رویکرد عدم قطعیت در ارزیابی آسیب پذیری از زلزله در محیط سیستم اطلاعات جغرافیایی (GIS) مطالعه مورد کلان شهر کرمانشاه
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 299
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JGQE-11-43_009
تاریخ نمایه سازی: 18 بهمن 1400
چکیده مقاله:
زلزله از جمله سوانح طبیعی است که بیشتر شهرهای جهان با آن مواجه هستند. این مسئله عموما با گسترده ترین دخالتهای نسنجیده انسانی در محیط طبیعی از جمله ساخت و سازهای بی رویه در حریم گسل، فقدان و یا بی توجهی به ضوابط و استانداردهای ساخت و ساز تشدید می شود. ضرورت کاهش آسیب پذ یری شهرها در برابر زلزله، به عنوان یکی از اهداف اصلی برنامه ریزی کالبد ی، برنامه ریزی شهری و طراحی شهری محسوب می گردد. در این راستا، اولین گام، شناسایی میزان آسیب پذیری عناصر و اجزای فضای شهری و ارزیابی آن براساس مدلهای موجود در جهت تشخیص مناطق و بافتهای آسیب پذیر شهری برای کاهش اثرات زلزله پرداخت. در مقاله حاضر با بررسی های بنیادی و ارائه مبانی نظری در ارتباط با موضوع و محدوده مورد مطالعه نسبت به تشکیل پایگاه اطلاعاتی مورد نیاز در محیط نرم افزاریArcGIS اقدام گردید و سپس با ایجاد لایه های موثر و دخیل در فرآیند تحلیل و ارزیابی برای هر خوشه به صورت جداگانه مدل فازی اجرا در نهایت نقشه پهنه بندی آسیب پذیری نهایی بدست آمد. ارزیابی میزان آسیب پذیری کاربری ها، با توجه به شرایط محدوده مورد مطالعه پرداخته شده است که در نهایت آسیب پذیری کلانشهر کرمانشاه با توجه به معیارهای کمی و کیفی با استفاده از نرم افزار ArcGIS و مدل Fuzzy به صورت نقشه پهنه آسیب پذیر مشخص و راه های کاهش آسیب پذیری بررسی و نتایج بررسی ها براساس موقعیت مکانی محدوده ارائه شده است.
کلیدواژه ها:
نویسندگان
اسماعیل علی اکبری
استاد گروه جغرافیای دانشگاه پیام نور ایران
مصطفی طالشی
استاد گروه جغرافیای دانشگاه پیام نور ایران
محمدرضا کرمی
استادیار گروه جغرافیای دانشگاه پیام نور ایران
کیومرث ملکی
دانشجوی دکتری جغرافیا و برنامه ریزی شهری، دانشگاه پیام نور ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :