ارزیابی چند خطر با استفاده از تحلیل خوشه‌ای – برای مراکز تخلیه مشخص یوکوهاما

 

معمولاً برای هر حادثه نقشه های خطر تهیه می شود که شامل نقشه های خطر لرزه ای، نقشه های خطر سیل و نقشه های خطر زمین لغزش می شود. با این حال، زمانی که عموم مردم تلاش می‌کنند تا ریسک فاجعه خود را بررسی کنند، احتمالاً بیشتر آنها از انواع خاصی از فاجعه آگاه نیستند. بنابراین، اول از همه، ما باید بدانیم که چه نوع sخطرات مهم هستند با این حال، اطلاعاتی که خطرات متعدد را ادغام می کند، به خوبی حفظ نشده است و چنین مطالعات کمی وجود دارد. از طرفی در ژاپن اطلاعات خطرات زیادی در اینترنت منتشر می شود. بنابراین، ما داده‌های خطر را که می‌توان به صورت آنلاین در مورد پناهگاه‌ها (جایی که افراد تخلیه شده در طول بلایا زندگی می‌کنند) و حوضه‌های آبریز آن‌ها (مناطق اختصاص داده شده به هر پناهگاه) در شهر یوکوهاما، استان کاناگاوا، خلاصه و ارزیابی کردیم. بر اساس نتایج، ما بررسی کردیم که آیا یک گروه بندی با تجزیه و تحلیل خوشه ای امکان ارزیابی چند خطر را فراهم می کند یا خیر. ما از چهار بلایای طبیعی (لرزه، سیل، سونامی، بلایای رسوبی) و شش پارامتر دیگر جمعیت و سالمندان استفاده کردیم. با این حال، از آنجایی که ویژگی های جمعیت و جمعیت ارشد تقریباً یکسان بود، در آزمون نهایی فقط از داده های جمعیت استفاده شد. از تجزیه و تحلیل خوشه ای، مشخص شد که مناسب است مراکز تخلیه تعیین شده در شهر یوکوهاما را به شش گروه گروه بندی کنیم. علاوه بر این، هر یک از شش گروه پیدا شدداشتن ویژگی های قابل توضیح، تایید کننده اثربخشی چند خطرایجاد با استفاده از تحلیل خوشه ای به عنوان مثال، ما تقسیم کردیم، همه خطرات کم هستند، هم خطرات سیل و هم خطرات لرزه ای زیاد، خطرات رسوب زیاد هستند، و غیره. در بسیاری از شهرهای ژاپن، اقدامات پیشگیری از بلایا با توجه به خطرات زمین، عمدتاً برای بلایای زلزله انجام شده است. در این مقاله، سازگاری بین نتایج ارزیابی چند خطر ارزیابی شده در اینجا و نقشه خطر زمینی موجود را تأیید کردیم و سودمندی مرکز تخلیه تعیین‌شده را بررسی کردیم. در نهایت، اعتبار با مقایسه این نتیجه با خطر زمین بر اساس اندازه‌گیری واقعی توسط تحقیقات گذشته تأیید شد. در مکان هایی که خطر لرزه ای زیاد است، این دو با این واقعیت همخوانی دارند که سهولت تکان دادن با اندازه گیری واقعی نیز زیاد است.

کلید واژه ها

چند خطر , تحلیل خوشه ای , داده های باز , مرکز تخلیه تعیین شده , GIS

1. مقدمه

از زمان های قدیم، ژاپن متحمل بلایای بسیاری از زلزله و تلفات زیادی شده است. از این رو مرکز تخلیه در صورت وقوع حادثه مهم تلقی می شود و برای هر شهر مراکز تخلیه تعیین می شود. با این حال، به دلیل گرم شدن زمین، بلایای هواشناسی در سال‌های اخیر فراوان‌تر شده‌اند و باران‌های شدید، طوفان‌ها و بلایای مرتبط با رسوبات نیز مکررا رخ داده‌اند. علاوه بر این، از زمان زلزله بزرگ ژاپن شرقی 2011، بلایای سونامی ناشی از زمین لرزه های بزرگ منطقه فرورانش به یک نگرانی تبدیل شده است و لازم است کارایی مراکز تخلیه تعیین شده موجود برای بلایای مختلف مورد توجه قرار گیرد.

ژاپن کشوری با بالاترین خطرات بلایای طبیعی مانند زلزله و سیل است. از این رو، بررسی ها و مطالعات بسیاری در مورد بلایا انجام شده و حجم زیادی از اسناد در خصوص اقدامات مقابله با بلایا جمع آوری شده است. ناکابایاشی و اوتاگیری [ 1 ] برای توانمندسازی شهرداری ها برای پاسخگویی به بلایای متعدد، بلایای پیچیده و بلایای وسیع و عظیم را تعریف کردند و در مورد موقعیت ها و چالش های فعلی بحث کردند. و Okano [ 2 ] نیاز به بررسی را با فرض ترکیبی از بلایای متعدد مورد بحث قرار می دهد، اگرچه احتمال آن کم است. وزارت زمین، زیرساخت، حمل و نقل و گردشگری یک “نقشه خطر همپوشانی” تهیه کرد که در آن اطلاعات خطر بلایا را می توان تحت سایت پورتال نقشه خطر قرار داد [ 3 ]]، تلاش برای ارزیابی واضح خطر. نمونه های دیگری از تحقیقات قبلی در ژاپن در زیر [ 1 ] – [ 8 ] آورده شده است. تحقیقاتی با تمرکز بر رفتار تخلیه به دلیل بلایای پیچیده توسط تاکادا و همکاران وجود دارد. [ 4 ] [ 5 ]، تحقیق در مورد اقدامات کاهش آسیب با تمرکز بر لرزه‌ای و سیل‌های ناشی از Itagaki و همکاران. [ 6 ]، تحقیقی در مورد پیش‌بینی طوفان موج طوفان هنگام برخورد طوفان پس از زلزله توسط کاوازاکی و همکاران. [ 7 ]. و تامورا و همکاران [ 8] روشی را برای ارزیابی ریسک چند خطر با ترکیب ایده های احتمالی و ادغام منحنی های ریسک برای بلایای فردی پیشنهاد می کند. این مقاله همچنین اجرایی شدن قانون کاهش بلایا (2000) [ 9 ] و پلت فرم اطلاعات چند خطر FEMA [ 10 ] را به عنوان تلاش های ایالات متحده معرفی می کند. علاوه بر این، نقشه های خطر به طور گسترده مورد مطالعه قرار گرفته است، به عنوان مثال، Szu-Hsien Peng و همکاران وجود دارد. [ 11 ] به عنوان نمونه ای از مطالعه در مورد سیل ها و جریان های زباله در تایوان، و نمونه ای از مطالعه در مورد جابجایی زمین در الجزایر توسط Amar Guettouche [ 12 ]. مطالعاتی که ویژگی‌های منطقه‌ای را از تحلیل خوشه‌ای طبقه‌بندی می‌کنند شامل Sangeeta [ 13 ] و R. Ley [ 14 ] است.]. با این حال، مطالعات زیادی وجود ندارد که خطرات متعدد را در نظر بگیرد.

وقتی افراد غیرمتخصص، مانند کارکنان شهرداری و عموم مردم، واکنش به بلایا را بررسی می‌کنند، می‌توانیم فرض کنیم که اولین مرجعی که به آن مراجعه می‌کنند، نقشه خطر است که توسط دولت‌های فدرال و محلی تهیه شده است. معمولاً برای هر حادثه نقشه های خطر تهیه می شود که شامل نقشه های خطر لرزه ای، نقشه های خطر سیل و نقشه های خطر زمین لغزش می شود. با این حال، زمانی که عموم مردم تلاش می‌کنند تا ریسک فاجعه خود را بررسی کنند، احتمالاً بیشتر آنها از انواع خاصی از فاجعه آگاه نیستند. به عبارت دیگر، آنها می خواهند خطر کلی خود را از فاجعه بدانند. در چنین حالتی، اطلاعات برای تعیین ویژگی های منطقه خود در رابطه با همه بلایا از اهمیت اولیه برخوردار می شود. با این حال،15 ] [ 16 ]. هنگامی که کارکنان شهرداری تأسیسات مرکز تخلیه را بررسی می کنند یا اقدامات متقابل بلایا را برای ساکنان توضیح می دهند، آنها باید همه انواع اطلاعات خطر را بدانند.

در همین حال، بسیاری از اطلاعات خطرات در ژاپن در پایگاه‌های داده ذخیره می‌شود و سیستم به گونه‌ای تنظیم می‌شود که بتوان به راحتی به داده‌ها به صورت آنلاین دسترسی داشت [ 17 ]. کارشناسان می توانند از طریق داده ها علف های هرز شده و اطلاعات لازم را انتخاب کنند، که چنین داده هایی را بسیار مفید می کند. با این حال، این داده ها توسط عموم مردم استفاده نمی شود [ 18 ].

بنابراین، در مطالعه حاضر، داده‌های خطر را که می‌توان به صورت آنلاین در مورد مرکز تخلیه (جایی که تخلیه‌شدگان در طول بلایا زندگی می‌کنند) و حوضه‌های آبریز آنها (مناطق اختصاص داده شده به هر مرکز تخلیه) در شهر یوکوهاما، استان کاناگاوا، خلاصه و ارزیابی کرد. بر اساس نتایج، ما بررسی کردیم که آیا یک گروه بندی با تجزیه و تحلیل خوشه ای امکان ارزیابی چند خطر را فراهم می کند یا خیر. علاوه بر این، نویسندگان در حال ایجاد یک نقشه خطر زمین با استفاده از سوابق اندازه گیری واقعی با استفاده از ریز لرزش ثابت در شهر یوکوهاما هستند که موضوع تحقیق [ 19 ] [ 20 ] است. اعتبار با مقایسه این نتیجه با خطر زمین بر اساس اندازه‌گیری واقعی تأیید شد.

ساختار از بخش بعدی به بعد نشان داده شده است. بخش ^دوم ویژگی های منطقه هدف، شهر یوکوهاما است. عمدتاً ویژگی های توپوگرافی را خلاصه می کند. بخش ^سوم داده ها و روش های تحقیق مورد استفاده است. ما منابع و ویژگی های پنج نوع داده و سیاست تحلیل خوشه ای را خلاصه کرده ایم. بخش چهارم ^نتایج و بحث است. ما نتایج تجزیه و تحلیل خوشه ای و مقایسه با مطالعات قبلی را خلاصه کرده ایم. و بخش ^پنجم یک نتیجه گیری است.

2. ویژگی های منطقه هدف، شهر یوکوهاما

شهر یوکوهاما در ضلع شرقی استان کاناگاوا قرار دارد و به عنوان یکی از شهرهای مرکزی منطقه شهری با بندر بین المللی یوکوهاما به عنوان پایگاه آن در نظر گرفته می شود. از سال 2019، شهر یوکوهاما یک شهر بزرگ با جمعیت بیش از 3.7 میلیون نفر بود که تنها پس از بخش های ویژه توکیو [ 21 ] [ 22 ] قرار داشت.

شکل 1 موقعیت شهر یوکوهاما را نشان می دهد، شکل 2 میکروتوپوگرافی شهر یوکوهاما [ 23 ]، و شکل 3 توزیع ارتفاع [ 24 ] را نشان می دهد. توپوگرافی یوکوهاما را می توان تقریباً به تپه ها، فلات ها تقسیم کرد.

تراس ها، دشت ها و محل های دفن زباله. تپه ها و فلات ها حدود 70 درصد شهر را تشکیل می دهند، در حالی که 30 درصد دیگر دشت های آبرفتی در کنار رودخانه ها و محل های دفن زباله در امتداد اقیانوس هستند. تپه ها در ناحیه جنوب شرقی گسترش یافته اند، جایی که شیب های نسبتاً تند غیر معمول نیست.

شهر یوکوهاما توسط زلزله بزرگ کانتو در سال 1923 ضربه سختی خورد، زمانی که بیش از 20000 نفر کشته و 60000 ساختمان ویران شدند. به دنبال آن زمین لرزه های بزرگ دیگری با شدت لرزه ای تقریباً 5 مانند زلزله 1924 Tanzawa و زلزله 1930 North Izu رخ داد که خوشبختانه خسارت عمده ای ایجاد نکرد. با این حال، در طول زمین لرزه بزرگ ژاپن شرقی در سال 2011، شهر یوکوهاما لرزش قابل توجهی را تجربه کرد، با حداکثر شدت لرزه ای 5+، همراه با آسیب عمده در اطراف مناطق نرم تر. رانش زمین و سیل ناشی از طوفان همراه با باران سیل آسا نسبتاً رایج است. به عنوان مثال، اداره هواشناسی محلی یوکوهاما 80 بلایای بزرگ مرتبط با آب و هوا را که در 85 سال بین سال های 1934 تا 2019 در استان کاناگاوا رخ داده اند، خلاصه کرده است.25 ].

3. مواد و روشها

3.1. خلاصه داده ها

در مطالعه حاضر، ما بر چهار نوع فاجعه متمرکز شده‌ایم: زلزله، سیل، سونامی و بلایای رسوبی. بدیهی است که یک خطر اگر در یک منطقه خالی از سکنه رخ دهد، فاجعه نیست. بنابراین، ما همچنین پارامترهای مرتبط با جمعیت را بررسی کردیم. ما از داده های منتشر شده به صورت آنلاین استفاده کردیم [ 17 ] [ 23 ] [ 26 ] [ 27 ]. داده های مرکز تخلیه تعیین شده از اداره مدیریت اضطراری شهر یوکوهاما به امانت داده شده است. فهرستی از داده ها در جدول 1 نشان داده شده است .

3.1.1. خطر لرزه ای

برای خطر لرزه‌ای، «نقشه‌های شدت لرزه‌ای که با احتمال 3 درصد در 30 سال پیش‌بینی می‌شود» توسط J-SHIS را انتخاب کردیم، که در آن «شدت لرزه‌ای» به عنوان خروجی استفاده می‌شود، زیرا برای عموم مردم ساده‌ترین روش است. فهمیدن. از آنجایی که داده ها با مش 250 متری منتشر می شوند، هیچ منطقه ای بدون خطر وجود ندارد. ضریب خطر که بعداً مورد بحث قرار گرفت، شدت لرزه بود. مناطق اطراف منطقه مورد نظر ما در شهر یوکوهاما دارای گسل های فعال به وضوح تأیید شده نیستند. بنابراین، سطح خطر لرزه ای به شدت تحت تأثیر حساسیت زمین است.

3.1.2. خطر سیل

برای خطر سیل، ما بر روی خطر ناشی از طغیان رودخانه‌ها و داده‌های پیش‌بینی منطقه طغیان از اطلاعات دیجیتالی زمین ملی تمرکز کردیم. این داده های چند ضلعی است که برای هر عمق سیل بر اساس داده های ارائه شده توسط مدیریت رودخانه تهیه شده است. در استان کاناگاوا، داده های تهیه شده توسط وزارت زمین، زیرساخت، حمل و نقل و گردشگری و داده های تهیه شده توسط استان کاناگاوا، که در آن رتبه بندی عمق آبگرفتگی متفاوت است، وجود دارد. ما ضریب خطر سیل را روی رتبه سیل بالاتر قرار می دهیم که مقادیر 5.0 متر یا بالاتر به عنوان 10.0 متر در نظر گرفته می شود. از آنجایی که خطر سیل سیل‌های شهری را هدف قرار می‌دهد که میزان آبگرفتگی برای آنها پیش‌بینی شده است، طغیان رودخانه‌های با اندازه متوسط ​​تا کوچک و سیل رودخانه‌ها از تحلیل حاضر حذف شدند. آبگرفتگی توسط سونامی به عنوان یک خطر سونامی جداگانه در نظر گرفته شد.

3.1.3. خطر سونامی

ما خطر سونامی را به عنوان “سیل ناشی از سونامی” تعریف کردیم و داده های پیش بینی طغیان سونامی را از اطلاعات دیجیتالی زمین ملی انتخاب کردیم. این داده‌های چند ضلعی است که بر اساس داده‌های ارائه شده توسط استان‌ها به عمق طغیان سونامی مورد انتظار و حداکثر عمق غرقاب تقسیم می‌شوند. مانند خطر سیل*: داده باز وجود ندارد.

رتبه، ما ضریب خطر طغیان سونامی را برای رتبه طغیان بالاتر انتخاب کردیم.

3.1.4. خطر رسوب

ما خطر رسوب را به عنوان “خطر شکست شیب” تعریف کردیم و داده های منطقه گرم شدن فاجعه زمین لغزش را از اطلاعات دیجیتالی زمین ملی انتخاب کردیم. این اطلاعات چند ضلعی منطقه هشدار بلایای زمین لغزش (منطقه زرد) و منطقه هشدار ویژه بلایای زمین لغزش (منطقه قرمز) است که توسط هر استان تعیین شده است. ما ضریب خطر زمین لغزش را با سه برابر وزن بیشتر در ناحیه قرمز نسبت به منطقه زرد با در نظر گرفتن ریسک بالاتر تنظیم کردیم. ما سه، پنج و ده برابر وزن بیشتر را امتحان کردیم تا تأیید کنیم که تفاوت وزن تأثیر کمی بر نتیجه دارد.

3.1.5. مرکز تخلیه و جمعیت تعیین شده

در شهر یوکوهاما، حدود 400 مرکز تخلیه تعیین شده در طرح منطقه ای پیشگیری از بلایا ایجاد شده است. شکل 4 مکان مرکز تخلیه تعیین شده را نشان می دهد. مراکز تخلیه مشخص عمدتاً در مدارس ابتدایی راه اندازی شده اند و قرار است حدود 1000 نفر را در خود جای دهند. در صورت

در صورت وقوع فاجعه، شهر تدارکات مختلف، عمدتاً غذا و نوشیدنی، و اطلاعات مربوط به بلایای طبیعی را در اختیار مراکز تخلیه تعیین شده قرار می دهد.

برای مرکز تخلیه تعیین‌شده هدف، از داده‌های دفتر مدیریت اضطراری شهر یوکوهاما استفاده کردیم. مرکز تخلیه تعیین شده منطقه ای است که انتظار می رود ساکنان آن به هر مرکز تخلیه تعیین شده در شهر یوکوهاما تخلیه شوند. این داده نیز داده چند ضلعی است.

ما داده های جمعیت را از e-stat انتخاب کردیم. این داده های چند ضلعی از سرشماری با شهر/خیابان به عنوان واحد است. در مورد جمعیت، هر چه تراکم بیشتر باشد، خطر وقوع بلایا بیشتر است، بنابراین از تراکم جمعیت به عنوان ضریب داده ها استفاده شد.

3.2. روش ارزیابی برای هر خطر

همانطور که در بخش 3 نشان داده شده است، داده های خطر مورد استفاده، داده های باز هستند که می توان به صورت آنلاین به آنها دسترسی داشت. توزیع شدت لرزه ای مورد استفاده برای خطر لرزه ای داده های مش است و سایر خطرات به عنوان داده های چندضلعی ارائه می شوند.

منطقه مرکز تخلیه [A] است. و ابتدا، از GIS [سیستم‌های اطلاعات جغرافیایی] برای یافتن ناحیه‌ای که چند ضلعی‌های مخاطره و مرکز تخلیه همپوشانی دارند [Bi] استفاده کنید. در نهایت از فرمول [ 1 ] و ضریب خطر برای محاسبه خطر مرکز تخلیه استفاده کنید.

اچ= { (بمن×ساعتمنآ) + (بمن + 1×ساعتمن + 2آ) +⋯}H={(Bi×hiA)+(Bi+1×hi+2A)+⋯}(1)

H : خطر برای یک مرکز تخلیه تعیین شده

A : مساحت هر مرکز تخلیه تعیین شده ( ^m2 )

B _i : منطقه خطر در مرکز تخلیه تعیین شده ( ^m2 )

h _i : ضریب خطر

علاوه بر این، از آنجایی که نقشه توزیع خطر برای مقایسه نسبی هر خطر در نظر گرفته شده است، استانداردسازی شد [میانگین 0، انحراف استاندارد 1 است] و بر اساس طبقه بندی طبیعی (Fisher-Jenks) به 5 مرحله تقسیم شد.

1) خطر لرزه ای

خطر لرزه ای و داده های اصلی در شکل 5 نشان داده شده است. خطر لرزه ای نشان می دهد که مناطقی با شدت لرزه ای بالا در کنار ساحل و رودخانه ها وجود دارد. این به این دلیل است که اندازه شدت لرزه با حساسیت زمین به لرزش مرتبط است. به عبارت دیگر، مناطقی که زمین نرم تری دارند، مناطقی هستند که خطر لرزه ای بالایی دارند.

2) خطر سیل

خطر سیل و داده های اصلی در شکل 6 نشان داده شده است. خطر سیل در مناطق پست کنار رودخانه ها زیاد است. خطر سیل به ویژه برای حوضه رودخانه Tsurumi در شمال زیاد است. در مقابل، خطر در منطقه جنوب شرقی که هیچ رودخانه بزرگی وجود ندارد، صفر است.

3) خطر سونامی

خطر سونامی و داده های اصلی در شکل 7 نشان داده شده است. خطر سونامی در مناطق ساحلی زیاد است. در نواحی ساحلی، نواحی با ارتفاعات پایین تر خطر بیشتری دارند. در مقابل، مانند خطر سیل، از آنجایی که طغیان سونامی در منطقه داخلی انتظار نمی رود، خطر در این منطقه صفر خواهد بود.

4) خطر رسوب

خطر رسوب و داده های اصلی در شکل 8 نشان داده شده است. خطر بلایای رسوب از ناحیه مرکزی تا جنوب شرقی زیاد است. همانطور که در بخش 2 بحث شد، منطقه جنوب شرقی تپه ای با شیب های تند است که خطر رسوب را افزایش می دهد.

5) جمعیت

جمعیت و داده های اصلی در شکل 9 نشان داده شده است. تراکم جمعیت در نواحی ساحلی و در غرب کم است. مناطق ساحلی محل دفن زباله با مناطق صنعتی فراوان است که باعث کاهش تعداد ساکنان می شود. در جای دیگر، در غرب، منطقه نسبتاً وسیعی از زمین های کشاورزی در شهر یوکوهاما وجود دارد که

جمعیت را نسبت به ناحیه مرکزی کاهش می دهد. منطقه با بیشترین تراکم جمعیت (قرمز) در نزدیکی ایستگاه Kannai در اطراف شهر قدیمی است.

3.3. آنالیز خوشه ای

از آنجایی که ما چندین خطر را برای ارزیابی ترکیب کردیم، تجزیه و تحلیل خوشه‌ای را با چهار خطر و داده‌های جمعیت به عنوان پارامتر انجام دادیم. تحلیل خوشه ای افراد با الگوهای داده مشابه را در یک گروه ترکیب می کند. در اینجا، از فاصله اقلیدسی به عنوان مقیاس شباهت و خوشه بندی کلمات به عنوان روش گروه بندی استفاده کردیم [ 28 ].

در تجزیه و تحلیل خوشه ای، تعیین تعداد گروه ها برای طبقه بندی مهم است. مهم است که اگر گروه ها متفاوت باشند، داده ها مشابه نباشند، و اگر گروه ها یکسان باشند، داده ها مشابه باشند. در مطالعات قبلی اغلب از ANOVA و silhouette [ 29 ] [ 30 ] [ 31 ] استفاده می شد.

از طرفی فکر می کنم 4 تا 7 گروه برای تشخیص ویژگی های گروه بندی شده روی نقشه مناسب هستند. بنابراین، آنها را به 4 تا 7 گروه تقسیم کردیم و آنها را در نقشه بررسی کردیم و در مورد تعداد گروه هایی که از نظر ما مناسب ترین آنها بود تصمیم گرفتیم.

4. نتایج و بحث

4.1. نتایج تحلیل خوشه ای

ابتدا تعداد گروه ها را تغییر دادم و چندین بار تحلیل خوشه ای را امتحان کردم. با مراجعه به دندروگرام ( شکل 10 ) و نقشه ( شکل 11 )، از 6 گروه برای خوشه استفاده کردیم. شکل 11 مرکز تخلیه را نشان می دهد که به 6 گروه تقسیم شده است و شکل 12 ماتریس نمودار پراکندگی هر خطر را نشان می دهد. ویژگی های هر گروه خطر در زیر نشان داده شده است:

■ گروه 1: خطر کلی کم است.

در داخل شمال غرب و جنوب پراکنده است.

■ گروه 2: خطرات لرزه ای کمی زیاد است و خطر سونامی و رسوب نیز در برخی مناطق کمی زیاد است.

ویژگی های منطقه ای زیادی وجود ندارد، اما در مناطق کمی خارج از رودخانه ها و مناطق ساحلی پراکنده شده است.

■ گروه 3: خطرات رسوب به ویژه زیاد است و خطرات لرزه ای نیز در برخی مناطق تا حدودی زیاد است.

عمدتاً در تپه های جنوب شرقی پراکنده است.

■ گروه 4: خطرات سونامی و لرزه ای به ویژه زیاد است و برخی دیگر از خطرات سیل نیز کمی زیاد است.

در نزدیکی دشت های ساحلی و مصب رودخانه ها پراکنده شده است.

■ گروه 5: مناطق با تراکم جمعیت بالا.

منطقه کم، و منطقه باریک است.

■ گروه 6: خطرات سیل و لرزه ای به ویژه زیاد است، سایر خطرات کم هستند.

در امتداد رودخانه ها (به ویژه در امتداد رودخانه Tsurumi در شمال) توزیع شده است.

*از گروه 6 (●) ماتریس نمودار پراکندگی، می توان همبستگی مثبتی بین خطر لرزه ای و خطر سیل تایید کرد (هر چه خطر لرزه ای بیشتر باشد، خطر سیل بیشتر می شود).

4.2. مقایسه با اندازه‌گیری‌های واقعی خطر زمین

شکل 13 توزیع ارزیابی خطرات زمینی در شهر یوکوهاما را بر اساس مطالعه جداگانه ای که توسط نویسندگان انجام شده است نشان می دهد [ 12 ] [ 13 ]. جزئیات خطر زمین در مقاله [ 12 ] توضیح داده شده است که ما خلاصه ای از آن را در اینجا ارائه می کنیم.

ما از یک فاصله تقریباً 250 متری برای مشاهده مداوم ریزترمورها در ناحیه مورد نظر استفاده کردیم. نسبت طیفی زمین H/V از نتایج به دست آمد. از نسبت طیفی H/V، دوره غالب زمین و مقدار پیک – محور عمودی آن – شناسایی شد. با ضرب هر دو، خطر زمین را به دست آوردیم. در مناطقی با زمین پیچیده، 250 متر ممکن است کافی نباشد. با این حال، هنگام ارزیابی یک منطقه وسیع با استاندارد یکپارچه به منظور پیشگیری از بلایا، می توان گفت که حد حدود 250 متر است.

ابتدا، ارزیابی خطر زمین را بر اساس اندازه‌گیری‌های واقعی با توزیع خطر لرزه‌ای مقایسه کردیم. روندها برای نکات زیر سازگار بود: خطر بالا در مناطق ساحلی و در امتداد رودخانه ها، و کاهش خطر از ناحیه مرکزی به سمت شمال غربی و جنوب شرقی.

در مرحله بعد، نتایج تحلیل خوشه‌ای را برای مخاطرات ترکیبی با ارزیابی خطر زمینی بر اساس اندازه‌گیری‌های واقعی مقایسه کردیم. اگرچه در مقایسه با خطرات لرزه‌ای تفاوت‌هایی وجود دارد، خوشه‌های 2، 4 و 6 با خطرات لرزه‌ای بزرگ، حتی در اندازه‌گیری واقعی نیز خطرات زیادی دارند. برعکس، منطقه مرکزی داخلی گروه 1 با ارزش کلی خطر کم، خطر زمینی اندازه‌گیری شده پایینی نیز داشت.

5. نتیجه گیری ها

مطالعه حاضر داده‌های خطر را که می‌توان به صورت آنلاین در مورد حوضه‌های پناهگاه تعیین‌شده در شهر یوکوهاما، استان کاناگاوا، خلاصه و ارزیابی کرد. بر اساس نتایج، ما یک ارزیابی چند خطر را از طریق گروه‌بندی از طریق تحلیل خوشه‌ای انجام دادیم. از هر نتیجه، اثربخشی ارزیابی چند خطر با استفاده از تحلیل خوشه‌ای تایید شد. نتایج فردی در زیر خلاصه می شود:

ابتدا، علاوه بر چهار داده خطر لرزه‌ای، سیل، سونامی و رانش زمین، داده‌هایی ایجاد کردیم که می‌تواند جمعیت را به همان روش سازماندهی و تجزیه و تحلیل کند. دوم، برای هر خطر، ما حوضه هایی را شناسایی کردیم که در آن مقادیر خطر معمولی بالا است. سوم، بر اساس پنج پارامتر (4 خطر به اضافه جمعیت)، مرکز تخلیه تعیین شده را از طریق تجزیه و تحلیل خوشه ای به 6 گروه تقسیم کردیم. چهارم، 6 گروه ایجاد شده توسط تجزیه و تحلیل خوشه‌ای دارای ویژگی‌های منحصر به فردی بودند که می‌توان آنها را توضیح داد و کارایی نقشه‌های چند خطر را با استفاده از تحلیل خوشه‌ای تأیید کرد. پنجم، به طور خاص، گروه 6 همبستگی مثبتی بین خطرات لرزه ای و خطرات سیل دارد. این با تمایل عمومی زمین های نرم در ارتفاع کم در امتداد رودخانه ها که دارای خطرات لرزه ای بالا و خطرات سیل بالایی هستند، مطابقت دارد.

در آینده، قصد داریم بررسی کنیم که آیا می‌توان روندهای مشابهی را در مطالعاتی که مناطق مختلف و گسترده‌تر را هدف قرار می‌دهند، مشاهده کرد. علاوه بر این، تعیین تعداد گروه ها بر اساس تحلیل خوشه ای نیز موضوعی برای مطالعه آینده است.

منابع

[ 1 ]	ناکابایاشی، آی و اوتاگیری، آر. مجله علوم ایمنی اجتماعی، 11، 33-42.
[ 2 ]	Tohno, I. (1993) مطالعه ای در مورد بلایای طبیعی ناشی از منشأهای متعدد – تأثیرات آنها و نقشه جامع خطر. تحقیقات کواترنری، 32، 339-352. https://doi.org/10.4116/jaqua.32.339
[ 3 ]	وزارت زمین، زیرساخت، حمل و نقل و گردشگری (2021) سایت پورتال نقشه خطر. https://disaportal.gsi.go.jp/index.html
[ 4 ]	Takada، K.، Fujiu، M. و Konno، T. (2016) تجزیه و تحلیل آگاهی از تخلیه از فاجعه مرکب. مجله انجمن ژاپن برای مهندسی زلزله، 16، 12-26. https://doi.org/10.5610/jaee.16.2_12
[ 5 ]	Takada, K., Fujiu, M., Ohara, M., Yamashita, T. and Konno, T. (2016) برآورد مدل رفتار تخلیه بلایا با استفاده از داده های ترجیحی بیان شده. مجله انجمن ژاپن برای مهندسی زلزله، 16، 46-55. https://doi.org/10.5610/jaee.16.5_46
[ 6 ]	Itagaki, O., Matsuura, T. and Hattori, A. (2016) مطالعه موردی در مورد ویژگی های اثر اقدامات کاهش خسارت در برابر بلایای متعدد زلزله و سیل. مجله انجمن ژاپن برای مهندسی زلزله، 16، 26-40. https://doi.org/10.5610/jaee.16.11_26
[ 7 ]	Kawasaki, K., Kim, M., Shimokawa, S. and Murakami, T. (2016) پیش بینی طوفان طوفان در بندر اوزاکا به دلیل فاجعه پیچیده ساحلی زلزله و طوفان عظیم. مجله انجمن مهندسین عمران ژاپن، B3، 72، I_13-I_18. https://doi.org/10.2208/jscejoe.72.I_13
[ 8 ]	Tamura, K., Nagata, S., Takahara, H. and Wakabayashi, R. (2007) Proposal of Practical Risk Assessation Method of Multiple Natural Hazards. مجله مهندسی زلزله انجمن مهندسین عمران ژاپن، 29، 88-97.
[ 9 ]	Flax، LK، Jackson، RW و Stein، DN (2002) روش‌شناسی ابزار ارزیابی آسیب‌پذیری جامعه، بررسی خطرات طبیعی، 3، 163-176. https://doi.org/10.1061/(ASCE)1527-6988(2002)3:4(163)
[ 10 ]	پلت فرم اطلاعات چند خطری آژانس مدیریت اضطراری فدرال (nd). https://hazards.fema.gov/femaportal/resources/outreach/mip_onepager.htm
[ 11 ]	پنگ، اس.-ه.، شیه، م.-ج. و فن، S.-Y. (2012) نقشه خطر بالقوه برای پیشگیری از بلایا با استفاده از روش ترکیبی خطی مبتنی بر GIS و روش سلسله مراتبی تحلیلی. مجله نظام اطلاعات جغرافیایی، 4، 403-411. https://doi.org/10.4236/jgis.2012.45046
[ 12 ]	Guettouche, A. (2019) استفاده از GIS برای ارزیابی خطر حرکت زمین: کاربرد در منطقه برهوم، حوضه هدنه، الجزایر. مجله نظام اطلاعات جغرافیایی، 11، 166-184. https://doi.org/10.4236/jgis.2019.112012
[ 13 ]	Sangeeta، A. (2012) منطقه ای کردن حوضه های رودخانه با استفاده از گروه خوشه. مجله منابع و حفاظت آب، 4، 560-566. https://doi.org/10.4236/jwarp.2012.47065
[ 14 ]	Ley, R., Casper, MM, Hellebrand, H. and Merz, R. (2011) طبقه بندی حوضه بر اساس رفتار رواناب با نقشه های خودسازماندهی (SOM). علوم هیدرولوژی و سیستم زمین، 15، 2947-2962. https://doi.org/10.5194/hess-15-2947-2011
[ 15 ]	Enomura، Y. (2012) مطالعه در مورد اقدامات برای افزایش شناخت و درک ساکنان از نقشه خطر سیل. مجله انجمن مهندسین عمران ژاپن D, 68, I_103-I_110. https://doi.org/10.2208/jscejipm.68.I_103
[ 16 ]	Katada, T., Kimura, S. and Kodama, M. (2007) استفاده مطلوب از نقشه های خطر سیل برای ارتباطات ریسک. مجله انجمن مهندسین عمران ژاپن D, 63, 498-508. https://doi.org/10.2208/jscejd.63.498
[ 17 ]	سایت دانلود اطلاعات عددی اراضی ملی وزارت زمین، زیرساخت، حمل و نقل و گردشگری (2021). https://nlftp.mlit.go.jp/ksj/index.html
[ 18 ]	Urata, M., Ogishima, K., Chujo, H., Endo, M. and Yasuda T. (2018) ترویج داده های باز دولت محلی در مورد اطلاعات پیشگیری از بلایا. مجله اجتماعی انفورماتیک، 7، 1-17.
[ 19 ]	Ochiai, T., Inubushi, T. and Enomoto, T. (2020) ایجاد نقشه های خطر با در نظر گرفتن ویژگی های منطقه ای توسط Microtremor. مجله انجمن ژاپن برای مهندسی زلزله، 20، 19-31.
[ 20 ]	Ochiai، T. and Enomoto، T. (2019) تجزیه و تحلیل بر روی توزیع دوره های غالب توسط مشاهدات ریز لرزش برای پیشگیری از بلایای لرزه ای در یوکوهاما، ژاپن با استفاده از GIS، مجله سیستم اطلاعات جغرافیایی، 11، 579-594. https://doi.org/10.4236/jgis.2019.115036
[ 21 ]	یوکوهاما سیتی (2021) صفحه اصلی شهر یوکوهاما. https://www.city.yokohama.lg.jp/lang/residents/en/
[ 22 ]	شعبه کانتو از انجمن ژئوتکنیک ژاپن (2010) Ooinal Kanagawa no Jiban. Gihodobooks، توکیو.
[ 23 ]	مؤسسه ملی تحقیقات علوم زمین و مقاومت در برابر بلایا (دوم) j-SHIS ژاپن ایستگاه اطلاعات خطر لرزه ای. https://www.j-shis.bosai.go.jp/
[ 24 ]	اداره اطلاعات جغرافیایی ژاپن (1997) نقشه عددی 50 متر مش (ارتفاع).
[ 25 ]	اداره هواشناسی محلی یوکوهاما، آژانس هواشناسی ژاپن (2021). https://www.jma-net.go.jp/yokohama/index.html
[ 26 ]	Wakamatsu، K. و Matsuoka، M. (2013) نقشه طبقه بندی ژئومورفولوژیکی مهندسی 7.5-Arc-Second ژاپن در سراسر کشور و منطقه بندی Vs30. مجله تحقیقات بلایا، 8، 904-911. https://doi.org/10.20965/jdr.2013.p0904
[ 27 ]	e-Stat (2021) سایت پورتال آمار رسمی ژاپن. https://www.e-stat.go.jp/
[ 28 ]	R Core Team (2020) R نسخه 3.6.3 (29-02-2020)—«Holding the Windsock» حق نسخه برداری (C) 2020 The R Foundation for Statistical Computing، پلت فرم: x86_64-w64-mingw32/x64 (64 بیتی)
[ 29 ]	Rousseeuw, PJ (1987) Silhouettes: A Graphical Aid to the Interpretation and Validation of Cluster Analysis. مجله ریاضیات محاسباتی و کاربردی، 20، 53-65. https://doi.org/10.1016/0377-0427(87)90125-7
[ 30 ]	Kaufman, L. and Rousseeuw, PJ (1990) یافتن گروه ها در داده ها: مقدمه ای بر تحلیل خوشه ای. جان وایلی و پسران، شرکت، هوبوکن.
[ 31 ]	Malika, C., Ghazzali, N., Boiteau, V. and Niknafs, A. (2014) NbClust: یک بسته R برای تعیین تعداد مرتبط خوشه ها در یک مجموعه داده. مجله نرم افزارهای آماری، 61، 1-36. https://doi.org/10.18637/jss.v061.i06