ارزیابی میزان آسیب پذیری بافت فرسوده در برابر مخاطره طبیعی زلزله با استفاده از روش ماشین بردار ( نمونه موردی: حوزه ۲ شهر کرمان)
- سال انتشار: 1401
- محل انتشار: دوفصلنامه جغرافیای اجتماعی شهری، دوره: 9، شماره: 1
- کد COI اختصاصی: JR_KJUSG-9-1_014
- زبان مقاله: فارسی
- تعداد مشاهده: 255
نویسندگان
دانشجوی دکتری جغرافیا و برنامه ریزی شهری، دانشگاه آزاد اسلامی واحد یزد، یزد، ایران.
استادیارگروه جغرافیا و برنامه ریزی شهری، دانشگاه آزاد اسلامی واحد میبد، یزد، ایران.
استاد ژئومورفولوژی دانشگاه آزاد اسلامی واحد یزد، یزد، ایران.
دانشیار ژئومورفولوژی گروه جغرافیا ، دانشگاه شهید باهنر کرمان، کرمان، ایران.
استاد گروه جغرافیا و برنامه ریزی شهری دانشگاه یزد، یزد، ایران.
چکیده
مقدمه: انسان امروزی با توجه به پیشرفت روزافزون خود و نیز رشد جمعیت اقدام به ساخت شهرهای جدید جهت اسکان بخشی از جمعیت نموده است و با توجه به این که شهرها مانند سیستمی با ساختاری هماهنگ و پویا میباشد، میبایست همه اصول دفاعی را رعایت نمود تا بشر پیشرفته و متمدن دارای تکنولوژی در این سکونتگاه ها کمترین احساس خطر را بنماید و در مواقع بحران بتواند بهترین مدیریت بحران را ارائه نماید. لذا با توجه به اینکه ایران جز ده کشور بلاخیز و ششمین کشور زلزله خیز دنیا است و بافت فرسوده شهر کرمان نیز از این قاعده مستثنی نیست لزوم استفاده از تکنیک های سنجش از دور شهری مثل ماشین بردار برای شناسایی و مدیریت بحران زلزله ضروری می باشد.داده و روش: مقاله حاضر از نظر هدف کاربردی و از نظر روش ترسیمی - تحلیلی می باشد. در این پژوهش ابتدا با استفاده از تصاویر ماهوارهای ASTER سال ۲۰۰۷ به شناسایی بافت های فرسوده شهر کرمان با استفاده از روش طبقه بندی ماشین بردار پشتیبان پرداخته شد. در این بررسی با ضریب کاپای ۷۶ درصد برای تمامی طبقات تعیین شده و ضریب کاپای ۵۹ درصد بافت فرسوده شهر کرمان شناسایی گردید.یافته ها: یافته های تحقیق و نقشه نهایی میزان آسیب پذیری حوزه دو بافت فرسوده نشان داد مناطق با آسیب پذیری زیاد ۸۷/۲۹ درصد از کل مساحت حوزه می باشد، که این میزان نشان دهنده نامناسب بودن بافت حوزه در هنگام وقوع زلزله می باشد. رتبه های بعدی این بررسی به ترتیب شامل ۱۵/۲۹ درصد آسیب پذیری متوسط، ۰۱/۲۸ درصد آسیب پذیری بسیار کم، ۷۴/۶ درصد آسیب پذیری بسیار زیاد و ۲۱/۶ درصد آسیب پذیری کم می باشد.نتیجه گیری: نتایج این پژوهش نشان داد که روش طبقهبندی ماشین بردار پشتیبان (SVM) توانایی تشخیص نزدیک به ۷۵ درصد از بافت فرسوده محدوده را دارا بوده است. که این شناسایی قدرت بالای روش ماشین بردار پشتیبان در شناسایی حوزه دو بافت فرسوده شهری را نشان داده است.کلیدواژه ها
آسیب پذیری , زلزله , سنجش از دور , تکنیک ماشین بردار , ضریب کاپااطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.