رویداد سونامی در سال 2011 در منطقه ساحلی شرقی ژاپن خسارات یا ویرانی عظیمی را بر ساختمان ها وارد کرد. تا به امروز، چندین بررسی میدانی انجام شده است که اطلاعات دقیقی در مورد مناطق غرقابی و ویژگی های خسارت ساختمان در حمله به مناطق ساحلی شرقی توسط این سونامی ارائه می دهد. در این مطالعه، داده‌های خسارت ساختمان شهر ایشینوماکی، با توجه ویژه به منطقه آسیب‌دیده ساحل دشت، طبقه‌بندی و با استفاده از داده‌های بررسی شده توسط وزارت زمین، زیرساخت و حمل‌ونقل ژاپن (MLIT) برای بیش از 52000 سازه، طبقه‌بندی و تجزیه و تحلیل می‌شوند. این طبقه بندی شامل اطلاعات شش سطح آسیب، چهار نوع مصالح ساختمانی و خسارات ناشی از طغیان سونامی برای هر مصالح ساختمانی است که اطلاعات لازم برای کاهش خطر موثر است. به ویژه، توزیع درصد سطح آسیب مصالح ساختمانی مختلف برای دامنه های مختلف عمق آبگرفتگی در چندین مجموعه از شکل ها ترسیم شده است. این تصویر گرافیکی نه تنها عملکرد مقاوم‌تر ساختمان‌های بتن مسلح (RC) و فولاد را بر روی چوب یا ساختمان‌های دیگر برای همه دامنه‌های عمق آب گرفتگی نشان می‌دهد، بلکه می‌تواند رفتار آسیب ناشی از سیل را برای هر مصالح ساختمانی و همچنین آستانه توضیح دهد. عمق برای هر سطح آسیب علاوه بر این، این تحقیق شامل تجزیه و تحلیل مناطق آسیب پذیر با توجه به توپوگرافی ساحلی و عوامل جغرافیایی است. داده های بررسی شده ارائه شده توسط مرجع اطلاعات مکانی ژاپن (GSI) که منطقه ساحل دشت ایشینوماکی را به سه کلاس طبقه بندی می کند با نقشه آسیب تولید شده با استفاده از روش تحلیل سلسله مراتبی (AHP) در ArcGIS 10 مقایسه می شود. 2 محیط. تأثیر ویژگی‌های جغرافیایی کلیدی بر آسیب ساختمان‌های ناشی از سونامی، به‌ویژه سیل رودخانه کیتاکامی و کانال‌های آب، با توجه به وزن عوامل در نظر گرفته می‌شود. یک توافق خوب، نقشه خسارت ساختمان را با داده های GSI بررسی شده، نشان می دهد که قدرت یک ابزار GIS بر اساس رویکرد AHP برای ارزیابی خسارت سونامی است. نتایج این مطالعه برای درک رفتار آسیب ساختمان‌ها با مصالح ساختاری مختلف واقع در مناطق ساحلی آسیب‌پذیر در برابر فاجعه سونامی مفید است. یک توافق خوب، نقشه خسارت ساختمان را با داده های GSI بررسی شده، نشان می دهد که قدرت یک ابزار GIS بر اساس رویکرد AHP برای ارزیابی خسارت سونامی است. نتایج این مطالعه برای درک رفتار آسیب ساختمان‌ها با مصالح ساختاری مختلف واقع در مناطق ساحلی آسیب‌پذیر در برابر فاجعه سونامی مفید است. یک توافق خوب، نقشه خسارت ساختمان را با داده های GSI بررسی شده، نشان می دهد که قدرت یک ابزار GIS بر اساس رویکرد AHP برای ارزیابی خسارت سونامی است. نتایج این مطالعه برای درک رفتار آسیب ساختمان‌ها با مصالح ساختاری مختلف واقع در مناطق ساحلی آسیب‌پذیر در برابر فاجعه سونامی مفید است.

کلید واژه ها

مشخصات مصالح ساختمانی , GIS , سنجش از دور , AHP , نقشه خسارت سونامی

1. مقدمه

یک حادثه طبیعی که در یک منطقه پرجمعیت رخ می دهد یک رویداد خطرناک است که باعث تخریب و تلفات زیادی می شود. سونامی یکی از این خطرات طبیعی است که از آنجایی که در یک منطقه مسکونی اتفاق می افتد می تواند به انسان و خواص بسیار آسیب برساند. سونامی بزرگ شرق ژاپن در سال 2011 که به سواحل شرقی ژاپن حمله کرد باعث آسیب یا تخریب بیش از 400000 ساختمان شد [ 1 ].

متأسفانه در جوامع مختلف بشری که در معرض خطر چنین بلایای طبیعی هستند، مردم در حال توسعه زیرساخت‌ها و ساخت‌وسازهایی هستند که ظاهراً بدون ارزیابی آسیب‌پذیری از تأثیر مخاطرات هستند. بنابراین، بهبود درک ما از ویژگی های آسیب ساختمان و توپوگرافی ساحلی به دلیل یک رویداد سونامی ضروری است. سپس، می‌توان یک ارزیابی اولیه آسیب‌پذیری و آسیب یک رویداد فاجعه را به عنوان ابزاری برای کاهش آسیب آن به جامعه برای کاهش مؤثر خطر آماده کرد [ 2 ] – [ 4 ]. چنین کاهش بلایای طبیعی تنها با اطلاعات دقیق و قابل اعتماد از طریق پایگاه داده بررسی خسارت ساختمان از رویدادهای خطرناک قبلی در یک منطقه همراه با داده های مکانی مناطق آسیب پذیر موفقیت آمیز می شود.

مطالعات اولیه در مورد تأثیر مصالح ساختمانی و تعداد طبقات بر مقاومت ساختمان در برابر طغیان سونامی در چندین مطالعه موردی با استفاده از داده های آسیب ساختمان بررسی شده [ 5 ] – [ 7 ] بحث هایی را ارائه می دهد. علاوه بر این، چندین عمق آستانه به عنوان معیار آسیب برای هر مصالح ساختمانی مختلف در برابر طیف وسیعی از اعماق طغیان سونامی بر این اساس پیشنهاد شده است [ 8 ] [ 9 ].

این مطالعات نشان می‌دهد که سازه‌های RC یا فولادی برای دامنه‌های مختلف عمق غرقاب از طریق ترسیم منحنی‌های شکنندگی در بسیاری از مطالعات موردی [ 10 ] – [ 16 ] قوی‌تر از سازه‌های مبتنی بر چوب یا بنایی هستند.] . این نتایج منعکس کننده احتمال آسیب سونامی مربوط به مصالح ساختمانی، ارتفاع و تعداد طبقات تحت اعماق طغیان سونامی مختلف است. به‌جای ترسیم منحنی‌های شکنندگی، روشی را برای طبقه‌بندی داده‌های آسیب بررسی‌شده MLIT شهر ایشینوماکی برای هر مصالح ساختمانی و شش سطح آسیب بر اساس میزان درصد آن‌ها در محدوده عمق غرقابی ۰ تا ۸.۵ متر با شماتیک‌های گرافیکی ساده اتخاذ کردیم. این تصاویر گرافیکی برای ارزیابی سریع آسیب ساختمان بر اساس نقشه طغیان سونامی که از طریق بررسی میدانی و نرم افزار سیستم اطلاعات جغرافیایی (GIS) تهیه شده است، مناسب هستند. نتایج نه تنها عملکرد مقاوم‌تر ساختمان‌های RC و فولادی را نسبت به چوب یا سایر ساختمان‌ها برای همه محدوده‌های عمق آبگرفتگی نشان می‌دهند.

علاوه بر این طبقه‌بندی داده‌های پیمایش میدانی، تأثیر توپوگرافی ساحلی، ویژگی‌های جغرافیایی و موقعیت ساختمان‌ها با استفاده از تحلیل تصاویر ماهواره‌ای در سواحل دشت شهر ایشینوماکی با ایجاد نقشه آسیب بررسی شده است. مطالعات قبلی تکنیک‌های سنجش از دور یکپارچه را در ارزیابی آسیب‌پذیری ساختمان در برابر خطر سونامی توسعه داده و تجزیه و تحلیل کرده‌اند. تصاویر ماهواره‌ای با وضوح بالا، که در چند سال اخیر در دسترس قرار گرفته‌اند، سنجش از دور ماهواره‌ای را در مدیریت بلایا مفیدتر می‌سازد، زیرا حتی وضعیت آسیب ساختمان‌های جداگانه را می‌توان بدون بازدید از مکان‌های بلایا شناسایی کرد [ 17 ] [ 18 ]] . پیشرفت‌های اخیر در زمینه مدیریت پایگاه‌های اطلاعاتی و سیستم‌های اطلاعات رایانه‌ای، GIS را به ابزاری ایده‌آل برای تحلیل نقشه‌های ماهواره‌ای در زمینه مدیریت بلایا با استفاده از رویکرد چند سناریویی تبدیل کرده است [ 19 ] – [ 21 ]. چندین فاکتور توپوگرافی ارتفاع، شیب، مجاورت ساحلی، پوشش گیاهی، رودخانه و کانال های آب توسط AHP برای ایجاد یک طرح وزن دهی برای متغیرهای مکانی و ارزیابی آسیب پذیری سونامی [ 22 ] – [ 28 ] گنجانده شده است.

در مطالعه موردی ما، تصویر ماهواره‌ای ساحل دشت ایشینوماکی که در شکل 1 نشان داده شده است، از طریق GIS با عوامل جغرافیایی مناسب برای تهیه نقشه آسیب در پنج طبقه‌بندی مورد تجزیه و تحلیل قرار گرفته است. تاثیر سیلاب رودخانه کیتاکامی و کانال‌های آبی در ایجاد نقشه آسیب‌پذیر ساختمان یکی از اصلی‌ترین جنبه‌های متمایز این تحلیل توپوگرافی ساحلی نسبت به مطالعات مشابه است.

تجربه رویدادهای خطرناک تاریخی از طریق بررسی میدانی همراه با کسب اطلاعات

از طریق GIS، مقامات مدیریتی فعالیت‌های پاسخ مناسب را از قبل برنامه‌ریزی می‌کنند تا خسارات یک رویداد مشابه آینده را به حداقل برسانند. این مدیریت‌های ریسک بلایا شامل فعالیت‌هایی مانند ایجاد مسیرهای تخلیه بهتر و مکان‌ها یا پناهگاه‌های امن، آموزش برای عموم، ساخت موانع سونامی و مقررات جدید برای ساخت و ساز ساختمان‌ها می‌شود.

2. داده ها و روش ها

بخش اول این مطالعه به ارزیابی رفتار مصالح ساختمانی و آسیب ناشی از طغیان سونامی بر اساس بررسی میدانی انجام شده توسط MLIT در قالب پایگاه داده اختصاص یافته است. در بخش دوم تأثیر توپوگرافی ساحلی از طریق نقشه آسیب تهیه شده از طریق GIS با روش AHP برای منطقه ساحل دشت بررسی می شود. اثر توپوگرافی ساحلی بر آسیب ساختمان مبتنی بر طغیان با تعریف خط ساحل، ارتفاع، شیب، رودخانه و پوشش گیاهی با استفاده از GIS به عنوان ابزاری برای تجزیه و تحلیل تصویر ماهواره‌ای ساحل دشت ایشینوماکی بررسی می‌شود. نتایج تجزیه و تحلیل با هدف منعکس کردن تفاوت‌های بالقوه در احتمال آسیب مربوط به طغیان سونامی، مصالح ساختمانی و مکان ساختمان‌ها با توجه به نقشه آسیب است.

2.1. روش طبقه بندی خسارت ساختمان

طبق بررسی MLIT، سطوح آسیب در شش طبقه طبقه بندی شدند: 1) آسیب کم، (بخشی از خرابی ساختمان و آب بین طبقه اول و همکف)، 2) آسیب کمی کم (نیمه آسیب و آب بین همکف و طبقه اول). 3) آسیب متوسط ​​(نیمه آسیب)، 4) آسیب زیاد (آب بیش از طبقه اول و کاملاً تخریب شده)، 5) فروریختن و 6) شسته شده است. همچنین ویژگی های اصلی ساختمان شامل مصالح ساختمانی، تعداد طبقات و موقعیت ساختمان ها در نظر گرفته شد. نمونه ای از داده های خسارت ساختمان برای منطقه آسیب دیده در شهر ایشینوماکی در جدول 1 برای RC نشان داده شده است.

در این جدول خسارات ساختمان بر اساس اندازه گیری عمق طغیان سونامی طبقه بندی شده است. فایل‌های مشابهی برای فولاد، چوب و مصالح ساختمانی سبک وزن که در طبقه‌بندی‌های ما به‌عنوان موارد دیگر نام‌گذاری شده‌اند، در دسترس بودند.

داده‌ها برای 63157 ساختمان ارائه شد که تعداد ساختمان‌ها در منطقه آب‌گرفته شهر ایشینوماکی و ساختمان‌ها در منطقه ساحلی دشت (به شکل 1 نگاه کنید )، برای چهار نوع ساخت و ساز مختلف در جدول 2 و همچنین توزیع درصد آنها در جدول 2 فهرست شده است. در شکل 2 نشان داده شده است .

همانطور که در شکل 2 نشان داده شده است ، نزدیک به 95 درصد از ساختمان ها در شهر ایشینوماکی را می توان به صورت چوبی یا مواد شکننده دیگر طبقه بندی کرد.

از دیگر ویژگی های ساختمان های مهم ارائه شده توسط MLIT تعداد طبقات بود. در برخی از مطالعات قبلی توضیح داده شده است که تعداد طبقات بیشتر در هر ساختمان به دلیل طراحی ساختاری آنها برای تحمل بارهای سنگین تر، ساختمان ساختمان قوی تر است. از آنجایی که بر اساس پایگاه داده MLIT حدود 98 درصد از ساختمان ها دو طبقه با چند ساختمان چند طبقه هستند که عمدتاً در مناطق امن واقع شده اند، آسیب ساختمان به دلیل تعداد طبقات در این مطالعه نادیده گرفته شده است.

روش تجزیه و تحلیل پیمایش MLIT در این مطالعه بررسی توزیع سطح خسارت بر اساس را پوشش می دهد

عمق آبگرفتگی، توزیع خسارت ساختمان با در نظر گرفتن مصالح سازه ای و عمق آبگرفتگی در شهر ایشینوماکی. برای موارد ضروری، تجزیه و تحلیل داده های مشابه برای ساختمان های واقع در منطقه ساحلی دشت برای مقایسه اعمال می شود. چندین طبقه‌بندی داده برای استخراج نمودارهای ارزشمند برای ارزیابی تأثیر مصالح ساختمانی در میزان آسیب انجام شد. در نهایت، تحلیلی از تاثیر توپوگرافی ساحلی در میزان خسارت ساختمان برای 33473 ساختمان ساحل دشت شهر ایشینوماکی ارائه شده است. برای این منظور از نرم افزار Arc GIS بر اساس روش AHP برای تحلیل تصویر ماهواره ای و طبقه بندی مناطق آسیب پذیر استفاده می شود.

2.2. نقشه آسیب

در این مطالعه، داده های سنجش از دور گرفته شده توسط GeoEye-1 یک ماهواره نوری با وضوح بسیار بالا (VHR) با اندازه پیکسل حدود 0.41 متر برای شناسایی عناصر حیاتی جغرافیایی مانند ساختمان ها، زیرساخت های حمل و نقل و منطقه طغیان ناشی از رویداد سونامی استفاده شد. به منظور برآورد خسارت و خطر در منطقه ساحلی دشت شهر ایشینوماکی در استان میاگی همانطور که در شکل 3 نشان داده شده است.

ما فاکتورهای ارتفاع و شیب را از یک مدل ارتفاعی دیجیتال (DEM) به‌دست‌آمده از سازمان اطلاعات مکانی ژاپن استخراج کردیم، در حالی که شاخص تفاوت نرمال شده گیاهی (NDVI) برای تراکم گیاهی از تصویر Geoeye-1 و نوار ابزار تحلیل تصویر در ArcGIS 10.2 استخراج شده است. نرم افزار .1. فاصله خط ساحلی و فاصله رودخانه از نقشه های برداری منطقه مورد مطالعه اندازه گیری شد.

سپس خسارات ناشی از سونامی با اعمال AHP برای تمامی عوامل ذکر شده برآورد می شود. ارزیابی خسارت را می توان از طریق GIS از نظر تحلیل چند معیاره فضایی بر روی نقشه منطقه آسیب سونامی نمایش داد.

2.2.1. ارتفاع

یک مدل رقومی ارتفاع از داده های ارتفاعی به دست آمده از GSI ایجاد شد. DEM از https://fgd.gsi.go.jp/download/GsiDLSelFileServlet دانلود شد . داده های ارتفاع مش ایجاد شده با درونیابی به نقطه ارتفاع در نقطه مرکزی در 0.2 ثانیه (حدود 5 متر) مش که از مقدار ارتفاع (داده های زمین) اندازه گیری شده توسط لیزر هوابرد است. دقت ارتفاع مش 5 متری از لیزر هوابرد کمتر از 0.3 متر و انحراف استاندارد موقعیت اکتساب ارتفاع (از فتوگرامتری) کمتر از 1.0 متر است. داده ها در قالب JPGIS (فرمت) با استفاده از نرم افزار مبدل مبدل نقشه پایه نسخه 4.00 (FGDV) ارائه شده توسط GSI به شکل فایل در فرمت نقطه ای تبدیل شدند.

در نهایت، این فرمت نقطه ای برای ایجاد مدل رقومی ارتفاع از طریق نرم افزار Arc GIS 10.2.1 و تابع مجموعه ابزار درونیابی شطرنجی به رستر تبدیل شد.

2.2.2. شیب

شیب به عنوان نرخ حداکثر تغییر در مقدار z از هر سلول تصویر ماهواره ای تعیین شد. استفاده از یک ضریب z برای محاسبات شیب صحیح زمانی که واحدهای z سطح در واحدهای متفاوت از واحدهای x، y زمین بیان می شوند ضروری است. محدوده مقادیر در خروجی به نوع واحدهای اندازه گیری بستگی دارد. دامنه مقادیر شیب 0 تا 90 برای درجه و 0 تا اساساً بی نهایت برای درصد افزایش است. ما یک نقشه شیب را با استفاده از ابزارهای ایجاد سطح و تجزیه و تحلیل نرم افزار ArcGIS 10.2.1 ایجاد کردیم تا از یک روش تفاضل محدود مرتبه سوم برای محاسبه شیب استفاده کنیم [ 30 ] [ 31 ].

2.2.3. فاصله از خط ساحلی

فاصله از خط ساحلی در یک فایل پلی لاین برای بافر کردن فاصله خط ساحلی تا خشکی ایجاد شد. ما فاصله را با استفاده از مجاورت و ابزار تحلیلگر فاصله اقلیدسی در نرم افزار ArcGIS 10.2.1 محاسبه کردیم. فاصله بر اساس گزارش تاریخی حداکثر افزایش در منطقه مورد مطالعه است. ما از “معادله (1)” برای طبقه بندی نزدیکی ساحلی و فاصله بافر خط ساحلی از برتشنایدر و ویبرو (1976) استفاده کردیم [ 32 ]:

(1)

که در آن X _max حداکثر رسیدن سونامی بر روی خشکی و Y0 ارتفاع سونامی در خط ساحلی است.

ما بافرهای فاصله را در پنج کلاس بر اساس “معادله (1)” طبقه بندی کردیم تا یک نقشه آسیب سونامی ایجاد کنیم. این توضیح می دهد که 4.55 متر تا 7.09 متر می تواند به فاصله 489.94 متر از خط ساحلی برسد، 7.09 متر تا 9.64 متر می تواند به 885.76 متر برسد، 9.64 متر تا 12.18 متر می تواند به 1332.84 برسد. 12.18 متر تا 14.73 متر می تواند به 1821.46 متر برسد و 14.73 متر تا 17.27 متر می تواند به بیش از 2345.53 متر برسد.

2.2.4. فاصله از رودخانه (کیتاکامی) و کانال آب

رودخانه کیتاکامی، چهارمین رودخانه بزرگ ژاپن و پایین دست آن به دو کانال آبی، رودخانه قدیمی کیتاکامی و رودخانه کیتاکامی منشعب می شود. رودخانه قدیمی کیتاکامی در دشتی حاصلخیز جریان دارد که برای کشاورزی و صنایع بسیار توسعه یافته است و این کانال آبی از منطقه مورد مطالعه می گذرد، در حالی که رودخانه کیتاکامی از طریق دره ای باریک به خلیج کوچکی رو به اقیانوس آرام می ریزد. مشاهده می شود که سونامی به 8 تا 10 کیلومتر یا بیشتر از خط ساحلی به سمت داخل در اطراف رودخانه کیتاکامی و رودخانه قدیمی کیتاکامی رسیده بود و ارتفاع در این منطقه بسیار کم بود و بین 0 تا 2 متر متغیر بود [ 33 ] – [ 35 ] .

کانال های Kitakami-unga و Kitakami کانال های مصنوعی با ارتفاع متوسط ​​9- متر زیر سطح دریا در امتداد 15.8 کیلومتر هستند. کانال کیتاکامی که در سراسر شهر می گذشت و سپس منطقه داخلی را زیر آب می برد [ 36 ] . مشابه مطالعه رودخانه، بر اساس گزارش تاریخی منطقه طغیان و نقشه های عمق آبگرفتگی، منطقه غرقاب شده در امتداد کانال آب را ارزیابی کردیم.

ارتفاع، فاصله رودخانه و فاصله خط ساحلی با استفاده از روش شکست های طبیعی جنکس به پنج کلاس آسیب طبقه بندی شدند. این روش طبقه‌بندی با انتخاب شکست‌های کلاس در مقادیر مشابه بهترین گروه، به حداکثر رساندن تفاوت بین کلاس‌ها و به حداقل رساندن تفاوت‌های ارزش بین داده‌های درون همان کلاس و تأکید بر تفاوت‌های بین کلاس‌های طبقه‌بندی‌شده را نشان می‌دهد.

2.2.5. NDVI و گیاهی

NDVI یک ابزار رایج برای شناسایی و مشخص کردن پوشش گیاهی و معیاری برای تفاوت بازتاب بین این محدوده‌های طول موج است که مقادیری بین 1- و 1 را می‌گیرد، در حالی که مناطق پوشش گیاهی مقادیری را تولید می‌کنند که از حدود 0.4 شروع می‌شوند و به 1.0 نزدیک می‌شوند و مقادیر کمتر از 0 نشان می‌دهند که پوشش گیاهی وجود ندارد. [ 37 ] [ 38 ] .

“معادله (2)” برای محاسبه و مشخصات NDVI استفاده شد:

(2)

که در آن برای GeoEye-1 Band 4 NIR (نزدیک باند مادون قرمز) و Band 3 قرمز است.

ما ارتفاع و فاصله را برای رودخانه، کانال و خط ساحلی بر اساس مقادیر شرح داده شده در جدول 3 طبقه بندی کردیم .

2.2.6. GIS و AHP برای نقشه برداری خسارت

مدل‌سازی مبتنی بر سلول در تحلیل فضایی برای مشخص کردن ناحیه آسیب ناشی از خطر سونامی استفاده شد. سلول ها به پنج کلاس آسیب در اعداد 1، 2، 3، 4 و 5 طبقه بندی می شوند که نشان دهنده کلاس های آسیب کم، کمی کم، متوسط، کمی زیاد و زیاد برای عمق های مختلف سیلاب هستند.

همه عوامل آسیب سونامی بر اساس تأثیرات غالب آنها در تعیین کلاس آسیب ناشی از سونامی روی هم قرار می گیرند و وزن می شوند. اهمیت نسبی هر عامل در سلسله مراتب مشخص می شودبر اساس وزن آنها (ساتی، 1977 و 1980) با مقایسه زوجی همانطور که در جدول 5 نشان داده شده است. تعاملات سلسله مراتبی بر اساس اهمیت هر عامل با تخمین امتیاز عددی محاسبه شد. هنگامی که معیارها/اهداف ارزیابی وجود دارد، تصمیم گیرندگان باید یک مقایسه زوجی انجام دهند. نمرات توسط تعریف ذهنی محقق در تعیین اهمیت هر عامل [ 24 ] – [ 26 ] ساخته می شود.

اولین بردار ویژه بر اساس ماتریس مقایسه زوجی نشان داده شده در جدول 5 محاسبه می شود. تقریبی بردار ویژه و مقدار ویژه یک ماتریس متقابل را می توان از طریق روش زیر به دست آورد: 1) مجموع هر ستون ماتریس متقابل 2) سپس هر عنصر ماتریس را با مجموع ستون آن تقسیم می کنیم. وزن نسبی نرمال شده که در آن مجموع هر ستون 1 است همانطور که در شکل 4 نشان داده شده است. بردار ویژه اصلی نرمال شده را می توان با میانگین گیری در بین ردیف ها به دست آورد. بردار ویژه اصلی نرمال شده به‌دست‌آمده توضیح می‌دهد که فاصله خط ساحلی دارای بیشترین وزن (42.16%)، و به دنبال آن ارتفاع (14.92%)، شیب (8.57%)، فاصله رودخانه (26.60%) و تراکم پوشش گیاهی (7.74%) است که در شکل 4 نشان داده شده است. .

AHP ذهنی است و ناسازگاری را از طریق مقدار افزونگی با ارائه معیاری از ارزیابی ناسازگاری تحمل می کند که با نسبت سازگاری (CR) نشان داده می شود. اگر مقدار CR کوچکتر یا برابر با 10 درصد باشد، ناسازگاری قابل قبول است. CR نشان‌دهنده این احتمال است که قضاوت‌های ماتریس به‌طور تصادفی ایجاد شده‌اند و به عنوان نسبت شاخص سازگاری (CI) که درجه سازگاری منطقی بین مقایسه‌های زوجی است، به شاخص سازگاری تصادفی (RI) تعریف می‌شود. میانگین ارزش CI ماتریس های مقایسه تصادفی تولید شده [ 40 ].

“معادلات (3)” و “معادله (4)” الگوریتم‌های محاسبه CR و CI را توصیف می‌کنند:

(3)

(4)

که در آن:

λ _max حداکثر مقدار ویژه ماتریس قضاوت است و از مجموع همه عوامل محاسبه می شود و در بردار ویژه آن ضرب می شود که 16/42 درصد است.

n اندازه ماتریس مقایسه است. در این مطالعه n = 5.

RI بر اساس شاخص سازگاری تصادفی است که در جدول 6 نشان داده شده است . 1.11 برای پنج عامل ماتریس نرمال شده در شکل 4 استفاده شده است.

بنابراین شاخص ثبات، CI، 0.093 و CR 8.37 درصد محاسبه می شود.

ما با استفاده از هر سیستم GIS با پوشش کلسیم، هر سلول شطرنجی را به صورت سلول به سلول بر اساس وزن آن محاسبه کردیم.

توانایی ها تجزیه و تحلیل ترکیب خطی وزنی (WLC) در یک سیستم اطلاعات جغرافیایی شطرنجی بسیار ساده است، و هر عامل با اعمال یک وزن ترکیب می‌شود، و پس از جمع‌بندی نتایج، نقشه تناسب به دست می‌آید. “معادلات (5)” محاسبه مناسب بودن [ 22 ] و [ 36 ] – [ 40 ] را توصیف می کند.

(5)

جایی که:

S = مناسب بودن.

W _i = وزن عامل.

X _i = نمره معیار عامل i.

ما محاسبه‌گر شطرنجی را در منوی جبر نقشه با استفاده از ابزار تحلیل فضایی ArcGIS 10.2.1 برای تولید نقشه آسیب‌دیده با استفاده از “معادلات (5)” تخمین زدیم.

3. نتایج و بحث

بخش اول نشان دهنده نتایج آسیب ساختمان برای مصالح مختلف ساختمانی است. بخش دوم نتیجه GIS برای نقشه خرابی ساختمان را نشان می دهد.

3.1. مشخصات خرابی ساختمان

در این بخش، بر اساس داده های بررسی شده، نتایج تحلیل آماری متعددی از آسیب های ساختمانی برای مصالح مختلف ساختمانی ارائه و مورد بحث قرار گرفته است. توزیع درصد سطح آسیب مصالح ساختمانی مختلف برای محدوده های مختلف عمق آبگرفتگی در چندین مجموعه از شکل ها ترسیم شده است: 1) عمق طغیان سونامی فقط 2) فقط مصالح ساختمانی، 3) مصالح ساختمانی و عمق آبگرفتگی با هم.

3.1.1. عمق طغیان سونامی

عمق طغیان سونامی برای ساختمان های واقع در شهر ایشینوماکی از داده های بررسی شده MLIT و همچنین تصویر ماهواره ای Geoeye-1 به دست آمد. با توجه به این داده ها، ما توزیع سطوح آسیب را بر اساس عمق طغیان سونامی در فاصله 0.5 متر برای کل شهر، صرف نظر از نوع مصالح ساختمانی، طبقه بندی و خلاصه کردیم. نتیجه به صورت گرافیکی در شکل 5 نشان داده شده است.

مطابق شکل 5 ، برای عمق آبگرفتگی بیشتر، میزان خسارت افزایش می یابد. به عنوان مثال، برای فاصله عمق آبگرفتگی کمتر از 0.5 متر، آسیب کم و آسیب های اندکی کم غالب ترین هستند. عمق آب گرفتگی در محدوده 0.5 – 1.5 متر حدود نیمی از ساختمان ها اندکی آسیب دیده اند در حالی که مابقی خسارت های ساختمانی بیشتر بین آسیب های کم و خسارات متوسط ​​توزیع می شود. محدوده بین 1.5 – 4.0 متر اکثر ساختمان ها فرو می ریزند و برای اعماق طغیان بیش از 4 متر بیشتر ساختمان ها از بین می روند. از آنجایی که برای عمق آبگرفتگی بیش از 8 متر، بیش از 90٪ ساختمان ها همانطور که در شکل 5 نشان داده شده است، شسته می شوند .

3.1.2. مصالح ساختمانی

نیروهای موج ناشی از سونامی خسارات زیادی به ساختمان های شکننده وارد می کند. ساختمان های ایستاده در مسیر امواج، آب را مسدود می کنند و در نتیجه فشار وارده بر آنها افزایش می یابد. نیروی آب را می توان با استفاده از توزیع فشار موج توسط فرمول Tanimoto محاسبه کرد. به عنوان مثال، آب با عمق تنها 2 متر فشاری در حدود 20 کیلو نیوتن در هر متر مربع ایجاد می کند، که بسیار بیشتر از هر سازه معمولی می تواند بدون آسیب باقی بماند. هرچه عمق آب بیشتر باشد، فشار بیشتر است [ 41] . بنابراین، یکی از عوامل کلیدی برای به حداقل رساندن خسارات ناشی از سونامی، ساخت سازه‌هایی با الزامات اولیه است که بتواند در برابر آسیب‌های این طوفان‌ها مقاومت کند. هنگام مقایسه مصالح ساختمانی، مشخص شد که سازه‌های RC در مقایسه با سازه‌های بنایی و چوبی که به خوبی دوام نمی‌آورند، احتمال بیشتری برای زنده ماندن از نیروهای موجی ناشی از سونامی دارند [ 8 ] – [ 16 ].

این بخش به مقایسه خسارت های آماری متفاوت مصالح ساختمانی در طول شرق ژاپن اختصاص دارد

سونامی 2011 برای شهر ایشینوماکی با 63157 ساختمان برای کل شهر و با 33473 ساختمان برای سواحل دشت ایشینوماکی به عنوان مطالعه موردی. هر ساختمان آسیب دیده با توجه به سطح آسیب آن (شش سطح توسط MLIT تعریف شده است)، مصالح ساختمانی (RC، فولاد، چوب و سایر سازه های سبک وزن مانند خشت یا آجر که در متن به عنوان موارد دیگر ذکر شده است) اندازه گیری و طبقه بندی شد.

داده های آسیب بر اساس مصالح ساختمانی که در شکل 6 و شکل 7 نشان داده شده است طبقه بندی می شوند . همانطور که انتظار می رود، ساختمان های RC با نشان دادن کمترین میزان آسیب می توانند بهترین مقاومت را در برابر امواج سونامی داشته باشند و هیچ ساختمان RC برای شسته شدن ثبت نشده است. از سوی دیگر، نیمی از سازه های چوبی و سایر سازه های شکننده یا شسته شده یا فرو می ریزند. در مورد فولاد، بیش از نیمی از ساختمان ها یا فروریخته و یا به شدت آسیب دیده اند.

همان تاریخ استخراج شده به عنوان توزیع درصدی از مصالح ساختمانی مختلف ترسیم شده و نشان داده شده است

شکل 7 برای کل شهر فقط از طریق منطقه ساحلی دشت. با در نظر گرفتن ساختمان های فروریخته و شسته شده. شکل 7 از طریق آسیب های اندکی کم، می توان تشخیص داد که ساحل دشت کمتر از کل شهر آسیب دیده است. عدم وجود مواد چوبی و سایر مواد در سطوح آسیب زیاد، یکی دیگر از نتایج این رقم است. علاوه بر این، با نگاهی به توزیع ساختمان‌ها با آسیب اندکی می‌توان نتیجه گرفت که با همین احتمال، ساختمان‌های چوبی، فولادی و سایر مصالح توزیع شده‌اند.

3.1.3. اثر ترکیبی مصالح ساختمانی و عمق آبگرفتگی

همانطور که قبلا ذکر شد، هرچه عمق آب بیشتر باشد، فشار بیشتر و میزان خسارت بیشتر مورد انتظار است. با در نظر گرفتن عمق آبگرفتگی در فاصله 0.5 – 8.5 متر، داده های خسارت برای کل شهر ایشینوماکی بر اساس نوع مصالح ساختمانی طبقه بندی می شود. برای یک بازه عمق آبگرفتگی معین، درصد سهم هر سطح خسارت محاسبه می شود. نتایج گرافیکی به صورت گرافیکی در شکل 8 برای ساخت و سازهای مختلف نشان داده شده است. با توجه به شکل 8 (الف)، توزیع درصد آسیب مواد RC

در محدوده عمق آبگرفتگی کمتر از 2 متر فقط خسارات کم و کمی کم مورد انتظار است. برای عمق آبگرفتگی 2.5 – 6.0 متر، ساختمان‌های RC عمدتاً آسیب زیادی دیده‌اند، زیرا ساختمان‌های واقع در عمق آبگرفتگی بیش از 6.0 متر همه فرو ریخته‌اند. برای ساختمان های فولادی همانطور که در شکل 8 (ب) نشان داده شده است، برای عمق آبگرفتگی کمتر از 2.0 متر کمتر، خسارات کمی کم و متوسط ​​مشاهده می شود. برای محدوده عمق آبگرفتگی 2.0 – 6.5 متر اکثر ساختمان های فولادی فروریخته (بیش از 40٪) و برای بیش از 6.5 متر بین فروریخته و شسته شده توزیع می شوند.

ساختمان های چوبی نشان داده شده در شکل 8 (ج) و سایر سازه های سبک وزن نشان داده شده در شکل 8 (د) توزیع آسیب تقریبا مشابهی را بیان می کنند. در هر دو مورد، عمق آبگرفتگی کمتر از 1.5 متر باعث خسارات کم، کمی کم، متوسط ​​(که فقط برای دیگران مشاهده می شود) می شود. چوب ها و سایر مصالح ساختمانی شکننده در محدوده عمق آبگرفتگی 1.5 – 4.0 متر عمدتاً فرو ریخته می شوند و عمق آبگرفتگی 4.0 متر آستانه برای ساختمان های شسته شده است.

با در نظر گرفتن عمق آبگرفتگی، همان داده‌های مورد استفاده برای شکل 8 بر اساس سطوح آسیب طبقه‌بندی می‌شوند تا هر سهم مصالح ساختاری در میزان آسیب در هر سطح بهتر نشان داده شود. نتایج در شکل 9 نشان داده شده است. این طبقه بندی ها نیز ارزشمند هستند زیرا مقایسه بین مواد مختلف امکان پذیر می شود. مطابق شکل 9 (الف)، نمودار سطح شسته شده، عمق آستانه آبگرفتگی 3.0 متر را برای مصالح ساختمانی چوبی و دیگر شکننده، 4.0 متر برای ساختمان های فولادی نشان می دهد، در حالی که ساختمان های RC به ندرت تحت تأثیر قرار می گیرند.

همچنین قابل درک است که برای شکل 9 (الف)، و برای عمق آستانه 4 متر، بیش از نیمی از ساختمان های چوبی یا سایر ساختمان های شکننده با رفتار گرافیکی مشابهی شسته شده اند. همچنین شکل فروپاشی نشان داده شده در شکل 9 (ب) عمق آستانه 1.5 متری را برای مشاهده این پدیده بدون توجه به مصالح ساختمانی نشان می دهد. همچنین، می توان مشاهده کرد که ساختمان های چوبی و سایر ساختمان های شکننده در عمق سیلابی بسیار کمتری در مقایسه با ساختمان های RC فرو می ریزند. با توجه به شکل 9 (ج)، تنها RC و فولاد در برابر آسیب زیاد آسیب پذیر هستند. مطابق شکل 9(د)، آسیب متوسط ​​برای همه مصالح ساختمانی در محدوده عمق آبگرفتگی 1.0 – 2.0 متر توزیع می شود. ساختمان های با آسیب اندکی کم عمدتاً در محدوده عمق آبگرفتگی 0.5 – 1.0 متر برای همه مصالح ساختمانی مشاهده می شوند که به صورت گرافیکی در شکل 9 (ه) نشان داده شده است. و در نهایت، ساختمان های کم آسیب دیده در عمق آبگرفتگی کمتر از 0.5 متر انباشته می شوند.

3.2. نقشه خسارت سونامی

شکل 10 نقشه آسیب سونامی در منطقه ساحلی دشت ایشینوماکی را به عنوان خروجی این محاسبه نشان می دهد. ما آمار نقشه خسارت را بر اساس طبقه بندی خسارت پنج عامل مورد استفاده در این مطالعه برآورد کردیم. نتیجه در جدول 7 نشان داده شده است در حالی که شاخص آسیب سلول های شبکه 125548.39 بین 1 تا 5 متغیر است. نقشه آسیب سونامی تولید شده توسط GIS در شکل 10 نشان داده شده است که مطابقت خوبی با داده های تاریخی مجدد دارد.

توسط “GSI” و “گروه مشترک بررسی سونامی زلزله 2011” که در شکل 11 نشان داده شده است. بر اساس مقایسه، بیشتر مناطق سیلابی در نواحی با خسارت زیاد و اندکی قرار دارند.

بر اساس نتایج مطالعه ما، که در شکل 10 نشان داده شده است ، منطقه آبگرفتگی 14.16 کیلومتر مربع برآورد شد ^، در حالی که GSI گزارش داد که منطقه آبگرفتگی در ساحل دشت ایشینوماکی، 13.46 کیلومتر مربع ^در طول سونامی ژاپن در سال 2011 بود.

4. نتیجه گیری

داده های خسارت ساختمان شهر ایشینوماکی، با توجه ویژه به منطقه آسیب دیده ساحل دشت، با استفاده از داده های بررسی شده توسط MLIT برای بیش از 52000 سازه طبقه بندی و تجزیه و تحلیل شد. این طبقه بندی شامل اطلاعات شش سطح آسیب، چهار نوع مصالح ساختمانی و درصد خسارت ناشی از طغیان سونامی برای هر مصالح ساختمانی است که اطلاعات لازم برای کاهش خطر موثر است.

یافته های اصلی این مطالعه و کاربرد آنها به شرح زیر خلاصه می شود:

・ داده های خسارت ساختمان شهر ایشینوماکی با توجه ویژه به منطقه آسیب دیده ساحل دشت طبقه بندی و تجزیه و تحلیل شد.

・ توزیع درصد سطح خسارت برای مصالح ساختمانی مختلف و توزیع درصد ساختمانها برای سطوح مختلف خسارت برای شهر ایشینوماکی و ساحل دشت آن نشان داده شده است.

・ برای هر مصالح ساختمانی، توزیع درصد آسیب مصالح ساختمانی مختلف در محدوده عمق آبگرفتگی 0 تا 8.5 متر رسم شد. این نمودارها رفتار مواد ناشی از طغیان سونامی را برای ارزیابی خسارات قابل مقایسه با منحنی‌های شکنندگی نشان می‌دهند. برای هر سطح آسیب، اعماق آستانه طغیان مختلف نیز ذکر شد.

· رفتار RC، فولاد، چوب و سایر مواد ساختمانی شکننده در طول یک رویداد سونامی در عمق‌های مختلف سیل مقایسه شد. نتایج نشان‌دهنده عملکرد مقاوم‌تر ساختمان‌های RC و فولادی نسبت به چوب یا ساختمان‌های دیگر است.

・ محاسبه نقشه خسارت و مقایسه آن با نقشه خسارت بر اساس بررسی ها، به ما این امکان را می دهد تا اهمیت هر یک از عوامل جغرافیایی را که تأثیر قابل توجهی بر آسیب دارد، درک کنیم. با استفاده از ابزار GIS، مناطق آسیب توسط شماتیک رفتار مصالح ساختمانی دنبال می شود. می توان میزان خسارت را برای هر ناحیه آسیب دیده ارزیابی کرد.

اینها ملاحظات مهمی در طراحی ساختمان، مواد و مکان تخلیه سونامی و ارزیابی خسارات سایر شهرهایی هستند که در خطر سونامی آینده هستند.

در نتیجه، با استفاده از عوامل جغرافیایی متعدد ارتفاع توپوگرافی، ارتباط با جهت سونامی، مجاورت ساحل و شکل ساحلی که توسط AHP گنجانده شده است، یک مقایسه جفتی مناسب از AHP برای ساخت یک طرح وزن دهی برای عوامل مکانی و ارزیابی سونامی پیشنهاد شده است. خسارت. با این حال، آسیب نه تنها توسط ارتفاع سونامی که به شدت به توپوگرافی ساحلی وابسته است، کنترل می شود، بلکه به شدت به مصالح ساختمانی نیز وابسته است. همانطور که در این مطالعه به صورت گرافیکی نشان داده شده است، با دانستن رفتار مواد مختلف برای هر عمق آبگرفتگی، می توان با دقت خوبی میزان خسارت را ارزیابی کرد. ما استفاده از ارقام مصور آسیب برای مصالح ساختمانی مختلف به دلیل عمق آبگرفتگی متفاوت را در این مقاله پیشنهاد کردیم.

تحقیقات ما می تواند برای ارزیابی آسیب ساختمان های واقع در مناطق آسیب پذیر به دلیل خطر سونامی در بلایای طبیعی آینده مورد استفاده قرار گیرد.

منابع

[ 1 ]	آژانس پلیس ملی (2011) وضعیت خسارت زلزله 2011 در سواحل اقیانوس آرام توهوکو. https://www.npa.go.jp/archive/keibi/biki/higaijokyo.pdf
[ 2 ]	Ciurean, RL, Schr?ter, D. and Glade, T. (2013) چارچوب های مفهومی ارزیابی های آسیب پذیری برای کاهش بلایای طبیعی. در: Tiefenbacher, J., Ed., Approaches to Disaster Management-Examing the Implications of Hazards, Emergency and Disasters, InTech, Rijeka, 1-32.
[ 3 ]	کاردونا، O.-D. و ون آلست، MK (2012) عوامل تعیین کننده خطر: قرار گرفتن در معرض و آسیب پذیری. انتشارات دانشگاه کمبریج، کمبریج، انگلستان و نیویورک، 65-108. https://dx.doi.org/10.1017/cbo9781139177245.005
[ 4 ]	Matsuoka, M. and Yamazaki, F. (2004) استفاده از تصاویر شدت SAR ماهواره ای برای تشخیص مناطق ساختمانی آسیب دیده در اثر زلزله. طیف زلزله، 20، 975-994. https://dx.doi.org/10.1193/1.1774182
[ 5 ]	Gokon, H., Koshimura, S., Matsuoka, M. and Namegaya, Y. (2011) در حال توسعه منحنی های شکنندگی سونامی به دلیل فاجعه سونامی 2009 در ساموآی آمریکا. مجموعه مقالات کنفرانس مهندسی ساحل، انجمن مهندسین عمران ژاپن، موریوکا، 9-11 نوامبر 2011، I_1321-I_1325. https://dx.doi.org/10.2208/kaigan.67.i_1321
[ 6 ]	Ruangrassamee, A., Yanagisawa, H., Foytong, P., Lukkunaprasit, P., Koshimura, S. and Imamura, F. (2006) بررسی آسیب و شکنندگی ساختمانها ناشی از سونامی در تایلند پس از دسامبر 2004 اقیانوس هند سونامی طیف زلزله، 22، 377-401. https://dx.doi.org/10.1193/1.2208088
[ 7 ]	آریکاوا، تی (2009) رفتار ساختاری تحت بارگذاری سونامی ضربه ای. مجله تحقیقات بلایا، 4، 377-381.
[ 8 ]	Dominy-Howes، D. and Papathoma، M. (2007) اعتبارسنجی “مدل ارزیابی آسیب‌پذیری سونامی پاپاتوما” (PTVAM) با استفاده از داده‌های میدانی سونامی اقیانوس هند در سال 2004. مخاطرات طبیعی، 40، 113-136. https://dx.doi.org/10.1007/s11069-006-0007-9
[ 9 ]	Matsutomi, H. and Harada, K. (2010) توزیع ردیابی سونامی در اطراف ساختمان و استفاده عملی آن. مجموعه مقالات سومین سمپوزیوم میدانی بین المللی سونامی، سندای، 10-11 آوریل 2010، جلسه 3-2.
[ 10 ]	Matsutomi, H. and Shuto, N. (1994) عمق طغیان سونامی، سرعت جریان و آسیب به خانه ها. مجموعه مقالات کنفرانس مهندسی سواحل، 41، 246-250.
[ 11 ]	Suppasri, A., Koshimura, S., Imai, K., Mas, E., Gokon, H., Muhari, A. and Imamura, F. (2012) بررسی میدانی و مشخصه خسارت سونامی توهوکو در سال 2011 در استان میاگی . مجله مهندسی سواحل، 54، 1250005. https://dx.doi.org/10.1142/S0578563412500052
[ 12 ]	Suppasri, A., Koshimura, S., Matsuoka, M., Gokon, H. and Kamthonkiat, D. (2012) کاربرد سنجش از دور برای فاجعه سونامی. در: Chemin, Y., Ed., Remote Sensing of Planet Earth, InTech, Rijeka, 143-168. https://dx.doi.org/10.5772/32136
[ 13 ]	Suppasri, A., Mas, E., Koshimura, S., Imai, K., Harada, K. and Imamura, F. (2012) توسعه منحنی های شکنندگی سونامی از داده های بررسی شده سونامی بزرگ ژاپن شرقی 2011 در سندای و دشت های ایشینوماکی مجله مهندسی سواحل، 54، 1250008. https://dx.doi.org/10.1142/S0578563412500088
[ 14 ]	Suppasri, A., Imai, K., Imamura, F. and Koshimura, S. (2012) مقایسه تلفات و خسارت ساختمان بین ساحل سانریکوریا و ساحل دشت سندای بر اساس سونامی بزرگ ژاپن شرقی 2011. مجموعه مقالات جلسات بین المللی در مهندسی سواحل، JSCE، 3، 76-80.
[ 15 ]	Porter, K., Kennedy, R. and Bachman, R. (2007) ایجاد توابع شکنندگی برای مهندسی زلزله مبتنی بر عملکرد. طیف زلزله، 23، 471-489. https://dx.doi.org/10.1193/1.2720892
[ 16 ]	Reese, S., Cousins, WJ, Power, WL, Palmer, NG, Tejakusuma, IG and Nugrahadi, S. (2007) آسیب پذیری سونامی ساختمان ها و افراد در جاوا جنوبی – مشاهدات میدانی پس از سونامی جاوا جولای 2006. مخاطرات طبیعی و علوم سیستم زمین، 7، 573-589. https://dx.doi.org/10.5194/nhess-7-573-2007
[ 17 ]	دپارتمان توسعه منطقه ای و محیط زیست دبیرخانه اجرایی سازمان امور اقتصادی و اجتماعی ایالات آمریکا (1991) آغازگر مدیریت مخاطرات طبیعی در برنامه ریزی توسعه یکپارچه منطقه ای. ایالت واشنگتن.
[ 18 ]	کارور، اس جی (1991) ادغام ارزیابی چند معیاره با سیستم های اطلاعات جغرافیایی. مجله بین المللی سیستم های اطلاعات جغرافیایی، 5، 321-339. https://dx.doi.org/10.1080/02693799108927858
[ 19 ]	Sambah، AB (2014) ارزیابی آسیب‌پذیری سونامی با استفاده از رویکردهای سنجش از دور یکپارچه و GIS. گروه علوم و مهندسی محیط زیست دانشکده تحصیلات تکمیلی علوم و مهندسی، دانشگاه یاماگوچی، یاماگوچی.
[ 20 ]	Schaften، FG (2010) ارزیابی آسیب پذیری ساختمان در برابر خطر سونامی با استفاده از رویکردهای سنجش از دور یکپارچه و GIS. پایان نامه، LMU München، Fakult?t für Geowissenschaften.
[ 21 ]	Dall’Osso, F., Gonella, M., Gabbianelli, G., Withycombe, G. and Dominy-Howes, D. (2009) مدل تجدید نظر شده (PTVA) برای ارزیابی آسیب پذیری ساختمان ها در برابر آسیب سونامی. مخاطرات طبیعی و علوم سیستم زمین، 9، 1557-1565. https://dx.doi.org/10.5194/nhess-9-1557-2009
[ 22 ]	ساعتی، TL (2008) تصمیم گیری با فرآیند تحلیل سلسله مراتبی. مجله بین المللی علوم خدمات، 1، 83-98. https://dx.doi.org/10.1504/IJSSCI.2008.017590
[ 23 ]	Saaty، TL (1977) یک روش مقیاس‌بندی برای اولویت‌ها در ساختارهای سلسله مراتبی. مجله روانشناسی ریاضی، 15، 234-281. https://dx.doi.org/10.1016/0022-2496(77)90033-5
[ 24 ]	Teknomo، K. (2006) فرآیند تحلیل سلسله مراتبی (AHP).
[ 25 ]	ساعتی، TL (2003) کمک به تصمیم گیری با AHP: چرا بردار ویژه اصلی ضروری است. مجله اروپایی تحقیقات عملیاتی، 145، 85-91. https://dx.doi.org/10.1016/S0377-2217(02)00227-8
[ 26 ]	مجموعه مقالات ششمین کنفرانس اروپایی رهبری مدیریت و حکمرانی، Wroclaw، 28-29 اکتبر 2010.
[ 27 ]	مرجع زمین فضایی ژاپن (GSI)، نقشه منطقه سیلابی ناشی از زلزله بزرگ ژاپن شرقی 2011، نقشه شماره 12. دسترسی به 2 نوامبر 2015. https://www.gsi.go.jp/common/000059847.pdf
[ 28 ]	Drobne, S. and Lisec, A. (2009) تجزیه و تحلیل تصمیم چند ویژگی در GIS: ترکیب خطی وزنی و میانگین وزنی مرتب. انفورماتیکا، 33، 459-474.
[ 29 ]	Suppasri, A., Mas, E., Charvet, I., Gunasekera, R., Imai, K., Fukutani, Y., Abe, Y. and Imamura, F. (2013) ویژگی های خسارت ساختمان بر اساس داده های بررسی شده و منحنی های شکنندگی سونامی بزرگ ژاپن شرقی در سال 2011. مخاطرات طبیعی، 66، 319-341. https://dx.doi.org/10.1007/s11069-012-0487-8
[ 30 ]	Cadell, W. (2002) گزارش در مورد تولید و تجزیه و تحلیل DEMs برای مدلسازی فضایی. 11-15.
[ 31 ]	Weih Jr., RC and Mattson, TL (2004) مدلسازی شیب در یک سیستم اطلاعات جغرافیایی. مجله آکادمی علوم آرکانزاس، 58، 100-108.
[ 32 ]	Sinaga، TPT، Nugroho، A.، Lee، Y.-W. و Suh، Y. (2011) نقشه برداری GIS آسیب پذیری سونامی: مطالعه موردی منطقه Jembrana در بالی، اندونزی. مجله مهندسی عمران KSCE، 15، 537-543. https://dx.doi.org/10.1007/s12205-011-0741-8
[ 33 ]	Tanaka, H., Kayane, K., Adityawan, MB and Farid, M. (2013) اثر شیب بستر بر نفوذ سونامی به رودخانه ها. دینامیک ساحلی، 1601-1610.
[ 34 ]	Yeh, H., Tolkova, E., Jay, D., Talke, S. and Fritz, H. (2012) هیدرودینامیک سونامی در رودخانه کلمبیا. مجله تحقیقات بلایا، 7، 604-605.
[ 35 ]	Adityawan, MB, Roh, M., Tanaka, H. and Farid, M. (2012) تأثیر ویژگی های مورفولوژیکی دهان رودخانه بر نفوذ سونامی. صص 75-83.
[ 36 ]	فوکوی، تی (2012) با توجه به میزان خسارت در ایشینوماکی از دیدگاه مهندسی عمران. فاجعه، زیرساخت و جامعه: یادگیری از زلزله 2011 ژاپن، شماره 2، 14-21. https://hdl.handle.net/10086/23128
[ 37 ]	Shank, M. (2008) با استفاده از سنجش از دور برای ترسیم تراکم پوشش گیاهی در یک معدن سطحی احیا شده.
[ 38 ]	شاخص گیاهی تفاوت نرمال شده (NDVI)، NDVI: مروری بر غیر فنی، 2002. https://www.pvts.net/pdfs/ndvi/3_3_ndvi.PDF
[ 39 ]	Singh, SK, Chandel, V., Kumar, H. and Gupta, H. (2014) تغییر کاربری زمین شهری مبتنی بر RS & GIS و تجزیه و تحلیل مناسب بودن مکان برای توسعه شهری آینده منطقه برنامه ریزی پروانو، سولان، هیماچال پرادش (هند). مجله بین المللی تحقیقات توسعه، 4، 1491-1503.
[ 40 ]	Rao, RV (2013) تصمیم گیری در محیط تولید با استفاده از نظریه گراف و روش های تصمیم گیری با ویژگی های چندگانه فازی، فصل 2 روش های تصمیم گیری با ویژگی های چندگانه بهبود یافته است. https://www.springer.com/978-1-4471-4374-1 https://dx.doi.org/10.1007/978-1-4471-4375-8
[ 41 ]	Tanimoto، K. (1983) در مورد جنبه های هیدرولیکی موج شکن های سونامی در ژاپن. مجموعه مقالات سمپوزیوم بین المللی سونامی توسط کمیسیون سونامی IUGG، 1981 Sendai-Ofunato-Kamaishi، ژاپن، 423-435. https://dx.doi.org/10.1007/978-94-009-7172-1_32