان داد که تقریباً 37٪ از مناطق به عنوان دارای نمرات حساسیت بسیار کم تا پایین طبقه بندی شدند، در حالی که مناطق باقی مانده به عنوان دارای امتیازات متوسط ​​(32٪) طبقه بندی شدند. علاوه بر این، برخی از حوضه های آبخیز بسیار تا بسیار حساس (29.4٪) بودند، همانطور که در شکل 5 نشان داده شده است. از بین تمام مناطق ساحلی، بالاترین SI برای شهر بوئناونتورا و حوزه آبخیز رودخانه داگوا ( شکل 5 ب) محاسبه شد، زیرا این مناطق دارای بالاترین امتیاز برای فقر چند بعدی و تراکم جمعیت هستند و تنها مناطق بزرگ و شهری هستند. در مقابل، کمترین SI برای داخل خلیج مالاگا محاسبه شد که عمدتاً به دلیل امتیازات پایین تر برای تراکم جمعیت و فقر چند بعدی و نبود مناطق شهری آن بود.شکل 5 ج). اکثر حوزه های آبخیز ساحلی با جنگل های حرا و پوشش گیاهی طبیعی حساسیت کمی به فرسایش ساحلی نشان دادند.

3.4. ظرفیت تطبیقی ​​با فرسایش ساحلی

ظرفیت تطبیقی ​​حوضه های آبخیز بوئناونتورا کم بود زیرا بیش از 85 درصد از کل مناطق با انعطاف پذیری کم تا بسیار کم مشخص می شدند. مکان هایی که عموماً توسعه زیرساختی کمی دارند یا اصلاً توسعه ندارند، هیچ ارتباطی با زمین از طریق جاده ندارند و این مناطق به منابع ساحلی و ارتباطات از طریق مسیرهای دریایی وابسته هستند. بقیه حوضه ها دارای امتیاز ظرفیت تطبیقی ​​متوسط ​​2/11 درصد و امتیاز ظرفیت تطبیقی ​​بالا تا بسیار بالا 1/3 درصد بودند. مقادیر ACI ناهمگونی فضایی زیادی را بین حوضه های آبخیز ساحلی نشان داد ( شکل 6 الف)، با بیشترین مقدار در خلیج بوئناونتورا ( شکل 6 ب) و کمترین مقدار در خلیج مالاگا ( شکل 6) رخ داد.ج). عاملی که بیشترین کمک را به ظرفیت سازگاری بالای خلیج بوئناونتورا داشت، وجود امکانات بهتر و دسترسی بیشتر به خدمات عمومی، مسیرهای حمل و نقل، خدمات تجارت و گردشگری، آموزش و خدمات پزشکی بود، در حالی که ظرفیت تطبیقی ​​خلیج مالاگا عمدتاً کاهش یافت. با امتیازات نسبتاً پایین آن برای این عوامل؛ علاوه بر این، نرخ باسوادی پایین آن باعث شد که این منطقه ظرفیت انطباقی کمی داشته باشد یا اصلاً نداشته باشد.

3.5. نتایج شاخص آسیب پذیری مرکب

تجزیه و تحلیل COVI نشان داد که حوضه های آبخیز ساحلی ناهمگونی فضایی زیادی را در سطوح آسیب پذیری خود نشان دادند ( شکل 7 ). در منطقه ساحلی بوئناونتورا، 31.4 درصد از منطقه دارای ارزش آسیب پذیری متوسط، 22 درصد دارای ارزش آسیب پذیری پایین و 4.5 درصد دارای ارزش آسیب پذیری بسیار پایین است. در مقابل، 16.18 درصد از منطقه دارای ارزش آسیب پذیری بالا و 25.8 درصد با مقادیر آسیب پذیری بسیار بالا بوده است که نشان می دهد 41.9 درصد از منطقه مورد مطالعه دارای بالاترین مقادیر آسیب پذیری ترکیبی بوده است. مناطق دریایی در معرض اقیانوس در حوزه آبخیز خلیج مالاگا ( شکل 8 الف، ب)، مانند حوضه های آبخیز آنچیکایا، راپوسو و کاجامبره ( شکل 8)a، c)، در برابر فرسایش ساحلی بسیار آسیب پذیر هستند، زیرا در منطقه مرکزی- جنوبی قرار دارند، جایی که نیروی هیدرودینامیکی به دلیل تغییر امداد ساحلی افزایش می یابد.
علل آسیب پذیری بالای این حوضه های آبخیز عدم توسعه اقتصادی و تاب آوری آنها، با نرخ بیشتر فقر چند بعدی، نرخ بی سوادی، فرسایش سواحل، ارتفاع متوسط ​​بالاتر موج و خطر سیلاب در منطقه حوضه است که به طور مستقیم در معرض خطر قرار دارد. دریا. در این حوضه‌ها، مکان‌هایی با سطوح آسیب‌پذیری بالا، مانند La Boca de La Barra، Ladrilleros، Juanchaco، La Base Naval، و بخش‌های بین Punta Domingo و Punta Culo de Barco وجود دارد ( شکل 8).ب). در حوضه آبخیز خلیج مالاگا، فضای داخلی خلیج دارای سطوح آسیب پذیری متوسطی بود. این حوضه، اگرچه در یک منطقه دورافتاده و صعب العبور واقع شده است، اما از یک منطقه حفاظت شده ملی (Parque Nacional Natural Uramba Málaga Bay) و یک منطقه حفاظت شده منطقه (Parque Natural Regional La Sierpe) ظرفیت بالایی برای بازیابی محیط زیست بیوفیزیکی خود دارد. ) برای توسعه گردشگری زیست محیطی و حفاظت از اکوسیستم توسعه یافته اند. این منطقه همچنین دارای تراکم جمعیت کم و حداقل اثرات فرسایش سواحل است، اما از نظر توانایی سازگاری به دلیل پایین بودن نرخ سواد جمعیت، کمبود خدمات عمومی و حداقل دسترسی به خدمات پزشکی، بسیار آسیب پذیر است. حوزه‌های آبخیز با سطوح آسیب‌پذیری کم تا بسیار کم در بخش‌های مرکزی (بوئناونتورا) و جنوبی (نایا) منطقه ساحلی رخ می‌دهند.
بوئناونتورا شبکه ای از جاده های شهری و مهم ترین بندر کلمبیا دارد که بیشتر فعالیت های تجاری در آن انجام می شود، در حالی که در اطراف بندر، زیرساخت ها و خدمات توسعه یافته است. علاوه بر این، این منطقه دسترسی بیشتری به خدمات، حمل و نقل، آموزش و خدمات پزشکی دارد. این با ظرفیت انطباقی نسبتاً بالاتر و قرار گرفتن در معرض بیوفیزیکی کمتر آن مرتبط است، که عمدتاً به امتیازات آسیب‌پذیری پایین‌تر برای سیل، فرسایش ساحلی و ارتفاع موج متوسط ​​نسبت داده می‌شود. از سوی دیگر، جامعه این منطقه به دلیل فقر چندبعدی بالا و بیشترین تراکم جمعیت در کل منطقه ساحلی از حساسیت بسیار بالایی برخوردار بود. حوزه آبخیز نایا عمدتاً به دلیل حداقل فرسایش ساحلی از سطح آسیب پذیری پایینی برخوردار است. در حالی که بالاترین نرخ افزایش، تراکم جمعیت کم و فقر چند بعدی کم را دارد. COVI به تخمین آسیب پذیرترین جمعیت ساحلی به عنوان تابعی از فرسایش ساحلی کمک کرد. در حال حاضر، 82008 نفر، که 26.2 درصد از کل جمعیت ساحلی بوئناونتورا را تشکیل می دهند، در حوزه آبخیز خلیج مالاگا زندگی می کنند.شکل 8 ب) و حوضه های Anchicayá و Raposo، که مستعدترین فرسایش هستند و تعداد بیشتری از مردم در مناطق با سطوح آسیب پذیری بسیار بالا در مقایسه با سایر حوضه های آبخیز ( شکل 8 c). با افزایش سطح دریا در سال 2100، تخمین زده می شود که تعداد افراد بسیار در معرض تهدید با توجه به سناریوی فعلی افزایش یابد.

4. بحث

ارزیابی آسیب پذیری ساحلی برای برنامه ریزی فضایی و کاهش خطر بلایا مهم است [ 7 ، 59 ]. در این مطالعه، فناوری سنجش از دور و GIS برای مطالعه تغییر خط ساحلی در بلندمدت با استفاده از حسگرهای فعال و غیرفعال با دقت معقول ادغام شدند. در تجزیه و تحلیل با ابزار DSAS از سال 1989 تا 2020، نشان داده شد که خط ساحلی بیشترین تغییر در فرسایش را با توجه به EPRs تجربه می‌کند که به ترتیب 96.2- متر در سال و 95.8 متر در سال در هر رویداد فرسایش و برافزایش ثبت شد. یک روند کلی در افزایش خط ساحلی با توجه به میانگین EPR 2.8 متر در سال، با افزایش کل 48٪ وجود داشت. با این حال، Cifuentes [ 31مطالعه از سال 1986 تا 2015 نشان داد که به طور متوسط، نرخ تغییر 0.2- متر در سال رخ می دهد که منعکس کننده روند فرسایش با حداکثر مقادیر EPR 26.9 متر در سال برافزایش و 21- متر در سال فرسایش ساحلی است. تفاوت‌های مشخص در مقادیر مطالعه قبلی با مقادیر این مطالعه ممکن است از پوشش زمانی بالاتر استفاده شده در این کار، عمدتاً در منطقه ساحلی La Concepción توضیح داده شود. این سناریو همچنین توضیح می‌دهد که چرا مطالعه Cifuentes [ 31 ] از داده‌هایی با وضوح فضایی پایین (30 متر) استفاده کرد. این مطالعه از پارامتر میانگین دامنه جزر و مد از کار Gallego و Selvaraj 2019 [ 22 ] استفاده کرد.]؛ داده ها از این مطالعه گرفته شده و به عنوان یک لایه تحلیل ادغام شده است. ما تأکید می کنیم که در کار ما، وضوح مکانی و زمانی بالاتری در همه متغیرهای فیزیکی و اجتماعی-اقتصادی استفاده شده است. با توجه به محدودیت‌های مطالعه، اطلاعات اقیانوس‌شناسی از مرکز کلمبیا برای داده‌های اقیانوس‌شناسی درخواست شد، که از آن امکان به‌دست آوردن مجموعه داده‌ای که کل دوره تجزیه و تحلیل را پوشش می‌دهد، وجود نداشت، بنابراین از داده‌های مقیاس جهانی ERA5 استفاده شد.
این مطالعه از COVI برای برآورد آسیب‌پذیری فضایی در برابر فرسایش ساحلی از طریق تجزیه و تحلیل حوضه‌های آبخیز ساحلی استفاده کرد. آسیب پذیری در منطقه Buenaventura توسط مطالعات قبلی مشخص شده است [ 13 ، 20 ، 21 ، 22 ، 31 ، 32 ]. با این حال، ارزیابی آسیب پذیری آن در برابر خطرات متعدد و پارامترهای فیزیکی، زیست محیطی و اجتماعی-اقتصادی، مانند COVI، کمترین توجه را در مطالعات روی منطقه ساحلی بوئناونتورا به خود جلب کرده است. تعیین COVI به عنوان تابعی از سه شاخص (EI، SI، و ACI) به طور جامع جنبه های حیاتی آسیب پذیری ساحلی را نشان می دهد.
تجزیه و تحلیل کلی شاخص‌ها نشان داد که حوضه خلیج مالاگا با توجه به EI بخش اقیانوسی منطقه ساحلی، عمدتاً به دلیل وزن عوامل فیزیکی (شیب، ارتفاع موج متوسط، فرسایش ساحلی و خطر سیل) بسیار در معرض قرار دارد. ). مطابق با نتایج Uribe و همکاران. [ 32 ]، شایع ترین خطرات طبیعی و انسانی در منطقه خارجی خلیج مالاگا رخ می دهد، و خطرات عمدتاً ناشی از فرسایش، فرسایش زیستی و رانش زمین مربوط به آب است. اوریبه و همکاران [ 32] بیان کرد که سواحل Juanchaco و Ladrilleros در منطقه خلیج مالاگا به طور دائم در معرض امواج قوی و فرآیندهای پر انرژی هستند. در مقابل، در بخش داخلی همان حوضه، کمترین مواجهه بیوفیزیکی رخ می دهد زیرا توسط خلیج محافظت می شود و این ناحیه داخلی دارای کمترین SI است. Ricaurte و همکاران [ 13] بیان کرد که عامل تعیین کننده تهدید فرسایش در منطقه اقیانوس آرام، آسیب پذیری، عمدتاً آسیب پذیری اجتماعی، اقتصادی و نهادی است و ما با این نتیجه موافق هستیم. در این مطالعه، تأثیر عوامل اجتماعی و اقتصادی (کمبود خدمات پزشکی، نرخ سواد پایین و حداقل فعالیت اقتصادی) بر نمرات آسیب‌پذیری تأیید شد و این تأثیر منجر به ACI پایین می‌شود که مانع از توانایی مقابله با خطرات ساحلی می‌شود. حوضه ای با بیشترین حساسیت به فرسایش طبق SI، بوئناونتورا است، که عمدتاً به دلیل امتیاز بالا برای عامل فقر چند بعدی و بالاترین تراکم جمعیت آن است. با این حال، این حوضه همچنین بالاترین مقدار ظرفیت تطبیقی ​​(ACI) را نشان می دهد، زیرا از بهترین امکانات و دسترسی بیشتر به انواع خدمات برخوردار است زیرا شهری ترین منطقه است.22 ]، که تأیید کرد که سیستم بیوفیزیکی خلیج بوئناونتورا به دلیل ویژگی‌های ژئومورفولوژیکی، شیب‌های تند و پوشش گیاهی بالا، درجه آسیب‌پذیری نسبی کمتری برای آن فراهم می‌کند.
نتایج مطالعه نشان داد که نوردهی بالا (EI) و به ویژه فقدان ظرفیت تطبیقی ​​(ACI) به طور مستقیم بر آسیب‌پذیری بالای منطقه مورد مطالعه تأثیر می‌گذارد، همانطور که CoVI نشان می‌دهد. حوضه های آبخیز ساحلی، مانند خلیج مالاگا و حوضه های آنچیکایا، کاجمبره و راپوسو، از نظر فیزیکی و اجتماعی-اقتصادی در برابر خطرات ساحلی آسیب پذیرترین هستند. عوامل اجتماعی و اقتصادی اصلی ترین عنصر داخلی هستند که آسیب پذیری را افزایش می دهند. همچنین 85 درصد از حوضه های آبخیز دارای ظرفیت تطبیقی ​​پایین بوده و خانوارها به آب آشامیدنی و منابع پزشکی دسترسی ندارند. اکثر خانوارها در منطقه ساحلی بوئناونتورا زیر سطح فقر زندگی می کنند و دسترسی بسیار محدودی به منابع اقتصادی دارند، بنابراین نمی توانند با هر نوع رویداد شدید کنار بیایند. این کار به تحلیل مسائل اجتماعی-اقتصادی، بیوفیزیکی، و جنبه های اکولوژیکی با هم برای ارائه اطلاعات ارزشمند در مورد عواملی که برای آسیب پذیری در سطح فضایی حیاتی هستند. کسانی که مسئول تصمیم گیری هستند احتمالاً می توانند در آسیب پذیرترین مناطق عمل کنند و از نتایج به عنوان مبنایی تحلیلی برای توسعه استراتژی های سازگاری در مواجهه با آسیب پذیری و تغییرات آب و هوایی استفاده کنند.

5. نتیجه گیری ها

استفاده از COVI نمای وسیعی از منطقه ساحلی بوئناونتورا در مقیاس دقیق ارائه کرد. 41.9 درصد از مناطق ساحلی دارای سطح بالایی از آسیب پذیری در برابر فرسایش هستند و تقریباً 82000 نفر در معرض خطر هستند. این تجزیه و تحلیل نشان داد که حوزه‌های آبخیز واقع در بخش‌های شمالی (خلیج مالاگا) و مرکزی (Anchicayá، Cajambre و Raposo) ناحیه ساحلی آسیب‌پذیرتر بودند. اگر این وضعیت ادامه یابد، واضح است که جمعیت به شدت تحت تأثیر افزایش رویدادهای فاجعه‌بار بالقوه، مانند افزایش سطح دریا و رویدادهای ENSO قرار خواهند گرفت.
بنابراین، آسیب پذیری منطقه در برابر فرسایش سواحل در آینده نزدیک افزایش می یابد و سیستم های اجتماعی-اقتصادی و اکولوژیکی را بیشتر تحت تأثیر قرار می دهد و برنامه ریزی اقدامات مدیریت بلایا را ضروری می کند. اقدامات ساختاری و غیرساختاری برای بهبود ظرفیت سازگاری ساکنان، بهبود انعطاف‌پذیری فیزیکی محیط و بهبود فعالیت‌های اجتماعی-اقتصادی جامعه مورد نیاز است. نتایج این نوع مطالعه می تواند به تصمیم گیرندگان در برجسته کردن اقدامات برای اولویت بندی مناطق ساحلی در توسعه برنامه های مدیریتی و برنامه ریزی کاربری زمین برای بهبود سازگاری سواحل با تغییرات آب و هوایی کمک کند.
این ارزیابی آسیب‌پذیری را می‌توان با گنجاندن سایر عوامل در شاخص‌ها، مانند یک مدل سیل هیدرولیکی سه بعدی، ارزیابی خدمات اکوسیستم، و جنبه‌های اجتماعی جمعیت‌شناختی گسترده‌تر، که برای آن داده‌های درجا و داده‌های نظارت فیزیکی تکمیلی مورد نیاز است، اصلاح کرد. در این کار از داده های موجود از حسگرهای نوری و رادار استفاده شد. با این حال، در آینده، داده‌های حسگرهای فعال با وضوح بالا، مانند تشخیص نور و محدوده (LIDAR)، می‌توانند مورد استفاده قرار گیرند زیرا می‌توانند نتایج دقیق‌تری از نظر مدل‌سازی زمین و خط ساحلی تولید کنند و اندازه‌گیری دقیق‌تری از  آسیب پذیری فضایی ارائه دهند.

منابع

  1. INVEMAR. Informe del Estado de los Ambientes y Recursos Marinos y Costeros en کلمبیا، 2019 ؛ Invemar: Santa Marta، کلمبیا، 2020؛ پ. 183. [ Google Scholar ]
  2. ریکاورت ویلوتا، سی. Gonzélez Arteaga، ME; کوکا دومینگز، او. Bejarano Espinosa، HM; مورالس ژیرالدو، دی اف. Correa Rojas، CX; بریسنو زولوآگا، اف. لگاردا، جی. Arteaga, M. Amenaza y Vulnerabilidad por Erosión Costera en Colombia: Enfoque Regional para la Gestión del Riesgo ; INVEMAR، اد. Instituto de Investigaciones Marinas y Costeras «José Benito Vives De Andréis»: سانتا مارتا، کلمبیا، 2018؛ جلد 33، ص. 268. [ Google Scholar ]
  3. گابلر، کالیفرنیا؛ اسلند، ام جی. گریس، جی بی. Stagg، CL; روز، RH; هارتلی، اس بی؛ انرایت، NM; از، ع. مک کوی، ام ال. مک‌لئود، JL تغییرات کلان اقلیمی انتظار می‌رود اکوسیستم‌های تالاب ساحلی را در این قرن متحول کند. نات. صعود تغییر 2017 ، 7 ، 142-147. [ Google Scholar ] [ CrossRef ]
  4. ریچارد، JTK; نیکولز، RJ; ساکودا، آر. میشل، سی. جیمز، ای. باکلی، EN گزینه های تکنولوژیکی برای سازگاری با تغییرات آب و هوایی در مناطق ساحلی. جی. ساحل. Res. 2001 ، 17 ، 531-543. [ Google Scholar ]
  5. هرملین، ام. مناظر ژئومورفولوژیکی و لندفرم های کلمبیا. در مناظر و لندفرم های کلمبیا ؛ هرملین، ام.، اد. انتشارات بین المللی اسپرینگر: چم، سوئیس، 2016; صص 1-21. [ Google Scholar ] [ CrossRef ]
  6. لیچر، ام. زویلی، دی. کلاین، ام. سیوان، دی. تغییرات سطح دریا در مدیترانه: گذشته، حال و آینده – مروری. در جلبک های دریایی و نقش آنها در محیط های در حال تغییر جهانی ؛ Seckbach, J., Einav, R., Israel, A., Eds.; Springer: Dordrecht، هلند، 2010; صص 3-17. [ Google Scholar ] [ CrossRef ]
  7. Adger، آسیب پذیری WN. گلوب. محیط زیست تغییر 2006 ، 16 ، 268-281. [ Google Scholar ] [ CrossRef ]
  8. کلیسا، JA; کلارک، PU؛ کازناو، ا. گریگوری، جی.ام. جورجوا، اس. لوورمن، ا. مریفیلد، MA; Milne، GA; Nerem، RS; Nunn، PD تغییر سطح دریا ; انتشارات دانشگاه کمبریج PM: کمبریج، بریتانیا، 2013. [ Google Scholar ]
  9. نیکولز، RJ تجزیه و تحلیل اثرات جهانی افزایش سطح دریا: مطالعه موردی سیل. فیزیک شیمی. Earth Parts A/B/C 2002 ، 27 ، 1455-1466. [ Google Scholar ] [ CrossRef ]
  10. Pandey، BW خطرات ژئومحیطی در هیمالیا: ارزیابی و نقشه برداری (حوضه Beas بالایی) . انتشارات میتال: دهلی نو، هند، 2002. [ Google Scholar ]
  11. ووگل، سی. O’Brien، KJ آسیب پذیری و تغییرات جهانی محیطی: بلاغت و واقعیت. Aviso Inf. گاو نر گلوب. محیط زیست Hum را تغییر دهید. امن 2004 ، 13 ، 1-8. [ Google Scholar ]
  12. مک کارتی، جی جی; کانزیانی، اف. لیری، NA; داکن، دی جی؛ White, KS Climate Change 2001: تأثیرات، سازگاری و آسیب پذیری: مشارکت گروه کاری II در سومین گزارش ارزیابی پانل بین دولتی در مورد تغییرات اقلیمی . انتشارات دانشگاه کمبریج: کمبریج، انگلستان، 2001; جلد 2. [ Google Scholar ]
  13. ریکورت ویلوتا، سی. Santamaría-del-Angel، E.; کوکا دومینگز، او. مورالس ژیرالدو، دی. González-Arteaga، M. عوامل تعیین کننده خطر و آسیب پذیری توسط فرسایش ساحلی در کلمبیا. کشیش Geográfica شیلی Terra Aust. 2021 ، 1 ، 129-139. [ Google Scholar ] [ CrossRef ]
  14. Rozemeijer، MJC پتانسیل اکولوژیکی دریایی و ساحلی برای توسعه اقتصادی کلمبیا ؛ IMARES: Yerseke، هلند، 2013. [ Google Scholar ]
  15. Gornitz، V. آسیب پذیری ساحل شرقی، ایالات متحده آمریکا در برابر افزایش سطح دریا در آینده. جی. ساحل. Res. 1990 ، 9 ، 201-237. [ Google Scholar ]
  16. گورنیتز، وی. سفید، TW; Cushman، آسیب پذیری RM ایالات متحده در برابر افزایش سطح دریا در آینده . آزمایشگاه ملی Oak Ridge: Oak Ridge، TN، ایالات متحده آمریکا، 1991. [ Google Scholar ]
  17. گورنیتز، VM؛ دانیلز، آرسی سفید، TW; Birdwell، KR توسعه پایگاه داده ارزیابی ریسک ساحلی: آسیب پذیری نسبت به افزایش سطح دریا در جنوب شرقی ایالات متحده. جی. ساحل. Res. 1994 ، 12 ، 327-338. [ Google Scholar ]
  18. Thieler، ER; Hammar-Klose، ارزیابی ملی ES از آسیب پذیری ساحلی در برابر افزایش سطح دریا: نتایج اولیه برای ساحل اقیانوس اطلس ایالات متحده ؛ سازمان زمین شناسی ایالات متحده: Reston، VA، ایالات متحده آمریکا، 1999. [ Google Scholar ]
  19. برا، ر. Maiti، R. ارزیابی آسیب پذیری ساحلی با استفاده از تکنیک های جغرافیایی. محیط زیست علوم زمین 2021 ، 80 ، 306. [ Google Scholar ] [ CrossRef ]
  20. کوکا دومینگز، او. Ricaurte-Villota، C. اعتبارسنجی تحلیل خطر و آسیب پذیری فرسایش ساحلی در سواحل کارائیب و اقیانوس آرام کلمبیا. J. Mar. Sci. مهندس 2019 ، 7 ، 260. [ Google Scholar ] [ CrossRef ]
  21. کوکا دومینگز، او. Ricaurte-Villota, C. Análisis de la evolución litoral y respuesta de las comunidades afro-descendientes asentadas en la zona costera: Caso de estudio La Barra, Buenaventura, Pacífico Colombiano. Entorno Geográfico 2019 ، 17 ، 7–26. [ Google Scholar ] [ CrossRef ]
  22. گالگو پرز، BE; Selvaraj، JJ ارزیابی آسیب پذیری ساحلی برای منطقه بوئناونتورا، کلمبیا: یک رویکرد جغرافیایی. Remote Sens. Appl. Soc. محیط زیست 2019 ، 16 ، 100263. [ Google Scholar ] [ CrossRef ]
  23. پرامانیک، MK; داش، پ. بهال، دی. بهبود نتایج برای متغیرهای اجتماعی-اقتصادی با شاخص آسیب پذیری ساحلی تحت افزایش قابل توجه سطح دریا: رویکردی از سواحل بمبئی. محیط زیست توسعه دهنده حفظ کنید. 2021 ، 23 ، 13819-13853. [ Google Scholar ] [ CrossRef ]
  24. سرافیم، MB; سیگل، ای. کورسی، AC؛ Bonetti، J. آسیب پذیری ساحلی در برابر اثرات موج با استفاده از یک شاخص چند معیاره: سانتا کاتارینا (برزیل). جی. محیط زیست. مدیریت 2019 ، 230 ، 21-32. [ Google Scholar ] [ CrossRef ]
  25. Arkema، KK; گوانل، جی. وروتس، جی. چوب، SA; گوری، ا. راکلشائوس، ام. کاریوا، پ. لاکایو، ام. نقره، JM زیستگاه های ساحلی از مردم و دارایی ها در برابر افزایش سطح دریا و طوفان محافظت می کنند. نات. صعود تغییر 2013 ، 3 ، 913-918. [ Google Scholar ] [ CrossRef ]
  26. کلاین، RJ; میدگلف، جی. پرستون، بی. علم، م. برخوت، ف. داو، ک. Shaw, M. Climate Change 2014: Impacts, Adaption, and Vulnerability ; گزارش پنجم ارزیابی IPCC; IPCC: استکهلم، سوئد، 2014. [ Google Scholar ]
  27. ژانگ، ی. وو، تی. Arkema، KK; هان، بی. لو، اف. راکلشائوس، ام. Ouyang، Z. آسیب پذیری ساحلی در برابر تغییرات آب و هوایی در حاشیه اقتصادی بوهای چین. محیط زیست بین المللی 2021 ، 147 ، 106359. [ Google Scholar ] [ CrossRef ]
  28. قوش، س. Mistri، B. ارزیابی آسیب پذیری ساحلی در برابر خطرات زیست محیطی دلتای Sundarban هند با استفاده از رویکردهای تصمیم گیری چند معیاره. ساحل اقیانوس. مدیریت 2021 ، 209 ، 105641. [ Google Scholar ] [ CrossRef ]
  29. ساهانا، م. سجاد، اچ. آسیب‌پذیری در برابر سیل طوفان با استفاده از تکنیک‌های سنجش از دور و GIS: مطالعه بر روی ذخیره‌گاه زیست‌کره سانداربان، هند. Remote Sens. Appl. Soc. محیط زیست 2019 ، 13 ، 106-120. [ Google Scholar ] [ CrossRef ]
  30. فورلان، ای. پوزا، PD; میچتی، ام. تورسان، اس. کریتو، آ. Marcomini، A. توسعه یک شاخص آسیب پذیری ساحلی چند بعدی: ارزیابی آسیب پذیری به سناریوهای طغیان در سواحل ایتالیا. علمی کل محیط. 2021 , 772 , 144650. [ Google Scholar ] [ CrossRef ]
  31. Cifuentes-Ossa، MA; روزرو-هنائو، LV; Josephraj-Selvaraj، J. Detección de cambios de la línea costera al norte del distrito de Buenaventura mediante el uso de sensores remotos. Boletín Investig. Mar. Costeras-INVEMAR 2017 , 46 , 137-152. [ Google Scholar ] [ CrossRef ]
  32. اوریبه-کاستاندا، ن. Satizabal، CA; هررا-اورزکو، ال. Cantera Kintz، JR Vulnerabilidad de los servicios ecosistémicos del área marina protegida Uramba. Boletín Investig. مارس کوستراس 2020 ، 49 ، 95–118. [ Google Scholar ] [ CrossRef ]
  33. Abdelaty، EF ارزیابی فرسایش ساحلی ساحل دلتای نیل با استفاده از سنجش از دور، GIS و شاخص آسیب پذیری ساحلی اصلاح شده. الکس. علمی اکسچ J. 2021 , 42 , 645-655. [ Google Scholar ] [ CrossRef ]
  34. بومبولیس، وی. آپوستولوپولوس، دی. دپونتیس، ن. نیکولاکوپولوس، ک. اهمیت ارزیابی ژئوتکنیکی و تکامل خط ساحلی در محاسبات شاخص آسیب پذیری ساحلی. J. Mar. Sci. مهندس 2021 ، 9 ، 0423. [ Google Scholar ] [ CrossRef ]
  35. سکوسکی، آی. دل ریو، ال. آرمارولی، سی. توسعه یک شاخص آسیب پذیری ساحلی با استفاده از فرآیند سلسله مراتبی تحلیلی و کاربرد در استان راونا (ایتالیا). ساحل اقیانوس. مدیریت 2020 , 183 , 104982. [ Google Scholar ] [ CrossRef ]
  36. کوراوغلو، ا. رناسینگه، ر. Jiménez، JA; دستغیب، ع. مقایسه کاربردهای شاخص آسیب پذیری ساحلی برای استان بارسلون. ساحل اقیانوس. مدیریت 2019 ، 178 ، 104799. [ Google Scholar ] [ CrossRef ]
  37. Mohd، FA; عبدالمولود، KN; کریم، OA; بیگم، RA; آوانگ، NA; احمد، ع. وان محمد ازهاری، WAH; کامارودین، MKA; جعفر، م. Wan Mohtar، WHM ارزیابی و سازگاری جامع آسیب‌پذیری ساحلی برای ساحل Cherating-Pekan، Pahang، مالزی. ساحل اقیانوس. مدیریت 2019 ، 182 ، 104948. [ Google Scholar ] [ CrossRef ]
  38. Hoque، MA-A. احمد، ن. پرادان، بی. روی، اس. ارزیابی آسیب‌پذیری ساحلی در برابر رویدادهای چند خطرناک با استفاده از تکنیک‌های مکانی در امتداد ساحل شرقی بنگلادش. ساحل اقیانوس. مدیریت 2019 ، 181 ، 104898. [ Google Scholar ] [ CrossRef ]
  39. حزامی، ع. هگی، ای. امرونی، ا. ماهه، جی. معنان، م. Abdeljaouad, S. آسیب پذیری نگران کننده ساحلی سواحل دلتایی و شنی شمال آفریقا. علمی Rep. 2021 , 11 , 2320. [ Google Scholar ] [ CrossRef ]
  40. رحمان، س. ساهانا، م. کومار، پی. احمد، ر. سجاد، اچ. ارزیابی آسیب پذیری خطرات ناشی از مناطق ساحلی هند با استفاده از شاخص های خاص سایت: یک رویکرد یکپارچه. جئوژورنال 2021 ، 86 ، 2245–2266. [ Google Scholar ] [ CrossRef ]
  41. مالیک، MRA؛ تنیم، ق. اسلام، پیامک تحلیل آسیب‌پذیری ساحلی سواحل بنگلادش با استفاده از تکنیک‌های جغرافیایی مبتنی بر منطق فازی. ساحل اقیانوس. مدیریت 2019 ، 174 ، 154-169. [ Google Scholar ] [ CrossRef ]
  42. کازانووا روزرو، RF; زامبرانو اورتیز، ام. ولاسکو ویناسکو، ای. رودریگز کویتیوا، DE; اسکوبار اولایا، GA; نارواز فلورز، اس. باتیستا دوارته، پ. Betancourt Portela، JM; پارا، JP Panorama de la Contaminación del Marina del Pacífico Colombiano، 2005–2010 ؛ Dirección General Marítima: بوگوتا، کلمبیا، 2012. [ Google Scholar ]
  43. کاستلانوس-گالیندو، GA; کرومه، یو. روبیو، EA؛ سنت پل، U. تنوع فضایی ترکیب مجموعه ماهی حرا در شرق اقیانوس آرام گرمسیری. کشیش ماهی بیول. ماهی. 2013 ، 23 ، 69-86. [ Google Scholar ] [ CrossRef ]
  44. INVEMAR. Informe del Estado de los Ambientes y Recursos Marinos y Costeros en Colombia، 2011 ; Invemar: Santa Marta، کلمبیا، 2012; جلد 8، ص. 203. [ Google Scholar ]
  45. Posada Posada, BO; هنائو پیندا، دبلیو. Guzmán Ospitia، G. Diagnóstico de la Erosión y Sedimentación en la Zona Costera del Pacífico Colombiano ; Instituto de Investigaciones Marinas y Costeras—INVEMAR: Santa Marta، کلمبیا، 2009. [ Google Scholar ]
  46. وگا، ال. کانتیلو، وی. آرلانا، جی. ارزیابی تأثیر پروژه‌های زیرساختی بزرگ بر تصمیم انتخاب بندر: مورد کلمبیا. ترانسپ Res. بخش A سیاست سیاست. 2019 ، 120 ، 132-148. [ Google Scholar ] [ CrossRef ]
  47. Comovamos, B. Informe de Calidad de Vida de Buenaventura 2019–2020 ؛ Buenaventura Comovamos: Buenaventura، کلمبیا، 2021; پ. 84. [ Google Scholar ]
  48. دانمارکی. Censo Nacional de Población y Vivienda (CNPV). 2018. در دسترس آنلاین: https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/censo-nacional-de-poblacion-y-vivenda-2018 (دسترسی در 24 ژانویه 2021).
  49. فلچر، سی. رونی، جی. باربی، م. Lim, S.-C.; ریچموند، بی. نقشه‌برداری تغییر خط ساحلی با استفاده از ارتوفتوگرامتری دیجیتال در مائوئی، هاوایی. جی. ساحل. Res. 2003 ، 38 ، 106-124. [ Google Scholar ]
  50. Rangel-Buitrago، N.; نیل، WJ; de Jonge، VN ارزیابی ریسک به عنوان ابزاری برای مدیریت فرسایش ساحلی. ساحل اقیانوس. مدیریت 2020 , 186 , 105099. [ Google Scholar ] [ CrossRef ]
  51. Inc, PL Specification, Planet Imagery Product ; Planet Labs Inc.: سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، 2020؛ پ. 97. [ Google Scholar ]
  52. سفید، ک. ال اسمار، HM نظارت بر تغییر موقعیت خطوط ساحلی با استفاده از تصاویر نقشه‌برداری موضوعی، نمونه‌ای از دلتای نیل. ژئومورفولوژی 1999 ، 29 ، 93-105. [ Google Scholar ] [ CrossRef ]
  53. Mareas، Td Tabla de Mareas، Valle del Cauca-Buenaventura. در دسترس آنلاین: https://tablademareas.com/co/valle-del-cauca/buenaventura (دسترسی در 10 ژوئیه 2021).
  54. هندسه خط ساحلی Oyedotun، TD: DSAS به عنوان ابزاری برای تحلیل روند تاریخی. ژئومورفول. فنی 2014 ، 3 ، 1-12. [ Google Scholar ]
  55. هان، مگابایت؛ Riederer، AM; فاستر، SO شاخص آسیب‌پذیری معیشت: رویکردی عمل‌گرایانه برای ارزیابی خطرات ناشی از تغییرات و تغییرات آب و هوایی – مطالعه موردی در موزامبیک. گلوب. محیط زیست تغییر 2009 ، 19 ، 74-88. [ Google Scholar ] [ CrossRef ]
  56. لوپز رویو، م. رناسینگه، ر. Jiménez، JA رویکردی سریع و کم هزینه برای ارزیابی آسیب پذیری ساحلی در سطح ملی. جی. ساحل. Res. 2016 ، 32 ، 932-945. [ Google Scholar ] [ CrossRef ]
  57. آلوارز، ام سی؛ برمودز-ریواس، سی. Niño, DC Caracterización de la geomorfología costera y sus coberturas vegetales asociadas, a través de sensores remotos en la Bahía de Buenaventura, Valle del Cauca. Boletín Científico CIOH 2016 ، 34 ، 49-63. [ Google Scholar ] [ CrossRef ]
  58. رویتر، HI; هنگل، تی. گسلر، پی. Soille, P. فصل 4 آماده سازی DEMs برای تجزیه و تحلیل ژئومورفومتریک. در تحولات علوم خاک ; Hengl, T., Reuter, HI, Eds. الزویر: آمستردام، هلند، 2009; جلد 33، ص 87–120. [ Google Scholar ]
  59. اشرف اسلام، م. میترا، د. دوان، ا. اختر، SH ارزیابی آسیب‌پذیری چند خطر ساحلی در امتداد سواحل دلتای گنگ بنگلادش – یک رویکرد جغرافیایی. ساحل اقیانوس. مدیریت 2016 ، 127 ، 1-15. [ Google Scholar ] [ CrossRef ]
  60. CMEMS. داده های شبکه بندی شده روزانه سطح دریا از مشاهدات ماهواره ای برای اقیانوس جهانی از سال 1993 تا کنون. در دسترس آنلاین: https://cds.climate.copernicus.eu/cdsapp#!/dataset/satellite-sea-level-global?tab=overview (در 5 مه 2021 قابل دسترسی است).
  61. ECMWF. میانگین داده های ماهانه ERA5 در سطوح تک از سال 1959 تا کنون. در دسترس آنلاین: https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-single-levels-monthly-means?tab=overview (در 5 مه 2021 قابل دسترسی است).
  62. گیسبرت، FJG; Martí, IC Rugosidad del terreno: Una característica del paisaje poco estudiada. Doc. تراب 2010 ، 10 ، 1. [ Google Scholar ]
  63. Saaty، TL سلسله مراتب تحلیلی و فرآیندهای شبکه تحلیلی برای اندازه گیری معیارهای نامشهود و برای تصمیم گیری. در تجزیه و تحلیل تصمیم گیری با معیارهای چندگانه: نظرسنجی های وضعیت هنر ; Greco, S., Ehrgott, M., Figueira, JR, Eds. Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2016; صص 363-419. [ Google Scholar ] [ CrossRef ]
  64. آلکیره، اس. فاستر، جی. شمارش و اندازه گیری چند بعدی فقر. جی. اقتصاد عمومی. 2011 ، 95 ، 476-487. [ Google Scholar ] [ CrossRef ]
  65. آنگولو سالازار، آرسی دیاز کوئروو، ی. پاردو پینزون، R. Índice de pobreza چند بعدی برای کلمبیا (IPM-کلمبیا). قوس. اقتصاد 2011 ، 382 ، 1997-2010. [ Google Scholar ]
  66. IDEAM. Leyenda Nacional de Coberturas de la Tierra: Metodología CORINE Land Cover Adaptada برای کلمبیا: Escala 1:100.000 ; ایده: بوگوتا، کلمبیا، 2010. [ Google Scholar ]
Ijgi 11 00568 g001 550
شکل 1. نقشه شهرداری بوئناونتورا و حوزه های آبخیز ساحلی آن.
Ijgi 11 00568 g002 550
شکل 2. نمونه ای از دیجیتالی شدن خط ساحلی خلیج بوئناونتورا در سال های مختلف: ( الف ) موزاییک عکاسی هوایی از سال 1986، ( ب ) تصویر رادار هوابرد از سال 2009، ( ج ) تصویر رادار هوابرد از سال 2015، ( د ) تصویر ماهواره ای PlanetScope 2020 .
Ijgi 11 00568 g003 550
شکل 3. نتایج تجزیه و تحلیل پارامتر EPR که مناطق فرسایش و برافزایش ساحلی را نشان می دهد. مکان‌های b و c مکان‌هایی را نشان می‌دهند که نواحی دارای تغییرات بزرگ هستند.
Ijgi 11 00568 g004 550
شکل 4. مواجهه با فرسایش ساحلی در منطقه مورد مطالعه.
Ijgi 11 00568 g005 550
شکل 5. حساسیت به فرسایش ساحلی در منطقه مورد مطالعه.
Ijgi 11 00568 g006 550
شکل 6. ظرفیت تطبیقی ​​در منطقه مورد مطالعه.
Ijgi 11 00568 g007 550
شکل 7. توزیع آسیب پذیری بر اساس حوزه آبخیز در منطقه مورد مطالعه.
Ijgi 11 00568 g008 550
شکل 8. شاخص آسیب پذیری ترکیبی در منطقه مورد مطالعه.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید