به عنوان یک خطر، سیل یک شاخص بسیار مهم است که نشان می دهد چگونه یک شهر در برابر بیماری ها و اپیدمی های منتقله از آب تاب آوری دارد. طی دهه‌های متمادی، سیل به‌عنوان یک خطر، یکی از عوامل اصلی در ایجاد جابجایی بخش‌های حاشیه‌نشین بوده است. شهر آستین در مرکز تگزاس به عنوان یکی از کانون های اصلی سیل در دهه های اخیر شناخته شده است. بنابراین، اهداف مقاله دو دسته هستند: 1) از نظر تجربی، ما سطوح حساسیت را از عوامل محیط های فیزیکی برای ارزیابی خطر سیل شهری (داده های بارندگی، بدنه های آب سطحی و توپوگرافی) تجزیه و تحلیل و نقشه برداری کردیم. در آستین، تگزاس و 2) از نظر روش‌شناسی، یک ابزار برنامه‌نویسی ArcGIS قابل استفاده مجدد ایجاد کردیم که می‌تواند توسط محققان برای خودکارسازی فرآیند مدل‌سازی خطر سیل با معیارهای خاص مورد استفاده قرار گیرد.

کلید واژه ها

نقشه برداری , تگزاس , خطر سیل , حساسیت , آسیب پذیری , GIS , ArcPy

1. مقدمه

سیل یکی از گسترده ترین خطرات در سراسر جهان است. ناهنجاری های جوی مسئول ایجاد سیل هستند [ 1 ] . تگزاس مرکزی شاهد یکی از بالاترین سیل های ثبت شده در هر منطقه دیگری در ایالات متحده بوده است بین سال های 2011 تا 2020، در سراسر ایالت، مرکز تگزاس سه سیل 100 ساله را تجربه کرد [ 2 ]] . شهر آستین در قلب تگزاس مرکزی قرار دارد و مستعد سیلاب های داخلی است که با بارش بیش از حد و حجم بالای روان آب در حوضه آبریز رودخانه یا رودخانه مشخص می شود. خاک صخره ای و غنی از رسی و زمین های شیب دار این منطقه را به طور منحصر به فردی در برابر سیل های بزرگ آسیب پذیر می کند. علاوه بر این، موقعیت جغرافیایی شهر را به دلیل طوفان های بزرگ از غرب (از اقیانوس آرام) و جنوب شرقی (از خلیج مکزیک) و مرزهای جلویی قوی که از دشت های بزرگ وارد می شوند، در وضعیت نامناسب هواشناسی از سیل قرار می دهد. در مواقعی، مانند «طوفان کامل» در سال 1998 – معروف به سیل بزرگ مرکزی تگزاس – بیش از 20 اینچ باران خیلی سریع و برای مدت طولانی بارید که منجر به بارگیری چشمگیر نهرها و رودخانه‌ها شد [ 3 ]] . علاوه بر این، داده‌های جدید هواشناسی، معروف به اطلس 14 [ 2 ] (NCEI/NOAA، nd)، اکنون نشان داده‌اند که بخش‌هایی از آستین به‌طور میانگین، سه اینچ بیشتر از آنچه که اداره ملی اقیانوسی و جوی گزارش داده بود، در رویدادهای طوفانی بزرگ تجربه خواهد کرد. محاسبه شده با داده های قدیمی بارندگی در سال 1961 [ 4 ].

این منطقه شهری حداقل شش رویداد سیل اصلی را در طول قرن بیستم تجربه کرده است، از جمله شکستن سد آستین در سال 1900، رویداد سیلاب رودخانه لیانو در سال 1935، سیل روز یادبود در سال 1981، سیل های هالووین در سال 2013 در نهر پیاز، هفته یادبود. 2015، و سیل هیل کشور در سال 2018. بنابراین، با ساخت سازه‌های بتنی، این منطقه شهری‌تر می‌شود، از جمله پیامدهای نامطلوب بر تنوع زیستی، آسیب‌های مالی، و افزایش تلفات خانه‌ها در اثر سیل برای افرادی که در پایین‌ترین سطح اقتصاد قرار دارند. 5 ] .

آستین ( شکل 1 ) در هیل کشور تگزاس مرکزی واقع شده است. این شهر دارای مختصات جغرافیایی از 30.2672 شمالی تا 97.7431 غربی است. این شهر عمدتاً توسط شهرستان تراویس و به دنبال آن برخی از مناطق حومه شهری توسط شهرستان های هایز و ویلیامسون پوشش داده شده است. علاوه بر این، آستین به عنوان پایتخت ایالت تگزاس معرفی شده است. به نقل از وب سایت رسمی

شکل 1 . نقشه منطقه مورد مطالعه.

آستین، تگزاس، این شهر در پنج سال گذشته شاهد انفجار جمعیت بوده است. این شهر منبع دریاچه ها و آبراه های متعددی مانند دریاچه لیدی برد، دریاچه تراویس در رودخانه کلرادو، بارتون اسپرینگز و دریاچه والتر ای لانگ و غیره است.

در حال حاضر با افزایش جمعیت و تغییر شرایط آب و هوایی، شهر در فواصل زمانی مکرر دچار سیل شهری می شود. بنابراین، عمیق‌تر کردن دو روی سکه حائز اهمیت است. ارزیابی آسیب‌پذیری/خطر سیل و همچنین ادبیاتی در مورد توسعه اسکریپت‌های قابل استفاده مجدد برای اهداف مدل‌سازی تحقیقات زیادی وجود دارد. با این حال، هیچ ادبیاتی وجود ندارد که بتواند به طور خاص مدل‌سازی ریسک سیل را ارائه دهد. یکی از ایده های اصلی درک عوامل موثر بر احتمال وقوع سیل در شهری پررونق مانند آستین است و یکی از جنبه های دیگر درک عواقب پس از فاجعه است. این به ایجاد ابزار تحلیلی مکانی با استفاده از برنامه‌نویسی پایتون کمک می‌کند که می‌تواند سطوح حساسیت به سیل یک مکان را بر اساس مجموعه‌ای از معیارهای وزنی مدل‌سازی کند. این به عنوان پایه‌ای برای اتوماسیون تحقیقات و پروژه‌های مدل‌سازی سیل آینده خواهد بود، بدون اینکه کاربران تلاش‌های دستی را برای انجام هر مرحله برای تولید نقشه حساسیت انجام دهند. همچنین، بسته به معیارهای مورد علاقه، توسعه دهندگان GIS (سیستم اطلاعات جغرافیایی) می توانند از این مدل استفاده کنند تا متغیرهای مربوط به ارزیابی ریسک خود را در نظر بگیرند.

هدف این مقاله ایجاد یک ابزار برنامه نویسی قابل استفاده مجدد است که می تواند در ArcGIS Pro برای مدل سازی خطر سیل اجرا شود، که تجزیه و تحلیل و نقشه برداری از سطوح حساسیت به خطر سیل را از دیدگاه محیط فیزیکی در آستین، تگزاس خودکار می کند. . چندین مطالعه نقشه‌برداری خطر سیل را بر اساس یک رویکرد چند معیاره برای تعیین مناطق مستعد در برابر سیل اجرا کرده‌اند [ 6 ] [ 7 ] [ 8 ]] . با این حال، ما نیاز به تولید ابزاری برای خودکارسازی فرآیند مدل‌سازی با تغییرات اندک یا بدون هیچ معیاری را می‌بینیم. با این کار، اجزای محیط فیزیکی که به سطوح سیل حساس هستند یا بر سطوح سیل تأثیر می‌گذارند، ادغام می‌شوند تا یک ابزار ارزیابی آسیب‌پذیری فیزیکی کلی تولید کنند. این می تواند در اتوماسیون رویه های تحلیلی هنگام برخورد با مدل سازی خطر سیل و همچنین کمک به تلاش های کاهش سیل و به عنوان راهنمای منطقه بندی و توسعه نه تنها در این منطقه مورد مطالعه، بلکه در سایر شهرها نیز مفید باشد. به این ترتیب، اهداف اصلی این مطالعه به شرح زیر است:

1) ترسیم سطح حساسیت از عوامل محیط های فیزیکی برای ارزیابی خطر سیل شهری: داده های بارندگی، آب های سطحی و توپوگرافی. در آستین، تگزاس

2) یک ابزار ArcGIS ایجاد کنید که بتواند فرآیند مدل‌سازی ریسک سیل را با معیارهای خاص خودکار کند.

2. بررسی ادبیات

جمعیت‌های حاشیه‌نشین به‌طور نامتناسبی در نواحی پرخطر ساکن بودند. آنها بیشتر مستعد تأثیرات هستند و مکانیسم های مقابله ای بسیار کمی با بلایای طبیعی اجتماعی دارند [ 9 ]. اثرات نامطلوب سیل [ 10 ] به طور نامتناسبی توسط فقرا تجربه می شود. تحقیقات آنها تعاملات رویدادهای سیل را با مدل های واکنش سیل برای بررسی تأثیر سیل در جوامع ناهمگون اجتماعی شبیه سازی می کند. با ظهور بحران آب و هوایی فزاینده: سیل شهری مربوط به شهرهای غرب است، باید بر روی انطباق با روش‌های پیچیده برای مدیریت کاربری زمین، زیرساخت‌ها و ارائه خدمات تمرکز کنند.» [ 11 ]. در نهایت، خطرات طبیعی تأثیر نسبتاً بیشتری بر افرادی که در معرض نابرابری اجتماعی هستند [ 12 ] دارد.] .

ارزیابی خطر سیل با استفاده از تئوری فاجعه [ 13 ] انجام می شود، با این حال، آنها یک چارچوب مفهومی برای در نظر گرفتن خطر سیل ایجاد می کنند که شامل چهار دسته مورد استفاده در تحقیق فعلی است. فاجعه رانندگان شامل الگوهای آب و هوای یک منطقه، از همه مهمتر میانگین بارش است. محیط بلایا به جغرافیای یک منطقه، بررسی شیب و سایر ویژگی های فیزیکی اشاره دارد. فاجعه بارها عوامل اجتماعی-اقتصادی یک محیط شهری را در نظر می گیرند و ظرفیت تحمل فاجعه توانایی محیط در نگهداری آب را بررسی می کند. یک تکنیک ترکیبی خطی وزنی برای ایجاد نقشه منطقه‌بندی خطر سیل شهری به کمک GIS در آرژانتین با تمرکز بر تجزیه و تحلیل متغیرهایی که مسیریابی را در مواقعی که جریان‌های پیک بالا از ظرفیت سیستم زهکشی فراتر می‌رود، کنترل می‌کنند [ 14 ].] . مقادیر وزنی بر اساس ویژگی های محلی هر لایه و همچنین توسعه زمین شناسی مهندسی به هر متغیر اختصاص داده شد.

گروه دیگری از محققان تکنیک‌های GIS و سنجش از دور را برای رسیدن به نقشه آسیب‌پذیری سیل برای شهر Ibadan، نیجریه با در نظر گرفتن 7 متغیر کمک‌کننده [ 15 ] اتخاذ کردند. هر متغیر یکی پس از دیگری به مدل معرفی شد تا تأثیراتی را که بر تحلیل کلی داشتند، بررسی کرد. برای نشان دادن اهمیت تصمیم گیرندگان در فرآیند تعیین وزن و انتخاب تکنیک های مناسب در تصمیم گیری، یک رویکرد مقایسه ای بین روش ترکیب خطی وزن دار و فرآیند سلسله مراتبی تحلیلی اتخاذ شد [ 16 ]] . رویکرد پیچیده تری با ترکیب 3 قانون تصمیم گیری چند معیاره اتخاذ شد. ترکیب خطی وزنی، فرآیند تحلیل سلسله مراتبی و میانگین وزنی مرتب. برای ایجاد یک نقشه کلی خطر سیل برای مقابله با عدم قطعیت در مقادیر معیارها و نحوه تأثیر آنها بر ارزیابی کلی [ 17 ].

یک ابزار GIS سفارشی شده در نرم افزار ArcGIS با استفاده از برنامه نویسی پایتون، که می تواند حداقل درخت پوشا یک شبکه جاده متصل، بدون جهت و وزن را با در نظر گرفتن تمام نقاط اتصال شبکه مهم و همچنین فاصله و زمان به عنوان عوامل هزینه بسازد [ 18 ]. یک ابزار GIS برای تجزیه و تحلیل پایداری شیب نامحدود با استفاده از الگوریتم PISA-m بر اساس مدل شیب نامتناهی و روش لحظه دوم مرتبه مشت (FOSM) برای ارزیابی پتانسیل محرک‌های لرزه‌ای در ناپایداری شیب ایجاد شد [ 19 ].] . ابزار GIS دیگری با برنامه نویسی پایتون برای پشتیبانی از تجزیه و تحلیل وابسته به مقیاس ناهمگونی فضایی با تمرکز بر بوم شناسی منظر با نتایجی که نشان می دهد اطلاعات ارزشمندی را می توان از توزیع فضایی شکاف ها در داده های ورودی در مقیاس های مختلف به دست آورد، تولید شد [ 20 ].

3. داده ها

بر اساس ادبیات موجود حول محور ارزیابی خطر سیل 6 متغیر برای ارزیابی خطر سیل با استفاده از ابزار GIS [ 21 ] [ 22 ] [ 23 ] در نظر گرفته شده است. تمام داده های این تحلیل از منابع ثانویه به دست آمده است. برای درک داده های آب برای شهر آستین، وب سایت اداره ملی اقیانوسی و جوی انتخاب شده است. 19 ایستگاه در سراسر شهر آستین شناسایی شد. این ایستگاه های Gage با داده های بارش/بارندگی در منطقه مواجه می شوند.

برای اهداف جمع‌آوری داده‌های ثانویه، داده‌های ماهانه بارندگی/بارش (19 ایستگاه) برای شهر آستین از ژانویه 2021 تا دسامبر 2021 از اداره ملی اقیانوسی و جوی (NOAA) به‌دست آمد. میانگین بارندگی در سال در تمام 12 ماه برای هر ایستگاه به طور میانگین محاسبه می شود. مدل دیجیتال ارتفاع (DEM) آستین از سازمان زمین شناسی ایالات متحده (USGS) در قالب TIFF 32 بیتی 10 متر در 10 متر گرفته شده است. این به عنوان منبعی برای به دست آوردن نه تنها ارتفاع منطقه مورد مطالعه، بلکه همچنین شیب، پر شدن و تجمع جریان عمل می کند. چند ضلعی های هیدرولوژی به روز شده از نماینده پورتال Open Data شهر آستین برای همه دریاچه ها و رودخانه های شهر و همچنین سایر آب های داخلی به دست آمده است.

4. روش شناسی

پس از بررسی گسترده تحقیقات انجام شده توسط [ 21 ] [ 22 ] [ 23 ]، 6 عامل مورد استفاده برای تجزیه و تحلیل در این مطالعه عبارتند از: بارش، شیب، تجمع جریان، ارتفاع، فاصله اقلیدسی، کاربری زمین/پوشش زمین. تمام تحلیل ها با ArcPy با استفاده از مجموعه ای از ابزارهای جعبه ابزار ArcGIS Pro انجام می شود ( شکل 2)). با استفاده از شطرنج ارتفاع، چهار متغیر مهم برای تعیین سطوح خطر از دیدگاه هیدرولوژی و ارتفاع مورد نیاز خواهد بود. شیب هر سلول شطرنجی ارتفاع برای بدست آوردن شیب منطقه مورد مطالعه محاسبه می شود. این با این تصور کار می کند که هر چه شیب تندتر باشد، سطح خطر سیل در آن منطقه کمتر است، در حالی که یک شیب ملایم نشان دهنده خطر بالاتر سیل است. سینک‌ها در DEM پر می‌شوند تا از یک طرح کلی مناسب از نهرها و حوضه‌ها قبل از در نظر گرفتن جهت پایین شیب و تجمع جریان (در صورت بارندگی) اطمینان حاصل شود. انباشت جریان به سادگی جریان انباشته وزن تمام سلول هایی است که در هر سلول در شطرنج خروجی به پایین شیب جریان دارند. سلول‌هایی با مقادیر تجمعی بالا جریان‌های متمرکزی دارند و بیشتر مستعد سیل هستند. یک تکنیک فاصله وزنی معکوس (IDW) برای درون یابی داده های بارندگی استفاده می شود، بنابراین یک سطح شطرنجی نماینده سطوح بارندگی تولید می شود. میزان بارندگی بالاتر نشان دهنده سطوح بالاتر خطر سیل است و بالعکس. همچنین مهم است که فاصله از بدنه های آبی را در نظر بگیرید

شکل 2 . چارچوب روش شناختی

منطقه مورد مطالعه به هر نقطه دیگر در محدوده پردازش تعریف شده است. برای این مطالعه، فاصله خط مستقیم (فاصله اقلیدسی) برای هر نقطه دور از آب موجود محاسبه می‌شود. هر چه نقطه ای از زمین به منبع آب داخلی یا دریاچه نزدیکتر باشد، احتمال خطر سیل بیشتر است و بالعکس. داده‌های کاربری زمین/پوشش زمین بر اساس پوشش توسعه‌یافته/غیرقابل نفوذ و پوشش توسعه نیافته/قابل نفوذ جدا و طبقه‌بندی می‌شوند، مفهومی که در پشت این موضوع وجود دارد این است که مکان‌هایی با پوشش غیرقابل نفوذ بیشتر از مکان‌های دارای پوشش قبلی در معرض خطر سیل قرار می‌گیرند.

سپس از یک روش ترکیبی خطی وزن‌دار برای تخصیص وزن‌ها به عنوان درصد به تمام متغیرهای مورد استفاده در این تحلیل با مجموع وزن کل تا 100 استفاده می‌شود.

ترکیب خطی وزنی

یک ترکیب خطی وزنی بر اساس مفهوم میانگین وزنی داده های پیوسته کار می کند که در یک محدوده عددی مشترک استاندارد شده و سپس با استفاده از میانگین وزنی ترکیب می شوند. اوزان به هر معیار توسط تصمیم گیرندگان بر اساس اهمیت نسبی آنها برای هر ویژگی در نظر گرفته شده برای تجزیه و تحلیل اختصاص داده می شود. سپس این معیارهای ویژگی با اعمال وزن‌های مربوطه ترکیب می‌شوند و برای تولید یک نقشه کلی تناسب/حساسیت ترکیبی که در معادله (1) نشان داده شده است، خلاصه می‌شوند .

(1)

که در آن S تناسب است، j وزنی است که به عامل i اختصاص داده شده است ، و i به عنوان امتیاز معیار عامل i است.

این تکنیک هم روی داده های برداری و هم بر روی داده های شطرنجی قابل پیاده سازی است. برای این تجزیه و تحلیل، از چهار متخصص در مدل‌سازی خطر سیل در فرآیند استخراج وزن برای درک بهتر تأثیر هر عامل بر قرار گرفتن در معرض خطر سیل مشورت شد. برای انجام این کار، وزن ها با استفاده از دو تکنیک مطابق با [ 24 ] ارزیابی و تولید شدند:

● روش رتبه بندی: هر معیار بر اساس ترجیحات کارشناسان رتبه بندی می شود. این ساده ترین روش برای ارزیابی اهمیت وزن است.

● روش رتبه بندی: وزن ها بر اساس یک مقیاس از پیش تعیین شده تخمین زده می شوند.

با استفاده از ArcPy، متدولوژی این پروژه برای ایجاد یک ابزار جدید جداگانه در جعبه ابزار ArcGIS Pro استفاده خواهد شد تا امکان استفاده از آن توسط سایر محققان فراهم شود. هر متغیر بر اساس طرح طبقه‌بندی شکست‌های طبیعی (جنکس) و همچنین بر اساس یک محدوده ارزش معیار با رتبه‌بندی عاملی ( جدول 1 ) به 3 کلاس طبقه‌بندی می‌شود. برای هدف این مطالعه، پنج نفر از کارشناسان در زمینه ارزیابی خطر سیل به صورت جداگانه با هدف رتبه‌بندی/وزن هر متغیر بر اساس سطح اهمیت درک شده مورد مشورت قرار گرفتند. نتایج هر متخصص جمع‌آوری و میانگین‌گیری شد تا سیستم وزن‌دهی نهایی تولید شود که بقیه این مطالعه را راهنمایی می‌کند.

5. نتایج

5.1. رابط و طراحی ابزار

اصل اساسی این کار، برای رمزگشایی حساسیت به سیل، این است چندین عامل جغرافیایی به طور هماهنگ برای ایجاد سطوح مختلف خطر سیل در یک منطقه کار می کنند. همه این عوامل به طور یکنواخت در ایجاد سیل نقش ندارند. در عوض، برخی از عوامل دارای وزن / قدرت نسبی بیشتری در ایجاد سیل در مقابل سایر عوامل هستند. این ابزار تلاش می کند تا داده های مرتبط را با توجه به هر عامل جغرافیایی شناسایی شده تولید کند. به منظور تولید چنین داده‌هایی، ابزار ورودی کاربر را از محل چندین فایل (tif, .shp, .csv) که منطقه مورد بررسی را توصیف می‌کنند ( شکل 3 ) می‌گیرد و آنها را بر اساس اعلان‌های داده به ابزار تغذیه می‌کند. رابط کاربری ( شکل 4 ).

با رابط ابزار در ArcGIS، کاربران مکان شکل فایل ها را برای 1) مرز تحت مشاهده، 2) آب در آن منطقه 3) کاربری و پوشش زمین منطقه 4) شطرنجی توصیف کننده DEM منطقه 5) ارائه می دهند. a.csv که بارش منطقه را توصیف می کند ( شکل 5 ). هنگامی که فاکتورها برای منطقه کمی سازی شدند، ابزار سپس هر عامل را در یک مقیاس یکنواخت مجدداً طبقه بندی می کند ( شکل 6 و شکل 7 ).

در نهایت، این ابزار سطوح خطر سیل را در یک پوشش یکپارچه بر اساس وزن تعریف شده توسط کاربر که به هر عامل اختصاص داده شده است، قرار می دهد. نتیجه نهایی یک نقشه روکش شده (فایل img) از منطقه پروژه است که خطر سیل را در هر منطقه نشان می دهد.

شکل 3 . سازمان کدهای پایتون

شکل 4 . رابط کاربری با ابزار همپوشانی وزنی در ArcGIS.

شکل 5 . متغیرها/معیارهای روش شناختی.

شکل 6 . مقادیر معیارهای طبقه بندی مجدد

سطح ریسک تجمعی منطقه با استفاده از ابزار Weighted Overlay در ArcGIS محاسبه می‌شود، که مجموع وزنی سطوح ریسک را که توسط هر عامل منفرد ایجاد می‌شود، ارائه می‌کند ( شکل 7 ). محصول نهایی بالاترین خطر سیل را در منطقه شمالی آستین نشان می دهد، با مناطق کوچک و جدا شده با خطر نسبتا کم که به سمت جنوب غربی گرایش دارند.

5.2. نتایج تحلیلی و نقشه ها

شکل 4 رابط کاربری ابزار تازه ایجاد شده در ArcGIS Pro است. پارامترهایی که با ستاره مشخص شده اند، متغیرهای ضروری و همچنین مقادیر وزنی هستند که برای تولید نقشه ریسک نهایی وصل شده اند ( شکل 7)، حساسیت نسبی بخش هایی از آستین را نشان می دهد. بخش بیشتری از مناطق پرخطر در شمال غربی آستین با تکه های کم در جنوب غربی قرار دارد. مرکز شهر آستین تمام راه به سمت جنوب در بخش های با خطر متوسط ​​قرار دارد و بخش کوچکی از جنوب شرقی آستین در یک منطقه کم خطر قرار دارد. با این حال، توجه به این نکته مهم است که نتایج ممکن است با تفاوت در مقادیر وزنی متفاوت باشد. متخصصان این نوع مطالعات می توانند عوامل خاصی را داشته باشند که مورد توجه خاص خود قرار می گیرند که می تواند بر تصمیم گیری های وزن دهی آنها تأثیر بگذارد. برخی از آنها می توانند روی موارد اضطراری متمرکز شوند

شکل 7 . نقشه ترکیبی نهایی برای حساسیت کلی.

مدیریت و کاهش خطر؛ سایرین می توانند بر تخصیص منابع و توسعه شهری متمرکز شوند. این عوامل بر روند ریسک که در نقشه کلی حساسیت خواهیم دید تأثیر می گذارد. این ابزار را می توان در سایر مطالعات و پروژه های مدل سازی سیل برای ترسیم سطوح حساسیت برای طرح های مداخله مختلف استفاده کرد.

6. نتیجه گیری

خطرات سیل در طول زمان ثابت کرده است که یکی از مرگبارترین پدیده های طبیعی است، با وجود ادبیات فراوان از سوی محققانی که در تلاش برای ایجاد و پیاده سازی مدل های آسیب پذیری هستند که می تواند مناطق پرخطر را در تلاش برای کمک به اقدامات کاهشی و همچنین برنامه ریزی شهری، برجسته کند. از مطالعات عدالت زیست محیطی، به ذکر چند. کار دست و پا گیر گذراندن مرحله به مرحله فرآیند مدلسازی سیل را می توان به گونه ای خودکار کرد که همه متغیرهای ضروری/انتخاب شده بتوانند به عنوان ورودی در یک ابزار واحد عمل کنند، که کاربران را قادر می سازد مقادیر وزنی را برای هر معیار بر اساس آن وارد کنند. سطح اهمیت آنها در عین کاهش زمان محاسباتی. این مطالعه سعی در ایجاد یک ابزار پایتون دارد که می تواند در یک محیط جغرافیایی برای مدل سازی سطوح خطر سیل با استفاده از آستین، تگزاس به عنوان مطالعه موردی پیاده سازی شود. ادبیات موجود، ارتفاع، شیب، تجمع جریان، بارندگی/بارش، کاربری زمین/پوشش زمین و فاصله از بدنه‌های آبی را به عنوان عوامل اصلی تاثیرگذار بر سطح سیل برجسته کرده است، با این حال آنها بر اساس محیط و دامنه مطالعه متفاوت هستند. به این ترتیب، توسعه دهندگان می توانند این ابزار را به روش های پیچیده تری متناسب با نیازهای تحقیقاتی خود پیش ببرند. با استفاده از این ابزار، تجزیه و تحلیل با ترکیب خطی وزنی (WLC)، فرآیند تحلیل سلسله مراتبی (AHP) و حتی برنامه ریزی محاسباتی را می توان پس از مشورت با متخصصان در مورد مقایسه زوجی و تعیین وزن معیارها و مقادیر حداکثر و حداقل انجام داد. در هر متغیر شناخته شده است. با این حال آنها بر اساس محیط و دامنه مطالعه متفاوت هستند. به این ترتیب، توسعه دهندگان می توانند این ابزار را به روش های پیچیده تری متناسب با نیازهای تحقیقاتی خود پیش ببرند. با استفاده از این ابزار، تجزیه و تحلیل با ترکیب خطی وزنی (WLC)، فرآیند تحلیل سلسله مراتبی (AHP) و حتی برنامه ریزی محاسباتی را می توان پس از مشورت با متخصصان در مورد مقایسه زوجی و تعیین وزن معیارها و مقادیر حداکثر و حداقل انجام داد. در هر متغیر شناخته شده است. با این حال آنها بر اساس محیط و دامنه مطالعه متفاوت هستند. به این ترتیب، توسعه دهندگان می توانند این ابزار را به روش های پیچیده تری متناسب با نیازهای تحقیقاتی خود پیش ببرند. با استفاده از این ابزار، تجزیه و تحلیل با ترکیب خطی وزنی (WLC)، فرآیند تحلیل سلسله مراتبی (AHP) و حتی برنامه ریزی محاسباتی را می توان پس از مشورت با متخصصان در مورد مقایسه زوجی و تعیین وزن معیارها و مقادیر حداکثر و حداقل انجام داد. در هر متغیر شناخته شده است.

این مطالعه با این حال بدون محدودیت نیست و برجسته ترین آنها طرح طبقه بندی است. در حالت ایده‌آل، کاربران باید بتوانند محدوده‌های تعیین‌شده را برای هر متغیر تنظیم کنند که متناسب با نیازها یا الزامات خاص باشد. با این حال، برای این مطالعه، از یک طرح طبقه‌بندی شکست‌های طبیعی (Jenks) برای تقسیم‌بندی متغیرهای مختلف استفاده شد، اما دامنه مقادیر این طرح به صورت دستی و کدگذاری سخت در ابزار مورد استفاده قرار گرفت، بنابراین کاربران مجبور شدند محدوده‌های خود را در اسکریپت کدنویسی کنند. . مطالعات آتی در این زمینه بر روی اتخاذ آرایه‌ای از طرح‌های طبقه‌بندی از ArcGIS Pro به پایتون متمرکز خواهد بود تا این فرآیند یکپارچه شود.

منابع

[ 1 ] Doswell, CA, Brooks, HE and Maddox, RA (1996) پیش‌بینی سیل ناگهانی: یک روش مبتنی بر مواد تشکیل دهنده. آب و هوا و پیش بینی، 11، 560-581.
https://doi.org/10.1175/1520-0434(1996)011<0560:FFFAIB>2.0.CO;2
[ 2 ] NCEI/NOAA (2021) پایگاه داده رویدادهای طوفان، 2011-2020. همه شهرستان ها در تگزاس، انواع رویداد: سیل ناگهانی. مراکز ملی اطلاعات محیطی (NCEI/NOAA).
https://www.ncdc.noaa.gov/stormevents/choosedates.jsp?statefips=48%2CTEXAS
[ 3 ] ارل، RA (2007) سیل اکتبر 1998 سیستم رودخانه گوادالوپ بالا، تگزاس مرکزی. تحقیقات دشت بزرگ، 17، 3-16.
[ 4 ] هوبر، ام (2019) سقوط خانه‌های بیشتری در دشت سیل 100 ساله. سیاستمدار آستین آمریکایی.
https://www.statesman.com/news/20191003/austin-weighs-code-changes-after-data-show-80-more-structures-at-flood-risk
[ 5 ] Ekeanyanwu, C. (2021) بررسی آسیب پذیری ساکنان از خطر سیل در محله Onion Creek در آستین تگزاس: چه کسی در معرض خطر است و چرا؟ دانشگاه ایالتی تگزاس، سن مارکوس
https://digital.library.txstate.edu/handle/10877/15449
[ 6 ] Rincón, D., Khan, UT and Armenakis, C. (2018) نقشه برداری خطر سیل با استفاده از GIS و تجزیه و تحلیل چند معیاره: مطالعه موردی منطقه تورنتو بزرگ. Geosciences, 8, 275.
https://doi.org/10.3390/geosciences8080275
[ 7 ] صفری پور، م.، منوری، م.، زارع، م.، عابدی، ز. و قراگوزلو، ع. (1391) ارزیابی خطر سیل با استفاده از GIS (مطالعه موردی: استان گلستان، ایران). مجله مطالعات محیطی، 21، 1817-1824.
[ 8 ] Meyer, V., Scheuer, S. and Haase, D. (2009) یک رویکرد چند معیاره برای نقشه برداری خطر سیل که در رودخانه مولد، آلمان مثال زد. مخاطرات طبیعی، 48، 17-39.
https://doi.org/10.1007/s11069-008-9244-4
[ 9 ] Bixler, PR, Yang, E., Richter, SM and Coudert, M. (2021) گذرگاه مرزی برای انعطاف پذیری جامعه شهری: یک آسیب پذیری اجتماعی و رویکرد چند خطر در آستین، تگزاس، ایالات متحده. International Journal of Disaster Risk Reduction, 66, ID مقاله: 102613.
https://doi.org/10.1016/j.ijdrr.2021.102613
[ 10 ] Moulds, S., Buytaert, W., Templeton, MR and Kanu, I. (2021) مدلسازی اثرات مدیریت خطر سیل شهری بر نابرابری اجتماعی. تحقیقات منابع آب، 57، e2020WR029024.
https://doi.org/10.1029/2020WR029024
[ 11 ] Zoll، D. (2021) سازگاری با آب و هوا به عنوان یک پروژه نژادی: تحلیلی از تلاش‌های تاب‌آوری سیل کوررنگ در آستین، تگزاس. عدالت محیطی، 14، 288-297.
https://doi.org/10.1089/env.2021.0034
[ 12 ] باروس، VR، و همکاران. (2014) تأثیرات، سازگاری و آسیب پذیری تغییرات اقلیمی 2014 بخش B: جنبه های منطقه ای: مشارکت گروه کاری II در پنجمین گزارش ارزیابی پانل بین دولتی در مورد تغییرات آب و هوا. 1-1820.
[ 13 ] Lv, Y., Liu, S. and Zhong, G. (2021) ارزیابی خطر سیل در حوزه آبخیز کوچک بر اساس نظریه فاجعه. مجموعه کنفرانس IOP: علوم زمین و محیط زیست، 691، شناسه مقاله: 012016.
https://doi.org/10.1088/1755-1315/691/1/012016
[ 14 ] فرناندز، DS و لوتز، MA (2010) منطقه بندی خطر سیل شهری در استان توکومان، آرژانتین، با استفاده از GIS و تجزیه و تحلیل تصمیم گیری چند معیاره. زمین شناسی مهندسی، 111، 90-98.
https://doi.org/10.1016/j.engeo.2009.12.006
[ 15 ] Eguaroje، OE، و همکاران. (2015) ارزیابی آسیب پذیری سیل در شهر ایبادان، ایالت اویو، نیجریه. محیط زیست جهانی، 5، 149-159.
[ 16 ] Yalcin، G. and Akyurek, Z. (2004) تجزیه و تحلیل مناطق آسیب پذیر سیل با ارزیابی چند معیاره. بیستمین کنگره ISPRS، استانبول، 12-23 ژوئیه 2004، 359-364.
[ 17 ] Kandilioti, G. and Makropoulos, C. (2012) ارزیابی اولیه خطر سیل: مورد آتن. مخاطرات طبیعی، 61، 441-468.
https://doi.org/10.1007/s11069-011-9930-5
[ 18 ] Dutta, S., Patra, D., Shankarb, H. and Verma, PA (2014) توسعه ابزار GIS برای حل مسئله حداقل درخت پوشا با استفاده از الگوریتم Prim. آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات فضایی، 40، 1105-1114.
https://doi.org/10.5194/isprsarchives-XL-8-1105-2014
[ 19 ] Escobar-Wolf، R.، Sanders، JD، Vishnu، CL، Oommen، T. و Sajinkumar، KS (2021) یک ابزار GIS برای تجزیه و تحلیل پایداری شیب نامحدود (GIS-TISSA). مرزهای علوم زمین، 12، 756-768.
https://doi.org/10.1016/j.gsf.2020.09.008
[ 20 ] دونگ، پی، صادقی‌نی‌فرد، ف.، شیا، جی و تان، س. (2019) تحلیل ناهنجاری ناحیه‌ای: ابزار تحلیل فضایی جدید برای سیستم‌های اطلاعات جغرافیایی. بوم شناسی چشم انداز، 34، 2245-2249.
https://doi.org/10.1007/s10980-019-00886-9
[ 21 ] Hammami، S.، و همکاران. (2019) استفاده از تجزیه و تحلیل تصمیم گیری چند معیاره مبتنی بر GIS و فرآیند تحلیل سلسله مراتبی (AHP) در نقشه‌برداری حساسیت سیل (تونس). مجله عربی علوم زمین، 12، مقاله شماره 653.
https://doi.org/10.1007/s12517-019-4754-9
[ 22 ] Kia, MB, Pirasteh, S., Pradhan, B., Mahmud, AR, Sulaiman, WNA and Moradi, A. (2012) An Artificial Neural Network for Flood Simulation Using GIS: Johor River Basin, Malaysia. علوم زمین محیطی، 67، 251-264.
https://doi.org/10.1007/s12665-011-1504-z
[ 23 ] Danumah، JH، و همکاران. (1395) ارزیابی و نقشه برداری خطر سیل در منطقه ابیجان با استفاده از مدل تحلیل چند معیاره (AHP) و تکنیک های اطلاعات جغرافیایی، (ساحل عاج). بلایای ژئومحیطی، 3، مقاله شماره 10.
https://doi.org/10.1186/s40677-016-0044-y
[ 24 ] Malczewski، J. (1999) GIS و تجزیه و تحلیل تصمیم گیری چند معیاره. جان وایلی و پسران، هوبوکن.

بدون دیدگاه

دیدگاهتان را بنویسید