رویکرد تجسم یکپارچه برای ارزیابی زمان واقعی و دینامیکی بلایای طوفان برای دریاهای چین

خلاصه

برای بهبود پیشگیری و کاهش بلایای دریایی، مقامات دریایی چین و سازمان‌های واکنش اضطراری به راه‌حلی نیاز دارند که ارزیابی خطر، هشدار اولیه و پشتیبانی تصمیم‌گیری را ارائه دهد. این مقاله یک رویکرد جامع برای ارزیابی فاجعه پیشنهاد می‌کند که شامل عملیات طولانی‌مدت خودکار، یک روش تجسم اطلاعات مکانی و یکپارچه‌سازی سیستماتیک است. رویکرد پیشنهادی توابعی را برای مدل‌های اقیانوسی عددی با نتایج پیش‌بینی، پردازش خودکار داده‌های عظیم، ارزیابی همراه با فاجعه/عنصر و نمایش و بیان چند بعدی ارائه می‌کند. با توجه به بلایای موج طوفان، رویکرد پیشنهادی در این مقاله ساختار چهار لایه ای را اتخاذ می کند و عملکرد هر لایه به طور جداگانه شرح داده می شود. داده‌های اصلی از ترکیبی از داده‌های تحلیل آماری و داده‌های زمان واقعی به‌دست‌آمده از شبکه بدون ساختار حجم محدود جامعه اقیانوسی تشکیل شده‌اند. روش‌های پردازش خودکار داده‌ها و تئوری‌های ارزیابی شامل یک سیستم شاخص و پارامترهای وزنی برای ارزیابی استفاده می‌شوند. با استفاده از فناوری تجسم 2D/3D، نتایج ارزیابی از طریق چندین حالت برای سهولت کار و درک مطلب نمایش داده می شود. اعتبار رویکرد با اعمال آن در مورد طوفان هاتو (شماره 1713) تأیید شد. در مقایسه با نتایج تحقیقات پس از فاجعه، نتایج ارزیابی رویکرد پیشنهادی قابلیت اطمینان سیستم را ثابت کرد. روش‌های پردازش خودکار داده‌ها و تئوری‌های ارزیابی شامل یک سیستم شاخص و پارامترهای وزنی برای ارزیابی استفاده می‌شوند. با استفاده از فناوری تجسم 2D/3D، نتایج ارزیابی از طریق چندین حالت برای سهولت کار و درک مطلب نمایش داده می شود. اعتبار رویکرد با اعمال آن در مورد طوفان هاتو (شماره 1713) تأیید شد. در مقایسه با نتایج تحقیقات پس از فاجعه، نتایج ارزیابی رویکرد پیشنهادی قابلیت اطمینان سیستم را ثابت کرد. روش‌های پردازش خودکار داده‌ها و تئوری‌های ارزیابی شامل یک سیستم شاخص و پارامترهای وزنی برای ارزیابی استفاده می‌شوند. با استفاده از فناوری تجسم 2D/3D، نتایج ارزیابی از طریق چندین حالت برای سهولت کار و درک مطلب نمایش داده می شود. اعتبار رویکرد با اعمال آن در مورد طوفان هاتو (شماره 1713) تأیید شد. در مقایسه با نتایج تحقیقات پس از فاجعه، نتایج ارزیابی رویکرد پیشنهادی قابلیت اطمینان سیستم را ثابت کرد.

کلید واژه ها:

ارزیابی فاجعه ؛ سیستم یکپارچه ؛ فاجعه دریایی ؛ تجسم اطلاعات مکانی ; موج طوفان

1. معرفی

در شرایط کنونی گرم شدن کره زمین و بالا آمدن سطح آب دریاها، بلایای دریایی ناشی از رویدادهای طبیعی مانند طوفان، امواج عظیم، یخ دریا و سونامی با فرکانس فزاینده ای رخ می دهد و تأثیر بیشتری بر کشورهای ساحلی در سراسر جهان دارد. در میان انواع بلایای طبیعی دریایی، موج طوفان به دلیل سرعت و شدت بالا، از دیرباز بزرگترین عامل خسارات اقتصادی قابل توجه، صدمات انسانی و آسیب به معیشت و اموال بوده است. بنابراین، مطالعه پیش‌بینی و ارزیابی بلایای طوفان و ساخت یک سیستم خودکار، پویا و بلادرنگ طراحی شده به عنوان یک عملیات «یک کلیک» از طریق یک مرورگر وب برای استفاده توسط عموم یا مردم بسیار مهم است. دولت. در زمینه اقیانوس شناسی، مطالعات قبلی عمدتاً بر روی دقت و صحت مدل‌های عددی، جفت شدن دینامیک‌های دریایی متعدد و کاربرد روش‌های ارزیابی مختلف متمرکز شده‌اند. تحقیقات در مورد برنامه های کاربردی یکپارچه شامل یکپارچه سازی پیش بینی عددی و پردازش داده ها در یک سیستم خودکار، انجام تجزیه و تحلیل خاص مدل های عددی و روش های ارزیابی برای موارد خاص، یا ترکیب پیش بینی عددی با فناوری تجسم برای ایجاد یک سیستم اقیانوس شناسی خودکار جامع تر است. یک سیستم ارزیابی جامع و خودکار مورد نیاز است که قادر به ارائه عملکردهایی برای مدل‌های اقیانوسی عددی با نتایج پیش‌بینی، پردازش خودکار داده‌های عظیم، ارزیابی همراه با فاجعه/عنصر و نمایش و بیان چند بعدی باشد. جفت شدن دینامیک های دریایی متعدد و کاربرد روش های ارزیابی مختلف. تحقیقات در مورد برنامه های کاربردی یکپارچه شامل یکپارچه سازی پیش بینی عددی و پردازش داده ها در یک سیستم خودکار، انجام تجزیه و تحلیل خاص مدل های عددی و روش های ارزیابی برای موارد خاص، یا ترکیب پیش بینی عددی با فناوری تجسم برای ایجاد یک سیستم اقیانوس شناسی خودکار جامع تر است. یک سیستم ارزیابی جامع و خودکار مورد نیاز است که قادر به ارائه عملکردهایی برای مدل‌های اقیانوسی عددی با نتایج پیش‌بینی، پردازش خودکار داده‌های عظیم، ارزیابی همراه با فاجعه/عنصر و نمایش و بیان چند بعدی باشد. جفت شدن دینامیک های دریایی متعدد و کاربرد روش های ارزیابی مختلف. تحقیقات در مورد برنامه های کاربردی یکپارچه شامل یکپارچه سازی پیش بینی عددی و پردازش داده ها در یک سیستم خودکار، انجام تجزیه و تحلیل خاص مدل های عددی و روش های ارزیابی برای موارد خاص، یا ترکیب پیش بینی عددی با فناوری تجسم برای ایجاد یک سیستم اقیانوس شناسی خودکار جامع تر است. یک سیستم ارزیابی جامع و خودکار مورد نیاز است که قادر به ارائه عملکردهایی برای مدل‌های اقیانوسی عددی با نتایج پیش‌بینی، پردازش خودکار داده‌های عظیم، ارزیابی همراه با فاجعه/عنصر و نمایش و بیان چند بعدی باشد. تحقیقات در مورد برنامه های کاربردی یکپارچه شامل یکپارچه سازی پیش بینی عددی و پردازش داده ها در یک سیستم خودکار، انجام تجزیه و تحلیل خاص مدل های عددی و روش های ارزیابی برای موارد خاص، یا ترکیب پیش بینی عددی با فناوری تجسم برای ایجاد یک سیستم اقیانوس شناسی خودکار جامع تر است. یک سیستم ارزیابی جامع و خودکار مورد نیاز است که قادر به ارائه عملکردهایی برای مدل‌های اقیانوسی عددی با نتایج پیش‌بینی، پردازش خودکار داده‌های عظیم، ارزیابی همراه با فاجعه/عنصر و نمایش و بیان چند بعدی باشد. تحقیقات در مورد برنامه های کاربردی یکپارچه شامل یکپارچه سازی پیش بینی عددی و پردازش داده ها در یک سیستم خودکار، انجام تجزیه و تحلیل خاص مدل های عددی و روش های ارزیابی برای موارد خاص، یا ترکیب پیش بینی عددی با فناوری تجسم برای ایجاد یک سیستم اقیانوس شناسی خودکار جامع تر است. یک سیستم ارزیابی جامع و خودکار مورد نیاز است که قادر به ارائه عملکردهایی برای مدل‌های اقیانوسی عددی با نتایج پیش‌بینی، پردازش خودکار داده‌های عظیم، ارزیابی همراه با فاجعه/عنصر و نمایش و بیان چند بعدی باشد. یا ترکیب پیش‌بینی عددی با فناوری تجسم برای ساختن یک سیستم اقیانوس‌شناسی خودکار جامع‌تر. یک سیستم ارزیابی جامع و خودکار مورد نیاز است که قادر به ارائه عملکردهایی برای مدل‌های اقیانوسی عددی با نتایج پیش‌بینی، پردازش خودکار داده‌های عظیم، ارزیابی همراه با فاجعه/عنصر و نمایش و بیان چند بعدی باشد. یا ترکیب پیش‌بینی عددی با فناوری تجسم برای ساختن یک سیستم اقیانوس‌شناسی خودکار جامع‌تر. یک سیستم ارزیابی جامع و خودکار مورد نیاز است که قادر به ارائه عملکردهایی برای مدل‌های اقیانوسی عددی با نتایج پیش‌بینی، پردازش خودکار داده‌های عظیم، ارزیابی همراه با فاجعه/عنصر و نمایش و بیان چند بعدی باشد.

از آنجایی که فراوانی و شدت بلایای دریایی ممکن است بیشتر شود، تحقیقات در مورد هشدار اولیه و واکنش اضطراری در رابطه با بلایای دینامیکی دریایی به موضوع مهمی برای پیشگیری و کاهش بلایا تبدیل شده است. چین با شمال غربی اقیانوس آرام هم مرز است و شرایط محیطی دریایی متنوع آن منجر به وقوع مکرر بلایای دریایی می شود. با اجرای استراتژی توسعه اقتصادی چین برای مناطق ساحلی، خطر بلایای دریایی در چنین مناطقی تشدید شده است و خسارات اقتصادی اخیر روند صعودی آشکاری را نشان داده است. در سال های اخیر، مناطق ساحلی چین به طور متوسط هر سال بیش از 20 موج طوفان را تجربه کرده اند که با خسارات اقتصادی بیش از 10 میلیارد یوان مرتبط است [ 1 ].

برای پیش‌بینی بلایای موج طوفان، ایجاد یک سیستم عددی پیش‌بینی اقیانوس که در آن یک مدل اقیانوس چارچوب دینامیکی و مؤلفه اصلی را تشکیل می‌دهد، مهم است. مدل های دریایی از اوایل دهه 1950 در دست توسعه بودند. با پیشرفت های سریع در فن آوری کامپیوتر در پایان قرن گذشته، ده ها مدل اقیانوسی پیشنهاد و توسعه یافته است، به عنوان مثال، مدل اقیانوسی مختصات ترکیبی (HYCOM) [ 2 ]، هسته برای مدل سازی اروپایی اقیانوس (NEMO) [ 3 ، مدل اقیانوس مدولار (MOM) [ 4 ]، سیستم مدل‌سازی منطقه‌ای اقیانوس (ROMS) [ 5 ]، و مدل اقیانوس پرینستون (POM) [ 6]. مدل‌ها ویژگی‌های متفاوتی دارند و در مناطق مختلف دریایی (به عنوان مثال، اقیانوس‌ها، دریاهای منطقه‌ای، و فلات‌های قاره) و مناطق حاشیه‌ای مختلف (مانند سواحل، خلیج‌ها و مصب‌ها) قابل استفاده هستند. با توجه به اهداف تحقیقاتی مختلف و مناطق تحقیقاتی، محققان دریایی معمولاً مدل‌های توسعه‌یافته را به عنوان پایه انتخاب می‌کنند و شرایط خاصی را برای اصلاح و اجرای مدل‌ها اضافه می‌کنند تا نتایج مورد انتظار را از مدل عددی به دست آورند. در حال حاضر، مدل های گردش جهانی اقیانوس عمدتا بر اساس HYCOM، NEMO و MOM هستند. ROMS برای مدل های اقیانوسی منطقه ای اعمال می شود. POM را می توان در فلات قاره یا ساحل اعمال کرد، و شبکه بدون ساختار حجم محدود جامعه اقیانوسی (FVCOM) برای تنگه ها، خلیج ها و مصب ها استفاده می شود [ 7 ]]. نتایج شبیه‌سازی به طور فزاینده‌ای دقیق می‌شوند و مدل‌های اقیانوسی از فرم‌های ۲ بعدی به ۳ بعدی یا از شبکه‌های معمولی به ساختارهای مشبک مثلثی بدون ساختار تبدیل شده‌اند که به بهبود وضوح و دقت چنین مدل‌هایی کمک می‌کند. علاوه بر این، اقیانوس‌شناسی عملیاتی نیز به سرعت در حال بهبود است، و بسیاری از محصولات مهم از جمله پخش‌کننده‌های کنونی، پیش‌بینی‌ها و پیش‌بینی‌ها را فراهم می‌کند [ 8 ، 9 ، 10 ، 11 ]

توسعه مدل‌های عددی محققان را قادر می‌سازد تا ارزیابی‌های دقیق‌تر فزاینده‌ای از بلایای طوفان به دست آورند. مطالعات اولیه بر ارزیابی ویژگی‌های طبیعی بلایای طوفان، یعنی شدت موج‌های طوفان متمرکز بود. شبیه‌سازی‌های عددی فرآیندهای موج طوفان و برآورد موج‌های طوفان تکرارشونده معمولی به‌دست آمد و حداکثر سطوح موج طوفان پیش‌بینی‌شده محاسبه شد. اخیراً مدل‌های عددی گردش اقیانوسی سه‌بعدی مانند FVCOM [ 12 ، 13 ، 14 ] و مدل گردش پیشرفته (ADCIRC) [ 15 ] به طور گسترده در شبیه‌سازی عددی و پیش‌بینی عملیاتی موج‌های طوفان مورد استفاده قرار گرفته‌اند.

تحقیقات گسترده ای در مورد خطر بلایا در چهار دهه گذشته منتشر شده است. انجمن تجزیه و تحلیل ریسک (SRA) که در سال 1981 تأسیس شد، عمدتاً به تجزیه و تحلیل ریسک بلایا می پردازد. از دهه 1990، اداره ملی اقیانوسی و جوی (NOAA)، مرکز ملی طوفان، و سایر نهادها با دولت های محلی برای ارزیابی خطر طوفان ملحق شده اند. چنین کاری بر تخمین حداکثر سطح آب مرتبط با موج های طوفانی تولید شده توسط طوفان های استوایی با سطوح شدت مختلف متمرکز شده است [ 16 ]]. نتایج عمدتا توسط دولت محلی، شرکت های بیمه و اعضای جامعه استفاده می شود. در سال 1995، پروژه کاهش بلایای دریای کارائیب The Arbiter of Storms (TAOS) را برای شبیه‌سازی فرآیندهای بلایای طبیعی دریایی – از بادهای شدید و بارندگی گرفته تا موج‌های طوفان و امواج – و تحلیل خطرات جامع آنها توسعه داد. با در نظر گرفتن شرایط اجتماعی-اقتصادی محلی، نقشه های موج طوفان و نقشه های آسیب پذیری می توانند به توسعه طرح های تخلیه و ساخت پناهگاه های بلایا کمک کنند [ 17 ].

با گسترش تحقیقات در مورد خطر بلایا، زمینه ارزیابی ریسک بلایا نیز با هدف روشن شدن علل بلایای طبیعی و تدوین استراتژی هایی برای کاهش احتمال وقوع بلایا و در نتیجه بهبود توانایی پیشگیری از بلایا یا کاهش خسارات ناشی از بلایا در حال توسعه است. [ 18 ]. کاربردهای معمولی شامل تجزیه و تحلیل خطر افزایش طوفان در امتداد سواحل شهر نیویورک [ 19 ]، در سواحل شمال آلمان [ 20 ]، و در سواحل خلیج مکزیک و فلوریدا ایالات متحده [ 21 ] است. علاوه بر این، مدل‌های اقتصادی و روش‌های برنامه‌ریزی ریاضی برای ارزیابی خسارات مرتبط با بلایای طوفان یا مطالعه تأثیر اجتماعی آن‌ها معرفی شده‌اند [ 22 ]., 23 , 24 , 25 ].

با توسعه سریع فناوری رایانه، پیشرفت در توسعه فناوری GIS قابل توجه بوده است و چنین سیستم هایی در ارزیابی موج طوفان گنجانده شده اند. فناوری GIS برای دستیابی به فرآیند ارزیابی و بهبود نمایش نتایج ارزیابی به منظور افزایش تصمیم گیری استفاده می شود [ 26 ]. تحقیقات در این زمینه در ابتدا بر جنبه‌های فنی نرم‌افزار GIS، به عنوان مثال، فناوری جمع‌آوری داده‌های مکانی، تجزیه و تحلیل توزیع فضایی بلایا و تجسم نتایج متمرکز بود. متعاقباً، فن‌آوری GIS در مدیریت اضطراری بلایای طوفان برای بهبود اثربخشی آژانس‌های مدیریت اضطراری و کاهش تلفات مرتبط با بلایای طوفان استفاده شده است [ 27 ،28 ].

بر اساس تحقیقات فوق، سیستم‌های پیشرفته فزاینده‌ای برای پاسخ به سوانح دریایی و ساحلی و بهینه‌سازی طرح‌بندی منطقه‌ای اعمال شده‌اند. در حال حاضر، این سیستم ها نقش مهمی در پیشگیری از بلایا و فرآیندهای تصمیم گیری دارند [ 29 ، 30 ، 31 ].

علی‌رغم تحقیقات فوق، قابلیت‌های کنونی در خصوص هشدار زودهنگام و ارزیابی ریسک بلایای دریایی، که عناصر مهمی در کاهش خطرات بلایای دریایی هستند، بسیار پایین‌تر از سطوح مورد نیاز، به‌ویژه در مناطق پرخطر و با توجه به توسعه اجتماعی-اقتصادی اخیر سواحل باقی مانده است. هدف تحقیق یافتن راه‌حلی بود که پیش‌بینی دریایی و ارزیابی بلایا را برای ارائه ارزیابی پویای بلایای دریایی، هشدار اولیه و پشتیبانی تصمیم‌گیری ادغام کند. علاوه بر این، کمی‌سازی، مدل‌سازی، سیستم‌سازی و اتوماسیون ارزیابی بلایا زمینه‌های تحقیقات فعال در زمینه مدیریت ریسک بلایا است.

برای ارزیابی بهینه بلایای موج طوفان، سیستمی مورد نیاز است که تمام عناصر اصلی را در خود جای دهد. اینها شامل مدل های عددی، اقیانوس شناسی عملیاتی، ارزیابی فاجعه، تجسم پویا، و محاسبه بلادرنگ آنلاین است. روش‌های تحقیق فعلی فقط می‌توانند برخی از این موارد را ادغام کنند، به عنوان مثال، ترکیب اقیانوس‌شناسی عملیاتی و ارزیابی بلایا، مدل‌های عددی و GIS، یا مدل‌های عددی و فناوری تجسم. علاوه بر این، برنامه های کاربردی موجود عمدتاً توسط دانشمندان یا مدیران استفاده می شود. در این مقاله، ما یکپارچه‌سازی تمام عناصر ذکر شده در بالا را پیشنهاد می‌کنیم و هدف آن ارائه یک سیستم آنلاین راحت است که کاربران عمومی و مقامات دولتی را قادر می‌سازد تا ارزیابی سریع خطر بلایای موج طوفان را انجام دهند.

2. معماری

مطابق با اهداف تحقیق، طراحی و توسعه سیستم پیشنهادی شامل معماری چهار لایه است. معماری چهار لایه، کل فرآیند را به یک ردیف مدل عددی، ردیف مدیریت داده، ردیف ارزیابی فاجعه، و ردیف تجسم تقسیم می‌کند، بنابراین مفهوم “انسجام بالا و جفت کم” را در بر می‌گیرد [ 32 ].

ردیف مدل عددی اساس سیستم است. این شامل داده‌های عناصر کلیدی مانند باد، امواج، جریان‌ها و جزر و مد است که توسط مدل‌های عددی اقیانوس، به‌عنوان مثال، FVCOM ارائه می‌شوند. همچنین مقدار زیادی از داده های تجزیه و تحلیل آماری را که در فرآیند ارزیابی مورد نیاز است، فراهم می کند.

لایه مدیریت داده از یک ماژول مدیریت برای داده های نتایج عددی و داده های ارزیابی، با استفاده از فناوری اطلاعات مانند پایگاه های داده و پروتکل انتقال فایل (FTP) استفاده می کند. در این ماژول، ما از توابع عملیات داده مانند نظارت در زمان واقعی، تشخیص داده، انتقال و به روز رسانی، و همچنین توابع ذخیره سازی برای داده های نشانگر و داده های وزنی استفاده می کنیم. رده مدیریت داده ارتباط موثری بین ردیف مدل عددی و ردیف ارزیابی فاجعه فراهم می‌کند.

رده ارزیابی بلایا، عمدتا بر اساس داده های زمان واقعی و داده های تجزیه و تحلیل آماری، ارزیابی پویا از بلایای طوفان را انجام می دهد. با استفاده از روش‌های استانداردسازی داده‌ها و روش‌های ارزیابی، این سطح بر فرآیند ارزیابی برای دستیابی به کارایی بالا و قابلیت حمل مدل ارزیابی از طریق دسترسی از راه دور و پرس و جو توسط کاربر شبکه تمرکز می‌کند. لایه ارزیابی فاجعه مسئول تولید یک سری نتایج ارزیابی و ارائه عملکردهای جستجو و جذب تعاملی برای کاربران است که به کمک رابط های کاربر در سطح تجسم نیاز دارند.

سطح تجسم رابط های عملیاتی تعاملی را برای کاربران فراهم می کند، درخواست های کاربر را دریافت می کند و نتایج ارزیابی را در فرم های تجسم چندگانه نمایش می دهد. این سطح از فناوری GIS و فناوری تجسم برای دستیابی به نقشه برداری 2 بعدی/3 بعدی استفاده می کند و از رابط کاربری گرافیکی (GUI) برای تعامل انسان و رایانه استفاده می کند. این ردیف توابعی را فراهم می کند که به کاربران اجازه می دهد با سطوح دیگر ارتباط برقرار کنند.

معماری چهار لایه دارای مزایای زیر است.

(1): یک محقق ممکن است تلاش خود را تنها بر روی یکی از سطوح متمرکز کند.
(2): به راحتی می توان اجرای هر لایه را با یک لایه جدید جایگزین کرد.
(3): وابستگی متقابل بین سطوح مختلف را کاهش می دهد.
(4): استانداردسازی فرآیند تحقیق و توسعه را ترویج می کند.
(5): قابلیت استفاده مجدد منطق کاری را در هر لایه افزایش می دهد.
(6): ساختار برنامه مشخص است.
(7): از نظر روش های تعمیر و نگهداری، هزینه کل بسیار کاهش می یابد.

شکل 1 ساختار کلی برنامه پیشنهادی را نشان می دهد.

3. مدل ها و رویکرد برای تجسم یکپارچه

در اینجا، فرآیند طراحی و نتایج هر لایه از معماری چهار لایه را معرفی می کنیم.

3.1. ردیف مدل عددی

3.1.1. مدل جوی

این مطالعه از مدل تحقیق و پیش بینی آب و هوا (WRF) که توسط مرکز ملی تحقیقات جوی ایالات متحده (NCAR) توسعه یافته است، استفاده کرد. این مدل، که تا حد زیادی جایگزین مدل MM5 شده است، اکنون برای تحقیقات توسط بسیاری از مراکز تحقیقاتی بین المللی یا برای ارائه خدمات خودکار توسط بخش های پیش بینی ملی، به عنوان مثال، NCEP استفاده می شود.

سیستم WRF شامل دو حل کننده دینامیکی است که به هسته ARW (پیشرفته تحقیقاتی WRF) و هسته NMM (مدل متوسط مقیاس غیر هیدرواستاتیک) اشاره می شود. سیستم پیشنهادی در این مقاله عمدتا بر اساس هسته ARW توسعه یافته توسط NCAR است.

در مدل ARW، ما از شبکه C-شبکه ای Arakawa به عنوان شبکه افقی استفاده کردیم و داده های با وضوح بالا را برای توپوگرافی و سطح زیرین اعمال کردیم. در جهت عمودی، WRF دو گزینه ارائه می دهد: مختصات ارتفاع اویلری و مختصات جرم اویلری. برای طرح ادغام زمانی، یک طرح مرتبه سوم Runge-Kutta توصیه می شود، در حالی که یک طرح Runge-Kutta مرتبه دوم نیز به کاربران ارائه می شود. به طور کلی، مدل WRF دارای نقطه شروع بالا و بسیاری از ویژگی های جدید است. در این مدل وضوح افقی، درجه بندی عمودی، ناحیه یکپارچه سازی و فرآیندهای فیزیکی مختلف را می توان با توجه به نیاز کاربر تنظیم کرد.

در این مقاله، پارامترهای فرآیندهای فیزیکی را با توجه به ویژگی‌های دریا در امتداد سواحل چین تنظیم می‌کنیم. این پارامترها شامل فرآیندهای سطح زمین، انتشار گردابی عمودی افقی و اتمسفر، یک طرح پارامتری همرفتی کومولوس، و تابش امواج کوتاه خورشیدی و طرح‌های تابش موج بلند اتمسفر است. معادله (1) مختصات بارومتری زیر زمین را به عنوان مختصات عمودی توصیف می کند:

η = (پ ساعت - پ h t) / μ,

(1)

جایی که $μ = (P_{h s} - P_{h t})$ ، $P_{h}$ بخش تعادل ایستا فشار هوا است، $P_{h s}$ فشار هوا بر روی زمین است، و $P_{h t}$ فشار هوای لایه مدل بالایی است که به عنوان ثابت تعیین می شود. مختصات عمودی در شکل 2 نشان داده شده است .

برای به دست آوردن پیش بینی های با وضوح بالا از باد سطح دریا، شرایط اولیه و مرزی بر اساس داده های تحلیل مجدد جهانی ارائه شده توسط NCEP بود. وضوح مکانی داده ها 1 درجه × 1 درجه و فاصله زمانی 6 ساعت است. ما از مدل WRF غیر هیدرواستاتیک (یعنی نسخه 3.4) استفاده کردیم. ما سیستم مختصات اویلر، روش طرح ریزی لامبرت، و طرح ادغام زمانی رانگ-کوتا را انتخاب کردیم. There were 31 sigma levels used in the vertical direction: 0.995, 0.980, 0.966, 0.950, 0.933, 0.913, 0.892, 0.869, 0.844, 0.816, 0.786, 0.753, 0.718, 0.680, 0.639, 0.596, 0.550, 0.501, 0.451, 0.398 ، 0.345، 0.290، 0.236، 0.188، 0.145، 0.108، 0.075، 0.046، 0.021، و 0.000. برای شبیه سازی بهتر سطح دریا، سطح سیگما را روی حداقل مقدار 0.995 قرار دادیم. مدل عددی هر ساعت نتیجه را خروجی می دهد،

در محاسبه میدان باد، شدت یک طوفان در میدان اولیه معمولاً به شدت توفان مشاهده شده نمی رسد و موقعیت مرکزی آن و حداکثر سرعت باد همگی دارای انحرافات خاصی از مشاهدات هستند. برای اطمینان از قدرت واقعی طوفان در میدان اولیه و بهبود کیفیت میدان باد طوفان شبیه سازی شده، یک طرح ساختگی توسعه یافته از طرح Regrid در MM5 اتخاذ شد. موقعیت تایفون در میدان اولیه ابتدا شناسایی و به طور موثر حذف شد و سپس از مدل گردباد ایده آل Rankine Vortex در ترکیب با اطلاعات اندازه گیری شده تایفون برای بازسازی تایفون استفاده شد. برای جلوگیری از تولید امواج انگل، مرز توفان و میدان پس زمینه هموار شد.

محیط عملیاتی حالت در جدول 1 نشان داده شده است .

3.1.2. مدل موج طوفان

مدل موج طوفان مورد استفاده در این مقاله بر اساس شبکه بدون ساختار FVCOM است. این مدل مزایای مدل تفاضل محدود و مدل اجزای محدود را ترکیب می کند. محاسبات عددی مشکل اتصالات پیچیده ساحل دریا، حفظ جرم و کارایی محاسباتی در دریاهای کم عمق را حل می کند. مشابه سایر مدل‌های اقیانوسی با سطح آزاد، FVCOM از طرح‌های اصلاح شده Mellor-Yamada 2.5 سطح و بسته شدن آشفتگی Smagorinsky برای محاسبه اختلاط عمودی و افقی استفاده می‌کند. مشابه سایر مدل‌های شبکه ساختاریافته رایج در حال حاضر (مانند POM و ROMS)، FVCOM نیز از الگوریتم تقسیم زمان استفاده می‌کند. حالت خارجی دارای فرم دو بعدی است و از معادلات ادغام عمودی استفاده می کند. حالت داخلی دارای فرم سه بعدی است و از معادلات ساختاری عمودی استفاده می کند.

در معادله تفاوت اصلی استفاده شده توسط FVCOM، تأثیر تغییرات سطح دریا ناشی از فشار سطح در نظر گرفته نشده است. با این حال، این عامل سهم غیر قابل اغماض در موج طوفان، به ویژه در طول موج طوفان های تولید شده، دارد. بنابراین، ما FVCOM اصلی را برای محاسبه فشار سطح اصلاح کردیم.

با در نظر گرفتن اثرات ترکیبی فشار و باد بر روی سطح دریا، رابطه (2) تنش باد را بر سطح دریا تعیین می کند:

(τ ایکس ، τ y) = ρ α سی D | V دبلیو | -\to- (تو دبلیو ، v دبلیو) ،

(2)

جایی که $\vec{V_{W}}$ بردار باد است، $u_{W}$ و $v_{W}$ اجزای باد هستند و معادله (3) تعریف می کند $C_{D}$ به عنوان ضریب درگ باد:

سی D = ⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪ 1.2 \times 10 - 3 V دبلیو -\to < 11 متر س (0.49 + 0.065 | V دبلیو -\to |) \times 10 - 3 11 متر س \leq V دبلیو -\to < 25 متر س 2.115 \times 10 - 3 V دبلیو -\to \geq 25 متر س ،

(3)

از آنجایی که موج‌های طوفان واکنش‌های اجباری هستند که یک منطقه بزرگ دریایی را پوشش می‌دهند، موج طوفان در یک منطقه دریایی محلی صرفاً پاسخ آن منطقه دریایی به تغییرات فشار هوای محلی و باد سطحی نیست. طوفان های فاجعه بار بزرگ اغلب ترکیبی از هجوم آب دریا از مناطق دوردست دریا و افزایش محلی آب دریا در مناطق ساحلی است. بنابراین، مدل ما بر اساس دریای بوهای، دریای زرد و دریای چین شرقی ساخته شد، در حالی که شبکه در منطقه ساحلی رمزگذاری شده بود. حداقل وضوح برای شبکه افقی 30 متر است. این مدل دارای 89541 گره مش و 168373 المان محدود است. فاصله زمانی حالت خارجی 1.5 ثانیه است در حالی که فاصله زمانی حالت داخلی 15 ثانیه است. در جهت عمودی، مدل به 10 لایه تقسیم می شود.

معادلات (4) – (6) شرایط مرزی مدل را تعیین می کند:

(1) شرایط مرزی سطح

ک متر (\partial u \partial z ، \partial v \partial z) = 1 ρ 0 (τ s x ، τ s y) ، w = \partial ζ \partial t + تو \partial ζ \partial x + v \partial ζ \partial سال جایی که z = ز (x ، y ، z)

(4)

(2) شرایط مرزی پایین

ک متر (\partial u \partial z ، \partial v \partial z) = 1 ρ 0 (τ b x ، τ b y) ، w = - u \partial اچ \partial x - v \partial اچ \partial سال جایی که z = - H (x ، y)

(5)

جایی که $(τ_{s x}, τ_{s y}) = C_{d} \sqrt{u_{s}^{2} + v_{s}^{2}} (u_{s}, v_{s})$ و $(τ_{b x}, τ_{b y}) = C_{d} \sqrt{u_{b}^{2} + v_{b}^{2}} (u_{b}, v_{b})$ به ترتیب اجزای x و y تنش باد سطحی و تنش کف هستند. $u_{s}, v_{s}, u_{b}, v_{b}$ به ترتیب مولفه های x و y سرعت سطح و پایین هستند. ضریب درگ $C_{b}$ به عنوان حداکثر مقدار بین مرز پایین محاسبه شده و یک مقدار ثابت تعیین می شود (یعنی $C_{b} = \max (\frac{k^{2}}{\ln {(\frac{z_{a b}}{z_{0}})}^{2}}, 0.0025)$ ، جایی که $z_{0}$ پارامتر زبری پایین است)؛ $z = ζ (x, y, z)$ سطح جزر و مد است. و اچ عمق آب است.

(3) شرایط مرزی باز

η = η 0 + \sum 11 i = 1 آ من f من cos (w من t + (V 0 + تو 0) - Φ من)

(6)

جایی که $η_{0}$ میانگین سطح جزر و مد، A دامنه تشکیل دهنده، ω نرخ زاویه ای تشکیل دهنده، t زمان منطقه است، و $(V_{0} + u_{0})$ زاویه فاز اولیه انبساط جزر و مد تعادل است.

هنگامی که مدل در حال اجرا است، پیش بینی نهایی موج طوفان به طور منظم خروجی می شود و در یک پوشه FTP برای دسترسی پویا ذخیره می شود.

3.1.3. اعتبار سنجی مدل

برای اعتبارسنجی مدل موج طوفان، نتایج محاسبه‌شده موج طوفان برای ایستگاه دریایی Wuhaomatou (واقع در شهر چینگدائو) با اندازه‌گیری‌های مشاهده‌شده مقایسه شد. فرآیندهای موج طوفانی که در طول طوفان 8509 و تایفون 9216 رخ داد به عنوان مطالعات موردی انتخاب شدند.

طوفان 8509 نهمین توفان در سال 1985 بود. این طوفان بر فراز دریاهای شمال غربی اوکیناوا (ژاپن) شکل گرفت و در 19 اوت در چینگدائو (استان شاندونگ، چین) فرود آمد و باعث بادهای شدید و باران شدید شد. شکل 3 سطوح موج طوفان محاسبه شده توسط مدل ما را در مقایسه با اندازه گیری های ثبت شده در ایستگاه دریایی Wuhaomatou نشان می دهد. این مدل الگوی کلی موج طوفان و همچنین مقدار اوج و زمان آن را به خوبی ثبت کرد. میانگین خطای شبیه سازی کمتر از 20 سانتی متر بود.

عملکرد این مدل همچنین بر اساس فرآیند موج طوفان مرتبط با طوفان 9216، که قوی‌ترین طوفانی بود که در سال 1992 به چین رسید، ارزیابی شد. در اوایل سپتامبر در جنوب شبه‌جزیره شاندونگ فرود آمد و باعث موج طوفانی در Wuhaomatou شد. ایستگاه دریایی شکل 4 نتایج مدل را در مقایسه با اندازه گیری های ثبت شده نشان می دهد. مقدار اوج افزایش، که به خوبی توسط مدل گرفته شد، حدود 130 سانتی متر بود. موج های بعدی نوسان داشتند و دومین موج بزرگ پس از تقریباً 34 ساعت رخ داد. پس از اوج افزایش، مدل سازی کمتر دقیق بود. با این حال، میانگین خطای شبیه‌سازی زیر 20 سانتی‌متر باقی ماند که نشان‌دهنده قابلیت اطمینان کلی مدل برای پیش‌بینی موج‌های طوفان است.

3.2. رده مدیریت داده

3.2.1. ماژول تشخیص و به روز رسانی داده ها

ما یک ماژول پردازش داده برای پردازش خودکار داده ها ایجاد کردیم. این ماژول می تواند وضعیت داده ها را نظارت، شناسایی و تجزیه و تحلیل کند و می تواند داده های پیش بینی مدل عددی را در زمان واقعی به روز کند.

این ماژول با استفاده از زبان داده های تعاملی (IDL) توسعه یافته است. IDL دارای چندین مزیت از جمله باز بودن، قابلیت تجزیه و تحلیل با ابعاد بالا، قابلیت محاسبات علمی، قابلیت استفاده و تجزیه و تحلیل بصری است. این یک زبان برنامه نویسی کارآمد برای تجزیه و تحلیل داده ها و پردازش تصویر است. داده ها را می توان به سرعت و به راحتی با استفاده از IDL به تصاویر تبدیل کرد، که می تواند تجزیه و تحلیل و درک را تسهیل کند. همچنین اتصال IDL با C و C++ برای ادغام با ماژول های دیگر آسان است. توابع کتابخانه ریاضی داخلی آن می تواند حجم کار توسعه الگوریتم پردازش تصویر را تا حد زیادی کاهش دهد. برنامه های نوشته شده در IDL را می توان بر روی سایر پلتفرم های سازگار با IDL بدون تغییر اجرا کرد. بنابراین، برنامه های توسعه یافته با استفاده از IDL ذاتا قابل حمل هستند.

در این تحقیق نتایج مدل عددی در قالب netCDF ذخیره شد که برای مدیریت حجم بالای داده های تولید شده در هر بار بسیار مناسب است. با این حال، یک کتابخانه تابع خاص برای خواندن و پردازش داده ها مورد نیاز است. علاوه بر این، از آنجایی که مدل از یک شبکه مثلثی نامنظم استفاده می کند که برای محاسبه و ارزیابی بعدی مناسب نیست، ماژول باید ابتدا شبکه مثلثی را شناسایی کرده و هنگام پردازش داده ها آن را به یک شبکه مستطیلی تبدیل کند (همانطور که در نشان داده شده است. شکل 5 نشان داده شده است.). به دلیل چگالی های مختلف مش مثلثی اصلی، نمی توان همه مش ها را در مش مستطیل شکل تبدیل شده پر کرد. برای حفظ اصالت سیستم، هیچ درون یابی در این مطالعه انجام نشد و بنابراین ناحیه پراکنده شبکه مقادیر خالی زیادی را حفظ کرد.

ماژول مدیریت داده ها با استفاده از پلت فرم IDL توسعه یافته است. علاوه بر تبدیل داده ها، این ماژول می تواند به طور منظم به سرور مدل سازی عددی متصل شود تا آخرین نسخه داده ها را بررسی کند و داده هایی را که باید دانلود شوند شناسایی کند. پس از تایید الزامات به روز رسانی داده ها، فرآیندهای انتقال و اکتساب داده ها از طریق یک پروتکل یکپارچه FTP اجرا می شود و به دنبال آن، داده ها توسط کتابخانه های تابع LIB مدیریت می شوند. تابع تبدیل داده باید به عنوان یک کتابخانه تابع LIB کپسوله شود تا بتوان آن را به راحتی فراخوانی و ادغام کرد. پس از پردازش داده ها، پارامترهای پیکربندی سیستم نیز توسط این ماژول به روز می شوند و یک گزارش عملیات برای تکمیل فرآیند شناسایی و به روز رسانی داده ها ایجاد می شود.

این ماژول نقش مهمی در فرآیند ارزیابی دارد. بنابراین، برای اطمینان از عملکرد طولانی مدت بدون کمک آن، ما آزمایش های گسترده ای را از ماژول در حال اجرا در حالت خودکار انجام دادیم. آزمایش‌ها تأیید کردند که ماژول در اکثر موقعیت‌ها عملکرد خوبی دارد، وضعیت به‌روزرسانی داده‌های فاجعه را نظارت می‌کند و به سرعت آخرین داده‌ها را برای ارزیابی و تجسم به دست می‌آورد.

3.2.2. شاخص و مدیریت وزن

ما از فناوری پایگاه داده برای ذخیره و خواندن اطلاعات شاخص و وزن استفاده کردیم. با تمرکز بر ویژگی های اساسی بلایای طوفان، یک جدول داده برای شاخص های ارزیابی طراحی شد و یک ساختار چهار سطحی برای طبقه بندی و مدیریت شاخص ها استفاده شد. یک ماژول خاص برای مدیریت شاخص های ارزیابی توسعه داده شد. پس از برقراری ارتباط موفقیت آمیز با پایگاه داده، مجموعه ای از عملکردها مانند افزودن نشانگرها، ویرایش نشانگرها و حذف نشانگرها در اختیار کاربر قرار می گیرد و تمام شاخص های ارزیابی خاص در یک کنترل با ساختار درختی نمایش داده می شوند. به این ترتیب، ویژگی‌های سلسله مراتبی شاخص‌ها را می‌توان برجسته کرد و درک آنها و انتخاب مناسب برای فرآیند ارزیابی را برای کاربران آسان‌تر می‌کند.

کل فرآیند ارزیابی به عنوان یک پروژه مدیریت می شود و فناوری پایگاه داده برای ذخیره اطلاعات برای کل فرآیند به کار گرفته شده است. ساختار پایگاه داده برای ذخیره تمام عناصر درگیر در فرآیند ارزیابی طراحی شده است، به عنوان مثال، شاخص ها، وزن ها، پارامترهای کنترل فرآیند، منابع داده، و نتایج. به این ترتیب کاربران می توانند به سرعت فرآیندهای ارزیابی قبلی را بارگیری کرده و به راحتی تکرار کنند. این همچنین پیچیدگی عملیات کاربر را کاهش می دهد.

3.3. ردیف ارزیابی بلایا

ما بیشتر از داده‌های مشاهدات تاریخی، داده‌های تحلیل آماری و محصولات شبیه‌سازی عددی برای ارزیابی خطر افزایش طوفان استفاده کردیم. بنابراین، هنگام تعیین شاخص های ارزیابی، لازم است الزامات خودکار سیستم را در نظر گرفت، که باید شرایط در دسترس بودن داده ها و پردازش خودکار را برآورده کند. شاخص های ارزیابی عبارتند از: سرعت فعلی، ارتفاع موج، سرعت باد، سطح جزر و مد، ارتفاع بالاتر از سطح بحرانی و حداکثر افزایش تاریخی سطح آب.

معیارهای شاخص های ارزیابی را به چهار سطح تقسیم کردیم و برای هر سطح یک امتیاز تعیین کردیم. طبق معیارها، سطح 1 بیشترین ریسک و سطح 4 کمترین ریسک است. جدول 2 امتیازهای طبقه بندی خاص را برای ارزیابی ریسک فهرست می کند.

ماژول پردازش داده ها را طبقه بندی و استاندارد می کند. پس از رجوع به انواع مشخصات و استانداردهای طبقه بندی رایج مانند «راهنمای ارزیابی خطر و منطقه بندی خطر بلایای موج طوفان (اداره اقیانوس شناسی ایالتی)»، «روش صدور سیگنال های هشدار اولیه بلایای ناگهانی هواشناسی (اداره هواشناسی چین)» و «چین اطلس آب و هوای طوفان گرمسیری (1951-2000)»، استاندارد نهایی مورد استفاده در اینجا برای پردازش داده ها در جدول 3 نشان داده شده است . با این حال، این استانداردهای طبقه بندی، که فقط برای فرآیند اولیه سازی ماژول به عنوان مقادیر پیش فرض بارگذاری می شوند، می توانند توسط کاربران بر اساس اهداف مختلف یا شرایط خاص اصلاح شوند.

برخلاف مطالعات قبلی، این مطالعه پارامترهای ارزیابی مربوط به تاسیسات ساحلی را شناسایی کرد. ما سناریوهای اصلی را در نظر گرفتیم که مناطق ساحلی برای آنها استفاده می شود: ساخت بندر، توسعه نفت و گاز، آبزی پروری دریایی، حفاظت از محیط زیست و گردشگری. با توجه به نیازهای مختلف توسعه این مناطق ساحلی از نظر برنامه ریزی فضایی، یک سری وزن های مختلف را برای ارزیابی تعیین کردیم. همانطور که در جدول 4 نشان داده شده است، با استفاده از امتیازدهی کارشناسان، پرسشنامه ها ارائه شد، پاسخ ها مورد تجزیه و تحلیل قرار گرفت و وزن هر صحنه تعیین شد .

در نهایت، پس از به دست آوردن آخرین داده ها از مدل پیش بینی عددی، همراه با داده های تجزیه و تحلیل آماری، ماژول ارزیابی بلایا داده های مربوطه را برای منطقه هدف به روز می کند. به طور خودکار با توجه به معیارهای بالا امتیاز می دهد و وزن مربوطه را برای محاسبه از سری وزن تعیین می کند. معادله (7) شاخص ریسک ارزیابی موج طوفان را محاسبه می کند:

R = \sum 6 i = 1 ایکس من * دبلیو من

(7)

که در آن R شاخص ریسک ارزیابی موج طوفان است، $X_{i}$ مقدار هر شاخص پس از استانداردسازی است و $W_{i}$ وزن اندیکاتور در وضعیت مربوطه است.

هدف تحقیق و توسعه فناوری ارزیابی پویا در زمان واقعی ارائه یک ابزار ارزیابی از راه دور قابل اعتماد است، به این معنی که برنامه باید بر روی یک پلت فرم آنلاین مستقر شود. بنابراین، فناوری کلیدی بر توسعه، بسته بندی و دسترسی از راه دور ماژول متمرکز است. فرآیند ارزیابی باید قابل انتقال به یک پلتفرم شبکه ای باشد و برای تفسیر در دسترس باشد. به این ترتیب، ما می توانیم اطمینان حاصل کنیم که نتایج مدل ارزیابی پیچیده به راحتی از طریق اینترنت قابل دسترسی است و فرآیند می تواند به طور خودکار، روان و قابل اطمینان اجرا شود.

در نهایت، ما از فناوری Common Gateway Interface (CGI) برای کپسوله کردن مدل استفاده کردیم تا برنامه بتواند تحت معماری مرورگر/سرور (B/S) منتشر شود. کاربران می توانند با مدل محصور شده سمت سرور درگیر شوند تا در هر زمان با استفاده از مرورگر وب خود، ارزیابی پویا بلایای طوفان را در زمان واقعی انجام دهند. بنابراین، برنامه می تواند به سرعت و با دقت پاسخ دهد و تجربه کلی کاربر را افزایش دهد.

3.4. ردیف تجسم

بر اساس فناوری GIS، ما هر دو معماری Client/Server (C/S) و معماری B/S را برای نمایش و به اشتراک گذاری نتایج ارزیابی اتخاذ کردیم. علاوه بر این، از روش‌های تجسم ۲ بعدی/۳ بعدی برای بهینه‌سازی نمایشگر استفاده شد. این سطح نقش مهمی در کمک به کاربران برای درک بهتر فرآیند ارزیابی، ارائه اطمینان در مورد نتایج، و کمک به فرآیندهای تصمیم گیری ایفا می کند، که تضمین می کند که برنامه دارای ارزش عملی بالایی است.

ابتدا، با استفاده از مولفه‌های توسعه ArcGIS با Visual C++ و سایر ابزارهای تجسم، نتایج ارزیابی موج طوفان پردازش شده و تحت معماری C/S نمایش داده می‌شوند. در انجام این فرآیند، کاربران می توانند جزئیات تمام عناصر مورد استفاده برای ارزیابی را تغییر دهند، به عنوان مثال، شاخص ها، پارامترهای وزنی، و منابع داده. کاربران حتی می توانند طرح نمادسازی و حالت رندر را تنظیم کنند تا نتایج را به سبک خاصی ارائه دهند. شکل 6 نمونه ای از نتایج مربوط به خطر موج طوفان در مناطق ساحلی خاص را نشان می دهد که می تواند بسته به نیازهای فردی کاربران توسط کاربران ارائه شود.

با توسعه سریع اینترنت و رشد پهنای باند شبکه، تقاضای فزاینده ای از سوی کاربران عمومی برای توانایی استفاده از این برنامه از طریق مرورگر وب وجود دارد. به همین ترتیب، از طریق ترکیب با فن‌آوری‌های نرم‌افزار WebGIS منبع باز مانند Openlayers و Mapserver، ماژول تجسم نیز تحت معماری B/S عمل می‌کند و نتایج ارزیابی موج طوفان را در یک مرورگر اینترنت نمایش می‌دهد. کاربران می توانند مدل کپسوله شده را که در سمت سرور مستقر شده است فراخوانی کنند، در حالی که بیشتر فرآیند محاسبه توسط سرور تکمیل می شود. سمت مرورگر فقط باید نتایج ارزیابی را دریافت کند و آنها را با نقشه آنلاین به عنوان پس زمینه نمایش دهد. برای نمایش بهتر،شکل 7 .

شکل 6 و شکل 7 نتایج ارزیابی نهایی را نشان می دهد که در آن اندازه نقطه قرمز نشان دهنده بزرگی خطر موج طوفان است. ماژول نشان داده شده در شکل 6 با استفاده از معماری C/S توسعه یافته است، در حالی که ماژول نشان داده شده در شکل 7 با استفاده از معماری B/S توسعه یافته است. این دو برنامه عملکرد مشابهی دارند، اما برنامه تحت معماری B/S بهتر و مقیاس پذیرتر از معماری C/S است و انجام عملیات سریع و ارزیابی بلادرنگ را برای کاربران آسان تر می کند.

از نظر مقیاس منطقه ای، برنامه همچنین می تواند پیکربندی شود تا نتایج را برای مناطق بزرگتر نشان دهد. پس از اینکه سمت سرور نتایج را به سمت مرورگر ارسال کرد، کاربران می توانند نتایج ساعتی را به طور جداگانه بررسی کنند یا انیمیشنی را شروع کنند تا نتایج را راحت تر درک کنند. شکل 8 دنباله ای از نتایج را در لحظات مختلف برای منطقه دریایی نزدیک شبه جزیره شاندونگ در چین نشان می دهد.

مرحله نهایی ارزیابی ریسک و فرآیند نمایش، ادغام تجسم دو بعدی و سه بعدی است. برای بهینه سازی جلوه نمایش، از یک کره سه بعدی برای نشان دادن نتایج ارزیابی استفاده کردیم. کره هسته با استفاده از فناوری OSG Earth و GIS ساخته شده است، در حالی که عملیات خواندن و نوشتن داده ها از طریق فایل های کتابخانه ای مانند GDAL انجام می شود. این کره یک صفحه نمایش اطلاعات فضایی سه بعدی و یک رابط پرس و جو برای پاسخگویی به درخواست های بیشتر کاربر در اختیار کاربران قرار می دهد.

ماژول سه بعدی شامل بسیاری از توابع مرتبط با GIS است و از مفاهیم GIS زیادی استفاده می کند. عملکرد اصلی شامل رومینگ صحنه سه بعدی، کنترل لایه، نمایش لایه و سایر عملکردهای GIS است. این نرم افزار داده های جغرافیایی پایه و داده های محیطی دریایی، به عنوان مثال، جریان، جزر و مد، سطح دریا، افزایش سطح آب، سرعت باد و سن آب را ترکیب می کند. این ماژول راهی برای دستیابی به داده های رندر زمان واقعی و رندر سه بعدی پیدا می کند. مشابه برنامه دو بعدی، برنامه سه بعدی نیز عملکردی را برای تجسم نتایج ارزیابی سری های زمانی، مانند نمایش، پنهان کردن، حلقه و انیمیشن ارائه می دهد. کاربران همچنین می توانند اطلاعات ویژگی عنصر، اطلاعات ارتفاع، اطلاعات مختصات و سایر اطلاعات مربوط به عناصر مختلف محیط دریایی را درخواست کنند. شکل 9نمونه هایی از تجسم سه بعدی نتایج ارزیابی را نشان می دهد.

3.5. تأیید نتایج

پس از ادغام چهار سطح فناوری، رویکرد پیشنهادی در ابتدا با استفاده از داده‌های موج تاریخی طوفان از سراسر شبه جزیره شاندونگ در چین آزمایش شد. متعاقبا، با داده‌های حاصل از فرآیندهای موج واقعی طوفان تأیید شد و استفاده از آن در برخی از بخش‌های مدیریت دریایی دولت محلی ترویج شد. در برخی از فرآیندهای موج طوفان معمولی، مانند طوفان هاتو (شماره 1713)، از آن برای تولید نتایج ارزیابی بلادرنگ برای کمک به واکنش اضطراری و کاهش تلفات بلایا استفاده شد. در نهایت، اعتبار نتایج ارزیابی رویکرد پیشنهادی با مقایسه آنها با نتایج تحقیقات پس از فاجعه اثبات شد.

طوفان هاتو (شماره 1713) یکی از قوی‌ترین طوفان‌های سال‌های اخیر بود و خسارت قابل توجهی به چندین منطقه ساحلی در چین وارد کرد. در ساعت 14:00 به وقت محلی (LT) در 20 اوت 2017، طوفان بر فراز شمال غربی اقیانوس آرام شکل گرفت. شدت آن به تقویت ادامه داد و در ساعت 15:00 LT در 22 اوت به یک طوفان تبدیل شد. در حدود ساعت 12:50 LT در 23 اوت، هاتو به عنوان یک طوفان قوی (45 متر بر ثانیه) در زوهای (استان گوانگدونگ، چین) فرود آمد. . طوفان هاتو باعث شد که مرکز ملی هواشناسی چین اولین سیگنال هشدار طوفان قرمز در سال 2017 را منتشر کند، در حالی که اداره هواشناسی هنگ کنگ و ماکائو چین سیگنال طوفان رده 10 را صادر کرد. وقتی طوفان فرود آمد، همزمان با جزر و مد نجومی بود، که منجر به شش ایستگاه رصدی در استان گوانگدونگ شد که بالاترین سطح جزر و مد در تاریخ و بالاترین سطح در یک قرن را ثبت کردند. در 23 اوت، امواج شدید با ارتفاع 6 تا 10 متر در منطقه دریا در شرق استان گوانگدونگ و بر فراز بخش شمالی دریای چین جنوبی با عبور توفان ظاهر شد. موج های طوفان و امواج عظیم مناطق ساحلی کم ارتفاع در اطراف شهر ژوهای، هنگ کنگ، ماکائو و سایر مناطق را تحت تاثیر قرار داد و باعث 24 کشته و خسارات اقتصادی در ایالات متحده شد.6.82 میلیارد دلار

به عنوان مطالعه موردی، سیستم پیشنهادی در شهر شنژن (استان گوانگدونگ، چین) اعمال شد. این یک پیش‌بینی توالی بلندمدت انجام داد و نتایج ارزیابی را برای فرآیند موج طوفان و رابط‌های تجسمی برای این نتایج تولید کرد. علاوه بر افکت انیمیشن، طبق مدل پیش‌بینی عددی نیز به‌طور مداوم به‌روزرسانی می‌شد که نتایج ارزیابی را در زمان واقعی تغییر می‌داد. بر اساس پارامترهای پیش فرض، کاربران قادر به تنظیم شاخص ها و وزن ها برای تحقق ارزیابی پویا بودند. در نهایت، سیستم برای تولید نتایج ارزیابی نشان داده شده در شکل 10 پیکربندی شد. بنابراین، مدیران محلی ساحل و افسران دولتی می توانند اطلاعاتی را از این برنامه به دست آورند، هم برای حمایت از تخلیه مردم و هم برای کمک به حفاظت از اموال و زیرساخت ها.

پس از عبور توفان هاتو، یک بررسی فاجعه در شهر شنژن انجام شد ( شکل 11 ). برای تأیید نتایج ارزیابی، منطقه ساحلی در معرض خطر بالا نشان داده شده در شکل 10 نیز تعیین شد. ارزیابی نشان داد که بخشی از سد به طول بیش از 200 متر تخریب شد، یک بستر جاده خالی شد و سطح جاده در نقاط مختلف آسیب دید و یک منطقه دایک به مساحت حدود 300 متر مربع ^شسته شد. مکان و شدت آسیب با نتایج حاصل از ارزیابی سیستم مطابقت داشت و قابلیت اطمینان و سهولت استفاده از رویکرد پیشنهادی را تأیید می‌کند.

4. نتیجه گیری و بحث

بر اساس فناوری GIS، ارزیابی دینامیکی بلایای موج طوفان را در زمان واقعی انجام دادیم. در این مقاله، یک سیستم جامع توصیف می‌شود که در آن چندین ماژول و فرآیند پیچیده یکپارچه شده‌اند، به عنوان مثال، مدل‌سازی عددی، تشخیص داده، انتقال اطلاعات، تفسیر فایل، مدیریت نشانگر، تجسم چند بعدی، و تعامل انسان و کامپیوتر. کل سیستم، که می تواند به طور خودکار عمل کند، از طریق یک رابط مرورگر وب قابل دسترسی است. با تعداد زیادی ماژول یکپارچه و کار با هم، در مقایسه با سایر برنامه های مشابه، یک سیستم منحصر به فرد جامع را نشان می دهد. پس از استقرار و آزمایش عملی، به ویژه در مقایسه با یک فاجعه واقعی طوفان (Typhoon Hato)، قابلیت اطمینان و پایداری بالای این سیستم به اثبات رسید.

هدف اصلی این کار ایجاد یک چارچوب سیستم یکپارچه برای ارزیابی بلایای موج طوفان و اطمینان از اجرای خودکار و پایدار این سیستم یکپارچه بود. یک مدل چهار لایه برای انجام ارزیابی فاجعه اتخاذ شد. این چهار سطح شامل یک ردیف مدل عددی، ردیف مدیریت داده، ردیف ارزیابی فاجعه، و ردیف تجسم است که منعکس کننده مفهوم “انسجام بالا و جفت کم” است. با استفاده از مدل عددی خودکار، تکنیک‌های اطلاعاتی مختلفی برای انجام یک ارزیابی سیستماتیک از برنامه مورد استفاده قرار گرفت. سطح تجسم از معماری دوگانه C/S و B/S استفاده می کند و با استفاده از روش های تجسم چند بعدی، جلوه تجسم را بهینه می کند. این نرم افزار جامع می تواند ابزار مفیدی برای توسعه فرآیندهای ارزیابی ریسک برای انواع دیگر بلایای دریایی باشد. در حالی که مدل پایه با استفاده از داده‌ها برای فرآیندهای موج طوفان خاص تأیید شد، روش ارزیابی پیشنهادی هنوز برای بهبود عملکرد آن نیاز به اصلاح دارد.

ارزیابی بلایا از موج طوفان عمدتاً بر خطر فاجعه متمرکز است. با این حال، شاخص های ریسک فعلی به اندازه کافی دقیق نیستند و شاخص های اضافی را می توان در نسخه بعدی مدل اضافه کرد. علاوه بر این، تأثیر یک موج طوفان و بزرگی تلفات مربوطه نه تنها به شاخص‌های خطر، بلکه به شاخص‌های آسیب‌پذیری نیز بستگی دارد، که نیاز به تحقیقات بیشتر دارد. در کار آینده، ارزیابی آسیب پذیری باید از نظر حساسیت، قرار گرفتن در معرض و آسیب پذیری در نظر گرفته شود. در نهایت، تاثیر موج طوفان باید بر اساس نتایج ترکیبی از خطر و آسیب پذیری ارزیابی شود.

چارچوب پیشنهادی شرح داده شده در این مقاله برای ارزیابی ریسک بلایای موج طوفان برای سایر بلایای دریایی مانند امواج عظیم، یخ دریا و سونامی نیز قابل استفاده است. با شروع این چارچوب پیشنهادی، می‌توانیم ارزیابی‌های پویا خودکار را برای انواع دیگر بلایا توسعه دهیم. در عین حال، بهبود مستمر روش ارزیابی ضروری است، به عنوان مثال، جفت کردن عوامل مؤثر مؤثر در چندین بلایا، یا تجزیه و تحلیل روش‌های ارزیابی ریسک بلایا برای رویدادهای چند خطر. بهبود دقت مدل ارزیابی می‌تواند با اتخاذ روش‌های پیچیده‌تر، به عنوان مثال، روش‌های سنتی (مانند فرآیند تحلیل سلسله مراتبی یا تجزیه و تحلیل همبستگی خاکستری) یا روش‌های مدرن (مانند روش طراحی متعامد یا روش ضریب تغییرات) حاصل شود.

منابع

شی، ایکس. لیو، اس. یانگ، اس. لیو، کیو. تان، جی. Guo، Z. توزیع مکانی-زمانی آسیب موج طوفان در مناطق ساحلی چین. نات. هازارد 2015 ، 79 ، 237-247. [ Google Scholar ] [ CrossRef ]
راهنمای کاربر مدل اقیانوس مختصات هیبریدی (HYCOM). در دسترس آنلاین: https://hycom.org/attachments/063_hycom_users_manual.pdf (در 28 نوامبر 2019 قابل دسترسی است).
موتور اقیانوس NEMO. در دسترس آنلاین: https://www.nemo-ocean.eu/wp-content/uploads/NEMO_book.pdf (در 28 نوامبر 2019 قابل دسترسی است).
مقدمه ای تاریخی بر مادر. در دسترس آنلاین: https://mom-ocean.github.io/assets/pdfs/mom_history_2017.09.19.pdf (در 28 نوامبر 2019 قابل دسترسی است).
کتابچه راهنمای فنی برای مدل چرخش دریا-یخ/اقیانوس جفت شده (نسخه 5). در دسترس آنلاین: https://github.com/kshedstrom/roms_manual/blob/master/roms_manual.pdf (در 28 نوامبر 2019 قابل دسترسی است).
راهنمای کاربران برای یک معادله سه بعدی، اولیه، مدل عددی اقیانوس. در دسترس آنلاین: https://www.ccpo.odu.edu/POMWEB/UG.10-2002.pdf (در 28 نوامبر 2019 قابل دسترسی است).
نیش، سی. ژانگ، ایکس. یین، جی. وضعیت توسعه و روند سیستم پیش بینی اقیانوس در قرن بیست و یکم. پیش بینی مارس. 2013 ، 30 ، 93-102. [ Google Scholar ] [ CrossRef ]
پیناردی، ن. Woods, J. Ocean Forecasting: Conceptual Bases and Applications , 1st ed.; Springer: برلین، آلمان، 2002; صص 37-53. [ Google Scholar ]
شیلر، آ. براسینگتون، GB عملیاتی اقیانوس شناسی در قرن 21 ، چاپ اول. Springer: Dordrecht، هلند، 2011; صص 3-26. [ Google Scholar ]
Woods, JD استراتژی EuroGOOS. الزویر اوشنوگر. سر. 1997 ، 62 ، 19-35. [ Google Scholar ] [ CrossRef ]
پیناردی، ن. Coppini، G. مقدمه “اقیانوس شناسی عملیاتی در دریای مدیترانه: مرحله دوم توسعه”. علم اقیانوس 2010 ، 6 ، 263-267. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
چی، جی. چن، سی. Beardsley، RC; پری، دبلیو. Cowles، GW; Lai, Z. مدل موج سطحی حجم محدود شبکه بدون ساختار (FVCOM-SWAVE): پیاده سازی، اعتبارسنجی و کاربردها. مدل اقیانوس. 2009 ، 28 ، 153-166. [ Google Scholar ] [ CrossRef ]
ژنگ، ال. ویزبرگ، RH; هوانگ، ی. Luettich، RA; وسترینک، جی جی. کر، رایانه شخصی؛ دوناهو، ع. کرین، جی. Akli, L. مفاهیم حاصل از مقایسه بین شبیه‌سازی مدل دو بعدی و سه بعدی موج طوفان آیک. جی. ژئوفیس. Res. Oceans 2013 , 118 , 3350–3369. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
یون، جی جی؛ Jun, KC شبیه سازی موج و موج توفان همراه برای سواحل جنوبی کره. علم اقیانوس J. 2015 ، 50 ، 9-28. [ Google Scholar ] [ CrossRef ]
Xie, DM; زو، QP; Cannon, JW کاربرد SWAN+ADCIRC برای شبیه سازی جزر و مد و موج در خلیج مین در طوفان روز میهن پرستان. علوم آب مهندس 2016 ، 9 ، 33-41. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
گلان، بی. تیلور، ا. کورکوفسکی، ن. Shaffer, WA نقش مدل SLOSH در پیش‌بینی طوفان خدمات ملی آب و هوا. Natl. حفاری آب و هوا. 2009 ، 33 ، 3-14. [ Google Scholar ]
واتسون، جی. چارلز، سی. داور طوفان: یک سیستم مبتنی بر GIS با وضوح بالا برای مدل‌سازی یکپارچه خطر طوفان. Natl. حفاری آب و هوا. 1995 ، 20 ، 2-9. [ Google Scholar ]
دیلی، ام. چن، آر اس؛ دایچمن، یو. Lerner-Lam، AL; Arnold, M. Natural Disaster Hotspots: A Global Risk Analysis Synthesis Report , 1st ed.; بانک جهانی: واشنگتن، دی سی، ایالات متحده آمریکا، 2005; صص 1-29. [ Google Scholar ]
لین، ن. امانوئل، کالیفرنیا؛ اسمیت، جی. Vanmarcke، E. ارزیابی خطر افزایش طوفان طوفان برای شهر نیویورک. جی. ژئوفیس. Res. 2010 ، 115 ، 311-319. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
وال، تی. مودرسباخ، سی. جنسن، جی. ارزیابی آماری سناریوهای موج طوفان در تجزیه و تحلیل ریسک یکپارچه. ساحل. مهندس J. 2015 ، 57 ، 1-19. [ Google Scholar ] [ CrossRef ]
بالاگورو، ک. جودی، DR; Leung، LR خطر طوفان طوفان آینده برای سواحل خلیج ایالات متحده و فلوریدا بر اساس پیش بینی شدت پتانسیل ترمودینامیکی. صعود چانگ. 2016 ، 138 ، 99-110. [ Google Scholar ] [ CrossRef ]
نارایان، PK تأثیر کلان اقتصادی بلایای طبیعی بر اقتصاد جزیره کوچک: شواهدی از یک مدل CGE. Appl. اقتصاد Lett. 2003 ، 10 ، 721-723. [ Google Scholar ] [ CrossRef ]
Okuyama، Y. مدل سازی اقتصادی برای تجزیه و تحلیل اثرات بلایا: گذشته، حال و آینده. اقتصاد سیستم Res. 2007 ، 19 ، 115-124. [ Google Scholar ] [ CrossRef ]
Hallegatte، S. یک مدل ورودی-خروجی منطقه ای تطبیقی و کاربرد آن برای ارزیابی هزینه اقتصادی کاترینا. ریسک مقعدی خاموش انتشار Soc. ریسک مقعدی 2008 ، 28 ، 779-799. [ Google Scholar ] [ CrossRef ]
Hayashi, M. روشی سریع برای ارزیابی خسارت اقتصادی ناشی از بلایای طبیعی: یک رویکرد اپیدمیولوژیک. بین المللی Adv. اقتصاد Res. 2012 ، 18 ، 417-427. [ Google Scholar ] [ CrossRef ]
علیزاده، م. هاشم، م. علیزاده، ا. شهابی، ح. کرمی، م. بیرانوند پور، ع. پرادان، بی. ذبیحی، ح. مدل تصمیم گیری چند معیاره (MCDM) برای ارزیابی آسیب پذیری لرزه ای (SVA) ساختمان های مسکونی شهری. بین المللی J. Geo-Inf. 2018 ، 7 ، 444. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
هابرت، جی دی; Mclnnes، KL یک مدل طغیان موج طوفان برای برنامه ریزی ساحلی و مطالعات تاثیر. جی. ساحل. Res. 1999 ، 15 ، 168-185. [ Google Scholar ]
میلو، ن. Queirós, M. ادغام ارزیابی ریسک در برنامه ریزی فضایی: سیستم پشتیبانی تصمیم RiskOTe. بین المللی J. Geo-Inf. 2018 ، 7 ، 184. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
فولتون، EA؛ لینک، JS؛ کاپلان، آی سی; ساوینا رولان، ام. جانسون، پی. آینزورث، سی. هورنای، پی. گورتون، آر. گمبل، RJ; اسمیت، ا. و همکاران درس هایی در مدل سازی و مدیریت اکوسیستم های دریایی: تجربه آتلانتیس. ماهی ماهی. 2011 ، 12 ، 171-188. [ Google Scholar ] [ CrossRef ]
شولتز، ال. فولک، سی. اوستربلوم، اچ. اولسون، پی. حاکمیت تطبیقی، مدیریت اکوسیستم و سرمایه طبیعی. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2014 ، 112 ، 7369-7374. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
مازیموه، ا. حمودا، من. Gidudu، A. یک ارزیابی تجربی از قابلیت همکاری داده ها – موردی از بخش مدیریت بلایا در اوگاندا. بین المللی J. Geo-Inf. 2019 ، 8 ، 484. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
لی، جی کی; یونگ، اس جی. کیم، اس دی؛ جانگ، WH; هام، روش شناسایی اجزای DH با کوپلینگ و چسبندگی. در مجموعه مقالات هشتمین کنفرانس مهندسی نرم افزار آسیا و اقیانوسیه، ماکائو، چین، 4 تا 7 دسامبر 2011. [ Google Scholar ] [ CrossRef ]

شکل 1. نمودار معماری چهار لایه برنامه ارزیابی بلایا.

شکل 2. مختصات عمودی در مدل تحقیق و پیش بینی آب و هوا (WRF).

شکل 3. مقایسه بین سری زمانی مدل سازی شده (خط صورتی) و اندازه گیری شده (خط آبی) سطح موج طوفان در Wuhaomatou در طول طوفان 8509.

شکل 4. مقایسه بین سری زمانی مدل شده (خط صورتی) و اندازه گیری شده (خط آبی) سطح موج طوفان در Wuhaomatou در طول طوفان 9216.

شکل 5. انواع مختلف شبکه برای ذخیره سازی نتایج مدل: ( الف ) شبکه مثلثی نامنظم (اصلی). ( ب ) شبکه مستطیلی (پس از تبدیل با مقادیر خالی پر نشده).

شکل 6. رابط نمایشی که نتایج ارزیابی را تحت معماری Client/Server (C/S) نشان می دهد: ( الف ) پیکربندی پارامترهای ارزیابی. ( ب ) نمایش نتایج ارزیابی.

شکل 7. رابط نمایشی که نتایج ارزیابی را تحت معماری مرورگر/سرور (B/S) نشان می دهد.

شکل 8. توالی نتایج ارزیابی در نزدیکی شبه جزیره شاندونگ، چین: ( الف ) خطر کمتر در ابتدای موج طوفان. ( ب ) خطر بالاتر در طول موج طوفان.

شکل 9. رابط نمایشی که نتایج ارزیابی را با استفاده از فناوری 3 بعدی نشان می دهد: ( الف ) مثال اولیه تجسم سه بعدی قبل از همپوشانی نتایج ارزیابی. ( ب ) مثال تجسم سه بعدی پس از همپوشانی نتایج ارزیابی.

شکل 10. توالی نتایج ارزیابی در مقیاس منطقه ای در شهر شنژن: ( الف ) کم خطر در منطقه ساحلی. ( ب ) خطر بالا در منطقه ساحلی.

شکل 11. بررسی فاجعه در شهر شنژن پس از طوفان هاتو: ( الف ) بستر جاده خالی شد. ب ) موج شکن از بین رفته و شسته شده است.

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

خلاصه

کلید واژه ها:

1. معرفی

2. معماری