مدل سازی ناپایداری های دامنه ای با استفاده از تحلیل سری زمانی تصاویر راداری با تکنیک SBAS (مطالعه موردی : شهر پردیس تهران)
محل انتشار: فصلنامه آمایش فضا و ژئوماتیک، دوره: 25، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 16
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HSMSP-25-2_007
تاریخ نمایه سازی: 18 دی 1403
چکیده مقاله:
استقرار اغلب سکونتگاههای شهری و روستایی ایران در مجاورت مناطق کوهستانی باعث شده تا احتمال وقوع ناپایداریهای دامنهای و جابجایی زمین یکی از چالشهای پیشروی برنامهریزان شهری محسوب گردد. در این پژوهش با استفاده از تصاویر راداری سنتینل ۱، طی بازه زمانی سه ساله (از تاریخ ۰۶/۰۱/۲۰۱۶تا ۲۱/۱۲/۲۰۱۸)، با استفاده از روش تکنیک سری زمانی SBAS در نرمافزار GMTSAR ، نقشه جابجایی و ناپایداری دامنهای زمین در محدوده شهر پردیس تولید شدهاند. در همین راستا پتانسیل خطر وقوع حرکات دامنهای، در قالب مدل تلفیقی AHP - منطق فازی، با بهرمندی از متغیرهای شیب، جهت شیب، ارتفاع، رودخانه، گسل، لیتولوژی و راه ارتباطی مورد ارزیابی قرار گرفتهاند. در پایان نتایج تکنیک سری زمانی و مدلسازی مقایسه و تحلیل های لازم ارائه شدهاند. نتایج حاصله بیانگر آنند که؛ بخشهای جنوبی شهرهای پردیس، رودهن و بومهن که بر مخروط افکنهها استقرار یافته اند، به ترتیب ۳۵-، ۳۱-و ۲۹- میلیمتر در سال فرونشست و بخشهای شمالی ۲۵ میلیمتر بالاآمدگی داشتهاند. نتایج مدلسازی نشان داد که بیش از ۴۰ درصد محدوده در معرض وقوع زمین لغزش بوده که حدود ۷۰ درصد از آنها بر مناطق ناپدار حاصل از تکنیک راداری همپوشانی دارند. این تحقیق کارآیی تکنیک راداری در ارزیابی و اعتبارسنجی مدلسازی AHP - منطق فازی را بخوبی نمایان نمود
کلیدواژه ها:
Landslide ، Subsidence ، Pardis city ، SBAS time series analysis ، آنالیز سری زمانی SBAS ، فرونشست ، زمین لغزش ، شهر پردیس
نویسندگان
مجتبی یمانی
Faculty of Geography, University of Tehran
لیلا حیدریان
Faculty of Geography, University of Tehran
ابوالقاسم گورابی
Faculty of Geography, University of Tehran
مهران مقصودی
Faculty of Geography, University of Tehran
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 :