درخت حوزه‌های تخصصی

مقدمه: در روش هم پوشانی حسابی وزنی برحسب شاخص پتانسیل زلزله (EPI) برای ارزیابی خطر لرزه ای هر منطقه، داده های تاریخی زلزله، توزیع زمین مکانی و بزرگای زمین لرزه های گذشته، زمین ساخت فعال (نوع و طول گسل)، تراکم گسل در واحد سطح، فاصله مکان تا گسل فعال، فاصله تا کانون زلزله، شیب و تغییرات توپوگرافی باید در نظر گرفته شود و لایه های مربوط با استفاده از GIS ایجاد شوند. این روش غیرارگودیک مشکلات روابط کاهندگی و بیان ورودی ها و خروجی های تحلیل خطر را حل می کند و در تهیه نقشه خطر زلزله مناطق وسیع جغرافیایی با پیشینه لرزه خیزی غنی، دقت بسیار مناسبی دارد. در این مطالعه، خطر زلزله در منطقه جنوب غرب ایران، در مربعی به ضلع 400 کیلومتر و با مرکزیت شهر بهبهان (طول °E2417/50 و عرض ° N5985/30) به روش هم پوشانی حسابی وزنی، برحسب شاخص پتانسیل زلزله ارزیابی شده است. روش شناسی: روش هم پوشانی حسابی وزنی برمبنای برهم نهی اطلاعات رتبه بندی شده مکانی، زمین شناسی و لرزه شناسی منطقه با وزن های از قبل تعیین شده قرار دارد. شاخص پتانسیل زلزله با استفاده از رابطه زیر محاسبه می شود:                                 (1)         در این معادله، EPI شاخص پتانسیل زلزله، DEM مدل رقومی ارتفاعی، Slope زاویه شیب برحسب درجه، Den_F چگالی گسل های فعال، Den_Ev تراکم کانون های زلزله، ML بزرگی زلزله، Dis_F فاصله تا گسل فعال، Dis_epi_ev فاصله تا کانون زلزله و i و j مختصات سلول (طول و عرض جغرافیایی) هستند. شناسایی مناطق دارای پتانسیل لرزه خیزی و ارزیابی خطرهای لرزه ای نیازمند در نظر گرفتن سهم تمامی پارامترها و ترکیب آنها، مطابق با اهمیت نسبی آنهاست. پس از تهیه نقشه های لازم، با توجه به لرزه خیزی منطقه ( توزیع کانون های زلزله، منابع لرزه زا و گسل های فعال) ، ویژگی های زمین ساختی ( سن لایه، زمین ساخت)، توپوگرافی منطقه ( مدل رقومی ارتفاعی) و شیب، EPI، تعیین می شود. منطقه مورد مطالعه (مربعی به ابعاد 400 کیلومتر و با مرکزیت بهبهان) از شیب تند شمال شرق با ارتفاع 4418، به شیب ملایم جنوب غرب (محدوده خلیج فارس) به ارتفاع 125- می رسد. نتایج و بحث: روش هم پوشانی حسابی وزنی برحسب شاخص پتانسیل زلزله (EPI) در جنوب غرب ایران انجام و نتایج به صورت نقشه و جدول ارائه شد. براساس نتایج، بخش هایی از شهرهای شرقی و شمالی استان خوزستان و شهرهای جنوب غرب استان چهارمحال بختیاری، کهگیلویه و بویراحمد و اصفهان و شهرهای شمالی استان بوشهر در مناطق EPI بالا و شهرهای گچساران، بهبهان، امیدیه، بهمئی، رامهرمز، باغ ملک، هفت گل، گتوند، اردل، کوهرنگ، فارسان و کبار در منطقه خطر بالا قرار می گیرند. در منطقه مورد مطالعه، شاخص پتانسیل زلزله در محدوده 55/1تا 75/6 متغیر است. میانگین برآوردشده مقدار EPI برابر با 415/4 و انحراف معیار برابر با 94/1 است. این مقادیر نشان دهنده تغییرات نسبتاً زیاد لرزه خیزی متوسط در منطقه است. همچنین جدول مقادیر EPI درمورد تمامی شهرهای استان خوزستان تخمین زده شد و شاخص پتانسیل زلزله هر شهرستان، براساس EPI، با شاخص لرزه خیزی استاندارد آیین نامه 2800 مقایسه شد. نتایج مقایسه در اغلب شهرها هم خوانی دارد و بیشتر بودن خطر بیان شده ازطریق استاندارد 2800 در موارد اختلافی بیان می کند که مقادیر استاندارد در جهت اطمینان قرار دارد. نتیجه گیری: روش هم پوشانی حسابی وزنی، برحسب شاخص پتانسیل زلزله (EPI)، روش جهانی جدیدی است که می توان آن را در ارزیابی خطر زلزله به روش غیرارگودیک به کار برد. براساس نتایج این روش، مقادیر ویرایش 4 استاندارد 2800 کفایت لازم برای طرح لرزه ای ساختمان ها را دارد.

سابقه و هدف: در دهه های گذشته، داده های سنجش از دور با موفقیت برای استخراج اطلاعات و تغییرات کاربری و پوشش زمین (LULC) در سطوح گوناگون، از مقیاس محلی تا جهانی، به کار رفته است. پایش دقیق و منظم این تغییرات در برنامه ریزی شهری، کشاورزی دقیق و مدیریت پایدار منابع زمین ضرورت دارد. فراهمی داده های سنجش از دور با ارائه سطوح بی سابقه ای از جزئیات مکانی و همچنین توسعه الگوریتم های طبقه بندی تصاویر ماهواره ای، باعث شده است که رویکردهای شیء گرا، در مقایسه با رویکردهای معمول، در طبقه بندی کاربری و پوشش زمین کاربرد بیشتری پیدا کنند. بدین منظور، در این مطالعه، رویکردی شیء گرا با ترکیب الگوریتم های GLCM، SNIC و یادگیری ماشین مطرح شده که هدف از آن طبقه بندی کاربری و پوشش زمین بخشی از اراضی شمال مهاباد در آذربایجان غربی، با استفاده از تصاویر ماهواره ای سنتینل 2 در سال 2019 در سامانه گوگل ارث انجین بوده است. مواد و روش ها: روش انجام شدن این پژوهش به گونه ای است که ابتدا مجموعه داده اولیه، شامل باندهای هدف تصاویر سنتینل 1 و سنتینل 2، مدل رقومی سطح زمین ALOS و شاخص های NDVI، BSI، SAVI و توان بازپراکنش کل (TSP) آماده سازی شد. در مرحله دوم، با اتخاذ دو رویکرد پیکسل پایه و شیء گرا و الگوریتم جنگل تصادفی، کاربری و پوشش زمین طبقه بندی شد و نتایج حاصل از آنها، برای تبیین بهترین رویکرد ازنظر دقت کلاس های گوناگون، مقایسه شد. در رویکرد شیء گرا، معیارهای بافتی با اعمال ماتریس وقوع توأم گام های خاکستری (GLCM) روی مجموعه داده اولیه استخراج شد و با توجه به افزایش تعداد باندها روش تحلیل مؤلفه های اصلی (PCA)، برای کاهش ابعاد تصویر، به کار رفت. در گام آخر، با ترکیب لایه PC1 و لایه قطعه بندی حاصل از الگوریتم خوشه بندی ساده غیرتکراری (SNIC)، الگوریتم جنگل تصادفی به منظور تهیه نقشه های کاربری و پوشش زمین محدوده مطالعاتی در نظر گرفته شد. نتایج و بحث: تحلیل معیارهای ارزیابی صحت نشان داد که رویکرد شیء گرا با صحت کلی و ضریب کاپای معادل 86/40% و 0/8307، در مقایسه با رویکرد پیکسل پایه با صحت کلی و ضریب کاپای 82/73% و 0/8028، نتایج بهتری را در طبقه بندی کاربری های متفاوت اراضی منطقه مورد مطالعه داشته است. نتایج معیارهای ارزیابی صحت نشان داد صحت تولیدکننده اغلب کلاس های کاربری، به جز ذرت، سبزیجات آبی پاییزه و گندم و جو آبی، در رویکرد شیء گرا بیشتر از روش پیکسل پایه است و دقت طبقه بندی آنها بالاتر از 90% بوده است. علاوه براین، کاربری های/ پوشش های پهنه آبی، ساخته شده، ذرت و چغندرقند بیشترین صحت کاربر را در نقشه کاربری و پوشش زمین شیء گرا به خود اختصاص داده اند. نتیجه گیری: یافته های تحقیق نشان دادند که تعیین مناسب اندازه سوپرپیکسل الگوریتم خوشه بندی SNIC و به کارگیری معیارهای بافتی GLCM به طور مؤثری عملکرد رویکرد پیشنهادی را در طبقه بندی کاربری و پوشش زمین، بهبود می بخشد.