خلاصه

ساختمان‌های غیرقانونی (IBs) یک مشکل چشمگیر در کشورهای در حال توسعه به دلیل انفجار جمعیت هستند، اما در عین حال، آنها یک مسئله حل نشده را در چندین کشور که معمولاً پیشرفته نامیده می‌شوند (مثلاً ایتالیا) نشان می‌دهند. برای حفاظت از محیط زیست و در نتیجه مردم، مقامات زمینی باید با تخریب آنها به چالش IB ها پاسخ دهند. با این حال، در کشورهایی که این پدیده گسترش یافته است، ارائه ابزار فناوری اطلاعات برای آن ارقام ضروری است که دستور تخریب را به آنها برمی گرداند. با استفاده از روش‌های سنجش از دور، ساختمان‌های مشکوک را می‌توان با تقریب خوبی شناسایی کرد، اما همه آنها بر اساس شرایط هستند. پژوهش خلاصه شده در این مقاله یک روش دو مرحله‌ای را برای مقابله با دسته خاصی از IBها، یعنی آنهایی که نزدیک به رودخانه‌ها هستند، رسمیت می‌دهد. این ساختمان ها مورد توجه ویژه مقامات زمین هستند زیرا افرادی که در داخل آنها زندگی می کنند یا به سادگی کار می کنند در معرض خطر سیل قرار دارند که هر ساله قربانیان زیادی در سراسر جهان می گیرد. مرحله اول روش، سرشماری IB های واقع در نزدیکی رودخانه ها را محاسبه می کند، در حالی که مرحله دوم رتبه بندی این ساختمان ها را محاسبه می کند. رتبه بندی ممکن است به عنوان دستور تخریب IB ها استفاده شود. در این مقاله، ساختار یک پایگاه داده مکانی (به طور خلاصه، SDB) پیشنهاد شده است که برای ذخیره داده های ورودی لازم برای حل مسئله و همچنین رتبه بندی نهایی مناسب است. پرس و جوهای SQL فضایی در برابر SDB روش دو مرحله ای پیشنهادی را پیاده سازی می کنند. یک مطالعه موردی واقعی برای اعتبار سنجی اولیه روش انجام شد. گام اول روش، سرشماری IB های واقع در نزدیکی رودخانه ها را محاسبه می کند، در حالی که مرحله دوم رتبه بندی این ساختمان ها را محاسبه می کند. رتبه بندی ممکن است به عنوان دستور تخریب IB ها استفاده شود. در این مقاله، ساختار یک پایگاه داده مکانی (به طور خلاصه، SDB) پیشنهاد شده است که برای ذخیره داده های ورودی لازم برای حل مسئله و همچنین رتبه بندی نهایی مناسب است. پرس و جوهای SQL فضایی در برابر SDB روش دو مرحله ای پیشنهادی را پیاده سازی می کنند. یک مطالعه موردی واقعی برای اعتبار سنجی اولیه روش انجام شد. مرحله اول روش، سرشماری IB های واقع در نزدیکی رودخانه ها را محاسبه می کند، در حالی که مرحله دوم رتبه بندی این ساختمان ها را محاسبه می کند. رتبه بندی ممکن است به عنوان دستور تخریب IB ها استفاده شود. در این مقاله، ساختار یک پایگاه داده مکانی (به طور خلاصه، SDB) پیشنهاد شده است که برای ذخیره داده های ورودی لازم برای حل مسئله و همچنین رتبه بندی نهایی مناسب است. پرس و جوهای SQL فضایی در برابر SDB روش دو مرحله ای پیشنهادی را پیاده سازی می کنند. یک مطالعه موردی واقعی برای اعتبار سنجی اولیه روش انجام شد. و همچنین رتبه بندی نهایی. پرس و جوهای SQL فضایی در برابر SDB روش دو مرحله ای پیشنهادی را پیاده سازی می کنند. یک مطالعه موردی واقعی برای اعتبار سنجی اولیه روش انجام شد. و همچنین رتبه بندی نهایی. پرس و جوهای SQL فضایی در برابر SDB روش دو مرحله ای پیشنهادی را پیاده سازی می کنند. یک مطالعه موردی واقعی برای اعتبار سنجی اولیه روش انجام شد.

کلید واژه ها:

ساختمان غیرمجاز ; سیل ؛ پایگاه داده مکانی ; SQL ; متریک ; رتبه بندی

1. معرفی

این مقاله در مورد ساختمان های غیرمجاز (IBs) واقع در نزدیکی رودخانه ها است. این ساختمان ها مورد توجه ویژه مقامات زمین هستند زیرا افرادی که در آنها زندگی می کنند یا به سادگی کار می کنند در معرض خطر سیل قرار دارند که هر ساله قربانیان بسیاری را در بسیاری از کشورها در سراسر جهان می گیرد. «سکونتگاه‌های غیررسمی» نام جایگزین IB است. UN-Habitat سکونتگاه‌های غیررسمی را این‌گونه می‌نامد: «(i) مناطق مسکونی که در آن گروهی از واحدهای مسکونی در زمین‌هایی ساخته شده است که ساکنان آن ادعای قانونی ندارند یا به‌طور غیرقانونی آن را اشغال کرده‌اند. 2) سکونتگاه های بدون برنامه و مناطقی که مسکن با مقررات برنامه ریزی و ساختمان فعلی مطابقت ندارد.
حضور IB ها در یک قلمرو مشخص فهرست طولانی از پیامدهای منفی دارد که به اختصار در زیر فهرست شده است:
  • IB ها بر بازار املاک تأثیر می گذارند، زیرا آنها سرمایه گذاری در توسعه املاک و مستغلات را منع می کنند.
  • IB ها بر توانایی دولت برای مدیریت و برنامه ریزی استفاده از زمین تأثیر می گذارد.
  • IB ها باعث کاهش درآمد دولت محلی می شود، زیرا مالکان آن خانه ها مالیات املاک را پرداخت نمی کنند.
  • IB ها تخریب چشم انداز، منبع اصلی درآمد کشورهایی مانند ایتالیا را به لطف گردشگری تعیین می کنند.
  • IB ها به گسترش فساد کمک می کنند.
  • IB ها بیشتر از سازه های قانونی در معرض خطرات طبیعی مانند زلزله (آزمون انطباق با ضوابط پایداری ساختمان نبوده اند، به عبارتی احتمال بالایی وجود دارد که از نظر سازه سازه ای ناایمن باشند) و سیل (یک مشکل). که بر IB های ساخته شده در حوضه آبریز رودخانه ها تأثیر می گذارد). این موضوع به ویژه شدید است زیرا با ایمنی ساکنان آن ساختمان ها مرتبط است. در سال 2018، مناطق مختلف ایتالیا – بالاتر از همه لیگوریا و سیسیل – متحمل سیل شدید با خسارت به ساختمان‌ها و قربانیان زیادی شدند. در آغاز نوامبر 2018، موج بد آب و هوا 12 قربانی در سیسیل به همراه داشت.
این کار یک معیار ( S ) را در پاسخ به دو قانون اعلام شده توسط دولت ایتالیا برای مبارزه با پدیده IBs پیشنهاد می‌کند: قانون شماره. 42 از 2004 ( Codice dei Beni Culturali e del Paesaggio – کد ملی میراث فرهنگی و منظر ) و قانون شماره. S 580-B سال 2018 ( اختلاف در معیارهای l’esecuzione di procedure di demolizione di manufatti abusivi – مقررات مربوط به ضوابط اجرای رویه های تخریب ساختمان های غیرقانونی ).
ماده 142 قانون شماره . 42 اصلاح در 150 متر عرض به اصطلاح نوار احترام ( اسofآر) اطراف نهرها، یعنی نوار زمینی که ساخت و ساز در آن حرام است. این ممنوعیت برای هر دو طرف رودخانه ها اعمال می شود و بدیهی است که مربوط به ساخت و سازهای جدید است. بسیاری از کشورها قانونی دارند که عرض SofR را تعیین می کند.
قانون شماره S 580-B مستلزم آن است که مقامات زمین، IB های واقع در منطقه صلاحیت خود را با پیروی از دستور تخریب آن ساخت و سازها بر اساس مجموعه بزرگی از معیارهای “عینی” تخریب کنند. امید قانونگذار این است که چنین دستوری ممکن است اقدامات قانونی مالکان را که معمولاً به دلیل فشار بیش از حد دادگاه ایتالیا سالها طول می کشد، از اقدامات قانونی دلسرد کند.
با توجه به قانون شماره 42، وظیفه اساسی که باید انجام شود، سرشماری IB ها است، در حالی که با استفاده از متریک S ، می توان آنها را رتبه بندی کرد. این رتبه بندی شهرنشینی غیرمجاز را به خطر سیل که افراد در آن ساخت و سازها در معرض آن هستند مرتبط می کند. با توجه به قانون شماره S 580-B، متریک S کاندیدای تبدیل شدن به یکی از معیارهایی است که بر اساس آن محاسبه رتبه بندی IB ها تجزیه می شود.
سهم دیگر این کار مربوط به ساختار یک پایگاه داده مکانی (به طور خلاصه، SDB ) است، که در آن مجموعه داده های ورودی مسئله و همچنین مقادیر S را می توان ذخیره کرد. مقادیر اخیر به عنوان پرس و جوهای فضایی SQL پیاده سازی می شوند. پیاده سازی عمومی است، بنابراین، می توان آن را به هر منطقه مطالعاتی منتقل کرد، مشروط بر اینکه SDB همان ساختار پیشنهادی در این مقاله را حفظ کند. علاوه بر این، این پیشنهاد می تواند در سیستم اطلاعات زمین که امروزه توسط اکثر برنامه ریزان زمین پذیرفته شده است، ادغام شود (به عنوان مثال، [ 1 ، 2 ]).
ساختار مقاله به شرح زیر است. بخش 2 (الف) بر ارتباط مسئله ای که توسط تحقیق به آن پرداخته شده است تمرکز دارد. (ب) تعاریف و نشانه‌هایی را معرفی می‌کند که در سرتاسر مقاله استفاده خواهند شد. (ج) روش دو مرحله ای پیشنهادی برای رتبه بندی IB های واقع در نزدیکی رودخانه ها را رسمی می کند. (د) معماری نرم افزار مرجع اتخاذ شده برای پیاده سازی روش را معرفی می کند و جداول SDB اساسی را فهرست می کند. بخش 3 در مورد یک مطالعه موردی در مورد یک منطقه ایتالیا گزارش می دهد. از مطالعه موردی برای اعتبار سنجی اولیه روش استفاده شد. بخش 4 به نقاط ضعف روش ما اشاره می کند.
اجرای SQL پیشنهاد در یک پیوست خارجی ارائه شده است ( مواد تکمیلی را ببینید ).
این مقاله یک مقاله قبلی [ 3 ] را به شرح زیر گسترش می دهد: اول از همه، با گسترش بخش مربوط به کار مرتبط. سپس با رسمی کردن روش و اجرای آن. در نهایت، با اضافه کردن یک مطالعه موردی واقعی.

2. مواد و روشها

2.1. ارتباط مسئله

کوندزوویچ و همکاران [ 4 ] اشاره کرد که در آینده نزدیک در اروپا خطر سیل افزایش خواهد یافت. برای محدود کردن خسارات ناشی از این خطر، اساسی است که (الف) برنامه ریزی شهری که این خطر افزایش یافته را در نظر بگیرد – پیشنهادی که از مطالعات دیگر نیز ظاهر شد (به عنوان مثال، [ 5 ]). (ب) شدت مداخله علیه IB ها را افزایش دهد.
بسیاری از مطالعات تأثیر شهرنشینی بر رویدادهای سیل را بررسی کرده اند (به عنوان مثال، [ 5 ، 6 ، 7 ، 8 ، 9 ، 10 ، 11 ، 12 ، 13 ، 14 ، 15 ]). با توجه به یافته های مطالعه Agbola و همکاران. [ 6 ]، علاوه بر بارندگی های طولانی مدت و طغیان رودخانه ها، عوامل انسانی نیز وجود دارد.از سیل ساخت و سازهای کنترل نشده ساختمان یک عامل مرتبط است زیرا چنین ساخت و سازهایی مانع از جریان آزاد آب می شود (و در نتیجه در معرض خطر زیاد سیل قرار می گیرند). گزارش در مورد سیل اوت 2011 در ایبادان (نیجریه)، Agbola و همکاران. [ 6 ] می گویند که در شهر 600 ساختمان نزدیک به سواحل رودخانه وجود داشت.
بقیه این بخش بر روی پدیده IB ها تمرکز دارد. در دهه‌های اخیر، شهرداری‌ها و دولت‌ها در تمام نقاط جهان با IB ها مبارزه کرده‌اند. مشکل IB ها در کشورهای در حال توسعه به دلیل انفجار جمعیت در حال تبدیل شدن به چشمگیر است (مطالعه موردی در مورد سکونتگاه های غیررسمی در باندونگ، اندونزی، توسط جونز گزارش شده است، [ 16 ]. مراجع [ 17 ، 18 ، 19 ] مقالات دیگری در همین زمینه هستند. نکته ای). در [ 19 ]، کیان گزارش داد که در سال 2013، در شنژن (چین)، IB ها 273000 بود که حدود 43٪ از کل منطقه ساخت و ساز را پوشش می داد. متأسفانه، IB ها در کشورهای به اصطلاح پیشرفته نیز یک مسئله حل نشده هستند . این مورد ایتالیا است (به عنوان مثال، [20 ، 21 ]).
در سال 2007، LegAmbiente، یک سازمان غیر دولتی ایتالیایی، نتایج یک مطالعه سراسری را منتشر کرد [ 22 ]. در این گزارش ذکر شده است که 402676 IB از سال 1994 تا 2003 در ایتالیا ساخته شده است. در سال 2018، LegAmbiente نتایج مطالعه دیگری را منتشر کرد، [ 23 ]. داده ها به تخلفات ثبت شده (یعنی تخلفاتی که برای آنها حکم تخریب صادر شده است) در تمام مناطق ایتالیا اشاره دارد. این گزارش دوره 2005 تا (ژوئن) 2018 را پوشش می دهد (در سال 2004، در ایتالیا آخرین عفو ​​ساختمانی وجود داشت). 57432 تعداد کل تخلفات ثبت شده است. جدول 1 (برگرفته از [ 21]) شاخص IB ها را در ایتالیا نشان می دهد (یعنی نسبت بین تعداد ساختمان های غیرمجاز به تعداد مجوزهای ساختمانی صادر شده توسط شهرداری ها). ارتباط تشخیص IB در ایتالیا نیز توسط Cialdea و Quercio [ 24 ] با مطالعه موردی مربوط به سکونتگاه‌های غیرقانونی در شهر Campobasso (پایتخت منطقه Molise، جنوب ایتالیا) و مناطق داخلی آن تاکید شد.
تاکنون چندین روش برای تشخیص خودکار ساختمان از تصاویر سنجش از دور با وضوح بالا پیشنهاد شده است ([ 25 ، 26 ، 27 ، 28 ، 29 ]). تعداد کمی از آنها به طور خاص بر روی تشخیص IB ها متمرکز هستند (به عنوان مثال، [ 30 ، 31 ، 32 ، 33 ، 34 ]). به زودی اکثر آنها به عنوان افزونه نرم افزار GIS در بازار در دسترس خواهند بود. این ساده‌ترین و سریع‌ترین راه برای تولید مجموعه‌داده‌های چرخه‌ای جدید در مورد منطقه مورد مطالعه برای به‌روزرسانی SDB اساسی است.
امروزه بسیاری از بخش‌های برنامه‌ریزی شهری در سراسر جهان از نرم‌افزار سامانه اطلاعات زمین برای مقابله با IB استفاده می‌کنند. به عنوان مثال یانگ و همکاران. [ 33 ] معماری یکی از آنها را توصیف می کند. بخش مربوط به این سیستم ها، SDB است که نقشه های شهر را در قالب داده های برداری ذخیره می کند. پیشنهاد ما می تواند به عنوان یک عملکرد اضافی این سیستم ها در نظر گرفته شود، زیرا بر روی داده های ذخیره شده در SDB عمل می کند.
به منظور حفاظت از محیط زیست و در نتیجه مردم، مسئولان زمین باید با تخریب آنها به چالش IB ها پاسخ دهند. با این حال، در جایی که پدیده ساخت‌وسازهای خلاف قانون گسترش می‌یابد، کمک به مدیران زمین با ابزار فناوری اطلاعات که آنها را در اولویت‌بندی تخریب‌ها راهنمایی می‌کند، ضروری است. با استفاده از روش‌های سنجش از دور، ساختمان‌های مشکوک را می‌توان با تقریب خوبی شناسایی کرد (حتی اگر به ندرت با دقت 100 درصدی انجام شود)، اما همه آن‌ها در حالت عادی باقی می‌مانند. با بازگشت به مقامات زمین، رتبه بندی IB ها بر این نقص غلبه می کند.
در این مقاله، ما کمکی به حل مشکل رتبه بندی IB هایی که باید در نزدیکی رودخانه ها تخریب شوند، در ارتباط با دو قانون ایتالیایی ارائه می دهیم. قوانینی که ما به آنها اشاره می کنیم قانون شماره است. 42 سال 2004 و قانون شماره. S 580-B 2018. پیشنهاد ما کلی است، بنابراین می توان آن را با قوانین کشورهای دیگر تطبیق داد.
همانطور که گفته شد ماده 142 قانون شماره 42 رفع در 150 متر عرض از اسofآراطراف رودخانه ها قانون شماره 42 مرتبط است زیرا دیدگاه بسیاری از محققین را در مورد این واقعیت که برای محدود کردن خسارات ناشی از سیلاب‌های مکرر و شدیدتر، توجه دانشگاهیان و در نتیجه توجه مقامات زمینی باید از آن منحرف شود، عمل می‌کند. پroتیهجتیمنonبه سمت تاکید بیشتر بر مترمنتیمنgآتیمنon. یافته های محققانی مانند، برای مثال، باربی [ 35 ] و هالوی و بربی [ 36 ] در همین راستا هستند. در واقع آنها اشاره کرده اند که برای محدود کردن اثرات منفی سیل شدید، ابتدا باید فضاهای رودخانه را به حالت اولیه بازگرداند و سپس یک فضای افقی اضافی اضافه کرد. اهمیت تهیه فضاهای افقی رودخانه به جای تقویت خاکریزها اخیراً توسط ها و یونگ [ 37 ] به عنوان راه حل موثرتر در دراز مدت برای جلوگیری از آسیب به ساختمان ها و در نتیجه به افرادی که در داخل آنها زندگی می کنند یا کار می کنند، تکرار شده است. آنها در مقاله خود، ارتفاق حفاظتی را می نامندنوار زمین با اندازه از پیش تعیین شده در امتداد رودخانه ای که در مالکیت عمومی باقی مانده است. مفهوم حق ارتفاق حفاظتی معادل مفهوم حق ارتفاق غلتکی است که توسط مک لافلین [ 38 ] سال قبل به عنوان ابزاری مفهومی برای حفاظت از خطوط ساحلی دریا پیشنهاد شده بود. مفهوم ارتفاق حفاظتی/غلتشی یک مکانیسم ساده و در عین حال انعطاف‌پذیر است که اجرای و موفقیت آن به شدت به یک اقدام قانونی واضح وابسته است. در مورد ایتالیا، قانون شماره. 42 بیان چنین قصدی است.
را اسofآرقانون شماره 42 اجرای «سخت» مفهوم فضای آزادی برای رودخانه‌ها است که اساس کار Biron و همکاران را تشکیل می‌دهد. [ 39 ]. امیدواری نویسندگان این است که چنین مفهومی در قوانین مدیریت رودخانه در آینده اجرا شود زیرا روشی پایدار برای مدیریت سیستم‌های رودخانه را ترویج می‌کند و انعطاف‌پذیری آن‌ها را در برابر تغییرات آب و هوایی و کاربری اراضی در مقایسه با رویکردهای سنتی مدیریت رودخانه افزایش می‌دهد. در مورد مداخلات مکرر و محدود فضایی.» ([ 39]، پ. 1056). بیرون و همکاران یک رویکرد هیدروژئومورفیک برای محدود کردن فضای آزادی در اطراف یک رودخانه پیشنهاد کرد. روش آنها به ترکیبی از تجزیه و تحلیل سیستم اطلاعات جغرافیایی و مشاهدات میدانی نیاز دارد. در این میان که کشورهای جهان نقشه فضای آزادی را برای هر یک از رودخانه هایی که از آنها عبور می کنند در دسترس قرار می دهند، ساده ترین راه حل تجهیز مقامات زمینی به قانونی مانند قانون شماره است. 42، مدتها پیش توسط دولت ایتالیا به تصویب رسید.
اخیراً، پاتاک و احمد [ 40 ] نقش اساسی را که دولت یک کشور پس از وقوع یک فاجعه سیل می‌تواند ایفا کند، برای بهبود روند بازیابی بررسی کردند. با این حال، بدیهی است که دولت ها نیز باید نقش فعالی در پیشگیری یا حداقل در کاهش خسارات ناشی از بلایای سیل داشته باشند. قانون ایتالیا شماره 42 نیز این نقش را بازی می کند.
قانون شماره S 580-B مجموعه ای از معیارهای کلی را فهرست می کند که مقامات زمین باید در تعریف دستور عینی تخریب IB های موجود در واحد اداری خود (شهرداری، استان یا منطقه) در نظر بگیرند. ضوابط ماده 1 چنین قانونی در ذیل یادآوری می شود.
مسائل زیست محیطی آنها IB هایی را با (الف) تأثیرات زیست محیطی مرتبط یا ساخته شده در منطقه دولتی یا (ب) که محدودیت های زیست محیطی را نقض می کنند (به عنوان مثال، IB های ساخته شده در منطقه ای که دارای شرایط محیطی، چشم انداز، لرزه ای، هیدروژئولوژیکی، باستان شناسی، یا محدودیت تاریخی-هنری). قانون شماره برای مثال، 42 یک محدودیت محیطی را رفع می کند.
خطرپذیری برای ایمنی (عمومی و خصوصی) این معیار برای ارزیابی درجه ای که یک IB ممکن است خطری برای ایمنی باشد تعیین می کند. جنبه هایی که باید در نظر گرفته شوند مربوط به زوال عناصر سازه ای و خطر ریزش قطعات غیر سازه ای است. علاوه بر این، مهم است که در نظر گرفته شود که آیا IB ها بدون طراحی ساختاری محقق شده اند.
IB های فاز تحقق که هنوز در دست ساخت هستند باید قبل از ساخت تمام شده تخریب شوند.
مقصد استفاده نمونه هایی از گزینه های مربوط به شرح زیر است: IB هایی که توسط افراد محکوم استفاده می شود. IB های مورد استفاده برای فعالیت های اقتصادی غیرقانونی؛ IB ها به عنوان خانه دوم / تعطیلات استفاده می شود. IB های مورد استفاده برای فعالیت های تجاری/صنعتی؛ IB به عنوان مسکن منحصر به فرد یک خانواده فقیر بدون / با فرزند استفاده می شود.
داده های IB های قدیمی Crime باید ابتدا از بین بروند.
شناسایی یک دستور تخریب که باعث می شود چندین معیار متناقض همزیستی داشته باشند، در دسته مشکلاتی قرار می گیرد که به آن مشکلات تصمیم گیری با معیارهای چندگانه-MCDM (مثلاً [ 41 ]) یا مشکلات تصمیم گیری با ویژگی های چندگانه (مثلا [ 42 ]) می گویند. در میان روش های پیشنهادی برای حل مسائل MCDM، به اصطلاح تکنیک برای اولویت سفارش با شباهت به راه حل ایده آل ( تیOپاسمناس) نقش مهمی را بر عهده می گیرد. TOPSIS توسط هوانگ و یون [ 43 ] پیشنهاد شد. فورته و همکاران [ 44 ] مشکل محاسبه دستور تخریب IB های واقع در ایتالیا را با استناد به نسخه پیش نویس قانون شماره. S 580-B (در مقاله آنها به نام لایحه شماره 580-A) با استفاده از TOPSIS. در این چارچوب، متریک S ممکن است به عنوان یک دسته خاص از محدودیت‌های محیطی استفاده شود، یعنی آنچه توسط قانون شماره‌ی ایتالیا تعیین شده است. 42.

2.2. نمادها

از این پس از نمادهای زیر استفاده می کنیم:
  • جیهoآrهآبخشی از زمین مورد علاقه برای مطالعه است (به عنوان مثال، یک شهرداری، یک منطقه، یا یک ایالت). GeoArea به عنوان جفت تعریف می شود 〈شرح، هندسه مرز GeoArea〉، که در آن توضیحات یک رشته است.
  • سی={جg(g=1،2،…،کارت(سی))}، جایی که جgیک خط کانتور است که منحنی است که نقاط آن نسبت به سطح دریا ارتفاع یکسانی دارند. یک خط کانتور عمومی به عنوان تاپل تعریف می شود 〈شناسه،ارتفاع،هندسه〉، جایی که منDیک کد شناسایی است
  • آر(رودخانه ها) ={rک(ک=1،…،کارت(آر))|rکرودخانه ای است که از GeoArea می گذرد }. رودخانه عمومی توسط تاپل توصیف شده است 〈شناسه،نام،هندسه〉. آرمنvهrبتوffهr(rک)نشان دهنده یک بافر با عرض w در اطراف رودخانه است rک; بافر همتای هندسی مفهوم حقوقی SofR است.
  • ب={بمن(من=1،2،…،کارت(ب))}، جایی که بمنالف را نشان می دهد بتومنلدمنngدر جیهoآrهآ. هر ساختمان در ببه عنوان تاپل تعریف می شود 〈شناسه،ژئوم،وضعیت،ارتفاع،اس〉، با ژئوم که ردپایی از بمن، ستیآتیتوسیک متغیر بولی است که بیانگر غیرقانونی بودن یا نبودن ساختمان است و ارتفاع ، مقدار ارتفاع ساختمان از سطح دریا است. S یک مقدار عددی مثبت است که نشان دهنده درجه قرار گرفتن در معرض (مکانی) است بمنبه خطر سیل

2.3. متریک اس

در ادامه، ابتدا نحوه شناسایی IB ها در داخل GeoArea نشان داده شده است ، سپس متریک S برای رتبه بندی شدت تخلف معرفی می شود.

2.3.1. مرحله 1: سرشماری IBs

ساختمان های ناقض قانون شماره 42 مواردی هستند که برای آنها اتفاق می افتد که یک تقاطع غیر صفر بین ردپای ساختمان و آرمنvهrبتوffهr(rj).
2.3.2. مرحله 2: رتبه بندی IB ها

معادله ( 1 ) پارامتر (بدون بعد) P را معرفی می کند که میزان نفوذ ردپایی را اندازه گیری می کند. بمنبه SofR رودخانه عمومی rj، که عرض آن ( w ) توسط قانون تعیین شده است ( w=150 متردر مورد ایتالیا). پ=0نشان دهنده عدم وجود نقض است، در حالی که هر مقدار دیگری از P در محدوده (0,1] خلاف آن را نشان می دهد.

پ=آrهآ(gهoمتر(بمن)∩آرمنvهrبتوffهr(rj))آrهآ(gهoمتر(بمن)).

معادله ( 2 ) متریک S را معرفی می کند که به هر IB یک مقدار اعشاری (بزرگتر از صفر) نسبت می دهد که درجه قرار گرفتن آن در معرض خطر سیل را پس از دوره های طولانی باران اندازه گیری می کند. به همین دلیل، بیان این نکته صحیح است که چنین معیاری اولویت تخریب IB ها را برای جلوگیری از تلفات نشان می دهد.

اس=مترآایکس(پک/دک)×1-Δساعتبمن،اگرΔساعتبمن<01/(1+Δساعتبمن)،در غیر این صورت.

در معادله ( 2 )، d نشان دهنده حداقل فاصله (اقلیدسی) بین مرز ساختمان است. بمنو هندسه ای که رودخانه را مدل می کند. اگر d کمتر از 1 متر باشد، d روی 1 تنظیم می شود تا از تقسیم بر صفر جلوگیری شود .
جغرافیا می آموزد که رودخانه ها می توانند شاخه هایی داشته باشند. برای ساختمان هایی که در نزدیکی نقاطی هستند که دو آبراهه به یکدیگر ادغام می شوند، ممکن است هندسه آنها با هم تداخل داشته باشد. اسofآراز هر دو آبراه بنابراین، برای همان ساختمان، ما می توانیم داشته باشیم ک∈[1،2،…،n]مقادیر برای نسبت بین P و d . با t n تعداد تقاطع های ساختمان-رودخانه است.

Δساعتبمننشان دهنده اختلاف ارتفاع، بر حسب متر، از سطح دریا، بین مرکز ساختمان است بمنو هندسه بستر رودخانه، در نقطه حداقل فاصله بین آن دو هندسه. ارتفاع یک نقطه، ارتفاع آن از سطح دریا است. در حالی که تغییرات ارتفاعی ساختمان بمن(توصیف شده توسط مرکز آن) با توجه به رودخانه rj(توصیف شده با نقطه، متعلق به هندسه رودخانه، بیشتر بسته به بمن) مقداری است که با علامت در نظر گرفته می شود، تفاوت داده شده توسط معادله:

Δساعتبمن=ساعتبمن-ساعتrj.

دو گزینه معادله ( 2 ) در سمت راست مهاربند چپ، ارتفاع قلمرو در داخل را در نظر می گیرند. جیهoآrهآ. شکل 1 چهار پیکربندی مختلف از IB های فرضی را به صورت جفت دوتایی نشان می دهد. در زیر، دو جفت صحنه هندسی را به ترتیب نظر می دهیم.
شکل 1 (سمت چپ) – ساختمان ها ب1و ب2موارد زیر را برآورده کنید: د1< د2، در حالی که Δساعتب2< Δساعتب1( Δساعتب1و Δساعتب2هر دو مثبت هستند). با توجه به خطر سیل ناشی از رودخانه ( r )، ساختمان ب2بیشتر در معرض دید است ب1زیرا مانع جداکننده آن از رودخانه کمتر از مانع جداکننده است ب1از رودخانه
شکل 1 (راست) – ساختمانها ب3و ب4موارد زیر را برآورده کنید: مقادیر د3و د4و ارزش های Δساعتب3و Δساعتب4قابل مقایسه هستند ( Δساعتب3و Δساعتب4دارای یک علامت ناسازگار به ترتیب منفی و مثبت). ارزش های د1و د4قابل مقایسه نیز هستند، در حالی که Δساعتب3< Δساعتب1. با توجه به خطر سیل ناشی از رودخانه ( r )، ساختمان ب3بیشتر در معرض دید است ب4از آنجایی که در صورت طغیان رودخانه، برخلاف آنچه برای ساختمان مشاهده می شود، هیچ مانع محافظی وجود ندارد ب4.
به طور خلاصه، چنین می شود که رتبه بندی که به درستی درجه قرار گرفتن در معرض خطر سیل چهار IB شکل 1 را نشان می دهد ، است. ب3، ب2، ب4، و ب1. معادله ( 2 ) در صورت اعمال به چهار پیکربندی شکل 1 ، نتیجه مورد انتظار را برمی گرداند .
دو گزینه معادله ( 2 ) در سمت راست مهاربند سمت چپ، مقدار عبارت را تصحیح می کند. مترآایکس(پک/دک)با در نظر گرفتن اختلاف ارتفاع بین مرکز ساختمان بمنو هندسه بستر رودخانه، در نقطه حداقل فاصله بین دو هندسه. در واقع، آن دو جایگزین ارزش عبارت را تقویت می کنند مترآایکس(پک/دک)هنگامی که IB در زیر رودخانه قرار دارد، در حالی که در حالت مخالف آن را کاهش می دهد. اثر نهایی در رتبه بندی این است که ساختمان های زیر سطح رودخانه به سمت بالا می روند تیoپموقعیت‌ها، در حالی که ساختمان‌های بالای سطح رودخانه در داخل می‌لغزند qتوهتوه.

2.4. اجرای پیشنهاد

شکل 2 معماری نرم افزار مرجع مورد استفاده برای پیاده سازی روش خلاصه شده در بخش فرعی قبل را نشان می دهد. سیستم مدیریت پایگاه داده مکانی (SDBMS) عنصر اساسی معماری است. در بالای یک SDB قرار دارد که در آن داده های ورودی مشکل و همچنین رتبه بندی در مورد IB ها در جیهoآrهآذخیره می شوند. به خوبی شناخته شده است که فناوری SDBMS مزایای بسیار زیادی را برای پردازش داده های جغرافیایی ارائه می دهد. PostgreSQL/PostGIS به عنوان فناوری نرم افزار مورد استفاده قرار گرفت.
جدول 2 نگاشت مفاهیم نظری را در نهادهای پایگاه داده نشان می دهد.
چهار جدول SDB در زیر فهرست شده است. مشخصه زیر خط کشیده شده، طبق معمول، کلید اصلی جدول را نشان می دهد که به آن تعلق دارد.
  • GeoArea ( id , geom ) ;
  • ContourLines ( id ، elevation، geom) ؛
  • رودخانه ها( شناسه ، نام، ژئوم، river_buffer) ;
  • ساختمان ها ( شناسه ، ژئوم، وضعیت، ارتفاع، S) .
در تنظیمات شکل 2 ، محاسبه متریک S کاملاً بی اهمیت بود، در واقع، به عنوان پرس و جوهای فضایی SQL انجام شد. برای آسان نگه داشتن تعداد کمی از آنها، به انتزاع نمای SQL متوسل شدیم ( شکل 2 ).
اسکریپت های SQL پیاده سازی در یک ضمیمه خارجی آورده شده است (به مواد تکمیلی مراجعه کنید ).

3. مطالعه موردی

در ایتالیا، شهرهای پرجمعیت شناخته شده در نزدیکی رودخانه های مهم قرار دارند. فلورانس یک نمونه است. رودخانه آرنو از آن عبور می کند. در نوامبر 1966، فلورانس توسط یک سیل شدید غرق شد. تعادل: 17 قربانی، خسارت عظیم به شهر و میراث هنری آن ( شکل 3 ). هزاران جلد، از جمله نسخ خطی گرانبها یا آثار چاپی کمیاب، در کتابخانه های ملی مرکزی با گل پوشانده شد. خسارات وارده به موزه اوفیزی بی شمار بود. برای جلوگیری از تکرار عزاداری های ناشی از حوادثی مانند آنچه که ذکر شد، قوانین زیادی در ایتالیا ابلاغ شده است، مانند قانون ذکر شده قبلی. 42.
این بخش در مورد یک مطالعه موردی که ما برای اعتبار سنجی اولیه متریک S انجام داده ایم، گزارش می دهد . برای دستیابی به ارائه موثر و کامل نتایج با استفاده از نقشه، نرم افزار QGIS را در کنار PostgreSQL/PostGIS قرار دادیم. QGIS سازگاری کامل با PostGIS را تضمین می کند.

3.1. داده های ورودی

جیهoآrهآ. منطبق بر مرز منطقه آبروزو ( شکل 4 )، منطقه ای به مساحت 10800 کیلومتر مربع و 1330000 نفر است.
سی. خطوط کانتور قلمرو آبروزو با شروع داده های شطرنجی در مورد چنین منطقه ای ایتالیایی ایجاد شده است. مرحله دوم شامل ساختن، از طریق QGIS، یک شکل فایل از خطوط کانتور آبروزو بود که آنها را از شطرنجی ذکر شده استخراج می کرد. فاصله ارتفاعی بین دو خط مجاور 5 متر تعیین شد. برای مشکل مورد مطالعه، مهم است که خطوط کانتور بسیار نزدیک به یکدیگر باشند. مرحله سوم و آخر شامل تقاطع خطوط کانتور برگشتی توسط QGIS با هندسه مرز منطقه آبروزو ( جیهoآrهآ). شکل 5 (سمت چپ) نقشه خطوط خطوط منطقه آبروزو را نشان می دهد.
آر. شکل فایل مربوط به رودخانه‌هایی که از قلمرو آبروزو عبور می‌کنند از پورتال ISPRA ( Istituto Superiore Protezione e Ricerca Ambientale – موسسه تحقیقات حفاظت و محیط‌زیست ) دانلود شده است. شکل 5 (سمت راست) نقشه آن رودخانه ها را نشان می دهد.
ب. شکل فایل مربوط به ساختمان هایی که در داخل مرز منطقه آبروزو قرار دارند از وب سایت https://download.geofabrik.de دانلود شده است . مجموعه داده شامل 90381 رکورد است. شکل 6 بخشی از ساختمان های شهر لاکویلا، پایتخت منطقه، و دو رودخانه را نشان می دهد. آتیهrnoو آرآمنo) در منطقه.

3.2. نتایج

3.2.1. سرشماری IBs

2233 ساختمان از 90381 ساختمان (یعنی 2.47 درصد) ناقض قانون شماره. 42، بنابراین آنها غیرقانونی هستند و بنابراین، باید حذف شوند. 2233 عدد بزرگی است. به همین دلیل است که ارائه دستور تخریب به مقامات زمین ضروری است.
3.2.2. رتبه بندی IB ها
محاسبه متریک S رتبه بندی IB ها را برگرداند. نقشه شکل 7 تعداد کمی IB را نشان می دهد. در نقشه، IB ها به سه کلاس خوشه بندی می شوند: ساعتمنgساعت، مترهدمنتومتر، لow، به ترتیب با رنگ های قرمز، نارنجی و زرد نشان داده می شود. علاوه بر این، نقشه توزیع IB ها را در داخل آن سه کلاس نشان می دهد که مقادیر افراطی آنها دلخواه ثابت شده است.
شکل 8 (سمت چپ) 7 IB بالا را با توجه به مقدار متریک S نشان می دهد. علاوه بر این، شکل برای هر IB مختصات WGS84 مرکز آن، مقدار S ، ارتفاع و اختلاف ارتفاع نسبت به نزدیکترین رودخانه را نشان می دهد. نقشه شکل 8 (سمت راست) مکان 7 IB برتر در داخل منطقه آبروزو و همچنین مقدار S مربوطه را نشان می دهد.

3.3. اعتبار سنجی رتبه بندی

در حوزه یادگیری ماشین، مفهوم «ماتریس سردرگمی» برای ارزیابی عملکرد الگوریتم‌های طبقه‌بندی با توجه به برخی داده‌های آزمایشی معرفی شد. این یک ماتریس دو بعدی است که در یک بعد توسط “کلاس واقعی” یک شی و در بعد دیگر توسط کلاسی که طبقه بندی کننده اختصاص می دهد نمایه می شود [ 45 ].
ساده‌ترین راه برای اعتبارسنجی رتبه‌بندی بر اساس متریک S ، کاهش مشکل طبقه‌بندی مقادیر تجربی به ماتریس‌های سردرگمی باینری است ، یعنی به حالتی که در آن فقط یک کلاس در هر زمان درگیر است. بنابراین، مشکل اعتبار سنجی را می توان به صورت زیر فرموله کرد.
n مقدار داده شده ( v1، v2,…, vn) و یک کلاس (C)، ماتریس سردرگمی باینری را بسازید که نحوه طبقه‌بندی آن مقادیر را هم در دنیای واقعی و هم طبق الگوریتمی که می‌خواهیم اثربخشی آن را «اندازه‌گیری» کنیم، خلاصه می‌کند. بدیهی است که ارزش v1ممکن است در C بیفتد یا نه، همین امر نیز صدق می کند v2,…, vn.
قطر اصلی ماتریس سردرگمی دارای تعداد عناصری است که به درستی پیش بینی شده است. تعداد کل عناصر متعلق به یک کلاس واقعی برابر است با مجموع مقادیر موجود در ردیف مربوط به جدول. تعداد کل عناصر موجود در مجموعه درگیر در عملیات طبقه بندی برابر است با مجموع کل کل.
جدول 3 ساختار یک ماتریس سردرگمی باینری عمومی را نشان می دهد. در ادامه، اصطلاحات مثبت واقعی، مثبت کاذب، منفی درست، و منفی کاذب تعریف شده است (آنها اعداد صحیح مثبت هستند) [ 45 ]:
  • مثبت واقعی ( TP ). این کمیت مواردی را نشان می دهد که الگوریتم طبقه بندی به درستی کلاسی را که آنها به آن تعلق دارند تشخیص داده است.
  • مثبت کاذب ( FP ). این مقدار موارد طبقه بندی اشتباه را نشان می دهد . از نظر عملی، مثبت کاذب یک هشدار نادرست است.
  • منفی های واقعی ( TN ). این کمیت مواردی را نشان می دهد که الگوریتم به درستی تشخیص داده است که به کلاس تعلق ندارند.
  • منفی های کاذب ( FN ). این کمیت مواردی را نشان می دهد که الگوریتم کلاسی را که یک عنصر به آن تعلق دارد اشتباه گرفته است.
معیارهای بسیاری برای قضاوت در مورد خوب بودن الگوریتمی که واقعیت مشاهده شده را بازسازی می کند، پیشنهاد شده است ([ 46 ] منبع معتبری در این زمینه است). رایج ترین آنها در زیر ذکر شده است. مقدار معیارها یک احتمال حاشیه ای بین 0 و 1 را بیان می کند.

یادآوری به عنوان درصد موارد مثبت که به درستی به عنوان چنین تشخیص داده شده است (با روش طبقه بندی اتخاذ شده) تعریف می شود:

آرهجآلل=تیپتیپ+افن.

دقت به عنوان تعریف می شود

پrهجمنسمنon=تیپتیپ+افپ.

دقت به این صورت تعریف می شود

آججتوrآجy=تیپ+تینپ+ن=تیپ+تین(تیپ+افن)+(تین+افپ).

3.3.1. طبقه بندی دستی IBs

طبقه بندی 2233 IB با دست سخت است. ما طبقه بندی را به 34 IB که در کلاس ها قرار می گیرند محدود کردیم اچمنgساعتو مهدمنتومتراز شکل 7 (در زیر، به طور خلاصه 34 IB های برتر نامیده می شود). این طبقه بندی با استفاده از geobrowser QGIS و Google Earth انجام شده است که شعار آن « به دور دنیا سفر کنید بدون اینکه از صندلی خود بلند شوید » است. هر IB با توجه به سطح قرار گرفتن در معرض خطر سیل، با در نظر گرفتن نزدیکی آن به نزدیکترین بستر رودخانه و خطوط کانتور قلمرو طبقه بندی شد.
شکل 9 دو تصویر گرفته شده از Google Earth را نشان می دهد. تصویر سمت چپ منطقه آبروزو را نشان می دهد. در حالی که سمت راست IB را در جایگاه دوم در رتبه بندی شکل 7 نشان می دهد. این IB بسیار نزدیک به رودخانه Aterno است که در تصویر تقریباً توسط درختان پوشیده شده است.
با الهام گرفتن از یک روش گسترده برای مطالعات طبقه بندی خطر (به عنوان مثال، [ 47 ])، سه کلاس خطر اتخاذ شد: زیاد ، متوسط ​​و پایین . IB ها بسیار نزدیک به بستر رودخانه قرار داشتند و در عین حال یکی از آنها را نیز قرار دادند بهلowارتفاع رودخانه یا روی زمین صاف در کلاس پرخطر قرار گرفتند، در حالی که IB ها در نزدیکی مرز حایل رودخانه و در یک ارتفاع قرار گرفتند.ساعتمنgساعتهrیا برابر با آن در کلاس Low-hazard قرار می گیرد. کلاس خطر متوسط ​​به موقعیت های ترکیبی نسبت داده شد. جدول 4 نتیجه طبقه بندی دستی را نشان می دهد. در جدول 4 ، IB ها با شناسه آنها مشخص شده اند. مطابقت بین شناسه و مختصات جغرافیایی در جدول 5 نشان داده شده است .
3.3.2. تجزیه و تحلیل رتبه بندی 34 IB های برتر
جدول 6 ارزیابی کمی از خوب بودن رتبه بندی 34 IB برتر بر اساس مقدار متریک S را در برابر طبقه بندی دستی خلاصه می کند. همانطور که ظاهر شد، الگوریتم به طور بهینه 34 IB برتر را طبقه بندی کرد: یادآوری = دقت = دقت = 1.
قرار دادن دستی در کلاس پرخطر 7 IB برتر جدول 4 به دلایل زیر آسان بود. ساختمان های با شناسه های 70015، 66089 و 73424 بسیار نزدیک به بستر رودخانه هستند (یعنی مقدار d در معادله ( 2 ) چند متر است)، بنابراین در معرض خطر سیلاب شدن قرار دارند. در مورد چهار ساختمان باقیمانده (ID: 35986، 35990، 16044، و 87942)، آنها بین 30 تا 60 متر از بستر رودخانه قرار دارند، اما در زیر ارتفاع رودخانه قرار دارند (پیکربندی 3 از شکل 1) . Δساعتبمن=-10m) و بنابراین، آنها نیز در موقعیتی قرار دارند که در معرض خطر غرقاب شدن قرار دارند. 27 IB باقیمانده در کلاس خطر متوسط ​​قرار گرفتند زیرا اگرچه همه آنها در همان ارتفاعی هستند که بستر رودخانه به آنها نزدیک است، اما در فاصله بین 50 تا 90 متر از رودخانه قرار دارند و بنابراین ممکن است کمتر از 7 مورد اول در معرض سیل قرار گرفته است.
توضیح بیشتر در مورد IB های واقع در نزدیکی بستر رودخانه در زیر است. همانطور که گفته شد، آنها بیشترین خطر را در معرض خطر سیل قرار می دهند، مگر اینکه این اتفاق بیفتد که ساختمان توسط یک دیوار عمودی از بستر رودخانه جدا شود ( شکل 10 یک مثال را ارائه می دهد). این شرایط که فقط در مناطقی با تغییرات شیب تند می تواند رخ دهد. این شرایط برای 34 IB برتر مطالعه موردی رخ نداد.

4. نتیجه گیری

پژوهش خلاصه‌شده در این مقاله در پنج مرحله انجام شد: (الف) رسمی‌سازی روشی برای محاسبه رتبه‌بندی IB‌های واقع در نزدیکی رودخانه‌ها در یک قلمرو مرجع معین (که ما آن را نامیدیم. جیهoآrهآ) (ب) ایجاد جداول یک پایگاه داده مکانی و بارگیری با داده های ورودی مسئله. (ج) اجرای متریک پیشنهادی به عنوان پرس و جوهای فضایی SQL. (د) آزمایش روش بر روی یک مطالعه موردی مربوط به ساختمان‌های داخل منطقه آبروزو (مرکز ایتالیا). (ه) ارزیابی رتبه بندی محاسبه شده و از این رو، اعتبار سنجی اولیه روش پیشنهادی.
روش دو مرحله ای، با تغییرات جزئی، برای رتبه بندی IB های واقع در نزدیکی دریا قابل اجرا است. در چنین حالتی، نوار احترام فقط یک طرف دارد: طرف شنی. این روش برای جزایری که زمین در دسترس منبع حیاتی است و تقاضا برای گردشگری در حال رشد است، ارزشمند است، که از آن منشأ حرکت به سمت ساخت تأسیسات پذیرایی سوء استفاده نزدیک به دریا می‌شود.
هدف نهایی تحقیق ما پیاده‌سازی نرم‌افزاری است که با داده‌های مربوط به GeoArea ، خطوط کانتور قلمرو محدود شده توسط GeoArea ، رودخانه‌هایی که از GeoArea عبور می‌کنند و ساختمان‌های GeoArea تغذیه می‌شود ، IBs (در صورت وجود) را خروجی می‌کند. ) به عنوان یک لیست رتبه بندی شده. دولت ایالتی و ذینفعان محلی که با نقض قوانین برنامه ریزی شهری مبارزه می کنند به دنبال ابزار فناوری اطلاعات مانند این هستند زیرا معیارهای عددی را اجرا می کند که ممکن است استراتژی تخریب بر اساس آن باشد. در کشورهایی مانند ایتالیا، تخریب IB ها تنها راه جلوگیری از نقض قوانین آینده است.

نکات احتیاطی

ساختمان‌های غیرمجاز پدیده‌ای سریع هستند. شواهدی در مورد خانه هایی وجود دارد که در چند روز ساخته شده اند. بنابراین، غیرواقعی است که فرض کنیم داده های به روز موجود از سایت های سازمانی در دسترس است. یک پیش شرط برای ارضا شدن، زیرا ابزاری که ما قصد توسعه آن را داریم واقعاً مؤثر می‌شود این است که مجموعه داده‌های مربوط به ساختمان‌های داخل جیهoآrهآبه طور مکرر به روز می شود (مثلا هر سه ماه یکبار). روشی برای به دست آوردن داده های به روز شده در مورد کاربری زمین شامل مراحل زیر است (به طور کامل در [ 25 ]، بخش 3 توضیح داده شده است ): (الف) کسب داده های شطرنجی ماهواره ای. (ب) پردازش آنها از طریق برخی از روش های شناخته شده برای تشخیص خودکار ساختمان (تصاویر سنجش از دور با وضوح بالا). (ج) تبدیل داده های شطرنجی به داده های برداری با استفاده از یک نرم افزار GIS. از این مجموعه داده برای به روز رسانی جدول ساختمان های SDB استفاده کنید.
رتبه بندی بدست آمده توسط روش دو مرحله ای پیشنهادی تحت تاثیر قرار می گیرد جoمترپلهتیهnهسسو qتوآلمنتیyاز داده های مربوط به IBs. کامل بودن و کیفیت داده‌های جغرافیایی مسائل مهمی هستند که تقریباً در تمام مطالعات این بخش گزارش شده‌اند، به عنوان مثال، [ 48 ]. به نوبه خود، کیفیت داده های مربوط به IB ها به دو عامل بستگی دارد: آججتوrآجyبررسی مراحل شناسایی ساختمان های مشکوک با استفاده از روش های سنجش از دور و آججتوrآجyمرحله تبدیل شطرنجی-بردار.
روش ما ساده است، سادگی از نظر کاهش استحکام پرداخت می شود. مقاله را با اشاره به نقاط ضعف روش به پایان می بریم. مقدار متریک S منحصراً به پارامترهای P , d , و بستگی داردΔساعت، زیرا معادله ( 2 ) مشخصات ارتفاعی زمین بین رودخانه و ساختمان را در نظر نمی گیرد. این یک ساده‌سازی قابل قبول از واقعیت جغرافیایی است، زیرا در مطالعه ما، ساختمان‌هایی که مورد توجه هستند، ساختمان‌هایی هستند که در داخل نوار احترام رودخانه‌ها قرار دارند. در مورد قانون ایتالیا شماره. 42، به عنوان مثال، عرض این کمربند زمین فقط 150 متر است. در یک نوار باریک از زمین، نوسانات ارتفاع زمین لزوماً متوسط ​​است. بنابراین، معادله ( 2 ) قادر به تشخیص پیکربندی های هندسی نیست که مقادیر پارامترهای P ، d و Δساعتیکسان هستند. بنابراین ساختمان هایی که در این موقعیت ها قرار دارند رتبه یکسانی را به خود اختصاص می دهند. شکل 11 چهار پروفیل ارتفاعی مختلف از زمین را بین یک رودخانه ( r ) و یک ساختمان ( ب1). مقدار S و در نتیجه موقعیت ب1در رتبه بندی محاسبه شده توسط معادله ( 2 ) در چهار مورد یکسان است، در حالی که درجه قرار گرفتن ساختمان در معرض خطر سیل در چهار موقعیت مختلف یکسان نیست. روشی برای اصلاح روش پیشنهادی شامل در نظر گرفتن منطقه زیر “خط” است که رودخانه را به ساختمان متصل می کند. هر چه این مساحت بیشتر باشد، مقدار S باید بیشتر باشد، زیرا میزان آب مورد نیاز برای رسیدن به ساختمان کمتر خواهد بود. به عنوان مثال، در مورد شکل 12 ، مقدار S که توسط رابطه ( 2 ) برگردانده شده است، یکسان است، زیرا بر اساس فرضیه، مقادیر P ، d ، و Δساعتیکسان هستند – در حالی که ناحیه زیر منحنی را در نظر می گیریم، معلوم می شود که ب1مقدم است ب2.
با توجه به ملاحظات فوق، نیاز به صرف زمان بیشتری برای اعتبارسنجی متریک S وجود دارد. گام بعدی تحقیق ما شامل انجام یک کمپین از مطالعات موردی است که هر بار محاسبه متریک S را در یک شهرداری ایتالیایی متفاوت به منظور جمع‌آوری آمار در مورد rهجآللو پrهجمنسمنon. فقط بعد از fمنهلدمرحله اعتبار سنجی مشخص خواهد شد که آیا لازم است الگوریتم محاسبه S به منظور افزایش استحکام آن تعدیل شود یا خیر.

منابع

  1. Ntonjira، L. توسعه سیستم مدیریت اطلاعات زمین (LIMS) برای دولت های شهرستان در کنیا: مطالعه موردی شهرستان Kirinyaga. در مجموعه مقالات کنفرانس بانک جهانی درباره زمین و فقر، واشنگتن دی سی، ایالات متحده آمریکا، 20 تا 24 مارس 2017. [ Google Scholar ]
  2. پیندیگا، AM; Orisakwe، K. توسعه یک سیستم اطلاعات زمین از طرح مسکونی و تجاری Tumpure در منطقه دولت محلی آکو در ایالت گومبه. IOSR J. Environ. علمی سموم فناوری مواد غذایی (IOSR-JESTFT) 2013 ، 3 ، 54-63. [ Google Scholar ]
  3. Di Felice, P. معیارهای رتبه بندی ساختمان های غیرقانونی ; Misra, S., Gervasi, O., Murgante, B., Stankova, E., Korkhov, V., Torre, C., Rocha, AMAC, Taniar, D., Apduhan, BO, Tarantino, E., Eds. ; LNCS 11620; اسپرینگر: بازل، سوئیس، 2019؛ صص 34-43. [ Google Scholar ] [ CrossRef ]
  4. Kundzewicz، ZW; لوگری، ن. دانکرز، آر. هیرابایاشی، ی. دول، پی. پینسکوار، آی. دیسارز، ت. هوکراینر، اس. Matczak، P. ارزیابی خطر سیل رودخانه و سازگاری در اروپا – بررسی پیش بینی ها برای آینده. میتیگات. سازگار شدن. استراتژی. گلوب. چانگ. 2010 ، 15 ، 641-656. [ Google Scholar ] [ CrossRef ]
  5. هوانگ، جی. مروری بر تأثیر شهرنشینی بر سیل. در برنامه ریزی شهری و بلایای مرتبط با آب، مدیریت ; Huang, G., Shen, Z., Eds. استراتژی های پایداری؛ Springer: Cham, Switzeraland, 2019. [ Google Scholar ] [ CrossRef ]
  6. Agbola، BS; آجایی، او. Taiwo، OJ; وهاب، BW سیل اوت 2011 در ایبادان، نیجریه: علل و پیامدهای انسانی. بین المللی J. Disaster Risk Sci. 2012 ، 3 ، 20-217. [ Google Scholar ] [ CrossRef ]
  7. چن، ایکس. تیان، سی. منگ، ایکس. خو، Q. کوی، جی. ژانگ، کیو. Xiang، L. تجزیه و تحلیل اثر شهرنشینی بر ویژگی های سیل در سطوح حوضه آبریز. Proc. IAHS 2015 ، 370 ، 33-38. [ Google Scholar ] [ CrossRef ]
  8. دیسانایکه، پ. Hettiarachchia، S. Siriwardana، C. افزایش خطر بلایا به دلیل مدیریت ناکارآمد محیطی، سیاست‌های کاربری زمین و سیاست‌های جابجایی. مطالعات موردی از سریلانکا Procedia Eng. 2018 ، 212 ، 1326–1333. [ Google Scholar ] [ CrossRef ]
  9. هالیس، جنرال الکتریک اثرات شهرنشینی بر سیل با فواصل مختلف عود. منبع آب Res. 1975 ، 11 ، 431-435. [ Google Scholar ] [ CrossRef ]
  10. لی، جی اف. Xiang، XY; تانگ، YY; وانگ، HM ارزیابی تاثیر شهرنشینی بر خطر سیل در دلتای رودخانه یانگ تسه. استوک. محیط زیست Res. ارزیابی ریسک 2013 ، 27 ، 1683-1693. [ Google Scholar ] [ CrossRef ]
  11. موکرجی، دی. تأثیر شهرنشینی بر سیل – مروری بر سیل اخیر در چنای (هند). بین المللی J. Eng. علمی Res. تکنولوژی 2016 ، 5 . [ Google Scholar ] [ CrossRef ]
  12. نیروپاما، ن. Simonovic، SP افزایش خطر سیل به دلیل شهرنشینی: یک مثال کانادایی. نات. خطرات 2007 ، 40 ، 25-41. [ Google Scholar ] [ CrossRef ]
  13. پاترا، S. اثرات شهرنشینی بر تغییرات کاربری/پوشش زمین و پیامدهای احتمالی آن بر اقلیم محلی و سطح آب زیرزمینی. J. Urban Manag. 2018 ، 7 ، 70-84. [ Google Scholar ] [ CrossRef ]
  14. پرادان-سالیک، آی. راج پوخارل، جی. تأثیر شهرنشینی و تغییر آب و هوا بر سیل شهری: موردی از دره کاتماندو. جی. نات. منبع. توسعه دهنده 2017 ، 7 ، 56-66. [ Google Scholar ] [ CrossRef ]
  15. ژو، Q. لنگ، جی. سو، جی. Renc، Y. مقایسه اثرات شهرنشینی و تغییرات آب و هوایی بر حجم سیل شهری: اهمیت برنامه ریزی شهری و سازگاری زهکشی. علمی کل محیط. 2019 ، 658 ، 24-33. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  16. جونز، ص. رسمی کردن غیررسمی: درک موقعیت سکونتگاه‌های غیررسمی و زاغه‌ها در سیاست‌ها و استراتژی‌های شهرنشینی پایدار در باندونگ، اندونزی. پایداری 2017 ، 9 ، 1436. [ Google Scholar ] [ CrossRef ]
  17. آمادو، م. آمادو، م. پوگی، اف. مارتینز، ای. ویرا، ن. Amado، A. تبدیل سکونتگاه های غیررسمی کیپ ورت. پایداری 2018 ، 10 ، 2571. [ Google Scholar ] [ CrossRef ]
  18. Kuffer, M. دامنه مشاهده زمین برای بهبود ثبات شاخص زاغه SDG. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 428. [ Google Scholar ] [ CrossRef ]
  19. کیان، جی. پنگ، ی. لو، سی. وو، سی. Du، Q. توسعه زمین شهری و سیاست استفاده پایدار از زمین در شنژن: مطالعه موردی شهرنشینی سریع چین. پایداری 2016 ، 8 ، 16. [ Google Scholar ] [ CrossRef ]
  20. فورته، اف. ساختمان‌های غیرقانونی و تامین مالی محلی در دیدگاه‌های جدید شهری. در انجمن مهندسی پیشرفته ; Bevilacqua, C., Calabrò, F., Della Spina, L., Eds. Springer: برلین/هایدلبرگ، آلمان، 2014; جلد 11، ص 600–606. [ Google Scholar ]
  21. فورته، اف . مدیریت سکونتگاه های غیررسمی برای پایداری شهری: تجربیات منطقه کامپانیا (ایتالیا) . معاملات WIT در مورد محیط زیست و محیط زیست، WIT Press: ساوتهمپتون، انگلستان، 2015; جلد 194، صص 153–164. [ Google Scholar ] [ CrossRef ]
  22. Fiorillo, A. (Ed.) 2007 Urban Ecosystem ; Legambiente: رم، ایتالیا، 2007; در دسترس آنلاین: https://www.legambiente.it/contenuti/dossier/ecosistema-urbano-2007 (در 6 اکتبر 2019 قابل دسترسی است).
  23. اباتی ابوسو. I Numeri delle (Mancate) Demolizioni nei Comuni Italiani. پالرمو، سپتامبر 2018. در دسترس آنلاین: www.legambiente.it (در 6 اکتبر 2019 قابل دسترسی است).
  24. سیالدیا، دی. Quercio، N. یک روش برای تبدیل مجدد اسکان غیر قانونی. بین المللی J. Des. نات. Ecodyn. 2018 ، 13 ، 147-155. [ Google Scholar ] [ CrossRef ]
  25. Awrangjeb، M. تولید موثر و به روز رسانی پایگاه داده نقشه ساختمان از طریق تشخیص خودکار تغییر ساختمان از داده های ابر نقطه ای LiDAR. Remote Sens. 2015 ، 7 ، 14119–14150. [ Google Scholar ] [ CrossRef ]
  26. آوبلج، ج. مولر، آر. ارزیابی کیفیت استخراج ساختمان از تصاویر سنجش از دور. در مجموعه مقالات سمپوزیوم بین المللی علوم زمین و سنجش از دور IEEE (IGARSS)، شهر کبک، QC، کانادا، 13 تا 18 ژوئیه 2014. [ Google Scholar ] [ CrossRef ]
  27. دونگ، ی. ژانگ، ال. کوی، ایکس. آی، اچ. Xu, B. استخراج ساختمانها از تصاویر هوایی چند نما با استفاده از استراتژی فیچر سطح و فیوژن. Remote Sens. 2018 ، 10 ، 1947. [ Google Scholar ] [ CrossRef ]
  28. Shetty، AR; Mohan، KB استخراج ساختمان در تصاویر با وضوح فضایی بالا با استفاده از تکنیک‌های یادگیری عمیق . Gervasi, O., Murgante, B., Misra, S., Stankova, E., Torre, CM, Rocha, AMAC, Taniar, D., Apduhan, BO, Tarantino, E., Ryu, Y., Eds.; یادداشت های سخنرانی در علوم کامپیوتر; Springer: Cham, Switzeraland, 2018; جلد 10962، ص 327–338. [ Google Scholar ] [ CrossRef ]
  29. سینگال، اس. Radhika, S. تشخیص خودکار ساختمان ها از تصاویر هوایی با استفاده از ویژگی های تغییر ناپذیر رنگ و تشخیص لبه Canny. بین المللی J. Eng. Trends Technol. 2014 ، 11 ، 393-396. [ Google Scholar ] [ CrossRef ]
  30. کاراتاناسی، وی. ایوسیفیدیس، سی. روش ها و تکنیک های سنجش از دور به عنوان ابزاری برای اجرای قوانین زیست محیطی. مطالعه موردی قانون جنگل یونان. بین المللی J. Remote Sens. 2003 ، 24 ، 39-51. [ Google Scholar ] [ CrossRef ]
  31. پراتاپ، جی. Afanasyev، I. رویکرد یادگیری عمیق برای تشخیص ساختمان در تصاویر چندطیفی ماهواره ای. در مجموعه مقالات کنفرانس بین المللی 2018 سیستم های هوشمند (IS)، فونچال، مادیرا، پرتغال، 25 تا 27 سپتامبر 2018. [ Google Scholar ]
  32. خو، اس. ووسلمن، جی. Elberink، SO تشخیص و طبقه‌بندی تغییرات در ساختمان‌ها از داده‌های اسکن لیزری هوابرد. Remote Sens. 2015 ، 7 ، 17051–17076. [ Google Scholar ] [ CrossRef ]
  33. یانگ، ال. چی، TH; پنگ، ال. Sun, X. تحقیق در مورد ساخت و ساز سیستم نظارت بر ساختمان های غیرقانونی با فناوری یکپارچه سازی 3S. در مجموعه مقالات دومین کنفرانس بین المللی علوم و مهندسی اطلاعات، هانگژو، چین، 3 تا 5 دسامبر 2010. صص 3908-3911. [ Google Scholar ]
  34. زو، دی. Fan, J. IBMDCH: نظارت بر ساختمان غیرقانونی در شهر دیجیتال بر اساس HPC. در ژئوانفورماتیک 2008 و کنفرانس مشترک GIS و محیط ساخته شده: پایش و ارزیابی منابع طبیعی و محیط زیست . SPIE: Philadelphia, PA, USA, 2008; جلد 7145، ص. 71451A. [ Google Scholar ] [ CrossRef ]
  35. باربی، RJ; فرانسوی، SP; سیگلر، کارشناسی; قیصر، ای جی; مورو، دی. Stiftel، B. مدیریت کاربری زمین دشت سیلابی: ارزیابی ملی ; Westview Press: Boulder, CO, USA, 1985. [ Google Scholar ]
  36. هالوی، جی.ام. باربی، RJ کاهش تلفات سیل برنامه ریزی محلی و کنترل استفاده از زمین. مربا. طرح. دانشیار 1993 ، 59 ، 205-216. [ Google Scholar ] [ CrossRef ]
  37. ها، جی. یونگ، جی. اعمال سیاست ارتفاق حفاظتی در فضاهای رودخانه برای کاهش خطرات طبیعی در کره جنوبی. نات. خطرات 2019 ، 95 ، 805-822. [ Google Scholar ] [ CrossRef ]
  38. حق ارتفاقات مک لافلین، آر جی رولینگ به عنوان پاسخی به افزایش سطح دریا در تگزاس ساحلی: وضعیت فعلی قانون پس از جدایی در برابر پترسون. J. محیط کاربری زمین. قانون 2010 ، 26 ، 365. [ Google Scholar ]
  39. Biron، PM; بوفین-بلانگر، تی. لاروک، ام. چون، جی. کلوتیر، کالیفرنیا؛ Ouellet، MA; دمرز، اس. اولسن، تی. دژارلایس، سی. Eyquem، J. Freedom Space for Rivers: A Sustainable Management Approed to Enhance River Resilience. محیط زیست مدیریت 2014 ، 54 ، 1056-1073. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  40. پاتاک، س. احمد، MM نقش دولت در بازیابی بلایای سیل برای SMEها در استان Pathumthani، تایلند. نات. خطرات 2018 ، 93 ، 957-966. [ Google Scholar ] [ CrossRef ]
  41. کوکسلان، م.م. والنیوس، جی. تصمیم گیری با معیارهای چندگانه: از تاریخ اولیه تا قرن بیست و یکم . World Scientific: سنگاپور، 2011; ISBN-10 9814335592, ISBN-13 978-9814335591. [ Google Scholar ]
  42. Tzeng، GH; تصمیم گیری با ویژگی های چندگانه هوانگ، جی جی . روش ها و کاربردها ; تیلور و فرانسیس: ابینگدون، بریتانیا، 2011. [ Google Scholar ]
  43. هوانگ، CL; Yoon, K. تصمیم گیری با ویژگی های چندگانه، روش ها و کاربردها. یک نظرسنجی پیشرفته ؛ Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 1981. [ Google Scholar ] [ CrossRef ]
  44. فورته، اف. گراناتا، MF; نستیکو، الف. مدل اولویت‌بندی برای کمک به حل مشکل ساختمان‌های غیرقانونی . Gervasi, O., Murgante, B., Misra, S., Rocha, AMAC, Torre, CM, Taniar, D., Apduhan, BO, Stankova, E., Wang, S., Eds.; قسمت اول، LNCS 9786; Springer: بازل، سوئیس، 2016; صص 193-206. [ Google Scholar ] [ CrossRef ]
  45. تینگ، ماتریس سردرگمی KM. در دایره المعارف یادگیری ماشین و داده کاوی ; Sammut, C., Webb, GI, Eds. Springer: Boston, MA, USA, 2017; شابک 978-1-4899-7687-1. [ Google Scholar ] [ CrossRef ]
  46. قدرت ها، D. ارزیابی: از دقت، یادآوری و اندازه گیری F تا ROC، اطلاعات، نشانه گذاری و همبستگی. جی. ماخ. فرا گرفتن. تکنولوژی 2011 ، 2 ، 37-63. [ Google Scholar ]
  47. گو، دی. گرلند، پی. پلتیه، اف. کوهن، ب. خطرات قرار گرفتن در معرض و آسیب پذیری در برابر بلایای طبیعی در سطح شهر: یک مرور کلی . بخش جمعیت، مقاله فنی شماره 2015/2; سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 2015. [ Google Scholar ]
  48. بلاهوت، ج. پورتی، آی. دی آمیسیس، م. Sterlacchini، S. پایگاه داده بلایای ژئو هیدرولوژیکی برای اهداف حفاظت مدنی. نات. خطرات 2012 ، 60 ، 1065-1083. [ Google Scholar ] [ CrossRef ]
Ijgi 08 00510 g001 550
شکل 1. چهار IB.
Ijgi 08 00510 g002 550
شکل 2. معماری نرم افزار مرجع.
Ijgi 08 00510 g003 550
شکل 3. دو تصویر در مورد سیل فلورانس (1966).
Ijgi 08 00510 g004 550
شکل 4. GeoArea : منطقه آبروزو.
Ijgi 08 00510 g005 550
شکل 5. خطوط خطوط ( سمت چپ ) و رودخانه ها ( راست ) منطقه آبروزو.
Ijgi 08 00510 g006 550
شکل 6. ساختمان های شهر لاکویلا.
Ijgi 08 00510 g007 550
شکل 7. تعداد کمی از IB ها بر اساس متریک S رتبه بندی شده اند .
Ijgi 08 00510 g008 550
شکل 8. 7 IB برتر بر اساس متریک S رتبه بندی شده اند .
Ijgi 08 00510 g009 550
شکل 9. دو تصویر گرفته شده از Google Earth. خط آبی رودخانه پنهان شده توسط درختان را برجسته می کند.
Ijgi 08 00510 g010 550
شکل 10. ساختمان های روی لبه یک صخره.
Ijgi 08 00510 g011 550
شکل 11. چهار پروفیل ارتفاعی مختلف از زمین بین یک رودخانه و یک ساختمان.
Ijgi 08 00510 g012 550
شکل 12. پروفایل های “2” و “4” از شکل 11 .

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید