خلاصه

ارزیابی آسیب‌پذیری سواحل به دلیل تأثیرات تغییرات آب و هوایی، به ویژه برای افزایش سطح دریا، به بخشی ضروری از مدیریت سواحل در سراسر جهان تبدیل شده است. برای برنامه ریزی و اجرای اقدامات سازگاری در سطح خانوار، تجزیه و تحلیل در مقیاس بزرگ ضروری است. هدف اصلی این تحقیق بررسی و پیشنهاد یک روش ارزیابی ساده و قابل اجرا است که شامل سه پارامتر کلیدی جغرافیایی است: ارتفاع، فاصله تا خط ساحلی و مساحت ردپای ساختمان. دو روش پیشنهاد شده است – یکی بر اساس روش Index و دیگری بر اساس منطق فازی. در حالی که روش اول، پارامترهای کمی را به زیرشاخص‌های آسیب‌پذیری بدون واحد با استفاده از توابع (جلوگیری از طبقه‌بندی واضح) استاندارد می‌کند و آنها را خلاصه می‌کند. روش دوم پارامترهای کمی را به متغیرهای زبانی تبدیل می کند و منطق فازی را بیشتر پیاده سازی می کند. برای مقاصد مقایسه، روش سوم در نظر گرفته شده است: روش Index موجود با استفاده از مقادیر واضح برای زیرشاخص‌های آسیب‌پذیری. هر سه روش اجرا شدند و نتایج نشان دهنده تفاوت های قابل توجهی در ارزیابی آسیب پذیری آنها است. بحث در مورد مزایا و معایب منجر به نتیجه‌گیری زیر شد: اگرچه روش منطق فازی تقریباً تمام الزامات را برآورده می‌کند، یک روش کمتر پیچیده مبتنی بر توابع را می‌توان اعمال کرد و هنوز هم بهبود قابل توجهی را به همراه دارد. و نتایج نشان دهنده تفاوت معنی داری در ارزیابی آسیب پذیری آنها است. بحث در مورد مزایا و معایب منجر به نتیجه‌گیری زیر شد: اگرچه روش منطق فازی تقریباً تمام الزامات را برآورده می‌کند، یک روش کمتر پیچیده مبتنی بر توابع را می‌توان اعمال کرد و هنوز هم بهبود قابل توجهی را به همراه دارد. و نتایج نشان دهنده تفاوت معنی داری در ارزیابی آسیب پذیری آنها است. بحث در مورد مزایا و معایب منجر به نتیجه‌گیری زیر شد: اگرچه روش منطق فازی تقریباً تمام الزامات را برآورده می‌کند، یک روش کمتر پیچیده مبتنی بر توابع را می‌توان اعمال کرد و هنوز هم بهبود قابل توجهی را به همراه دارد.

کلید واژه ها:

تغییرات آب و هوایی ؛ منطق فازی ; GIS، خانگی ; روش شاخص ; بالا آمدن سطح دریا ؛ آسیب پذیری

1. معرفی

در حال حاضر، ارزیابی آسیب‌پذیری سواحل به دلیل تأثیرات تغییرات آب و هوایی یک ورودی ضروری برای فرآیندهای مدیریت ساحلی در سراسر جهان است [ 1 ]. تأثیر افزایش سطح دریا تأثیر اصلی آب و هوا است که هنگام مدیریت مناطق ساحلی، از تعیین استفاده در آینده تا برنامه ریزی اقدامات سازگاری، در نظر گرفته می شود [ 1 ، 2 ، 3 ]. اصطلاح «آسیب‌پذیری» تابعی از ویژگی‌های خطر، حساسیت دارایی‌های در معرض خطر و ظرفیت تطبیقی ​​است که همگی بر حسب زمان تغییر می‌کنند و به زمینه‌هایی مانند عوامل اجتماعی-اقتصادی بستگی دارند [ 2 ].]. مشخصه های خطر قرار گرفتن سیستم در معرض پدیده ها را مشخص می کند، حساسیت نحوه تاثیرگذاری بر سیستم را توصیف می کند و ظرفیت تطبیقی ​​توانایی سیستم را برای حفظ عملکرد خود مشخص می کند. به عنوان مثال، در مورد سیل، ویژگی های خطر عمق و سرعت آب است. حساسیت با تعداد افراد و دارایی های زیر آب نشان داده می شود. و ظرفیت تطبیقی ​​ظرفیت زیرساخت‌های اضطراری و سازه‌های پدافند سیل است. در این مقاله، «آسیب‌پذیری» به آسیب‌پذیری فیزیکی اشاره دارد، همانطور که در بالا توضیح داده شد، از دیدگاه مدیریت بلایا، تغییرات آب و هوا، و سایر جنبه‌های مرتبط [ 4 ].]. جامعه‌شناسی و اقتصاد به «آسیب‌پذیری اجتماعی» اشاره می‌کنند که بر شناسایی آسیب‌پذیرترین گروه‌های مردم تمرکز می‌کند و عوامل اجتماعی و دارایی‌های اقتصادی مانند فقر، دسترسی به غذا و مسکن، و سرمایه انسانی و اجتماعی را بررسی می‌کند [ 4 ، 5 ]. ارزیابی آسیب‌پذیری می‌تواند از یک رویکرد کمی مبتنی بر شاخص‌ها و شاخص‌های مرتبط یا یک رویکرد کیفی بر اساس دیدگاه‌های ذینفعان پیروی کند [ 6 ]. در این مقاله از رویکرد کمی مبتنی بر شاخص ها استفاده شده است.
آسیب‌پذیری نیازمند روش‌های ارزیابی است که در مقیاس‌های مختلف اعمال می‌شود: مکانی (بزرگ، متوسط ​​و کوچک)، زمانی (کوتاه‌مدت، میان‌مدت و بلندمدت)، و مدیریت (محلی، منطقه‌ای و ملی) [ 1 ]. در حالی که ارزیابی‌های مورد استفاده در سطح ملی یا منطقه‌ای آسیب‌پذیرترین مناطق را شناسایی می‌کنند و به اولویت‌بندی اقدامات کمک می‌کنند (مقیاس‌های بین 1:100.000 تا 1:25.000)، ارزیابی‌های مقیاس بزرگ برای برنامه‌ریزی و اجرای اقدامات سازگاری در سازمان ضروری است. سطح خانوار [ 3 ، 7 ]. مروری بر روش‌های ارزیابی آسیب‌پذیری ساحلی در [ 1 ] ارائه شده است]. این روش ها به چهار دسته طبقه بندی می شوند: روش های مبتنی بر شاخص، رویکردهای مبتنی بر شاخص، سیستم های پشتیبانی تصمیم گیری مبتنی بر GIS و روش های مبتنی بر مدل های کامپیوتری پویا.
روش‌های مبتنی بر شاخص و شاخص‌محور در رویکردهای روش‌شناختی که برای تعریف شاخص‌ها/شاخص‌ها استفاده می‌کنند، متفاوت هستند، اما در کمیت و ترکیب شاخص‌ها/شاخص‌ها در یک پارامتر واحد که آسیب‌پذیری را توصیف می‌کنند، مشابه هستند.
روش‌های مبتنی بر شاخص، شاخص آسیب‌پذیری (مقدار بدون واحد) را با خلاصه کردن زیرشاخص‌ها (مقادیر پارامترهای انتخاب‌شده) محاسبه می‌کنند [ 8 ، 9 ]. این روش به طور گسترده ای شناخته شده است و انواع مختلفی دارد، مانند شاخص آسیب پذیری ساحلی برای افزایش سطح دریا [ 10 ]، شاخص آسیب پذیری ترکیبی [ 11 ]، و شاخص آسیب پذیری ساحلی چند مقیاسی [ 12 ].]. روش‌های مبتنی بر شاخص با انتخاب پارامترهای کلیدی شروع می‌شوند که نشان‌دهنده فرآیندها یا دارایی‌های مهم برای آسیب‌پذیری ساحلی است. پارامترهای فیزیکی شامل ژئومورفولوژی، نرخ تغییر خط ساحلی، شیب ساحلی، نرخ افزایش سطح دریا، ارتفاع موج، دامنه جزر و مد، و نزدیکی به ساحل است. پارامترهای تأثیر انسانی عبارتند از تنظیم رودخانه، جبهه مهندسی، کاربری زمین، سازه‌های حفاظتی ساحلی، و غیره. پارامترهای اجتماعی-اقتصادی عبارتند از جمعیت آسیب‌دیده، میراث فرهنگی آسیب‌دیده، زیرساخت‌های آسیب‌دیده، و غیره. پارامترهای کلیدی آسیب‌پذیری ساحلی با استفاده از شاخص‌های 1 تا 5، که در آن 1 نشان‌دهنده سهم کم در آسیب‌پذیری ساحلی است و 5 نشان‌دهنده سهم بالایی در آسیب‌پذیری ساحلی است. کارشناسان طرح های طبقه بندی را توسعه داده اند، که در آن مقادیر پارامترهای کلیدی با مقادیر زیرشاخص‌ها طبقه‌بندی می‌شوند. به عنوان مثال، افزایش سطح دریا با نرخ کمتر از 1 میلی متر در سال به عنوان مقدار 1 برای زیرشاخص طبقه بندی می شود، که با نرخ 1-2 میلی متر در سال، مقدار 2 داده می شود، و با نرخ 2. -5 میلی‌متر در سال مقدار 3، با نرخ 5-7 میلی‌متر در سال، مقدار 4، و با نرخ 7 میلی‌متر در سال و بالاتر، مقدار 5 است [1 ]. مرحله نهایی، زیرشاخص‌ها را با استفاده از فرمول‌های انتخابی، مانند میانگین محصول یا مجموع میانگین، در یک شاخص واحد ادغام می‌کند. اصلاحات اضافی را می توان با استفاده از وزن برای زیرشاخص ها انجام داد. روش های مبتنی بر شاخص برای مقیاس های مختلف، از مقیاس های کوچک مورد استفاده در سطح ملی تا مقیاس های بزرگ مورد استفاده در سطح محلی، استفاده می شود.
رویکردهای مبتنی بر شاخص از شاخص‌هایی استفاده می‌کنند که عوامل آسیب‌پذیری ساحلی، مانند افزایش سطح دریا را نشان می‌دهند. شرایط آب و هوایی شدید؛ فرسایش و برافزایش سواحل؛ و دارایی های طبیعی، انسانی و اقتصادی در معرض خطر. شاخص ها عمدتاً برای اندازه گیری پیشرفت به سمت توسعه پایدار و راهنمایی تصمیم گیرندگان در مدیریت مناطق ساحلی تعریف و کمی سازی می شوند. بنابراین، این شاخص ها با شاخص های استفاده شده توسط روش های مبتنی بر شاخص که بر آسیب پذیری تمرکز دارند، متفاوت است. مشابه روش‌های مبتنی بر شاخص، شاخص‌ها را می‌توان بر اساس سهم آنها در آسیب‌پذیری ساحلی طبقه‌بندی کرد و در یک شاخص واحد آسیب‌پذیری ادغام کرد. برای مثال، پروژه Deduce Interreg مجموعه ای از 27 شاخص اصلی را برای توسعه پایدار منطقه ساحلی توسعه داد [ 13 ]]. سه شاخص آسیب‌پذیری تغییرات آب و هوا را مورد توجه قرار می‌دهند: (1) افزایش سطح دریا و شرایط آب و هوایی شدید (تعداد روزهای طوفانی، افزایش سطح دریا و طول خط ساحلی محافظت‌شده). (2) فرسایش و برافزایش ساحل (که با طول خط ساحلی پویا، مساحت و حجم تغذیه شن و ماسه و تعداد افرادی که در مناطق سیل‌زده ساحلی زندگی می‌کنند تعیین می‌شود). و (iii) دارایی‌های طبیعی، انسانی و اقتصادی در معرض خطر (تعیین شده توسط مناطق مناطق حفاظت‌شده و ارزش اقتصادی دارایی‌ها در مناطق سیل‌زده ساحلی). رویکردهای مبتنی بر شاخص برای ارزیابی های سطح ملی، منطقه ای و محلی استفاده می شود.
روش‌های پیچیده‌تر، مانند سیستم‌های پشتیبانی تصمیم مبتنی بر GIS یا مدل‌های کامپیوتری پویا، متناسب با یک منطقه مطالعاتی خاص هستند و از مجموعه داده‌های جامع (مدل‌های سه بعدی) و کاربردهای مهندسی استفاده می‌کنند. نمونه ای از سیستم پشتیبانی تصمیم گیری مبتنی بر GIS، DESYCO [ 14 ] است. این سیستم اثرات مختلف تغییرات آب و هوایی را ارزیابی می کند و یک روش ارزیابی ریسک منطقه ای را بر اساس تحلیل تصمیم گیری چند معیاره اجرا می کند. روش‌های مبتنی بر مدل‌های کامپیوتری پویا یا بر روی یک فرآیند ساحلی خاص تمرکز می‌کنند (به عنوان مثال، رویکرد RACE، تمرکز بر فرسایش ساحلی [ 15 ]) یا ارزیابی‌های یکپارچه از سطوح منطقه‌ای و ملی را ارائه می‌کنند (مانند DIVA [ 16 ]). کاربردهای مهندسی ساحل، مانند مجموعه مدل سازی Delft3D [ 17]، از مدل های سه بعدی استفاده کنید که می توانند برای ارزیابی آسیب پذیری ساحلی اعمال شوند.
برای تسهیل انتخاب مناسب ترین روش، رامیری و همکاران. [ 1 ] مزایا و معایب روش های توصیف شده در بالا را به شرح زیر خلاصه کرد. روش‌های مبتنی بر شاخص و شاخص برای پیاده‌سازی ساده و مناسب برای محدوده آسیب‌پذیری هستند، در حالی که سیستم‌های پشتیبانی تصمیم مبتنی بر GIS و مدل‌های کامپیوتری پویا ارزیابی‌های کمی دقیق و شناسایی اقدامات سازگاری را ارائه می‌دهند. معایب سیستم‌های پشتیبانی تصمیم مبتنی بر GIS و مدل‌های کامپیوتری پویا، الزامات بالای آنها برای داده‌ها و دانش تخصصی است. علاوه بر این، روش های پیچیده به راحتی توسط عموم قابل درک نیستند، بنابراین افزایش آگاهی و ایجاد انگیزه در مالکان برای شروع چنین اقدامات سازگاری دشوار می شود [ 1 ]]. حتی برای روش‌های Index، شاخص نهایی شفاف نیست، زیرا مفروضات مختلف، تعمیم‌ها، محاسبات و غیره را در بر می‌گیرد. Miller et al. [ 18 ] چالش هایی را که همیشه باقی می مانند: انتخاب متغیرهای نماینده برای منطقه مورد مطالعه، تعریف وزن برای شاخص ها، در دسترس بودن داده ها، و اعتبار سنجی نتایج توضیح داد.
وضعیت فعلی تحقیق در مورد ارزیابی آسیب پذیری را می توان بر اساس اهداف اصلی زیر گروه بندی کرد:
  • پاسخ به نیازهای کاربردهای خاص: اصلاح روش ها و مدل ها به تناسب مناطق جغرافیایی خاص و نیازهای مطالعاتی (مثلاً با معرفی پارامترها و مدل های جدید برای ارزیابی آنها) [ 1 ، 10 ، 11 ، 12 ، 13 ، 18 ، 19 ، 20 . ، 21 ];
  • بهبود روش های موجود: توسعه روش های پیچیده تر و پیچیده تر با استفاده از منطق فازی، فرآیندهای سلسله مراتبی تحلیلی و مدل های مشابه [ 14 ، 15 ، 16 ، 17 ، 22 ، 23 ، 24 ، 25 ، 26 ، 27 ، 29،30 ، 31 ، 32 ، 33 ، 34 ];
  • حمایت از مدیریت ساحلی: از جمله مسائل اجتماعی-اقتصادی بیشتر، فرآیندهای تصمیم گیری، یا آگاهی عمومی [ 33 ، 35 ، 36 ].
ارزیابی‌های آسیب‌پذیری در سطح منطقه‌ای به اندازه کافی دقیق نیستند که در برنامه‌ریزی کاربری اراضی مناطق ساحلی یا اقدامات سازگاری برنامه‌ریزی، به‌ویژه در مناطق شهری گنجانده شوند [ 3 ، 7 ، 19 ]. برای اینکه مقامات محلی بتوانند تأثیرات تغییر اقلیم را در فعالیت‌های مدیریت مناطق ساحلی بگنجانند، نیاز به روشی در مقیاس بزرگ برای ارزیابی هر ساختمان وجود دارد که از این پس روش سطح خانوار نامیده می‌شود. این ارزیابی باید شامل جنبه های اقتصادی، مانند آسیب ساختمان، جنبه های اجتماعی، مانند آسیب پذیری جمعیت، و اقدامات سازگاری در سطح خانوار باشد [ 4 ، 5 ، 37 ، 38 ، 39 ،40 ، 41 ].
کار قبلی نویسنده در چندین پروژه ارزیابی آسیب‌پذیری سواحل و سیل منجر به این تحقیق شده است و به طور خلاصه به شرح زیر است. برای تجزیه و تحلیل سطح منطقه‌ای، از روش Index استفاده شد و برای بخش‌های خط ساحلی در مقیاس 1:25.000 [ 42 ] یا برای مناطق در مقیاس 1:100.000، با تسلیت شطرنجی با اندازه پیکسل 100 x 100 متر [ 43 ] استفاده شد. ]. آخرین کار تجزیه و تحلیلی در مقیاس بزرگ را برای منطقه ساحلی شهر Kaštela ارائه کرد [ 44 ، 45]. باارزش‌ترین دارایی‌ها در این مطالعه، مانند ساختمان‌های مسکونی و تاریخی، در امتداد 23 کیلومتری خط ساحلی قرار داشتند و در حال حاضر مستعد سیلاب‌های ساحلی بودند. یک ارزیابی آسیب‌پذیری برای حمایت از توسعه اولویت‌ها و اقدامات برای برنامه اقدام ساحلی شهر Kaštela انجام شد. نیاز به ارزیابی آسیب‌پذیری اولیه برای هر ساختمان در منطقه ساحلی وجود داشت و بنابراین یک روش شاخص انتخاب شد. روش‌های مبتنی بر شاخص تمرکز بسیار گسترده‌تری دارند و بر روی ده‌ها شاخص توضیح داده می‌شوند. بنابراین، می توان از آنها برای اندازه گیری پیشرفت به سمت توسعه پایدار استفاده کرد. سیستم‌های پشتیبانی تصمیم مبتنی بر GIS و مدل‌های کامپیوتری پویا نیازهای بالایی برای داده‌ها و دانش تخصصی دارند. چنین مدل هایی می توانند در کارهای آینده برای ارائه راه حل های مهندسی دقیق برای مکان های انتخاب شده استفاده شوند. شاخص آسیب‌پذیری برای هر ساختمان با جمع‌بندی زیرشاخص‌ها محاسبه شد. چهار زیرشاخص بر اساس پارامترهای توصیف کننده مواجهه با خطرات (موقعیت ساختمان ها در منطقه خطر 1، 2، یا 3) و متغیرهای حساسیت (کاربری ساختمان، کاربری زمانی ساختمان، و وضعیت ساخت و ساز ساختمان) محاسبه شدند. با استفاده از روش مبتنی بر شاخص برای ارزیابی در مقیاس بزرگ، سؤالات زیر پدید آمدند:
  • برای ارزیابی آسیب‌پذیری در مقیاس بزرگ از چه واحدهای فضایی یا انواع تسلاسیون باید استفاده کرد؟
  • چگونه می توانیم با عدم قطعیت در ارزیابی آسیب پذیری مقابله کنیم؟
  • وقتی متغیرهای کلیدی پدیده های پیوسته را نشان می دهند، چگونه می توانیم از روش های مبتنی بر شاخص و شاخص با طبقه بندی های واضح استفاده کنیم؟
  • چگونه می‌توان آسیب‌پذیری را آسان‌تر توسط برنامه‌ریزان محلی و جامعه پذیرفت؟
بنابراین، کار مربوطه که روش‌های ارزیابی آسیب‌پذیری را در سطح بزرگ توصیف می‌کند، با توجه به سؤالات بالا [ 7 ، 25 ، 27 ، 32 ، 36 ، 37 ، 38 ، 39 ، 40 ، 41 ، 46 ، 47 ] تجزیه و تحلیل شد. بحث کوتاهی در ادامه می آید.
ویژگی های خطر، حساسیت دارایی های در معرض، و ظرفیت تطبیقی ​​همه با ویژگی های فضایی مختلف نشان داده می شوند. این عوامل در ویژگی‌های فضایی نهایی با مقادیر آسیب‌پذیری همگن ترکیب می‌شوند. رویکرد مورد استفاده در ارزیابی های متوسط ​​و کوچک به شرح زیر است. واحدهای فضایی که ارزیابی آسیب‌پذیری را نشان می‌دهند، اغلب واحدهای اداری هستند، مانند استان‌ها، شهرداری‌ها، شهرک‌ها، بلوک‌های شهر یا واحدهای آماری. مقادیر مجموع پارامترهای کلیدی محاسبه شده و به واحدهای فضایی انتخاب شده، مانند تعداد ساکنان در هر بلوک شهر، اختصاص می‌یابد. برای پدیده های پیوسته، مانند عمق آب، این مقادیر تجمعی (به عنوان مثال، میانگین عمق آب برای هر بلوک شهری) عدم قطعیت های خاصی را به ارزیابی وارد می کند. زیرا مقادیر پارامترهای کلیدی در تمام ناحیه تحت پوشش واحد فضایی همگن نیستند. تسلیط فضایی منظم نیز استفاده می‌شود، جایی که به سلول‌های با اندازه‌های کافی مقادیر پارامتر کلیدی اختصاص داده می‌شود و ارزیابی آسیب‌پذیری نهایی محاسبه می‌شود، اما همان علت عدم قطعیت باقی می‌ماند.
برای ارزیابی‌های مقیاس بزرگ، ارزیابی آسیب‌پذیری نهایی را می‌توان به واحدهای تسلیح فضایی معمولی با اندازه کوچک، به عنوان مثال، 1×1 متر اختصاص داد. ارزیابی‌های مقیاس بزرگ به اندازه‌ای خوب هستند که دارایی‌های خاص را متمایز کنند، بنابراین می‌توان از رویکرد دیگری نیز استفاده کرد: اختصاص آسیب‌پذیری به هر شی که نشان‌دهنده دارایی‌های آسیب‌دیده، مانند اشیاء زیرساختی (جاده‌ها، تاسیسات) یا ساختمان‌ها است. چندین مطالعه بر شناسایی ساختمان های آسیب دیده و محاسبه زیان های اقتصادی متمرکز شده اند زیرا ساختمان ها دارایی های کلیدی برای مردم هستند [ 7 , 37 , 38 , 39]. اقدامات انطباق، محاسبه آسیب به اشیاء فیزیکی، و پارامترهای آسیب پذیری اجتماعی-اقتصادی، مانند درآمد خانوار و بیکاری، همه از نظر فضایی به ساختمان ها اختصاص داده شده اند.
با توجه به عدم قطعیت‌ها در ارزیابی آسیب‌پذیری، داده‌ها می‌توانند مبهم باشند، همانطور که مدل‌ها و تعاریف مسئله می‌توانند مبهم باشند، اما ذهنیت در تصمیم‌گیری نیز وجود دارد [ 36 ، 46 ، 47 ]. به عنوان مثال، نمایش فضایی پدیده های مبهم، مانند سیل، با استفاده از چند ضلعی با مرزهای کاملاً مشخص، خطاهایی را در ارزیابی ها معرفی می کند [ 25 ، 37 ]. کارشناسان، همراه با تصمیم گیرندگان و سایر شرکت کنندگان درگیر، باید سهم پارامترهای کلیدی را کمی تعیین کنند و بنابراین سطح معینی از ذهنیت را معرفی کنند [ 36 ]]. برای جنبه‌های موضوعی، روش‌های مبتنی بر شاخص و شاخص برای ارزیابی آسیب‌پذیری شامل طبقه‌بندی دقیق پارامترها است، اگرچه عدم قطعیت‌هایی وجود دارد. در نهایت، آسیب‌پذیری، زمانی که توسط چند ضلعی‌هایی با شاخص‌های آسیب‌پذیری اختصاص‌یافته نشان داده می‌شود، عدم قطعیت وسعت مکانی و شاخص‌های آسیب‌پذیری را در بر می‌گیرد. جدیدی و همکاران [ 25] نمودار عدم قطعیت فضایی و روش های مدیریت آن را توسعه داد. ماهیت عدم قطعیت در توصیفات معرفتی آن است که با داده‌های اندازه‌گیری یا نمونه‌برداری شده، یا در توصیفات هستی‌شناختی آن که توسط تعاریف ویژگی‌هایی که می‌توانند به خوبی یا بد تعریف شوند، ارائه شود. هر ویژگی مکانی موقعیت، هندسه و توصیف خاص خود را دارد که می تواند نامشخص باشد. یکی از روش‌های مدل‌سازی این عدم قطعیت، نظریه مجموعه‌های فازی است که می‌تواند پدیده‌های پیوسته و ناهمگن را مدل‌سازی کند [ 25 ]. نظریه مجموعه های فازی مدلی برای “فازی” ارائه می دهد و در سال 1965 به عنوان بسط نظریه مجموعه های بولی معرفی شد [ 48 ].]. با توجه به جنبه‌های فضایی، نیاز به گنجاندن ابهام در تعریف مرزها وجود دارد که در استفاده از نمایش‌های برداری استاندارد، مانند چند خط، امکان‌پذیر نیست. بنابراین، مفهوم انواع داده های فضایی فازی همراه با عملیات مجموعه فضایی فازی و محمولات توپولوژیکی فازی معرفی شده است [ 27 ].
پارامترهای کلیدی که جنبه‌های آسیب‌پذیری را توصیف می‌کنند می‌توانند پدیده‌های فضایی پیوسته یا گسسته باشند. روش‌های مبتنی بر شاخص و شاخص از طبقه‌بندی‌های واضح برای تعیین کمیت سهم پارامترهای کلیدی استفاده می‌کنند. پارامترهای فیزیکی اغلب پدیده های پیوسته هستند، مانند ارتفاع، شیب، ارتفاع موج یا نزدیکی به ساحل. بنابراین، طبقه‌بندی واضح شاخص‌های آسیب‌پذیری از 1 تا 5، مرزهای واضحی را معرفی می‌کند و هیچ انتقالی از یک سطح آسیب‌پذیری به سطح دیگر وجود ندارد. در مورد سیل، قرار گرفتن در معرض سیل را می توان با چند ضلعی نشان داد و بر اساس ارتفاع آن از 1 تا 5 متر با سطح آسیب پذیری از 1 تا 5 طبقه بندی کرد. بنابراین، دو ساختمان با ارتفاعات 0.1 و 0.9 با 1 و ساختمان با ارتفاع 1.1 با 2 رتبه بندی می شوند که نمایش واقعی نیست. از آنجایی که قرار گرفتن در معرض سیل به تدریج تغییر می کند. یکی از رویکردهای پیشنهادی استفاده از طبقه‌بندی مبتنی بر قوانین فازی است. مطالعه آماری در مورد اینکه آیا تفاوت آماری قابل‌توجهی در عملکرد بین طبقه‌بندی مبتنی بر قانون واضح و فازی وجود دارد تأیید کرده است که این دو روش طبقه‌بندی معنای آماری یکسانی را ارائه می‌دهند [32 ]. در این کار، برعکس، آزمایش روش‌ها با استفاده از (در میان مراحل دیگر) طبقه‌بندی واضح و فازی منجر به تفاوت‌های قابل‌توجهی شد.
به منظور حمایت از مدیریت ساحلی، به ویژه اجرای اقدامات تطبیقی ​​در سطح خانوار، روش پیشنهادی برای ارزیابی در مقیاس بزرگ باید به راحتی توسط برنامه ریزان محلی و جامعه پذیرفته شود. از تجربه نویسنده، چنین روشی باید بر موارد زیر تأکید کند:
  • استفاده از داده‌های موجود (مجموعه‌های داده‌های در دسترس محلی/ملی یا باز)؛
  • استفاده از ابزارهای موجود (ابزارهای رایج مانند برنامه های صفحه گسترده و ابزار منبع باز GIS).
  • سادگی، سهولت درک و قابلیت اجرا توسط برنامه ریزان ساحلی و مدیران سطوح مختلف تخصص. و
  • آسیب‌پذیری را به طور مؤثر به ذینفعان مدیریت ساحلی (به عنوان مثال مقامات محلی، شرکت‌های آب و برق، عمومی) منتقل کنید.
برای نتیجه گیری، نیاز به روشی است که بتواند پاسخ سوالات فوق را ارائه دهد. کار مربوطه استفاده از ساختمان‌ها را به‌عنوان واحدهای فضایی برای ارزیابی آسیب‌پذیری و نظریه مجموعه‌های فازی برای حل عدم قطعیت و مشکلات طبقه‌بندی واضح پیشنهاد می‌کند. این تحقیق به بررسی انطباق روش‌های مبتنی بر شاخص با استفاده از رتبه‌بندی پیوسته و منطق فازی می‌پردازد. این تحقیق به تاثیر اصلی تغییر آب و هوا ناشی از افزایش سطح دریا [ 1 ]، و به سه پارامتر جغرافیایی کلیدی ارتفاع، فاصله تا دریا و منطقه ردپای ساختمان که برای همه مناطق جغرافیایی جهانی و برای ارزیابی آسیب‌پذیری ضروری هستند محدود شد. [ 3 ، 4 ، 5 ، 6 ، 7 ،13 ، 18 ، 37 ، 40 ، 41 ، 49 ]. بنابراین، دو روش جدید پیشنهاد می شود:
  • روش شاخص: رتبه بندی پیوسته بر اساس توابع. روش Index اصلاح شده از توابع استفاده می کند و مقادیر پیوسته را به زیرشاخص ها اختصاص می دهد.
  • روش منطق فازی: رتبه بندی بر اساس توابع عضویت. روش شاخص اصلاح شده از توابع عضویت منطق فازی، قوانین و محاسبه نتیجه گیری استفاده می کند.
روش سوم به منظور تجزیه و تحلیل اجرا می شود:
  • روش شاخص: رتبه بندی واضح بر اساس امتیازات، همانطور که در ادبیات شرح داده شده است، با استفاده از مقادیر واضح برای زیرشاخص ها.
روش‌های پیشنهادی جدید بر مشکلات طبقه‌بندی واضح غلبه می‌کنند. در حالی که روش اول پارامترهای کمی را از طریق توابع به زیرشاخص‌های آسیب‌پذیری بدون واحد استاندارد می‌کند و آن‌ها را خلاصه می‌کند، روش دوم پارامترهای کمی را به متغیرهای زبانی تبدیل می‌کند و منطق فازی را به گونه‌ای پیاده‌سازی می‌کند که به راحتی توسط غیرمتخصصان تکرار می‌شود، در حالی که همچنان در حال بهبود است. درک مشترک از ارزیابی هر دو روش از ردپای ساختمان به عنوان ویژگی‌های واضح استفاده می‌کنند که با مرزهای واضح (چند ضلعی) به عنوان موجودیت‌هایی که شاخص‌های آسیب‌پذیری به آنها اختصاص داده می‌شوند، تعریف می‌شوند. برای غلبه بر ماهیت پیوسته پارامترهای جغرافیایی، ارتفاع و فاصله تا دریا، این پارامترها در مناطق واضح طبقه بندی نمی شوند. اما مقادیر آنها به ردپای ساختمان اختصاص داده می شود و سپس توسط توابع یا توابع عضویت منطق فازی طبقه بندی می شود. بنابراین، این روش ها از اجرای پیچیده انواع داده های فضایی فازی یا مفاهیم مشابه اجتناب می کنند. روش منطق فازی پیشنهادی شامل تعریفی از متغیرهای زبانی برای ارزیابی پارامترهای ورودی (پارامترهای کلیدی جغرافیایی) و برای نتیجه نهایی است. بنابراین، این روش مفاهیم فنی و تعاریف آنها را با استفاده از معنایی که برای مدیران ساحلی و عموم مردم قابل درک است، در خود جای می دهد. روش منطق فازی پیشنهادی شامل تعریفی از متغیرهای زبانی برای ارزیابی پارامترهای ورودی (پارامترهای کلیدی جغرافیایی) و برای نتیجه نهایی است. بنابراین، این روش مفاهیم فنی و تعاریف آنها را با استفاده از معناشناسی که برای مدیران ساحلی و عموم مردم قابل درک است، در خود جای می دهد. روش منطق فازی پیشنهادی شامل تعریفی از متغیرهای زبانی برای ارزیابی پارامترهای ورودی (پارامترهای کلیدی جغرافیایی) و برای نتیجه نهایی است. بنابراین، این روش مفاهیم فنی و تعاریف آنها را با استفاده از معناشناسی که برای مدیران ساحلی و عموم مردم قابل درک است، در خود جای می دهد.
نتایج هر سه روش مقایسه شده و نتیجه گیری می شود. هدف نهایی این تحقیق پیشنهاد روشی ساده برای ارزیابی آسیب‌پذیری سواحل در سطح خانوار است که بتوان به‌طور گسترده و آسان از آن استفاده کرد و به‌عنوان هدف نهایی، پشتیبانی از مدیریت سواحل در زمینه تأثیرات تغییر اقلیم را ارائه کرد.

2. مواد و روشها

دو روش جدید پیشنهادی و یک روش موجود در این مطالعه پیاده‌سازی شده‌اند. نقطه شروع، انتخاب پارامترهای کلیدی جغرافیایی است. بر اساس این انتخاب، مجموعه داده های جغرافیایی ایجاد می شود و پارامترها برای هر ساختمان محاسبه می شوند. برای هر روش اجرا شده، سه مرحله مشترک وجود دارد. مرحله اول رتبه بندی را انجام می دهد، مرحله دوم محاسبات زیرشاخص ها را انجام می دهد یا برای روش منطق فازی قوانین را تعریف می کند و نتیجه گیری نهایی را ارائه می دهد. مرحله سوم یک شاخص آسیب پذیری واحد را برای هر ساختمان محاسبه می کند. در نهایت نتایج با هم مقایسه می شوند. شکل 1 این مراحل را نشان می دهد و پاراگراف های زیر به طور خلاصه آنها را توضیح می دهند.

2.1. انتخاب پارامترهای کلیدی جغرافیایی

یک مطالعه ادبیات برای شناسایی متغیرهای مکانی مورد استفاده برای ارزیابی آسیب‌پذیری ساحلی، و انتخاب بیشتر متغیرهای مهم برای افزایش سطح دریا و تجزیه و تحلیل سطح خانوار انجام شد. برای ارزیابی سطح خانوار، میلر و همکاران. [ 18 ] تلاش کرد تا تعداد شاخص‌ها را تنها به مرتبط‌ترین آنها کاهش دهد. نتیجه گیری آنها این بود که قرار گرفتن در معرض فیزیکی مهمتر از ویژگی های اجتماعی است. در مورد سیل ساحلی، ارتفاع و فاصله تا خط ساحلی، قرار گرفتن در معرض خطرات را توصیف می‌کند، در حالی که مناطق ردپای ساختمان، ساختمان‌ها را توصیف می‌کنند که دارایی‌های کلیدی برای مردم هستند [ 7 ، 37 ، 38 ، 39 ]]. بنابراین، پارامترهای انتخاب شده به شرح زیر است:
  • مساحت ردپای ساختمان؛
  • ارتفاع از سطح دریا؛
  • فاصله تا خط ساحلی
ساختمان ها به عنوان واحدهای فضایی برای ارزیابی آسیب پذیری در سطح خانوار توسط چندین کار مرتبط [ 3 ، 6 ، 7 ، 13 ، 18 ، 40 ] پیشنهاد شدند. مساحت ردپای ساختمان برای محاسبه اثرات اجتماعی-اقتصادی، مانند هزینه خسارت و پوشش بیمه، و برنامه ریزی اقدامات سازگاری در صورت وقوع سیل استفاده می شود. علاوه بر این، پارامترهای آسیب پذیری اجتماعی-اقتصادی، مانند درآمد خانوار و بیکاری، همگی از نظر فضایی به ساختمان ها اختصاص داده می شوند و بنابراین ارزیابی آنها می تواند به راحتی با هر یک از این پارامترها گسترش یابد.
دو پارامتر اساسی که قرار گرفتن در معرض سیلاب های ساحلی را توصیف می کنند، ارتفاع و فاصله از خط ساحلی هستند. ارتفاع، خطرات را با توجه به عمق سیل ساحلی توصیف می کند، و بنابراین ویژگی های فیزیکی را توصیف می کند. فاصله تا خط ساحلی نشان دهنده یک عامل روانی است، اما اهمیت اجتماعی نیز دارد، زیرا مردم هنگام زندگی در مناطق مستعد خطر، درک خطراتی دارند که بر رفتار آنها تأثیر می گذارد [ 3 ، 6 ، 7 ، 13 ، 18 ، 40 ]. پارامترهای جغرافیایی انتخاب شده به یکدیگر مرتبط نیستند.
شیب به عنوان یک پارامتر مکانی در تحلیل های کوچک و متوسط ​​استفاده می شود. با این حال، در تحلیل‌های مقیاس بزرگ که هر ساختمان ارزیابی می‌شود، شیب به ارزیابی آسیب‌پذیری ساختمان کمک نمی‌کند و انتخاب نمی‌شود.

2.2. منطقه و داده های مطالعه

منطقه مورد مطالعه 110 هکتار از منطقه ساحلی تا ارتفاع 3 متری از سطح متوسط ​​دریا را پوشش می دهد. این منطقه شهری از شهر Kaštela است که به طول 23 کیلومتر در امتداد خلیج Kaštela امتداد دارد و در ساحل شرقی دریای آدریاتیک واقع شده است. سکونتگاه های تاریخی ارزشمند و تفرجگاه های دریایی در نزدیکی دریا واقع شده اند و کل محدوده مورد مطالعه شامل 1657 بنا می باشد. به منظور ارزیابی هر ساختمان، داده‌های مقیاس بزرگ برای مدل رقومی ارتفاع (DEM)، خط ساحلی و ردپای ساختمان استفاده می‌شود. هدف استفاده از داده هایی بود که در سطح جهانی یا ملی در دسترس مقامات محلی است.
برای ارزیابی سطح خانوار، مدل‌های ارتفاعی دیجیتال جهانی رایگان نیازهای ما را برآورده نمی‌کنند زیرا وضوح فضایی آنها برای مناطق شهری بسیار درشت است [ 45 ]. برخی از کشورهای اتحادیه اروپا (EU) داده های DEM باز را با تفکیک فضایی 10 متر، 1 متر و حتی 0.5 متر منتشر کرده اند [ 50 ]، در حالی که سایر کشورهای اتحادیه اروپا همان قطعنامه ها را تحت توافق نامه ها و طرح های مالی خاص به مقامات محلی خود ارائه کرده اند. برای منطقه مورد مطالعه از داده های ملی DEM استفاده شده است. دقت عمودی مدل شبکه نامنظم مثلثی (TIN) به دست آمده از این داده ها برای بیش از 85 درصد از داده ها در مناطق شهری 0.35 ± متر برآورد شده است [ 51 ].]. مدل TIN به یک مدل شطرنجی با وضوح فضایی 1 متر (از این پس DEM Kaštela) تبدیل می شود.
داده های خط ساحلی و ردپای ساختمان از نقشه ملی در مقیاس 1:5000 در قالب دیجیتال موجود است و توسط مقامات محلی ملی برای اهداف برنامه ریزی فضایی استفاده می شود. بنابراین، آنها همچنین در مطالعه (آخر، ساختمان ها و خط ساحلی) استفاده می شوند. یک مجموعه داده جایگزین می‌تواند داده‌های خیابان باز (OSD) باشد، زیرا مطالعه در [ 52 ] به این نتیجه رسید که داده‌های ساختمان از OSD را می‌توان یک منبع داده معتبر و دقیق مطابق با مقیاس 1:5000 در نظر گرفت.

2.3. محاسبه پارامترهای جغرافیایی ساختمانها

نرم افزار منبع باز QGIS [ 53 ] برای محاسبه پارامترهای کلیدی مکانی برای ساختمان ها استفاده شد. شرح مختصری از محاسبات و توابع استفاده شده در ادامه می آید.
مساحت ردپای ساختمان از چند ضلعی ها به صورت جداگانه محاسبه شد. شکل 2 الف نتایج را نشان می دهد. ارتفاع از سطح دریا به عنوان مقدار میانگین ارتفاعات تحت پوشش ردپای ساختمان محاسبه شد. شکل 2 ب نتایج را نشان می دهد. فاصله تا خط ساحلی به عنوان کوتاهترین فاصله از ردپای ساختمان تا خط ساحلی محاسبه شد. ابتدا چند خطوط نشان دهنده ساختمان ها و خط ساحلی به گره تبدیل شدند و برای هر گره ساختمان، فاصله تا گره خط ساحلی محاسبه شد. در صورت لزوم، گره های نشان دهنده خط ساحلی می توانند متراکم شوند. برای به دست آوردن کمترین فاصله، فواصل محاسبه شده از گره های متعلق به یک ساختمان گروه بندی و مقدار حداقل انتخاب شد.شکل 2 ج نتایج این فرآیند را نشان می دهد. هر مرحله منجر به ذخیره یک مقدار جدید در جداول ویژگی ساختمان ها می شود.

2.4. مواد و روش ها

سه روش اجرا می شود:
  • روش شاخص: رتبه بندی واضح بر اساس امتیاز.
  • روش شاخص: رتبه بندی پیوسته بر اساس توابع.
  • روش منطق فازی: رتبه بندی بر اساس توابع عضویت.
برای پیاده‌سازی این روش‌ها، به‌ویژه برای تعریف رتبه‌بندی، سهم پارامترهای کلیدی جغرافیایی در آسیب‌پذیری باید بر اساس ارزیابی تخصصی منطقه مورد مطالعه تعریف شود.
برای شهر Kaštela، مطالعه ارائه شده در [ 44 ، 45 ]، مناطق خطر سیل ساحلی را به عنوان منطقه ای تا ارتفاع 1 متری از سطح دریا (در حال حاضر تحت سیل در هنگام موج های طوفان) تعریف می کند: منطقه 2 تا 2 متر بالاتر از دریا است. سطح، و منطقه 3 تا 3 متر بالاتر از سطح دریا است. برای فاصله از خط ساحلی، سهم برای فواصل تا 35 متر (که تماس بصری روزانه و نزدیک با دریا دارند)، متوسط ​​برای فواصل از 35 تا 75 متر و کم برای فواصل بیشتر از 75 متر تعریف می شود. برای منطقه ردپای ساختمان، سهم بر اساس هزینه های تعمیر ساختمان و پوشش بیمه [ 49 ] تعریف می شود. پوشش بیمه ای ارائه شده در بازار محلی به طور کامل هزینه های تعمیر زیرزمین ساختمان را برای حدود 15 متر پوشش می دهد2 مساحت، و هزینه تعمیر مساحت 45 متر مربع با میانگین دستمزد سالانه سرانه مطابقت دارد. بنابراین، مساحت کمتر از 15 مترمربع سهم کمی در آسیب‌پذیری دارد، از 15 تا 45 مترمربع سهم متوسطی دارد، و بزرگ‌تر از 45 مترمربع سهم زیادی در آسیب‌پذیری ساختمان دارد .
توضیح بیشتر در مورد کمک های تعریف شده در بالا به آسیب پذیری تمرکز این تحقیق نیست. علاوه بر این، تعاریف مشارکت ها به ویژگی های منطقه مورد مطالعه بستگی دارد و الزامات تحلیلی را نمی توان به طور کلی تعریف کرد. هر سه روش از طریق نرم افزار متن باز QGIS و یک ماشین حساب صفحه گسترده پیاده سازی شدند.

2.4.1. روش شاخص – رتبه بندی واضح بر اساس امتیازات

با استفاده از مشارکت پارامترهای کلیدی جغرافیایی ارائه شده توسط ارزیابی یک متخصص، زیرشاخص‌های آسیب‌پذیری با استفاده از مقادیر واضح برای رتبه‌بندی تعریف می‌شوند: 5 برای بالا، 3 برای متوسط، و 1 برای مشارکت کم ( جدول 1 ). رتبه بندی در شکل 3 نشان داده شده است. جدول ویژگی ساختمان ها از QGIS [ 53 ] صادر شد و محاسبات بیشتر در یک ماشین حساب صفحه گسترده با استفاده از عبارات ارائه شده در جدول 1 انجام شد.

تعریف یک آسیب پذیری واحد برای هر ساختمان به این معنی است که زیرشاخص ها باید در یک شاخص به نام شاخص تک یا نهایی ادغام شوند. رویکردهای مرتبط مختلف در ادبیات توصیف و اظهار نظر شده است، و یک مرور کلی در [ 1 ] ارائه شده است. از آنجایی که این تحقیق تنها به پارامترهای کلیدی جغرافیایی محدود شد، و هدف این بود که سهم پارامترهای آسیب‌پذیری را کمی مشخص کنیم، از ساده‌ترین معادله استفاده شد که میانگین زیرشاخص‌ها را نشان می‌دهد (معادله (1)).

V=Vآrهآ+Vهلهvآتیمنon+Vدمنستیآnجه3
شاخص‌های منفرد محاسبه‌شده در محدوده 1 تا 5 هستند و به نزدیک‌ترین اعداد صحیح، 1، 2، 3، 4 و 5 گرد می‌شوند که نمایانگر شاخص آسیب‌پذیری ساختمان است و آسیب‌پذیری را با استفاده از عبارات زبانی به شرح زیر تعریف می‌کند:
  • 1-آسیب پذیری کم
  • 2-آسیب پذیری متوسط ​​کم؛
  • 3-آسیب پذیری متوسط
  • 4-آسیب پذیری متوسط ​​بالا؛
  • 5-آسیب پذیری بالا
2.4.2. روش شاخص – رتبه‌بندی پیوسته بر اساس توابع
در اینجا، روش Index که قبلاً اجرا شده بود به گونه‌ای اصلاح شد که به جای رتبه‌بندی واضح، از رتبه‌بندی پیوسته استفاده شد. با استفاده از سهم پارامترهای کلیدی مکانی در آسیب‌پذیری ساختمان، زیرشاخص‌های آسیب‌پذیری با استفاده از توابع و تخصیص مقادیر زیر تعریف شدند: 5 برای سهم زیاد و 1 برای سهم کم همراه با مقادیر پیوسته از 1،1 تا 4. ,9 برای سهم متوسط ​​( جدول 2 ). توابع رتبه بندی در شکل 4 نشان داده شده است. محاسبات در یک ماشین حساب صفحه گسترده با استفاده از عبارات ارائه شده در جدول 2 انجام شد.
برای یک شاخص آسیب پذیری واحد از هر ساختمان، همان تعاریف و محاسبات مورد استفاده برای روش Index، با رتبه بندی واضح ارائه شده در پاراگراف قبلی ( بخش 2.4.1 ) استفاده شد.
2.4.3. روش منطق فازی – رتبه بندی بر اساس توابع عضویت

روش Index طوری اصلاح شد که به جای رتبه بندی واضح، توابع عضویت منطق فازی یک مقدار عضویت را به مجموعه فازی اختصاص دادند. در نظریه مجموعه های فازی، عضویت یک عنصر در یک مجموعه با تابع عضویت آن توصیف می شود. مقادیر تابع عضویت بین 0 و 1 است که نشان دهنده درجه عضویت است [ 48] و به صورت زبانی مانند «نزدیک» و «دور» توصیف می شوند. علاوه بر این، منطق فازی مفهوم جدیدی را از ادغام زیرشاخص‌ها در یک شاخص واحد از طریق استدلال منطقی با مدوس پونس تعمیم‌یافته (قوانین استنتاج) ارائه می‌کند، همانطور که در معادله (2) نشان داده شده است. در این تحقیق از روش منطق فازی ساده شده استفاده شده است. در اینجا نتیجه گیری یک قانون یک مجموعه فازی نیست بلکه یک عدد است. شاخص واحد برای هر ساختمان در اینجا با نتیجه گیری نهایی نشان داده شده است:

اگر Premise
(“متغیر فرض a” “مجموعه فازی A” است و “متغیر فرض b” “مجموعه فازی B” است…)
سپس Consequence
(“نتیجه” برابر با “عدد” است).
برای محاسبه نتیجه نهایی، شاخص واحد، چند مرحله اجرا می شود:
  • تعریف قوانین مبتنی بر مجموعه های فازی با عدد برای نتیجه گیری (معادله (3));
  • محاسبه توابع عضویت برای مجموعه های فازی (معادله (4)).
  • محاسبه حداقل مقادیر تابع عضویت در هر قانون (معادله (5)).
  • محاسبه مقدار نتیجه گیری در هر قانون (معادله (6))؛
  • محاسبه نتیجه نهایی (معادله (7)).
قانون 1 با نتیجه = C1 (عدد)
قانون 2 با نتیجه = C2 (تعداد)
…
تابع عضویت μ A :X → [0,1] که در آن μ A (x) مقدار عضویت x در A است
حداقل (قانون 1) = دقیقه (μ A1 (x)، μ B1 (y)، …)
حداقل (قانون 2) = دقیقه (μ A2 (x)، μ B2 (y)، …)
…
نتیجه گیری (قانون 1) = حداقل (قانون 1) · نتیجه گیری C1
(قانون 2) = حداقل (قانون 2) · C2
…
نتیجه گیری نهایی = ∑ نتیجه گیری (قانون i) / Σ Min (قاعده i).
شرح مختصری از مراحل اجرا شده در ادامه می آید. برای هر پارامتر مکانی، دو مجموعه منطق فازی و توابع عضویت متناظر آن‌ها بر اساس سهم آنها در آسیب‌پذیری ساختمان، همانطور که در مقدمه بخش 2.4 تعریف شد، تعریف می‌شوند . از توابع خطی استفاده می شود، زیرا در روش قبلی نیز استفاده می شد، بنابراین روش های بعدی را می توان با هم مقایسه کرد. جدول 3 نام و عبارات صفحه گسترده آنها را برای محاسبات آنها ارائه می دهد، در حالی که شکل 5 آنها را نشان می دهد.
برای تعریف قوانین، تمام ترکیبات مجموعه های فازی که پارامترهای جغرافیایی را نشان می دهند باید در نظر گرفته شوند. بنابراین، 8 قانون در جدول 4 فهرست شده است. پیامدهای این قوانین (که به صورت اعداد و عبارات زبانی بیان می شوند) نشان دهنده ارزش آسیب پذیری است که باید توسط یک متخصص ارزیابی شود. مراحل زیر شامل محاسبه حداقل مقادیر تابع عضویت در هر قانون و محاسبه مقدار نتیجه گیری برای قانون (ترکیبی از معادلات (5) و (6)) است. عبارت صفحه گسترده در جدول 4 آورده شده است.
نتیجه نهایی برای هر ساختمان با معادله (7) محاسبه می شود، و بیشتر به نزدیکترین اعداد صحیح 1، 2، 3 4 و 5 گرد می شود. بنابراین، نتیجه گیری نهایی نشان دهنده شاخص های آسیب پذیری نهایی ساختمان است که با عبارات زبانی بیان می شود – همان موارد استفاده شده در دو روش قبلی

3. نتایج

استفاده از مقادیر یکسان برای سهم پارامترهای کلیدی مکانی اما روش‌های مختلف برای رتبه‌بندی و ادغام آنها منجر به تفاوت‌های قابل‌توجهی در شاخص‌های آسیب‌پذیری اختصاص داده شده به ساختمان‌ها شد. نتایج در جدول 5 خلاصه شده و در شکل 6 ، شکل 7 و شکل 8 نشان داده شده است.
مجموع شاخص‌های آسیب‌پذیری منفرد برای تمام ساختمان‌ها محاسبه‌شده با سه روش تفاوت معنی‌داری نشان نمی‌دهد. بیشترین تفاوت 4٪ از ارزش مجموع است. هنگام در نظر گرفتن ساختمان های خاص، تفاوت قابل توجهی در ارزیابی آنها با استفاده از این سه روش وجود دارد.
با بررسی نمودار ارائه شده در شکل 6 ، بیشترین تفاوت ها برای شاخص آسیب پذیری 4 (در بین هر سه روش) مشاهده می شود، در حالی که برای شاخص آسیب پذیری 5، روش Index با رتبه بندی واضح تعداد ساختمان ها به طور قابل توجهی کمتر است. با معرفی رتبه‌بندی پیوسته برای روش Index، نتایج به نتایج روش منطق فازی نزدیک‌تر می‌شوند.
بررسی نمودارهای ارائه شده در شکل 7، یافته ها به شرح زیر است. در مقایسه روش‌های شاخص با استفاده از رتبه‌بندی واضح با روش‌های استفاده از رتبه‌بندی پیوسته، تفاوت‌های قابل توجهی در ارزیابی آسیب‌پذیری ساختمان وجود دارد: 18 درصد ساختمان‌ها دارای شاخص آسیب‌پذیری متفاوت هستند، اما تفاوتی بالاتر از 1 وجود ندارد. با مقایسه روش Index با استفاده از رتبه بندی واضح و روش منطق فازی، تفاوت ها حتی قابل توجه تر است: 28٪ از ساختمان ها دارای شاخص های آسیب پذیری متفاوت هستند، اما باز هم، تفاوتی بالاتر از 1 وجود ندارد. در نهایت، با مقایسه روش شاخص با استفاده از رتبه بندی پیوسته و روش منطق فازی، هنوز تفاوت های قابل توجهی وجود دارد. با این حال، این تفاوت ها کمی کوچکتر هستند: 16 درصد از ساختمان ها دارای شاخص آسیب پذیری متفاوتی هستند.
در نهایت، جدول صفحه گسترده با تمام مقادیر محاسبه شده به لایه Building در QGIS ملحق شده و تجسم ها انجام می شود. شکل 8 نقشه‌هایی را نشان می‌دهد که شاخص‌های آسیب‌پذیری واحد را برای ساختمان‌ها محاسبه شده با سه روش نشان می‌دهد: (الف) روش Index – رتبه‌بندی واضح بر اساس امتیازات. (ب) روش شاخص – رتبه بندی پیوسته بر اساس توابع. (ج) و روش منطق فازی – رتبه بندی بر اساس توابع عضویت. بالاترین مقدار آسیب‌پذیری (5) با قرمز رنگ می‌شود و رنگ‌ها به تدریج به آبی تغییر می‌کنند که نشان‌دهنده کمترین مقدار آسیب‌پذیری 1 است. خلاصه کردن تمام مقایسه‌های قبلی و مشاهده تجسم‌ها در شکل 8می توان نتیجه گرفت که روش Index با رتبه بندی واضح، مقادیر متوسط ​​بیشتری (2، 3، و 4) و مقادیر بسیار کمتری (1 و 5) را اختصاص می دهد. دو روش دیگر ساختمان‌های بیشتری را به بالاترین مقدار 5 اختصاص دادند (تقریباً 10٪ بیشتر)، با تعداد بیشتری از ساختمان‌ها که کمترین مقدار را در نظر گرفتند، زیرا در روش Index با رتبه‌بندی واضح، تقریباً هیچ مقدار 1 وجود ندارد.

4. بحث

نتایج فوق نشان می دهد که تفاوت معنی داری در شاخص های آسیب پذیری تخصیص یافته به ساختمان های محاسبه شده با روش های مختلف وجود دارد. از این رو، این سوال مطرح می شود: کدام روش را باید برای ارزیابی آسیب پذیری انتخاب کرد؟
برای استفاده از واحدهای فضایی مناسب، کارهای مربوطه به وضوح نشان می‌دهد که ساختمان‌ها واحدهای مناسبی هستند، زیرا دارایی‌های کلیدی در معرض دید هستند. علاوه بر این، پارامترهای اجتماعی-اقتصادی به خانوارها اختصاص داده می‌شوند و بنابراین می‌توان آنها را به راحتی به ردپای ساختمان اختصاص داد. هر سه روش می توانند از ساختمان ها یا هر دارایی در معرض دیگر به عنوان واحدهای فضایی برای ارزیابی آسیب پذیری استفاده کنند.
گاهی اوقات عدم قطعیت در ارزیابی آسیب‌پذیری از داده‌ها سرچشمه می‌گیرد. ابهام در مقادیر مشخصه توصیف کننده ویژگی ها قابل اجتناب نیست و باعث عدم قطعیت در توصیف ویژگی می شود. روش منطق فازی پیشنهادی با استفاده از توابع عضویت می تواند این عدم قطعیت ها را مدل کند، در حالی که دو روش دیگر نمی توانند. ابهام در تعریف مرزها باعث عدم قطعیت در موقعیت و هندسه ویژگی ها می شود. راه حل ارائه شده توسط کار مربوطه بر اساس انواع داده های فضایی فازی است که پیاده سازی آن پیچیده است و بنابراین در هیچ یک از روش های پیشنهادی گنجانده نشده است. بنابراین، این نوع عدم قطعیت ها باقی می مانند. همچنین یک عدم قطعیت در ارزیابی ناشی از تجمیع مقادیر پارامترهای کلیدی برای هر ساختمان وجود دارد. مثلا، میانگین ارتفاع و کوتاهترین فاصله محاسبه و به هر ساختمان اختصاص داده می شود، از جمله مقادیر آنها در ردپای ساختمان. یکی دیگر از منابع عدم قطعیت در ارزیابی تخصصی سهم پارامترهای کلیدی در آسیب‌پذیری نهفته است. این دو عدم قطعیت را می توان با توابع عضویت مدل کرد. بنابراین، روش منطق فازی می تواند این عدم قطعیت ها را حل کند، در حالی که دو روش دیگر نمی توانند.
طبقه‌بندی‌های واضح، وقتی برای پدیده‌های پیوسته اعمال می‌شوند، رضایت‌بخش نیستند. هر دو روش پیشنهادی جدید، با معرفی توابع یا توابع عضویت فازی، بر مشکلات روش‌های مبتنی بر شاخص موجود غلبه می‌کنند.
در نهایت، روش‌ها با این که چقدر آسان می‌توانند توسط مدیریت محلی اعمال شوند و توسط همه شرکت‌کنندگان پذیرفته شوند، ارزیابی می‌شوند. هر سه روش از ابزارهای به طور گسترده در دسترس و باز و همچنین داده های معمول در دسترس برای مدیریت محلی استفاده می کنند. روش منطق فازی نیازمند تلاش مشارکت کنندگان در درک مفاهیم نظریه مجموعه های فازی و منطق فازی است، در حالی که دو روش دیگر بسیار ساده تر و سرراست تر هستند. با این حال، روش منطق فازی در حمایت از رویکردهای کیفی برتر است و ارزش‌های معنایی مشترک با ادراک انسان را ارائه می‌کند. این امر با تبدیل پارامترهای کمی به متغیرهای زبانی مانند “کم” یا “بالا” و با بیان قوانین با عبارات زبانی به دست می آید.

5. نتیجه گیری ها

در ابتدای این تحقیق، ما چهار سؤال را مطرح کردیم که به الزامات استفاده از روش مبتنی بر شاخص برای تحلیل سطح خانوار می‌پردازد. جدول 6 مقایسه روش موجود و دو روش جدید پیشنهادی را بر اساس نحوه پاسخگویی آنها به این سؤالات خلاصه می کند.
جدول 6 به وضوح نشان می دهد که روش منطق فازی تقریباً تمام الزامات را برآورده می کند و روش مبتنی بر شاخص موجود را به طور قابل توجهی بهبود می بخشد، اما نیاز به تلاش بیشتری از طرف انسان دارد. کارکنان اداره محلی و برنامه ریزان شهری باید با مفاهیم مجموعه فازی و منطق فازی آشنا شوند، در غیر این صورت می توانند مانعی برای کاربرد این روش شوند.
روش Index با رتبه‌بندی پیوسته تنها یک پیشرفت را معرفی می‌کند: مدل‌سازی پدیده‌های پیوسته توسط توابع. با این حال، نتایج به طور قابل توجهی با نتایج به دست آمده توسط روش شاخص موجود با رتبه بندی واضح متفاوت است و در عوض به نتایج روش منطق فازی نزدیک تر است. مزیت این روش نسبت به روش منطق فازی این است که روش Index توسط افراد غیر متخصص به سادگی قابل درک است و در نتیجه پتانسیل بیشتری برای پذیرش و پیاده سازی توسط ادارات محلی دارد.
برای تعیین اینکه کدام روش را انتخاب کنید، همیشه بین جامعیت روش و منابع مورد نیاز برای اجرای آن، یک معامله وجود دارد. این تحقیق نشان داد که روش شاخص با رتبه‌بندی پیوسته می‌تواند جایگزینی برای روش منطق فازی باشد. بنابراین، روش شاخص با رتبه‌بندی مستمر برای استفاده توسط مدیریت محلی به عنوان یک روش ساده و قابل اجرا پیشنهاد شده است که همچنان ارزیابی آسیب‌پذیری را در سطح خانوار بهبود می‌بخشد.

منابع

  1. رامیری، ای. هارتلی، ا. باربانتی، ا. سانتوس، FD; گومز، آ. هیلدن، ام. لایهونن، پ. مارینووا، ن. Santini، M. روش‌های ارزیابی آسیب‌پذیری ساحلی در برابر تغییرات اقلیمی . مقاله فنی 1; مرکز موضوعی اروپایی در مورد تأثیرات، آسیب پذیری و سازگاری تغییرات آب و هوایی: بولونیا، ایتالیا، 2011. [ Google Scholar ]
  2. لاول، آ. اوپنهایمر، ام. دیوپ، سی. هس، جی. لمپرت، آر. لی، جی. مویر وود، آر. Myeong، S. تغییر آب و هوا: ابعاد جدید در خطر بلایا، قرار گرفتن در معرض، آسیب پذیری، و انعطاف پذیری. در مدیریت خطرات رویدادهای شدید و بلایای طبیعی برای پیشبرد سازگاری با تغییرات اقلیمی ؛ گزارش ویژه گروه های کاری I و II از پانل بین دولتی در مورد تغییرات آب و هوا، (IPCC). Field، CB، Barros، V.، Stocker، TF، Qin، D.، Dokken، DJ، Ebi، KL، Mastrandrea، MD، Mach، KJ، Plattner، G.-K.، Allen، SK، و همکاران، ویرایش. انتشارات دانشگاه کمبریج: کمبریج، انگلستان; نیویورک، نیویورک، ایالات متحده آمریکا، 2012; صص 25-64. [ Google Scholar ]
  3. کوئرت، جی. وافیدیس، ع. هینکل، جی. سازگاری ساحلی در سطح خانوار و محرک های آن: مروری مطالعه موردی سیستماتیک. ریسک مقعدی 2016 ، 37 ، 629-646. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  4. مورت، دبلیو. روش‌های ارزیابی آسیب‌پذیری: مروری بر ادبیات . بین‌المللی سلامت خانواده (FHI 360): دورهام، NC، ایالات متحده آمریکا، 2014. [ Google Scholar ]
  5. بروکس، ن. آسیب پذیری، ریسک و سازگاری: یک چارچوب مفهومی . کارنامه شماره 38; مرکز تحقیقات تغییرات آب و هوایی Tyndall: نورویچ، انگلستان، 2003. [ Google Scholar ]
  6. ژان باپتیست، ن. کوهلیکه، سی. کونات، ا. Kabisch, S. بررسی و ارزیابی شاخص های آسیب پذیری موجود برای ارزیابی آسیب پذیری مرتبط با آب و هوا در آفریقا . شماره 07; UFZ-Bericht، Helmholtz-Zentrum für Umweltforschung: لایپزیگ، آلمان، 2011. [ Google Scholar ]
  7. Almås، AJ; Hygen، H. اثرات افزایش سطح دریا تا سال 2100 بر ساختمان‌های نروژ. ساختن. Res. Inf. 2012 ، 40 ، 245-259. [ Google Scholar ] [ CrossRef ]
  8. Gornitz، VM آسیب پذیری سواحل شرقی، ایالات متحده آمریکا در برابر افزایش سطح دریا در آینده. جی. ساحل. Res. 1990 ، 9 ، 201-237. [ Google Scholar ]
  9. Gornitz، VM خطرات جهانی ساحلی ناشی از افزایش سطح دریا در آینده. Palaeogeogr، Palaeoclimatol. Palaeoecol. (Glob. Planet. Chang. Sect.) 1991 ، 89 ، 379-398. [ Google Scholar ] [ CrossRef ]
  10. Ozyurt، G. آسیب پذیری مناطق ساحلی در برابر افزایش سطح دریا: موردی از مطالعه در دلتای گوکسو. پایان نامه کارشناسی ارشد، دانشگاه فنی خاورمیانه، آنکارا، ترکیه، ژانویه 2007. در دسترس آنلاین: https://etd.lib.metu.edu.tr/upload/12608146/index.pdf (در تاریخ 8 اکتبر 2011 قابل دسترسی است).
  11. شلافشتاین، سی. استر، H. ارزیابی آسیب‌پذیری مبتنی بر GIS از مخاطرات طبیعی ساحلی، ایالت پارا، برزیل. جی. ساحل. حفظ کنید. 2007 ، 11 ، 53-66. [ Google Scholar ] [ CrossRef ]
  12. مک لافلین، اس. کوپر، JAG یک شاخص آسیب پذیری ساحلی چند مقیاسی: ابزاری برای مدیران ساحلی؟ محیط زیست خطرات 2010 ، 9 ، 233-248. [ Google Scholar ] [ CrossRef ]
  13. کنسرسیوم استنباط کنید. در دسترس به صورت آنلاین: https://www.msp-platform.eu/practices/assessment-model-sustainable -development-european-coastal-zones (در 15 ژانویه 2020 قابل دسترسی است).
  14. تورسان، اس. زابئو، ا. ریزی، جی. کریتو، آ. پیزول، ال. گیو، اس. مارکومینی، الف. ارزیابی ریسک و ابزارهای پشتیبانی تصمیم برای ارزیابی یکپارچه تغییرات آب و هوا در مناطق ساحلی. در مجموعه مقالات کنگره بین‌المللی مدل‌سازی محیطی و مدل‌سازی نرم‌افزار به خاطر محیط‌زیست، پنجمین نشست دوسالانه، اتاوا، ON، کانادا، 5 تا 8 ژوئیه 2010. Swayne, DA, Wanhong, Y., Voinov, AA, Rizzoli, A., Filatova, T., Eds.; انجمن بین‌المللی مدل‌سازی محیطی و نرم‌افزار: Manno، سوئیس، 2010. [ Google Scholar ]
  15. ارزیابی ریسک فرسایش ساحلی: بخش اول. در دسترس آنلاین: https://randd.defra.gov.uk/Document.aspx?Document=FD2324_7453_TRP.pdf (در 15 ژانویه 2020 قابل دسترسی است).
  16. DIVA. در دسترس آنلاین: https://www.pik-potsdam.de/research/projects/projects-archive/favaia/diva (در 15 ژانویه 2020 قابل دسترسی است).
  17. مجموعه مدلسازی Delft3D. در دسترس آنلاین: https://www.deltares.nl/en/software/delft3d-4-suite/ (در 15 ژانویه 2020 قابل دسترسی است).
  18. میلر، آ. رایتر، جی. Weiland، U. ارزیابی آسیب پذیری شهری در برابر سیل با استفاده از یک رویکرد مبتنی بر شاخص – مطالعه موردی برای سانتیاگو دی شیلی. نات. سیستم خطرات زمین. علمی 2011 ، 11 ، 2107-2123. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  19. کانتامانی، ک. دو، X. آهر، س. سینگ، آر. بلوک های ساختمانی: رویکرد کمی برای ارزیابی آسیب پذیری ساحلی. Water 2017 , 9 , 905. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. کیم، ی. چانگ، ES یک چارچوب تصمیم گیری قوی مبتنی بر شاخص برای مدیریت حوزه آبخیز در یک اقلیم در حال تغییر. علمی جمع. محیط زیست 2014 ، 473-474 ، 88-102. [ Google Scholar ] [ CrossRef ]
  21. کوراوغلو، ا. رناسینگه، ر. جیمنز، جی. دستغیب، ع. مقایسه کاربردهای شاخص آسیب پذیری ساحلی برای استان بارسلون. ساحل اقیانوس. مدیریت 2019 ، 178 ، 104799. [ Google Scholar ] [ CrossRef ]
  22. باصوفی، ع. فریضه، ع. Dzulkarnain، MR نگاشت حساسیت زمین لغزش با استفاده از منطق فازی: مطالعه موردی در Ponorogo، جاوا شرقی، اندونزی. در مجموعه مقالات کنفرانس بین المللی 2016 در مهندسی داده و نرم افزار (ICoDSE)، دنپاسار، اندونزی، 26-27 اکتبر 2016؛ صص 1-7. [ Google Scholar ] [ CrossRef ]
  23. واردانا، م. سفوان، ع. Setiawan، I. طراحی روش منطق فازی برای آسیب پذیری زمین لغزش. E3S Web Conf. 2019 , 125 , 03004. [ Google Scholar ] [ CrossRef ]
  24. سادریکیا، م. دلاور، م. مهدی، ZA مدل تصمیم گیری فازی مبتنی بر GIS برای ارزیابی آسیب پذیری لرزه ای در مناطق با داده های ناقص. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 119. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  25. جدیدی، م. مصطفوی، محمدرضا; Bédard، Y.; کیارش، S. بازنمایی فضایی ریسک ساحلی: رویکردی فازی برای مقابله با عدم قطعیت. ISPRS Int. J. Geo-Inf. 2014 ، 3 ، 1077-1100. [ Google Scholar ] [ CrossRef ]
  26. راشتنیا، اس. ارزیابی آسیب‌پذیری سیل با استفاده از روش منطق فازی: مطالعه موردی از ملبورن. پایان نامه کارشناسی ارشد، دانشگاه ویکتوریا، ملبورن، استرالیا، آگوست 2016. [ Google Scholar ]
  27. گالیندو، جی. اشنایدر، ام. انواع داده های فضایی فازی برای مدیریت عدم قطعیت فضایی در پایگاه های داده. در کتابچه راهنمای تحقیق در مورد پردازش اطلاعات فازی در پایگاه‌های داده ، ویرایش اول. گالیندو، جی.، ویرایش. IGI Global: Hershey، PA، USA، 2008; صص 154-196. [ Google Scholar ] [ CrossRef ]
  28. چو، TC انتخاب مکان کارخانه از طریق رویکرد فازی TOPSIS. بین المللی J. Adv. Manuf. تکنولوژی 2002 ، 20 ، 859-864. [ Google Scholar ] [ CrossRef ]
  29. Yong, D. انتخاب مکان گیاه بر اساس TOPSIS فازی. بین المللی J. Adv. Manuf. تکنولوژی 2006 ، 28 ، 839-844. [ Google Scholar ] [ CrossRef ]
  30. ژوئن، KS; چانگ، ES; کیم، وای جی؛ کیم، ی. رویکرد تصمیم گیری چند معیاره فازی برای آسیب پذیری خطر سیل در کره جنوبی با در نظر گرفتن تأثیرات تغییرات آب و هوا. سیستم خبره Appl. 2013 ، 40 ، 1003-1013. [ Google Scholar ] [ CrossRef ]
  31. کیم، ی. چانگ، ES; جون، اس ام; Kim, SU اولویت بندی بهترین مکان ها برای استفاده از فاضلاب تصفیه شده در حوضه آبخیز شهری با استفاده از Fuzzy TOPSIS. منبع. حفظ کنید. بازیافت. 2013 ، 73 ، 23-32. [ Google Scholar ] [ CrossRef ]
  32. جارا، ج. Acevedo-Crespo، R. Crisp Classifiers در مقابل Fuzzy Classifiers: A Study Statistical. محاسبه کنید. چشم انداز 2009 ، 5495 ، 440-447. [ Google Scholar ] [ CrossRef ]
  33. وادیاتی، م. اصغر، م. نخعی، م. آداموفسکی، جی. اکبرزاده، ق. رویکرد تصمیم‌گیری مبتنی بر منطق فازی برای شناسایی کیفیت آب‌های زیرزمینی بر اساس شاخص‌های کیفی آب‌های زیرزمینی. جی. محیط زیست. مدیریت 2016 , 184 . [ Google Scholar ] [ CrossRef ]
  34. والنتینی، ای. نگوین ژوان، آ. فیلیپونی، اف. Taramelli، A. ارزیابی آسیب پذیری ساحلی با استفاده از منطق فازی و رویکردهای شبکه باور بیزی. In Geophysical Research Abstracts 201, 19, EGU2017-18063 ; مجمع عمومی اتحادیه علوم زمین اروپا: وین، اتریش، 2017. [ Google Scholar ]
  35. آکتر، تی. Simonovic، S. تجمع نماهای فازی تعداد زیادی از سهامداران برای تصمیم گیری مدیریت سیل چندهدفه. جی. محیط زیست. مدیریت 2005 ، 7 ، 133-143. [ Google Scholar ] [ CrossRef ]
  36. لی، جی. ژوئن، KS; Eun-Sung، C. رویکرد تصمیم گیری گروهی برای شناسایی آسیب پذیری سیل با استفاده از روش VIKOR فازی. نات. سیستم خطرات زمین. علمی بحث و گفتگو. 2014 ، 2 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  37. شان، ایکس. ون، جی. ژانگ، ام. وانگ، ال. که، Q. لی، دبلیو. دو، اس. شی، ی. چن، ک. لیائو، بی. و همکاران خطر سیل شدید بر اساس سناریو ساختمان های مسکونی و املاک خانگی در شانگهای. پایداری 2019 ، 11 ، 3202. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  38. جدیدی، م. مصطفوی، محمدرضا; Bédard، Y.; لانگ، بی. Grenier, E. استفاده از پارادایم هوش تجاری مکانی برای طراحی یک مدل مفهومی چند بعدی برای ارزیابی ریسک فرسایش ساحلی کارآمد. جی. ساحل. حفظ کنید. 2013 ، 17 ، 527-543. [ Google Scholar ] [ CrossRef ]
  39. برمودز، م. Zischg، AP حساسیت تخمین‌های تلفات سیل به نمایش ساختمان و روش‌های انتساب عمق جریان در مدل‌سازی سیل در مقیاس میکرو. نات. خطرات 2018 ، 92 ، 1633-1648. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  40. هاتزیکیریاکو، ا. لین، ن. ارزیابی آسیب پذیری سازه ها و جوامع مسکونی در برابر موج طوفان: تحلیلی از تأثیر سیل در طول طوفان سندی. جلو. محیط ساخته شده 2018 ، 4 . [ Google Scholar ] [ CrossRef ]
  41. سوارت، آر. فونز، ج. گیرتسما، دبلیو. هوو، LV; جیکوبز، سی . شاخص های آسیب پذیری شهری. گزارش مشترک ETC-CCA و ETC-SIA. ETC CCA/ETC/SIA ; گزارش فنی 01; ETC CCA: بولونیا، ایتالیا، 2012. [ Google Scholar ]
  42. طرح ساحلی برای شهرستان شیبنیک-کنین (2015، PAP/RAC). در دسترس آنلاین: https://iczmplatform. org//storage/documents/pEoju2FqfXjzPoYBLsKZiD3o6ONBXxJ44RTWFt7P.pdf (دسترسی در 15 ژانویه 2020).
  43. آندریچویچ، آر. کنزیچ، اس. ورانش، م. باوچیچ، م. Jajac، N. گزارش در مورد ارزیابی اولیه آسیب‌پذیری سیل در حوضه رودخانه ساوا، پروژه آزمایشی تغییرات آب و هوا: ایجاد پیوند بین برنامه‌ریزی مدیریت ریسک سیل و ارزیابی تغییرات آب و هوایی در حوضه رودخانه ساوا، کمیسیون بین‌المللی حوضه رودخانه ساوا، 2013. موجود آنلاین: https://www.savacommission.org/project_detail/17/1 (دسترسی در 15 ژانویه 2020).
  44. مارگتا، جی. ویلیبیچ، آی. جاکل، ز. ماراسوویچ، ک. پتریچ، ال. مندیک، ا. گرگیچ، ا. بارتولوویچ، اچ. Baučić, M. نسخه پیش نویس: برنامه اقدام ساحلی برای شهر Kaštela ; گزارش فنی؛ JU RERA: اسپلیت، کرواسی، 2019. [ Google Scholar ]
  45. باوچیچ، م. ایویچ، م. یووانوویچ، ن. Bačić، S. تجزیه و تحلیل آسیب پذیری برای طرح مدیریت یکپارچه منطقه ساحلی شهر Kaštela در کرواسی. ISPRS–Int. قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2019 ، XLII-3/W8 ، 59–63. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  46. بگ، SH; ولش، مگابایت؛ براتولد، عدم قطعیت RB در مقابل تغییرپذیری: تفاوت چیست و چرا مهم است؟ در مجموعه مقالات انجمن مهندسان نفت، اقتصاد هیدروکربن و سمپوزیوم ارزیابی، هیوستون، تگزاس، ایالات متحده آمریکا، 19 تا 20 مه 2014. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. فیشر، پی. کامبر، ا. Wadsworth، R. رویکردهای عدم قطعیت در داده های مکانی. In Fundamentals of Spatial Data Quality , 1st ed.; Devillers, R., Jeansoulin, R., Eds. ISTE Ltd.: لندن، انگلستان، 2010; صص 43-59. [ Google Scholar ] [ CrossRef ]
  48. Zadeh, LA Fuzzy sets. Inf. کنترل 1965 ، 8 ، 338-353. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  49. ضرب المثل، DG; Soetanto, R. Flood Damaged Property, A Guide to Repair , 1st ed.; Blackwell Publishing Ltd: Hoboken, NJ, USA, 2004. [ Google Scholar ]
  50. مدل ارتفاعی دیجیتال باز (OpenDEM). در دسترس آنلاین: https://www.opendem.info/index.html (در 15 ژانویه 2020 قابل دسترسی است).
  51. شیمک، ک. مدک، د. Medved, I. Analiza visinske točnosti službenoga vektorskoga digitalnoga modela reljefa Republike Hrvatske dobivenog fotogrametrijskom restitucijom. Geod. فهرست 2018 ، 3 ، 217-230. [ Google Scholar ]
  52. بروولی، م. Zamboni، GA روش جدید برای ارزیابی دقت فضایی و کامل بودن ردپای ساختمان OpenStreetMap. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 289. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  53. QGIS. یک سیستم اطلاعات جغرافیایی رایگان و منبع باز. در دسترس آنلاین: https://qgis.org/en/site/ (دسترسی در 15 ژانویه 2020).
Ijgi 09 00263 g001 550
شکل 1. مراحل تحقیق.
Ijgi 09 00263 g002 550
شکل 2. نقشه هایی که پارامترهای کلیدی مکانی را برای هر ساختمان در منطقه مورد مطالعه نشان می دهد: ( الف ) مساحت ردپای ساختمان (m2 ) . ( ب ) ارتفاع از سطح دریا (متر)؛ ( ج ) فاصله تا خط ساحلی (m).
Ijgi 09 00263 g003 550
شکل 3. نمودارهایی که رتبه بندی دقیق پارامترهای مکانی کلیدی را نشان می دهد – زیرشاخص های آسیب پذیری: ( الف ) برای منطقه ردپای ساختمان. ( ب ) برای ارتفاع از سطح دریا. و ( ج ) برای فاصله تا خط ساحلی.
Ijgi 09 00263 g004 550
شکل 4. نمودارهایی که رتبه‌بندی پیوسته پارامترهای کلیدی جغرافیایی را نشان می‌دهند – زیرشاخص‌های آسیب‌پذیری: ( الف ) برای منطقه ردپای ساختمان. ( ب ) برای ارتفاع از سطح دریا. ( ج ) برای فاصله تا خط ساحلی.
Ijgi 09 00263 g005 550
شکل 5. نمودارهایی که توابع عضویت فازی پارامترهای کلیدی مکانی را نشان می‌دهند: ( الف ) ساختمان‌های کوچک و بزرگ برای ناحیه ردپای ساختمان. ( ب ) ارتفاعات کم و زیاد برای ارتفاع از سطح دریا. ج ) نزدیک و دور از دریا برای فاصله تا خط ساحلی.
Ijgi 09 00263 g006 550
شکل 6. نمودار نشان دهنده تعداد ساختمان هایی با شاخص های آسیب پذیری منفرد 1، 2، 3، 4 یا 5 است که با سه روش محاسبه شده است.
Ijgi 09 00263 g007 550
شکل 7. نمودارهایی که نشان می‌دهد چند ساختمان در شاخص‌های آسیب‌پذیری واحدشان تفاوت دارند که با دو روش محاسبه شده است (رنگ آبی نشان‌دهنده امتیاز 1-، قرمز امتیاز 1 است و خاکستری به معنای عدم تفاوت): ( الف ) روش شاخص با وضوح رتبه بندی – روش شاخص با رتبه بندی پیوسته. ( ب ) روش شاخص با رتبه بندی واضح – روش منطق فازی. و ( ج ) روش شاخص با رتبه‌بندی پیوسته – روش منطق فازی.
Ijgi 09 00263 g008 550
شکل 8. نقشه هایی که شاخص آسیب پذیری واحد را برای هر ساختمان در منطقه مورد مطالعه نشان می دهد . ( ب ) روش شاخص – رتبه بندی پیوسته بر اساس توابع. و ( ج ) روش منطق فازی – رتبه بندی بر اساس توابع عضویت.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید