نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

جمعیت های انسانی ایستا یا به طور یکنواخت در فضا و زمان توزیع نشده اند. این ملاحظات تأثیر قابل توجهی بر تجزیه و تحلیل خطرات طبیعی دارد که به دنبال تعیین قرار گرفتن در معرض و خطر جمعیت است. این مقاله بر روی جفت جمعیت و مدل‌های محیطی برای پرداختن به تأثیر جمعیت‌های متغیر فصلی بر قرار گرفتن در معرض خطر سیل تمرکز دارد. یک ابزار مدل‌سازی جمعیت مکانی-زمانی، SurfaceBuilder247، با خروجی‌های مدل طغیان سیل LISFLOOD-FP برای منطقه مورد مطالعه در شهر تفریحی ساحلی سنت آستل، کورنوال، بریتانیا (بریتانیا) ترکیب شده است. نتایج نشان‌دهنده چرخه‌های فصلی قوی در جمعیت‌ها و قرار گرفتن آنها در معرض خطر سیل است که در مجموعه داده‌های سنتی جمعیت و ارزیابی‌های خطر سیل لحاظ نشده است. از این رو،
کلید واژه ها: 

خطر سیل ؛ LISFLOOD-FP ; فصلی بودن ؛ مدل سازی جمعیت فضایی و زمانی ; SurfaceBuilder247 ; سنت آستل

 

چکیده گرافیکی

1. معرفی

خطرات طبیعی می توانند بدون هشدار و در بازه های زمانی مختلف رخ دهند. بنابراین، سرعت شروع و مدت رویدادهای خطرناک می تواند به طور قابل توجهی از مقیاس های زمانی خشکسالی یا گرم شدن کره زمین تا زلزله، آتشفشان یا سیل ناگهانی متفاوت باشد. انسان‌ها می‌توانند به دلایل مختلفی در معرض خطرات قرار بگیرند که به قرار گرفتن در معرض ارادی و غیرارادی مانند نگرش‌های اجتماعی [ 1 ]، محدودیت‌های اقتصادی [ 2 ]، سیاست‌های عمومی [ 3 ]، حافظه جمعی [ 4 ] و رشد جمعیت [ 5 ] کمک می‌کنند. در سطح جهانی، سیل شایع ترین بلای طبیعی است [ 6]. علاوه بر این، پنجمین گزارش ارزیابی IPCC در مورد تغییرات آب و هوایی با اطمینان بالا بیان می‌کند که افزایش خسارات اقتصادی و تعداد افراد متاثر از سیل در طول قرن بیست و یکم ادامه خواهد داشت [7 ] . رویدادهای قابل توجه اخیر در بخش هایی از شمال اروپا (بریتانیا، ایرلند و فرانسه)، از جمله توفان های شدید زمستانی متوالی در سال 2014، باعث سیل گسترده شد. در حالی که سیل تجربه شده در سال 2014 به اندازه سال های گذشته (به عنوان مثال، 1947، 2007) شدید نبود، خسارات اقتصادی در بریتانیا و ایرلند هنوز 1.5 میلیارد دلار آمریکا تخمین زده می شود [8 ] . متعاقباً گزارش شد که EA در حال ارزیابی مجدد خطر سیل ساحلی انگلیسی است زیرا برخی نقشه‌ها ممکن است خطر سیل ناشی از طوفان‌های ساحلی را دست کم بگیرند [ 9]]. این دوباره نشان داد که فقط یک رویداد شدید نیست که می تواند منجر به خسارات قابل توجهی هم از نظر انسانی و هم از نظر اقتصادی شود.
هدف این مقاله ارزیابی قرار گرفتن در معرض جمعیت در معرض سیل، به عنوان یکی از خطرات نمونه، از طریق تجزیه و تحلیل دقیق مقیاس محلی جابجایی جمعیت است. جمعیت ها به دلایل پیچیده مختلفی در مناطق با خطر نسبی قرار دارند: چه ساکن به عنوان “ساکن” باشند، چه ساکنان موقت در مکان های کار، تحصیل یا اوقات فراغت، یا صرفاً در حال عبور از منطقه.
به منظور درک بهتر خطرات ناشی از رویدادهای مخاطره آمیز برای انسان ها، مانند سیل، دانش بهبود یافته از توزیع مکانی و زمانی جمعیت مورد نیاز است [ 10 ، 11 ، 12 ، 13 ]. محاسبه قرار گرفتن در معرض جمعیت ساده نیست زیرا هم خطر و هم جمعیت در طول زمان متفاوت هستند [ 14 ]. نارسایی در نقشه برداری جمعیت برای چندین دهه مورد توجه قرار گرفته است [ 15]. مجموعه داده‌های رسمی جمعیتی که معمولاً مورد استفاده قرار می‌گیرند، مانند سرشماری‌ها یا ثبت‌های جمعیت، معمولاً فقط شمارش جمعیت “شب” مسکونی یا در بهترین حالت برآوردهای ساده “شب” و “زمان روز” را ارائه می‌دهند. برای بهبود ارزیابی ریسک و توسعه طرح‌های اضطراری موثر، نمایش بهتری از توزیع‌های جمعیتی که مختص زمان هستند، مورد نیاز است. مانند خطر، جمعیت به طور یکنواخت در مناطق دلخواه توزیع نشده است. به طور گسترده ای شناخته شده است که داده های جمعیت منطقه ای در معرض مشکل واحد منطقه ای قابل اصلاح [ 16 ] هستند، جایی که انتخاب واحدهای منطقه می تواند تأثیر بیشتری نسبت به پدیده مشاهده شده داشته باشد.
تحقیقات قبلی با استفاده از مدل‌سازی جمعیت مکانی-زمانی با وضوح بالا برای ارزیابی قرار گرفتن در معرض خطرات طبیعی [ 17 ، 18 ، 19 ]، از جمله خطرات سیل [ 20 ، 21 ]، تغییرات زیادی را در قرار گرفتن در معرض جمعیت در طول زمان و مکان نشان داده‌اند. یک اصلاح عمده در این رویکرد، که توسط این مقاله اتخاذ شده است، گنجاندن تخمین‌های فصلی متغیر جمعیت بازدیدکنندگان یک شبه است که توسط نیوینگ و همکاران توسعه یافته است. [ 22 ]. اینها در چارچوب داده انعطاف پذیر جمعیت 24/7 ادغام شده اند [ 23] که می تواند برای تولید تخمین های جمعیت شبکه بندی شده مکانی-زمانی با استفاده از روش های تخمین چگالی هسته متغیر استفاده شود.
این مقاله تجزیه و تحلیل تغییرات فصلی در قرار گرفتن جمعیت در معرض خطر سیل را در شهر سنت آستل، کورنوال در یک منطقه گردشگری ساحلی نشان می‌دهد. این تخمین‌های جمعیت مکانی و زمانی را با عصاره‌ای از ارزیابی خطر سیل ملی بریتانیا و مدل‌سازی سفارشی غرقاب سیل LISFLOOD-FP ترکیب می‌کند.

2. مطالعه موردی: سنت آستل، انگلستان

ارزیابی قرار گرفتن جمعیت فصلی در معرض خطر سیل برای یک منطقه مطالعاتی 15 × 20 کیلومتر در مرکز خلیج سنت آستل، کورنوال، انگلستان نشان داده شده است ( شکل 1 ). در بخشی از جنوب غربی ترین شبه جزیره بریتانیا واقع شده است. سنت آستل بزرگترین شهر کورنوال از نظر جمعیت است (19958 سرشماری 2011). جنوب منطقه مورد مطالعه به ساحل در امتداد خلیج سنت آستل و مصب فووی محدود می شود. سکونتگاه‌های نسبتاً کوچک در سراسر زمین‌های کشاورزی شبانی با گستره وسیع Bodmin Moor در شمال شرقی پراکنده شده‌اند.
جمعیت محلی ممکن است به طور قابل توجهی بر اساس فصلی نوسان داشته باشد که ناشی از هجوم یا خروج دانشجویان، کارگران فصلی و گردشگران در زمان‌های مختلف سال است [ 24 ]. در بریتانیا، بسیاری از مناطق روستایی و ساحلی هجوم فصلی قابل توجهی از جمعیت غیرمسکونی را تجربه می‌کنند که ناشی از گردشگری است، به ویژه در فصل اوج تابستان. ادبیات تشخیص می‌دهد که تعریف «گردشگران» یا «بازدیدکنندگان» دشوار است، اما تعاریف رایج تشخیص می‌دهند که بازدیدکنندگان در فرآیند تعاملی که مبدأ و مقصد را به هم پیوند می‌دهند، عوامل سفر هستند، که به موجب آن آن مقصد خارج از محیط معمول آنها است و به‌طور موقت برای بازدید از آن بازدید می‌شود. اهداف تجاری یا اوقات فراغت [ 25 ، 26]. این تعریف گسترده طیف وسیعی از سفرها از جمله بازدیدهای روزانه از جاذبه‌ها و بازدیدهای شبانه از دوستان و اقوام، سفرهای کاری و مفاهیم سنتی گردشگری که «تعطیلات» را نشان می‌دهند را در بر می‌گیرد. بازدیدکنندگان معمولاً بر اساس هدف و مدت سفرشان تقسیم بندی می شوند، که این ویژگی ها تأثیر واضحی بر الگوهای فصلی و فضایی دارند [ 27 ].
جنوب غربی انگلستان یکی از محبوب‌ترین مقاصد گردشگری داخلی در بریتانیا است و شهرستان کورنوال حدود یک چهارم بازدیدکنندگان شبانه را به این منطقه جذب می‌کند. داده های بررسی گردشگری بریتانیا [ 28 ] ماهیت بسیار فصلی گردشگری داخلی در جنوب غربی انگلستان را نشان می دهد، به طوری که بیش از 25 درصد بازدیدها به عنوان “شب تعطیلات 4+” (در سال 2010) در ماه اوت انجام می شود. جنوب غربی تقریباً 45٪ از سفرهای داخلی خود را در انگلیس جذب می کند [ 28 ] و بیش از 35٪ از بازار بسیار فصلی کمپینگ و کاروان سواری (بر اساس تعداد سفر) [ 28] .]. کورنوال خانه تعدادی از استراحتگاه های اصلی از جمله Padstow، Bude، St Ives، Newquay و Fowey در کنار جاذبه های مهم بازدیدکننده مانند پروژه Eden، یکی از 20 جاذبه اصلی برتر انگلستان است که بیش از یک میلیون بازدید کننده در سال را به خود جذب می کند [29 ] . [ 30 ]. آمارهای سرفصلی مانند این ها اهمیت گردشگری را در مقاصدی مانند کورنوال نشان می دهد، اما اطلاعات بسیار کمی در مورد تعداد بازدیدکنندگان یا توزیع فصلی و فضایی آنها در سطح زیر منطقه ای یا فرعی وجود دارد. استراحتگاه های ساحلی در مقاصد توریستی عمده مانند کورنوال از دوره اخیر رشد در تعداد بازدیدکنندگان فصلی ناشی از محبوبیت تعطیلات داخلی برخوردار بوده اند [ 31 , 32]. استراحتگاه‌های ساحلی مجموعه‌ای فضایی از اقامتگاه‌ها، امکانات بازدیدکننده و جاذبه‌ها را به نمایش می‌گذارند و بنابراین رشد فصلی قابل‌توجهی را در جمعیت‌های غیرمسکونی محلی تجربه می‌کنند. بازدیدکنندگان از ارائه خدمات و زیرساخت های محلی پشتیبانی می کنند که ممکن است صرفاً بر اساس جمعیت های مسکونی قابل دوام نباشد [ 33 ]، اما ممکن است بر ارائه خدمات نیز تأثیر بگذارد [ 34 ، 35 ].
Ijgi 04 01118 g001 1024
شکل 1. منطقه مطالعاتی سنت آستل که با رنگ قرمز مشخص شده است، مکان را در داخل کورنوال (خاکستری سایه دار) و بریتانیای کبیر نشان می دهد. نمونه ای از توزیع جمعیت شبکه ای 100 متری که برای اهداف متنی ارائه شده است.
استراحتگاه های ساحلی در منطقه مورد مطالعه، مانند Par، Polkeris و Fowey، نوسانات فصلی قابل توجهی را در جمعیت تجربه می کنند که ناشی از هجوم بازدیدکنندگان داخلی یک شبه است. منطقه مورد مطالعه نیز در معرض سیلاب رودخانه ها، جزر و مد و آب های سطحی است. سیستم هشدار در رودخانه پار، در محدوده مورد مطالعه، کمتر از دو ساعت از وقوع سیل اطلاع می دهد [ 36 ]. «قفل شدن جزر و مد» جریان‌های آب محلی در طول جزر و مد از زه‌کشی در خروجی‌های ساحلی جلوگیری می‌کند و خطر بیشتری برای سیل رودخانه‌ای ایجاد می‌کند. خطر سیل جزر و مدی بر شرق منطقه مورد مطالعه غالب است. منطقه Par دارای بیشترین تعداد املاک در معرض خطر ناشی از سیل فعلی و پیش بینی شده آینده در کورنوال است [ 37 ].

3. روش ها و داده ها

روش به کار گرفته شده را می توان به سه مرحله تقسیم کرد. در ابتدا، مفهوم مدل‌سازی مکانی-زمانی توصیف شده و یک کتابخانه داده مدل، شامل مجموعه داده‌های جمعیت و اطلاعات زمانی، تشریح می‌شود. برآورد جمعیت ساعتی با وضوح 100 متر برای یک روز هفته “معمولی” در ژانویه، مه و آگوست 2010 با استفاده از ابزار نرم افزار SurfaceBuilder247 که از طریق پروژه جمعیت 24/7 توسعه یافته است، تولید شده است. این سناریوها تغییرات قابل‌توجهی را در تعداد بازدیدکنندگان فصلی تخمینی در منطقه مورد مطالعه نشان می‌دهند که به ترتیب فصل‌های گردشگری کم، حاشیه و اوج گردشگری را منعکس می‌کند. در مرحله دوم، ساخت یک مجموعه داده جمعیت بازدیدکننده فصلی بررسی شده و در رویکرد مدل‌سازی جمعیت مکانی-زمانی ادغام می‌شود. ثالثا

3.1. مدل سازی جمعیت فضایی و زمانی

ابزار نرم افزار SurfaceBuilder247 ایجاد یک تخمین سطح جمعیت شبکه بندی شده را تسهیل می کند که اساساً داسیمتریک و حفظ حجم است. این روش از یک تکنیک تخمین چگالی هسته متغیر برای توزیع مجدد کل جمعیت در سراسر فضا با توجه به یک سری از وزن ها، محدودیت ها و پروفایل های زمانی استفاده می کند. جمعیت مسکونی از مرکزهای «مبدا»، که مکان‌های مسکونی را نشان می‌دهند، به کلاس‌های چندگانه مرکز «مقصد» توزیع می‌شوند. کلاس‌های مرکز مقصد جامع نیستند، اما شامل مکان‌های کار، تحصیل، اوقات فراغت، مراقبت‌های بهداشتی و خرده‌فروشی می‌شوند. توزیع مجدد جمعیت به مرکز مقصد توسط یک نمایه زمانی خاص برای آن کلاس فعالیت (مثلاً ساعات مدرسه در یک مکان مدرسه) و ظرفیت شناخته شده برای هر مرکز به دست آمده از مجموعه داده های جانبی کنترل می شود.23 ، 38 ، 39 ]. این مقاله یک مثال کاربردی را نشان می دهد.
یکی از ویژگی‌های جدید این چارچوب مدل‌سازی مکانی-زمانی، توانایی مدیریت توزیع مجدد زیرگروه‌های جمعیت تعریف‌شده توسط کاربر به‌طور مستقل است. در این مثال، هفت زیرگروه سنی مربوط به جمعیت 0-3، 4-10، 11-15، 16-64 (دانش آموزان)، 16-64 (غیردانشجو/سن شاغل) و بالای 65 سال انتخاب شدند. این باندهای سنی به این دلیل انتخاب شدند که ویژگی‌های مکانی-زمانی منحصربه‌فرد مربوط به مدل‌سازی انجام شده را دارند. به عنوان مثال، کودکان در سنین مدرسه در طول یک ترم روز هفته در مکان های مدرسه قرار می گیرند و جمعیت سن کار در مکان های شغلی.
یک نمای کلی از کتابخانه داده مدل و مجموعه مجموعه داده های مبدا و مقصد ساخته شده در شکل 2 ارائه شده است . نمای کلی نموداری در دو سطر و سه ستون مشخص شده است. هر ستون نشان دهنده سناریوی فصلی مدل شده است. ردیف اول مربوط به منشاء جمعیت است و دو طبقه مختلف مبدا را نشان می دهد که شامل جمعیت معمولاً ساکن و بازدیدکنندگان شبانه به طور جداگانه است. ردیف دوم شامل مکان های مقصد است. فلش‌های اتصال نشان می‌دهند که کلاس‌های مبدا مختلف مکان‌های مقصد متفاوت (یا نسبت‌های متفاوتی از آنها) را پر می‌کنند. به عنوان مثال، جمعیت بازدیدکننده محل کار یا مقاصد مدرسه را پر نمی کند، بلکه به مقاصد تفریحی اختصاص داده می شود. نسبت ثابت بازدیدکنندگان (4٪) به ساکنان (96٪) ( شکل 2) برای مقاصد تفریحی نگهداری شده است. این بر اساس داده‌های سالانه مبدا بازدیدکنندگان برای شهرستان کورنوال است که زیر سال گزارش نمی‌شود. بنابراین، این بهترین تخمین را برای ترکیب ارائه می‌کند و تضمین می‌کند که تقاضای مقصد تفریحی از مبداهای مربوطه صحیح (مثلاً بیشتر بازدیدکنندگان) تامین می‌شود. با این حال، در حالی که نسبت ثابت است، ظرفیت کلی، یا میزان مورد انتظار، مقاصد تفریحی ثابت نیست. براساس فصل تغییر می کند ( یعنی در ماه آگوست نسبت به ژانویه بزرگتر است) بنابراین بازدیدکنندگان و بازدیدکنندگان مسکونی از این سایت ها به صورت فصلی افزایش می یابد. تغییرات فصلی در میزان بازدیدکنندگان به خرده‌فروشی ساکن توسط کار قبلی توسط نیوینگ و همکاران مشخص شده است. [ 22 ، 35] تجزیه و تحلیل داده های کارت وفاداری برای فروشگاه های داخل این منطقه.
Ijgi 04 01118 g002 1024
شکل 2. نمای کلی نموداری مجموعه داده های مبدأ و مقصد جمعیت مورد استفاده برای ساختن مطالعه موردی سنت آستل.
محاسبه بازدیدکنندگان یک شبه به عنوان یک نوع جداگانه از مجموعه داده مرکز مبدأ در بخش بعدی توضیح داده شده است. شمارش شناخته شده جمعیت «معمولاً ساکن»، مکانی که یک فرد بیشتر وقت خود را در آن سپری می کند [ 40 ]، از برآورد میانسالی 2010 (MYE) برای منطقه مورد مطالعه به دست آمده است. MYEها تخمین های به روز جمعیت را برای سال های میانسالی ارائه می دهند. این برای ایجاد مجموعه داده مقصد مبدا در سطح لایه پایین تر منطقه فوق خروجی (LSOA)، کوچکترین واحدهای جغرافیایی که MYE برای آنها در دسترس است، استفاده می شود ( شکل 3) .). LSOAها بخشی از ساختار سرشماری سلسله مراتبی در انگلستان و ولز هستند که داده های جمعیتی برای آنها منتشر می شود. آنها حدود 1500 نفر را نمایندگی می کنند و بیشتر به OAs، بهترین واحد سرشماری موجود برای انگلستان و ولز، تقسیم می شوند. شکل 3 نشان می دهد که LSOA “Cornwall 036E” در منطقه مورد مطالعه دارای هفت OA تشکیل دهنده است که هر یک دارای یک مرکز وزنی جمعیت (PWC) مربوطه است. MYEهای LSOA 2010 مجدداً بر روی کدپستی واحدهای مسکونی (UPC) با تعداد آدرس وزن شدند. UPC ها نقاط ارجاع جغرافیایی هستند که برای تحویل کارآمد نامه طراحی شده اند و معمولاً نشان دهنده 15 آدرس مسکونی یا یک کاربر بزرگ (کسب و کار) هستند [ 41]]. استفاده از UPCها به عنوان مکان، قرارگیری دقیق جمعیت را در مکان های مسکونی تسهیل می کند و وضوح خروجی مدل 100 متری را که در این مطالعه به دست آمده است را قادر می سازد. استفاده از UPCها برای استفاده از PWCهای OA به دلیل توزیع بهبود یافته آنها در مکانهای مسکونی ( شکل 3 ) علیرغم افزایش تقاضای محاسباتی، سودمند است. این امر باعث بهبود دقت در LSOAهای جغرافیایی بزرگتر می شود (به عنوان مثال، شکل 3 ) که در آن گستره منطقه ای بیشتری در مناطق روستایی برای حفظ آستانه محرمانه بودن سرشماری مورد نیاز است.
Ijgi 04 01118 g003 1024
شکل 3. یک منطقه مطالعه نمونه LSOA که OAهای تشکیل دهنده، OA PWCها و UPCها را نشان می دهد.
ظرفیت جمعیت مورد انتظار مرکز مقصد ( شکل 2 ) از مجموعه داده های اداری، عمومی و تجاری که در جدول 1 خلاصه شده است، ساخته شده است . در مواردی که داده‌های مکان در این مجموعه داده‌ها در دسترس نیست، از UPC مرتبط با ارجاع جغرافیایی یک سایت استفاده شده است.
جدول
جدول 1. مجموعه داده های مورد استفاده برای ساخت مرکز مقصد.

3.2. نوسانات فصلی جمعیت

توزیع فصلی سفرهای (داخلی) بر اساس نوع اقامت در شکل 4 نشان داده شده است. اقامتگاه‌های خودسرانه، و به‌ویژه کمپینگ و کاروان‌نشینی (به طور جداگانه نشان داده شده‌اند)، الگوی فصلی بسیار واضحی را نشان می‌دهند که تقریباً یک چهارم از کل سفرهای کمپینگ و کاروان‌نشینی از اوت آغاز می‌شود (با ۲۳ درصد بیشتر در جولای). بسیاری از انواع اقامتگاه های خودسرانه (مانند اقامتگاه های واقع در پارک های تعطیلات) تمایل به نشان دادن درجه بالایی از خوشه بندی فضایی دارند. این امر ناشی از تمرکز تعداد زیادی از واحدهای اقامتی در سایت‌های بزرگ در کنار فراهم کردن امکانات بازدیدکننده (مانند سرگرمی و استخر) است. این امر نه تنها باعث ایجاد خوشه های فضایی قابل توجهی از بازدیدکنندگان می شود، بلکه ممکن است بسیار فصلی باشند، نه تنها به دلیل تقویم مدارس و تعطیلات ملی، بلکه به دلیل فصل کار در این مؤسسات.
جمعیت بازدیدکنندگان توریست هم در مکان و هم در زمان تمایل به خوشه بندی دارند. در مناطق ساحلی، مانند خلیج سنت آستل، تمرکز اقامتگاه‌های بازدیدکنندگان، جاذبه‌ها و سایر امکانات، خوشه‌های فضایی از بازدیدکنندگان را ایجاد می‌کند، با اعدادی که در زمان‌های مختلف سال در نوسان هستند، که ناشی از آب و هوا، رویدادهای محلی و ملی، سازمانی است. تقویم و فصل عملیات در مکان های اقامتی و جاذبه های اصلی. بر خلاف جمعیت های مسکونی و محل کار، اطلاعات کمی در مورد توزیع مکانی یا زمانی بازدیدکنندگان شبانه در زیر سطح منطقه مقامات محلی وجود دارد.
Ijgi 04 01118 g004 1024
شکل 4. توزیع سفرهای فصلی (کلیه سفرهای داخلی) بر اساس نوع اقامت. ساخته شده با استفاده از داده های بررسی سفر انگلستان [ 28 ].
ما از یک مجموعه داده جدید استفاده می کنیم که توزیع فصلی و مکانی بازدیدکنندگان یک شبه را تخمین می زند ( جدول 2 ). این تخمین‌ها برای تمام بازدیدکنندگانی که یک شب در منطقه مورد مطالعه می‌مانند (گردشگران داخلی و بین‌المللی) به حساب می‌آیند و از «پایین به بالا» ساخته شده‌اند و «واحدهای» اقامتی فردی را به‌عنوان بلوک ساختمانی، در کدپستی واحد یا منطقه خروجی سرشماری جمع‌آوری کرده‌اند. OA) سطح برای تشکیل “منشاء” بازدید کننده، همانطور که به طور کامل در Newing و همکاران ذکر شده است. [ 35]. واحدهای اقامتی ممکن است نمایانگر مسکن تجاری باشند (به عنوان مثال، اتاق هتل، کلبه با پذیرایی شخصی یا زمین کمپینگ)، یا از موجودی مسکن موجود (خانه تعطیلات/خانه دوم، یا خانه یک دوست یا خویشاوند میزبان). اقامتگاه های تجاری از یک پایگاه داده جامع ارائه شده توسط South West Tourism (SWT) مشتق شده است و تمام اقامتگاه های شناخته شده SWT (از طریق ممیزی) در شهرستان کورنوال در پایان سال 2010 را پوشش می دهد و قبل از استفاده تمیز، اعتبار سنجی و به روز شده است. پس از تأیید اعتبار، هر محل اقامت (در مورد هتل ها، کمپینگ ها و غیره ) یا واحد (در مورد کلبه های اجاره ای جداگانه و غیره) .) با کدپستی واحد خود ارجاع جغرافیایی داشت و با ظرفیت (تعداد فضاهای تخت) مرتبط بود که انبار اقامتگاه تجاری را تشکیل می داد. تعداد بازدیدکنندگان واقعی توسط موجودی اقامتگاه در ارتباط با نرخ اشغال که یک شاخص مشخص از استفاده از اقامتگاه در بخش توریست را تشکیل می‌دهد، تعیین می‌شود. برای ایجاد برآوردهای ما، موجودی مسکن (بر اساس نوع) در هر کدپستی واحد در نرخ اشغال مربوطه آن (در زمان‌های مختلف سال) ضرب شده است تا “واحدهای اشغالی” احتمالی شناسایی شود. سپس بر اساس داده‌های بررسی‌شده مربوط به اندازه مهمانی و تفکیک سن، بر اساس نوع محل اقامت، که از به‌روزترین نظرسنجی بازدیدکنندگان در این مقصد، در زمان نگارش این مقاله گرفته شده است، «جمع‌شده» می‌شوند [42 ] .
جدول
جدول 2. برآورد بازدیدکنندگان شبانه در منطقه مطالعه سنت آستل.
بازدیدکنندگانی که با دوستان و اقوام (VFR) و کسانی که از خانه‌های دوم/تعطیلات استفاده می‌کنند، «ذخیره» محل اقامت قابل شناسایی ندارند (تعداد خانه‌های دوم معمولاً بخشی از جمع‌آوری داده‌های منطقه کوچک در زمان مدل‌سازی نبود، اما اطلاعات در این خانه برای اولین بار به عنوان بخشی از سرشماری سال 2011 جمع آوری شد). شورای کورنوال اطلاعات محدودی را در مورد تعداد کلی واحدهای خانه دوم در سطح منطقه فوق خروجی لایه میانی (MSOA) بر اساس داده‌های جمع‌آوری‌شده از طریق سوابق مالیاتی شورا در سال 2008 ارائه کرد و این اطلاعات در سراسر کدپستی واحدهای منطقه مورد مطالعه نمونه‌برداری شد. مفروضات ساخته شده در مورد میزان استفاده بر اساس شواهد حکایتی محدود موجود. به همین ترتیب، تخمین تعداد یا توزیع فضایی بازدیدکنندگانی که با دوستان و اقوام اقامت می‌کنند مشکل است، زیرا این شکل اقامت به طور معمول نادیده گرفته می‌شود و ممکن است از پیک‌های فصلی یا توزیع فضایی سایر اشکال اقامت پیروی نکند، با این حال یک محرک مهم جمعیت گردشگران است. “ذخیره” اقامتگاهی که می تواند برای بازدیدهای VFR استفاده شود، از نظر تئوری تمام خانوارهای مسکونی موجود است. برخلاف مسکن های تجاری، ساخت و ساز از پایین به بالا امکان پذیر نیست (به عنوان مثال، سهام را شناسایی کنید و سپس نرخ بهره برداری را اعمال کنید). در عوض، یک رویکرد “بالا به پایین” مورد نیاز است، به موجب آن، تعداد کل تخمینی “شب‌های VFR” در سطح شهرستان (4.09 متر) [ 29 ] به صورت زمانی و مکانی در میان سهام احتمالی خانوارهای میزبان توزیع شده است، با این فرض که هر خانه خانگی یک بالقوه است. میزبان و اینکه همه خانوارها میزبان همان تعداد بازدید یک شبه هستند، با استفاده از داده های بررسی گردشگری بریتانیا (UKTS) برای شناسایی توزیع زمانی در طول سال [ 28]] و بر اساس توزیع سنی بررسی شده تفکیک شده است. در حالی که پارک‌های اصلی تعطیلات و مکان‌های کمپینگ و کاروان‌نشینی، خوشه‌های مکانی و زمانی از جمعیت بازدیدکنندگان شبانه را در مناطقی ایجاد می‌کنند که ممکن است ساکنان معمولی کمی داشته باشند یا اصلاً وجود نداشته باشند، VFR و گردشگری خانه دوم حجم قابل‌توجهی از بازدیدکنندگان یک شبه ایجاد می‌کنند، اما بروز خوشه‌های فضایی قابل توجه بسیار کمتر است. برای تعیین توزیع فصلی بازدیدها از ویژگی‌های رفتارهای سفرهای داخلی استفاده شد. با این حال، این تخمین‌ها از جمعیت بازدیدکنندگان منطقه کوچک (شمارش) بازدیدکنندگان بین‌المللی را در بر می‌گیرد، زیرا فرآیند پر کردن واحدهای اقامتی با بازدیدکنندگان بین بازدیدکنندگان از نظر مبدا تبعیض قائل نمی‌شود.25 ]).
مشابه با رویکردی که برای جمعیت های مسکونی استفاده می شود، جمعیت بازدیدکنندگان از مبدأ یک شبه خود به مکان های روزانه مانند جاذبه های اصلی، شبکه حمل و نقل و مکان های تفریحی که ممکن است به طور سنتی به عنوان مجموعه ای از جمعیت به همان شیوه محل کار در نظر گرفته نشوند، دوباره توزیع می شوند. بیمارستان ها و مراکز خرده فروشی با توجه به ماهیت ساحلی و مصب منطقه مورد مطالعه، برخی از این مکان ها ممکن است در معرض خطر سیل نیز باشند. تلاش قابل توجهی در اینجا به منظور شناسایی منشاء توریستی و تعیین ظرفیت و محدودیت های استفاده مورد نیاز بود. بخش اسکان بازدیدکنندگان بسیار پراکنده است (بسیاری از ارائه دهندگان کوچک با سهولت ورود و خروج). به این ترتیب، هیچ پایگاه داده جامعی از محل اقامت بازدیدکنندگان وجود ندارد، با این حال بسیاری از سازمان ها، از جمله سازمان‌های بازاریابی مقصد محلی (DMOs) مانند “VisitCornwall” اطلاعات جزئی در مورد اقامتگاه‌هایی که فعالانه در بازار عرضه می‌کنند یا کیفیت آنها ارزیابی شده است. ما از دسترسی به پایگاه داده ای که توسط “گردشگری جنوب غربی” نگهداری می شود، که در زمان نگارش مقاله، جامع ترین لیست اقامتگاه های موجود برای این منطقه مورد مطالعه را نشان می دهد، بهره مند شدیم. با این وجود، به روز رسانی و پاکسازی اطلاعات بیشتر مورد نیاز بود. برای کاربرد در مناطق مطالعاتی جایگزین، تلاش مورد نیاز و دقت بعدی «منشاء» بازدیدکنندگان به کیفیت جمع‌آوری داده‌های محلی مربوط به انبار اقامتگاه بستگی دارد. نشان دهنده جامع ترین فهرست اقامتگاه های موجود برای این منطقه مورد مطالعه، در زمان نگارش. با این وجود، به روز رسانی و پاکسازی اطلاعات بیشتر مورد نیاز بود. برای کاربرد در مناطق مطالعاتی جایگزین، تلاش مورد نیاز و دقت بعدی «منشاء» بازدیدکنندگان به کیفیت جمع‌آوری داده‌های محلی مربوط به انبار اقامتگاه بستگی دارد. نشان دهنده جامع ترین فهرست اقامتگاه های موجود برای این منطقه مورد مطالعه، در زمان نگارش. با این وجود، به روز رسانی و پاکسازی اطلاعات بیشتر مورد نیاز بود. برای کاربرد در مناطق مطالعاتی جایگزین، تلاش مورد نیاز و دقت بعدی «منشاء» بازدیدکنندگان به کیفیت جمع‌آوری داده‌های محلی مربوط به انبار اقامتگاه بستگی دارد.

3.3. مدل‌سازی سیلاب (LISFLOOD-FP)

سه سناریوی سیل که دوره‌های بازگشت (R) 100، 250 و 500 ساله را نشان می‌دهند با استفاده از LISFLOOD-FP [ 43 ]، یک مدل دوبعدی طغیان سیل مبتنی بر شطرنجی، برای یک بخش فرعی 8 × 4 کیلومتر از منطقه مورد مطالعه ایجاد شده‌اند ( شکل 5). دوره بازگشت نشان دهنده احتمال وقوع یک رویداد با قدر معین بر اساس یک رویداد بارندگی 11 ساعته است. علاوه بر این، منطقه سه نقشه سیل آژانس محیط زیست (EA) (FMZ3) ادغام دوره های بازگشت را برای رویدادهای 100 (در آب رودخانه) و 200 (جندرو) سال نشان می دهد. FMZ3 دارای وسعت بیشتری برای بزرگی کمتر قابل مقایسه است، با این حال خروجی های سفارشی LISFLOOD-FP به طور خاص برای دفاع و سایر سازه ها در نظر گرفته می شود، همچنین تخمینی از عمق و سرعت سیل ارائه می دهد (که تخمین بهتری از خطر حاصل را نسبت به وسعت به تنهایی امکان پذیر می کند). وجود سیلاب و اثر ساختمان ها در نظر گرفته نشده است و تنها وسعت سیل در FMZ3 ثبت شده است.
Ijgi 04 01118 g005 1024
شکل 5. مقایسه طغیان سیل LISFLOOD-FP و آژانس محیط زیست برای منطقه انتخابی پوشاننده سنت آستل و پار در منطقه مورد مطالعه.
بر خلاف نقشه سیل EA استاتیک ( شکل 5 )، مدل سازی سفارشی از ویژگی های فردی منطقه دقیق مربوطه، پتانسیل پشتیبانی از تجزیه و تحلیل و بررسی دقیق تر را فراهم می کند. مدل LISFLOOD-FP DEM از زمین برهنه (رزولوشن 2 متر) بررسی های LiDAR به دست آمده از آژانس محیط زیست [ 44 ] ساخته شد. گستره سیل رستر LISFLOOD-FP با وضوح خروجی 5 متر تولید شد. پیشنهاد شده است که حداقل وضوح 5 متر برای مدل‌سازی دینامیک جریان در مناطق شهری برای در نظر گرفتن تغییرات مقیاس کوچک ضروری است [ 45 ]. ساختمان‌ها متعاقباً شطرنجی شدند و بر اساس داده‌های MasterMap سیستم عامل به DEM اضافه شدند [ 46 , 47] لایه ها به منظور نمایش صریح اثر مسدود کننده بر انتشار آب های سیل. شبکه رودخانه (و اطلاعات مربوط به دفاع در برابر سیل در صورت وجود) از طریق آژانس محیط زیست به دست آمده است. عرض رودخانه به صورت دستی با استفاده از تصاویر Google Earth تخمین زده شد.
شبکه رودخانه به بخش‌های فرعی تقسیم شد که در آن عمق بر اساس ظرفیت‌های دوره بازگشت، حسابداری، در صورت امکان، برای استانداردهای بازگشت دفاعی تخمین زده شد. از آنجایی که منطقه تا حد زیادی اندازه گیری نشده است، نرم افزار راهنمای برآورد سیل [ 45] برای ارائه برآوردهای سری زمانی جریان برای رویدادهای بارندگی با بزرگی های مختلف، که سپس برای تخمین عمق رودخانه و طغیان دشت سیلابی در سراسر حوزه مورد استفاده قرار گرفت، استفاده شد. به عنوان مثال، رودخانه‌های دفاع‌نشده دارای ظرفیت جریان تقریباً 1 در 2 سال در دوره‌های بازگشت فرض می‌شوند، در حالی که ظرفیت‌های دسترسی دفاع شده در اطلاعات داده‌های دفاعی در صورت وجود مشخص شده است (معمولاً 1 در 50 سال در بریتانیا). LISFLOOD-FP یک مدل مناسب برای این برنامه است زیرا هم از نظر محاسباتی در وضوح بالا (10-1 متر) کارآمد است و هم کد را می توان بر روی آخرین فناوری محاسباتی با کارایی بالا اجرا کرد [48 ]]. با این حال، انتخاب گسترده ای از مدل های هیدرولیک دو بعدی تحقیقاتی و تجاری می تواند برای به دست آوردن نتایج مشابه استفاده شود. سه لایه شطرنجی مربوط به سه دوره بازگشت رویدادهای 100، 250 و 500 ساله، هر کدام با شرایط مرزی اقیانوسی که سطح آب 1 در 200 سال را نشان می‌دهد [49]، با خروجی‌های جمعیت از SurfaceBuilder247 همراه شدند. خروجی های LISFLOOD-FP بردار شدند و قرار گرفتن در معرض جمعیت برای هر سناریو با استفاده از آمار منطقه ای در ArcGIS محاسبه شد. همه لایه‌ها با تخمین‌های جمعیتی متغیر فصلی ترکیب شده‌اند تا اثر چرخه‌های مکانی-زمانی را تحلیل کنند. نقشه سیلاب EA نیز در اینجا گنجانده شده است زیرا این نقشه ملی خطر سیل در حال حاضر پذیرفته شده است که توسط برنامه ریزان و مقامات محلی استفاده می شود.

4. نتایج و بحث

قبلاً اشاره شده است که نتایج در این مقیاس مکانی-زمانی هنگام جفت کردن داده های سنتی جمعیت با اطلاعات مربوط به خطرات قابل دستیابی نیستند. منطقه مورد مطالعه انتخاب شده از نظر جغرافیایی توسط خط ساحلی محدود شده و عمدتاً طبیعت روستایی دارد. با این حال، منطقه مورد مطالعه به طور قابل توجهی جریان زیادی از بازدیدکنندگان را در مقیاس فصلی تجربه می کند. به همین دلیل و تا حدی به دلیل ماهیت روستایی، جریان های روزانه رفت و آمد بر این نمونه غالب نیست. در عوض، عوامل زمانی مختلف در مقیاس فصلی بزرگ‌تر، تأثیرات اولیه بر این منطقه هستند.
شکل 6 قرار گرفتن ساعتی جمعیت در معرض FMZ3 را برای کل منطقه مورد مطالعه نشان می دهد که یک روز کاری معمولی در هفته را نشان می دهد. خروجی‌های مدل‌سازی‌شده با تخمین‌های قرار گرفتن در معرض استاتیک از خروجی‌های سرشماری شطرنجی مقایسه شده‌اند که نشان‌دهنده این موارد است: جمعیت پایه سرشماری 2001 در سطح OA (بالاترین وضوح موجود)، جمعیت روزانه سرشماری 2001 در OA (فقط برای سال 2001 موجود است) و MYE 2010 (نزدیک‌ترین به تاریخ هدف). اما فقط در سطح LSOA موجود است). در مقایسه با داده‌های سرشماری استاتیک، تخمین‌های جمعیتی خاص زمان، بینش بسیار بیشتری در مواجهه با خطر سیل ارائه می‌دهد. قله های بزرگ (به عنوان مثال، اوت، شکل 6) در نتیجه خوشه بندی جمعیت با شدت بالا که ناشی از نوسانات فصلی بازدیدکنندگان است، بارزتر می شوند. تغییر بزرگی نشان‌داده‌شده در این نمونه از نتایج به تنهایی پیامدهای عمده‌ای را بر تحلیل‌های خطر سیل نشان می‌دهد که نشان‌داده شده است به زمان روز و فصل سال بستگی دارد.
Ijgi 04 01118 g006 1024
شکل 6. برآورد قرار گرفتن در معرض سیل از منطقه نقشه سیل 3 آژانس محیط زیست برای منطقه مطالعه سنت آستل با استفاده از سرشماری و خروجی های مدل فضایی-زمانی فصلی در فواصل ساعتی برای یک روز هفته “معمولی”.
تغییرات فصلی جمعیت فضایی-زمانی برای یک تخمین جمعیت در روز در روز (12:00) و جمعیت شبانه (00:00) برای سناریوهای ژانویه (فصل کم) و آگوست (فصل اوج) مدل‌سازی شده نشان داده شده است. بازدیدکنندگان معمولاً ساکن و یک شبه به طور جداگانه نمایش داده شده اند ( شکل 7 و شکل 8). در هر دو مثال، یک تمرکز عمومی در جمعیت معمولاً ساکن در روز (12:00) از مکان‌های شبانه (00:00) رخ می‌دهد. افزایش خوشه‌بندی در مراکز اصلی جمعیت را می‌توان در نمونه‌های روزانه (سنت آستل در جنوب و بودمین در شمال) و جمعیت بیشتری در سفر در شبکه جاده مشاهده کرد. این تمرکز در مراکز اصلی جمعیت مشاهده می‌شود، مشابه مکان‌های محل کار که جریان رفت‌وآمد روستایی-شهری از مناطق اطراف توسط جمعیت معمولاً ساکن را نشان می‌دهد. به عنوان مثال، برای جمعیت معمولاً ساکن آگوست، اوج تمرکز در مرکز شهر سنت آستل در ساعت 12:00 ( شکل 8 B) با 2200 نفر در 100 متر مربع ، در مقایسه با تنها 55 نفر در 100 متر مربع وجود دارد.ساعت 00:00 این در گروه سلول های قرمز رنگ در گوشه جنوب غربی منطقه مورد مطالعه در شکل 8 B نشان داده شده است. همچنین این پدیده شناخته شده را نشان می دهد که مراکز شهرها عمدتاً فقط در طول روز پرجمعیت هستند زیرا میزبان طیف وسیعی از خرده فروشی ها و اوقات فراغت هستند. و مکان های محل کار اما در شب دارای حداقل جمعیت معمولاً ساکن هستند.
Ijgi 04 01118 g007 1024
شکل 7. توزیع جمعیت فصلی مدل شده (100 متر) برای منطقه مطالعه سنت آستل برای یک روز هفته ژانویه. ( الف ) جمعیت معمولاً مقیم شبانه (00:00)، ( B ) جمعیت معمولاً ساکن در طول روز (12:00)، ( C ) جمعیت بازدیدکننده شبانه (00:00) و ( D ) بازدیدکننده یک شبه در طول روز ( 12:00) جمعیت.
Ijgi 04 01118 g008 1024
شکل 8. توزیع جمعیت فصلی مدل شده (100 متر) برای منطقه مطالعه سنت آستل برای یک روز هفته اوت. ( الف ) جمعیت معمولاً مقیم شبانه (00:00)، ( B ) جمعیت معمولاً ساکن در طول روز (12:00)، ( C ) جمعیت بازدیدکننده شبانه (00:00) و ( D ) بازدیدکننده یک شبه در طول روز ( 12:00) جمعیت.
Ijgi 04 01118 g009 1024
شکل 9. مقایسه دقیق نتایج SurfaceBuilder247 (رزولوشن 100 متر) در منطقه مطالعه سنت آستل با نقشه برداری پس زمینه سیستم عامل در مقیاس 1:25000 و تصاویر هوایی برای مربع های شبکه ملی منتخب 1 کیلومتری. ( A , B ) جمعیت «روزانه» روزهای هفته اوت. ( C , D ) جمعیت «شب» روزهای هفته اوت.
به طور مشابه، تمرکزی در جمعیت بازدیدکنندگان یک شبه از مکان‌های شبانه که آنها اشغال می‌کنند تا مکان‌های متمرکز فعالیت در روز وجود دارد ( شکل 7 و شکل 8 C, D). این غلظت‌های روزانه، که در ماه آگوست با اوج بازدیدکنندگان قابل توجه است، در مراکز اصلی شهر (به عنوان مثال، سنت آستل، بادمین و لاست‌ویتیل) رخ می‌دهد. به طور کلی، افزایش زیادی در جمعیت بازدیدکنندگان یک شبه بیش از 11000 نفر بین ژانویه و اوت وجود دارد ( جدول 2 ). مشاهده واضح دیگر این است که توزیع و همچنین تمرکز و تعداد بازدیدکنندگان تخمینی یک شبه بین ژانویه و آگوست افزایش می یابد. قابل توجه تر از همه، تمرکز بازدیدکنندگان در شب در ماه اوت در مناطق ساحلی جنوب سنت آستل است.شکل 7 ج). ثانیاً، ناحیه مرکزی وسعت منطقه مورد مطالعه سهم بیشتری از بازدیدکنندگان شبانه را دریافت می کند. این به موقعیت مهمان‌خانه‌های روستایی، کمپینگ‌ها و پارک‌های کاروانی نسبت داده می‌شود که در مجموعه داده‌های سرشماری سنتی نشان داده نمی‌شوند.
یک مقایسه دقیق با استفاده از عصاره های مربع شبکه ملی منتخب 1 کیلومتری از نتایج مدل منطقه مطالعه سنت آستل انجام شده است ( شکل 9 ). دو نمونه از سناریوی روز اوت ( شکل 9 A, B) و دو نمونه برای یک شب اوت ( شکل 9 C, D) انتخاب شده اند . همه نشان دهنده کل جمعیت (معمولاً ساکنین و بازدیدکنندگان با هم) هستند. توزیع سلول های خروجی 100 متر در عصاره های مربع 1 کیلومتری قابل مشاهده است. نتایج مدل‌سازی‌شده با نقشه‌برداری پایه و تصاویر هوایی Ordnance Survey (OS) برای همان مکان و مقیاس برای زمینه‌سازی مقایسه شده‌اند.
استخراج نقشه سیستم عامل برای مثال اول ( شکل 9 الف) بخشی از فووی را با طیف وسیعی از جاذبه های توریستی نشان می دهد (که با نماد نقشه آبی نشان داده شده است). نتایج مدل روز آگوست برای همان منطقه نشان می‌دهد که جمعیت به طور مناسب به توده زمین محدود شده است (به دلیل لایه پوششی پس‌زمینه) و بر روی مکان‌های ساحلی امکانات رفاهی مشخص شده در عصاره نقشه متمرکز شده است.
عصاره دوم بر روی یکی از بالاترین غلظت ها در منطقه مورد مطالعه متمرکز شده است ( شکل 9 B)، که بخشی از مرکز شهر سنت آستل را نشان می دهد. تمرکز جمعیت در روز اوت از 1000 نفر فراتر می رود. منطقه Holmbush یک منطقه خرده فروشی است که شامل یک مجتمع خرید بزرگ است. سنت آستل دارای بیشترین فضای طبقه از نظر خرده فروشی در منطقه مورد مطالعه است که توسط مجموعه داده های مقصد خرده فروشی که برای این مطالعه موردی ایجاد شده است، مطلع می شود. مقایسه با تصاویر هوایی هم ترازی نزدیک مدل را با مناطق پرجمعیت نشان می دهد.
سومین ( شکل 9 ج) موقعیت یک کاروان بزرگ ساکن را بلافاصله در پشت ساحل پر نشان می دهد. تراکم جمعیت در سلول‌های مدل با محل کاروان مطابقت دارد که مجموعاً به 150 نفر می‌رسد. تصاویر هوایی جزئیاتی را ارائه می‌کنند که فقط به‌عنوان مجموعه‌ای از مسیرها در نقشه‌برداری پس‌زمینه سیستم‌عامل نشان داده می‌شوند (زیرا کاروان‌ها ساختارهای دائمی نیستند و بنابراین نقشه‌برداری نمی‌شوند). این منطقه همچنین با سطوح بالای خطر سیل در تمام سناریوهای سیل مطابقت دارد ( شکل 5 ).
در نهایت، عصاره چهارم ( شکل 9 D) تخمین جمعیت شبانه را برای منطقه‌ای غیرمسکونی نشان می‌دهد که به وضوح به عنوان یک اردوگاه در نقشه‌برداری سیستم‌عامل مشخص شده و در تصاویر هوایی قابل تشخیص است. تراکم جمعیت مربوط به منطقه کمپینگ تراکم جمعیت متوسط ​​تا 50 نفر در 100 متر مربع را نشان می دهد .در فصل اوج سکونتگاه کوچک Lower Penhale با منطقه ای با تراکم جمعیت کم غیرصفر نشان داده شده است. به نظر می‌رسد که این یک گسترش جزئی باشد، اما هنوز یک اصلاح را بر اساس داده‌های منطقه‌ای سرشماری به تنهایی نشان می‌دهد. علاوه بر این، حل اوج جمعیت در ماه اوت در این اردوگاه (که در سایر مواقع سال به سادگی یک میدان خالی است) تنها با تکیه بر داده های سرشماری ممکن نیست. این مثال محدودیت‌های وضوح فضایی فعلی مدل را با استفاده از داده‌های جمعیت موجود برای این مطالعه موردی آزمایش می‌کند. با این حال آنها هنوز هم پیشرفت های قابل توجهی هستند. دلایل این گسترش بیش از حد احتمالاً ناشی از تراکم مرکزی منشاء جمعیت است. به عنوان کدپستی مسکونی از مکان های روستایی شناسایی شده بر روی نقشه، Lower Penhale و Polgassick Farm استفاده شد ( شکل 9د) احتمالاً یک کد پستی را به اشتراک می‌گذارد که ممکن است مستقیماً در یک سایت خاص ارجاع داده نشود. ماهیت پراکنده املاک روستایی که دارای کد پستی هستند بیشتر از خیابان های متمرکز در مناطق شهری است. این عامل مهم دیگری است که باید در استفاده از مدل‌هایی که فقط از مرکز کدپستی استفاده می‌کنند در نظر گرفت که دقت و چگالی مکانی می‌تواند متفاوت باشد.
برآوردهای مواجهه با سیل فصلی جمعیت در طول روز مطابق با گستره آبگرفتگی نشان داده شده در شکل 5 در جدول 3 ارائه شده است . اینها به منطقه سه نقشه سیل EA (FMZ3) و سناریوهای 100، 250 و 500 ساله LISFLOOD-FP (L-FP) مربوط می شود. یک روند کلی در قرار گرفتن در معرض جمعیت وجود دارد همانطور که با افزایش گستره غرقابی جغرافیایی و برآوردهای متمرکز جمعیت بازدیدکنندگان فصلی پیش بینی می شود. یک پدیده جالب مشاهده شده در این تحلیل نقشه سیل فصلی ( جدول 3) کاهش مواجهه 12:00 اوت با سناریوی سیل LISFLOOD-FP R100، در مقایسه با کل قرار گرفتن در معرض 12:00 مه به همان گستره سیل LISFLOOD-FP R100 است. قرار گرفتن در معرض کل جمعیت (بازدید کنندگان و معمولاً ساکنان) برای یک روز هفته “معمولی” در ساعت 12:00 تحت سناریوی LISFLOOD-FP R100 از 580 به 563 از ماه می تا اوت کاهش می یابد. این توسط جمعیت معمولاً ساکن هدایت می شود. این برعکس چرخه مشاهده شده در تمام سناریوهای مدل‌سازی شده دیگر است که در آن قرار گرفتن در معرض جمعیت مسکونی در 12:00 اوت نسبت به سطوح مربوطه ژانویه و مه افزایش می‌یابد. قرار گرفتن در اواسط ژانویه و مه ساکنان معمول برای سناریوی LISFLOOD-FP R100 مشابه باقی می ماند. این انتظار می رود زیرا آنها از همان پایگاه سرشماری زمانی جمع آوری شده اند.
برای بررسی کاهش غیرمنتظره قرار گرفتن در معرض خطر سیل برای سناریوی LISFLOOD-FP R100 اوت و می ( جدول 3 )، جمعیت بیشتر در سطح زیرگروه جمعیت برای هفت زیر گروه سنی برای ساکنان معمولی و بازدیدکنندگان تجزیه و تحلیل شده است ( شکل 10) .). می توان مشاهده کرد که بیشترین سهم در کاهش قرار گرفتن در معرض خطر سیل بین ماه مه و اوت (در ساعت 12:00 برای LISFLOOD-FP R100) جمعیت 16 تا 64 ساله در سن کار است. قرار گرفتن در معرض در این گروه از 389 به 281 بین ماه می و آگوست کاهش می یابد. این ممکن است غیرمنتظره باشد زیرا می‌توان پیش‌بینی کرد که قرار گرفتن در معرض کل در فصل متناسب با جمعیت افزایش می‌یابد. با این حال، این پدیده تأثیر زمان انتخابی (تخمین جمعیت ظهر روز هفته) و وسعت منطقه ای چند ضلعی سیل را برجسته می کند.
جدول
جدول 3. در معرض سه سناریوی طغیان LISFLOOD-FP (R = دوره بازگشت) و نقشه سیل EA منطقه سه برای ژانویه، مه و آگوست (افزایش سطح آبگرفتگی از چپ به راست) در معرض قرار گرفتن جمعیت ساکن و بازدیدکنندگان در طول روز است.
Ijgi 04 01118 g010 1024
شکل 10. مقایسه برآوردهای مواجهه با LISFLOOD-FP R100 در طول روز (12:00) به زیر گروه های سنی برای بازدیدکنندگان و ساکنان در ماه مه و اوت تقسیم شده است.
اگرچه کل جمعیت در معرض خطر سیل در ماه آگوست برای LISFLOOD-FP R100 در مقایسه با ماه مه کاهش می‌یابد، اما تعداد افراد مسن (بیش از 65 سال) افزایش می‌یابد ( شکل 10) .). این افزایش 385 درصدی (اردیبهشت تا آگوست) ناشی از هجوم بازدیدکنندگان شبانه است. در حالی که به طور کلی به نظر می رسد که خطر سیل کمتر است، در واقع افزایش زیادی در جمعیت سالمندانی که در معرض سیل قرار دارند در سناریوی R100 اوت در روزهای هفته 12:00 وجود دارد. این بدان معنا نیست که بازدیدکنندگان سالمند کلی بر کل جمعیت توریستی منطقه مورد مطالعه در ماه اوت (که تحت سلطه تعطیلات خانوادگی نیز هستند) تسلط دارند، بلکه فقط بر چندضلعی سیل تجزیه و تحلیل شده است. این بینش را نمی توان با نگاه کردن به کل جمعیت به تنهایی یا بدون مدل سازی مواجهه در سطح زیرگروه جمعیت به دست آورد. در حالی که قرار گرفتن در معرض سیل به طور کلی در این مثال افزایش نیافته است، این رویکرد افزایش قابل توجهی را در نسبت یک زیر گروه آسیب پذیر مسن شناسایی کرد.
رویکرد SurfaceBuilder247 ارزیابی دقیق برای قرار گرفتن جمعیت در معرض خطر سیل را با در نظر گرفتن تغییرات در فصل و زمان روز تسهیل می‌کند. در هر ارزیابی نهایی، پتانسیل تغییرات زیادی در نتیجه بسته به ترکیب رویدادهای انتخاب شده وجود دارد، همانطور که در این برنامه St Austell مثال زده شده است.
هنوز امکان تایید کامل و مستقل تجزیه و تحلیل های جمعیتی انجام شده وجود ندارد. با این حال، باید اعتماد زیادی به ساخت مدل‌ها از تعداد جمعیت شناخته شده در مکان‌های خاص داده شود. این ها بر اساس مجموعه داده های اداری دقیق و مرتبط با جریان های جمعیتی قابل سنجش هستند. سرشماری ها معمولاً برای فرصت های اعتبار سنجی استفاده می شوند، اما رویکرد ارائه شده در اینجا به طور قابل توجهی فراتر از تخمین های سرشماری ایستا حرکت می کند. برخی از سرشماری‌های ملی با وضوح مکانی بالا (100 متر) قالب شبکه منتشر می‌شوند (به عنوان مثال، اتریش [ 50)])، اما همچنان ثابت باقی می ماند، در درجه اول مسکونی، شمارش. رواج فزاینده تحلیل داده‌های رسانه‌های اجتماعی و تلفن همراه ممکن است فرصت‌های آینده را برای پیشبرد کار ارائه‌شده در اینجا بیشتر فراهم کند یا به مکانیزم اعتبارسنجی بالقوه اشاره کند [ 51 ، 52 ].

5. نتیجه گیری ها

چارچوب مدل‌سازی مکانی-زمانی که در اینجا به تصویب رسید، گنجاندن جمعیت توریستی بسیار مهم متغیر فصلی را در تخمین‌های قرار گرفتن در معرض جمعیت در معرض خطر سیل تسهیل کرده است. این نه تنها بینش فعلی را در مورد حرکات جمعیتی مکانی-زمانی با وضوح بالا افزایش می دهد، بلکه تأثیر بالقوه بزرگ جمعیت های موقت را در ارزیابی خطر سیل و قرار گرفتن در معرض خطر نشان می دهد. خطر سیل برای جمعیت متغیر است و به عوامل بسیاری غیر از پایگاه جمعیت معمولاً ساکن بستگی دارد. چنین بینش هایی با استفاده از مجموعه داده های ایستا یا سنتی به صورت مجزا امکان پذیر نیست. این رویکرد یک ادغام ممکن از جمعیت و مدل‌های فیزیکی را برای کاربردهای محیطی و وسیع‌تر نشان می‌دهد.
برای استفاده از تخمین عمق و سرعت سیل که با استفاده از LISFLOOD-FP ایجاد شده است، می توان کارهای بیشتری انجام داد. این می تواند در چارچوب یک رتبه بندی خطر سیل موجود (REF) ادغام شود. این می تواند برای نشان دادن خطر نسبی و تخمین بیشتر تلفات یا جراحات استفاده شود. این رتبه بندی توسط پنینگ-راسل و همکاران ارائه شده است. [ 53] به طور بالقوه می تواند با گنجاندن برآوردهای جمعیت نشان داده شده در این مقاله افزایش یابد. برآوردهای جمعیتی واقعی تر، مکانی-زمانی، فصلی متغیر و تفکیک شده احتمالاً تمرکز کار بیشتر در رابطه با برآورد خطر سیل خواهد بود. علاوه بر این، تجزیه و تحلیل حساسیت آینده پارامترهای مدل جمعیت ممکن است به کمیت تغییر در خروجی های تولید شده کمک کند.
این مثال نوسانات جمعیت را در مقیاس های زمانی مختلف نشان می دهد. این برنامه تغییرات زمانی در قرار گرفتن جمعیت در معرض خطرات سیل را در مقیاس های روزانه، هفتگی و فصلی نشان داده است. مطالعه موردی سنت آستل تغییرات زیادی را از نظر نوسانات خالص و تغییر بزرگی نسبت به خط پایه معمولاً ساکن که توسط بازدیدکنندگان فصلی هدایت می‌شود، نشان می‌دهد. مقادیر عددی دقیق برآوردهای مواجهه تولید شده تحت بررسی، مفروضات و تفسیر مشابهی مانند هر نمونه دیگری است. آنها سعی نمی کنند “پاسخ” قطعی را ارائه دهند، حتی اگر بتوان آن را کمیت کرد. با این حال، داده های ارائه شده بر اساس بهترین اطلاعات موجود برای این مطالعه با بازجویی دقیق بوده است. این مقاله با استفاده از مقادیر عددی به عنوان راهنما،

منابع

  1. اسلوویچ، پی. فیشهوف، بی. لیختنشتاین، اس. فرآیندهای شناختی و ریسک پذیری اجتماعی. تصمیم می گیرد. ماک چانگ. هوم Aff. 1977 ، 16 ، 7-36. [ Google Scholar ]
  2. Dobran, F. VESUVIUS 2000: یک پروژه چند رشته ای برای منطقه Vesuvius. در مجموعه مقالات 2003 مجمع مشترک EGS-AGU-EUG، نیس، فرانسه، 6-11 آوریل 2003.
  3. توریری، اف. کونسیلیو، جی. Nijkamp، P. ابزارهای پشتیبانی تصمیم برای سیاست اضطراری شهری: یک رویکرد سناریویی برای مدیریت ریسک منطقه Vesuvio در ناپل، ایتالیا. جی. کونتینگ. مدیریت بحران 2002 ، 10 ، 95-112. [ Google Scholar ] [ CrossRef ]
  4. Slovic, P. The Perception of Risk ; انتشارات Earthscan: لندن، انگلستان، 2000. [ Google Scholar ]
  5. میچل، JK Crucibles of Hazard: Mega-Cities and Disasters in Transition ; انتشارات دانشگاه ملل متحد: نیویورک، نیویورک، ایالات متحده آمریکا، 1999. [ Google Scholar ]
  6. Shaluf، انواع فاجعه IM. فاجعه قبلی مدیریت بین المللی J. 2007 , 16 , 704-717. [ Google Scholar ] [ CrossRef ]
  7. فیلد، CB; Van Aalst, M. Climate Change 2014: Impacts, Adaption, and Vulnerability ; انتشارات دانشگاه Cmbridge: کمبریج، بریتانیا، 2014. [ Google Scholar ]
  8. مونیخ ری. فجایع طبیعی 2014: تحلیل ها، ارزیابی ها، موقعیت ها. در دسترس آنلاین: https://www.munichre.com/site/corporate/get/documents_E1018449711/mr/assetpool.shared/Documents/5_Touch/_Publications/302-08606_en.pdf (در تاریخ 3 آوریل 2015 قابل دسترسی است).
  9. بی بی سی نیوز: خطر سیل خط ساحلی انگلیسی ناشی از امواج ارزیابی مجدد شد. 12 نوامبر 2014. در دسترس آنلاین: http://www.bbc.co.uk/news/uk-england-30013195 (در 19 نوامبر 2014 قابل دسترسی است).
  10. بهادری، بی. برایت، ای. کلمن، پی. Urban، M. LandScan ایالات متحده: یک رویکرد مدل‌سازی مکانی و زمانی با وضوح بالا برای توزیع و پویایی جمعیت. ژئوژورنال 2007 ، 69 ، 103-117. [ Google Scholar ] [ CrossRef ]
  11. اوبرشت، سی. استاینوچر، ک. کوستل، ام. زوگر، جی. Loibl، W. تغییرات آسیب‌پذیری اجتماعی درازمدت مکانی-زمانی با در نظر گرفتن پارامترهای تغییرات آب و هوایی مرتبط با سلامت به‌ویژه بر افراد مسن. Natl. خطرات 2012 ، 1-14. [ Google Scholar ] [ CrossRef ]
  12. فیلدینگ، جی. بی عدالتی زیست محیطی یا فقط دروغ زمین: بررسی طبقه اجتماعی-اقتصادی کسانی که در معرض خطر سیل در انگلستان و ولز هستند. اجتماعی Res. آنلاین 2007 , 12 . [ Google Scholar ] [ CrossRef ]
  13. هارپر، جی. Mayhew, L. کاربردهای شمارش جمعیت بر اساس داده های اداری در سطح محلی. Appl. تف کردن مقعدی 2012 ، 5 ، 183-209. [ Google Scholar ] [ CrossRef ]
  14. مک فرسون، تی.ان. براون، ام جی تخمین توزیع جمعیت در روز و شب در شهرهای ایالات متحده برای فعالیت های واکنش اضطراری. در مجموعه مقالات سمپوزیوم برنامه ریزی، پیش بینی و پیش بینی در منطقه شهری، سیاتل، دی سی، ایالات متحده آمریکا، 10 ژانویه 2004.
  15. اشمیت، RC برآورد جمعیت در روز. مربا. Inst. طرح. 1956 ، 22 ، 83-85. [ Google Scholar ] [ CrossRef ]
  16. Openshaw, S. مسئله واحد مساحتی قابل تغییر . Norwich Geo Books: Washington, DC, USA, 1984. [ Google Scholar ]
  17. Freire، S. مدل‌سازی توزیع فضایی و زمانی جمعیت شهری با وضوح بالا – ارزش برای ارزیابی ریسک و مدیریت اضطراری. در اطلاعات جغرافیایی و کارتوگرافی برای مدیریت ریسک و بحران ; Springer: برلین، هایدلبرگ، آلمان، 2010; صص 53-67. [ Google Scholar ]
  18. اوبرشت، سی. استاینوچر، ک. Huber, H. DynaPop-population پویایی به عنوان مبنایی برای ارزیابی تأثیر اجتماعی در مدیریت بحران. در مجموعه مقالات یازدهمین کنفرانس بین المللی ISCRAM، پارک دانشگاه، TX، ایالات متحده آمریکا، 18-21 مه 2014.
  19. فریره، اس. اوبرشت، سی. Wegscheider، S. توزیع فضایی-زمانی جمعیت و مدل‌سازی تخلیه برای بهبود ارزیابی خطر سونامی در منطقه شهری لیسبون. در مجموعه مقالات سمپوزیوم بین المللی 2011 درباره اطلاعات جغرافیایی برای مدیریت بلایا، آنتالیا، ترکیه، 3 تا 8 مه 2011.
  20. اسمیت، AD; مارتین، دی. Cockings، S. مدل سازی جمعیت فضایی-زمانی برای ارزیابی افزایش یافته قرار گرفتن در معرض شهری در معرض خطر سیل. Appl. تف کردن مقعدی 2014 . [ Google Scholar ] [ CrossRef ]
  21. اسمیت، AD; گاف، کالیفرنیا؛ Panzeri، M. بهبود در نقشه‌برداری خطر سیل مخزن: نمونه کاربردی برای Ulley. در حفظ ایمنی سدها و مخازن ما ؛ فلفل، ا.، اد. انتشارات ICE: لندن، انگلستان، 2014; صص 295-306. [ Google Scholar ]
  22. نیوینگ، ا. کلارک، جی. کلارک، ام. برآورد هزینه بازدیدکنندگان برای برنامه ریزی مکان فروشگاه مواد غذایی: مطالعه موردی کورنوال. بین المللی Rev. Retail Distrib. مصرف کنید. Res. 2013 ، 23 ، 221-244. [ Google Scholar ] [ CrossRef ]
  23. مارتین، دی. کاکینگ، اس. Leung, S. توسعه یک چارچوب انعطاف‌پذیر برای مدل‌سازی جمعیت فضایی-زمانی. ان دانشیار صبح. Geogr. 2014 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  24. چارلز-ادواردز، ای. بل، ام. شار فصلی در جغرافیای جمعیتی استرالیا: پیوند فضا و زمان. مردمی Space Place 2015 ، 21 ، 103-123. [ Google Scholar ] [ CrossRef ]
  25. بوچلاتو، تی. وبر، دی. وایت، اس. ریچی، اف. بیگم، اس. تأثیر اقتصادی گردشگری در سراسر مناطق و کشورهای بریتانیا. اقتصاد علامت کار Rev. 2010 , 4 , 44-50. [ Google Scholar ] [ CrossRef ]
  26. UNWTO. توصیه های بین المللی برای آمار گردشگری 2008 ; انتشارات سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 2010. [ Google Scholar ]
  27. چارلز-ادواردز، ای. شار مدل سازی: به سوی تخمین جمعیت های موقت منطقه کوچک در استرالیا. Ph.D. پایان نامه، دانشگاه کوئینزلند، بریزبن، استرالیا، 2011. [ Google Scholar ]
  28. از انگلستان دیدن کنید. UKTS: روندهای منطقه ای تفصیلی 2006-2010 ؛ از انگلستان دیدن کنید: لندن، بریتانیا، 2011. [ Google Scholar ]
  29. گردشگری جنوب غرب ارزش گردشگری برای اقتصاد جنوب غربی در سال 2008. در دسترس آنلاین: http://www.swtourismalliance.org.uk/documents/q/category/finance-facts-figures-documents/value-of-tourism-archive/value -of-tourism-2008/ (دسترسی در 15 دسامبر 2010).
  30. گردشگری جنوب غرب جاذبه های جنوب غربی در دسترس آنلاین: http://www.swtourismalliance.org.uk/files/download.php?m=documents&f=110421201236-SouthWestAllAttractions20091.pdf (دسترسی در 30 مارس 2011).
  31. از بریتانیا دیدن کنید. نظرسنجی گردشگری بریتانیا واقعیت اقامت را ثابت می کند. در دسترس آنلاین: http://www.accommodationknowhow.co.uk/new-this-month/news/uk-tourism-survey-proves-reality-of-staycationing (در 15 دسامبر 2010 قابل دسترسی است).
  32. بیتی، سی. فاترگیل، اس. گور، تی. ویلسون، I. صنعت گردشگری ساحلی در انگلستان و ولز: اشتغال، خروجی اقتصادی، موقعیت و روندها . دانشگاه شفیلد هالام: شفیلد، بریتانیا، 2010. [ Google Scholar ]
  33. شورای کورنوال استراتژی اصلی چارچوب توسعه محلی کورنوال – مقاله پیش نویس موضوعات مبتنی بر موضوع: گردشگری. در دسترس آنلاین: www.cornwall.gov.uk/media/3639137/Tourism.pdf (در 15 مارس 2011 قابل دسترسی است).
  34. تأثیر گردشگری بر خدمات بهداشتی در کورنوال. در دسترس به صورت آنلاین: http://www.cornwall.gov.uk/media/3628063/4_e_Impact_of_Tourism_on_Health_Services_in_Cornwall.pdf (در 23 فوریه 2012 قابل دسترسی است).
  35. نیوینگ، ا. کلارک، جی. کلارک، ام. شناسایی تغییرات فصلی در تقاضای خواربار بازدیدکنندگان در سطح فروشگاه. بین المللی J. خرده فروشی. مدیریت 2013 ، 41 ، 477-492. [ Google Scholar ] [ CrossRef ]
  36. آژانس محیط زیست. کورنوال شرقی: طرح مدیریت سیلاب حوضه آبریز ; آژانس محیط زیست: اکستر، بریتانیا، 2012.
  37. آژانس محیط زیست. غرب کورنوال: طرح مدیریت سیلاب حوضه آبریز ; آژانس محیط زیست: اکستر، بریتانیا، 2012.
  38. Martin, D. SurfaceBuilder247: راهنمای کاربر. در دسترس آنلاین: http://www.esrc.ac.uk/my-esrc/grants/RES-062-23-1811/outputs/Read/ece508b5-6438-4e96-99eb-8fd68f1d3b99 (در 30 ژانویه 2011 قابل دسترسی است).
  39. مارتین، دی. کاکینگ، اس. Leung, S. جمعیت 24/7: ساخت مدل‌های شبکه جمعیتی خاص زمان. در مجموعه مقالات 2009 انجمن اروپا برای کنفرانس زمین آمار، لاهه، هلند، 5-7 اکتبر 2009.
  40. روشن است. تعاریف سرشماری 2001 ; دفتر آمار ملی: نیوپورت، انگلستان، 2004.
  41. روشن است. فهرست کدپستی آمار ملی. در دسترس آنلاین: http://www.ons.gov.uk/ons/guide-method/geography/products/postcode-directories/-nspp-/index.html (در 25 مه 2012 قابل دسترسی است).
  42. از کورنوال دیدن کنید. نظرسنجی بازدیدکنندگان کورنوال 2008/09: سال کامل 2008/9—گزارش نهایی. در دسترس آنلاین: https://www.visitcornwall.com/sites/default/files/generic_files/Cornwall%20Visitor%20Survey%202008%202009_0.pdf (در 18 فوریه 2015 دسترسی پیدا کرد).
  43. بیتس، P. LISFLOOD-FP. در دسترس آنلاین: http://www.bristol.ac.uk/geography/research/hydrology/models/lisflood/ (دسترسی در 5 مه 2015).
  44. آژانس محیط زیست. داده های فضایی یکپارچه ژئوماتیک. در دسترس آنلاین: www.geomatics-group.co.uk/geocms/ (در 11 مه 2015 قابل دسترسی است).
  45. مرکز اکولوژی و هیدرولوژی کتاب برآورد سیل. در دسترس آنلاین: http://www.ceh.ac.uk/feh2/insidethefloodestimationhandbook.html (دسترسی در 19 نوامبر 2014).
  46. نظرسنجی نظم. محصولات MasterMap سیستم عامل. در دسترس آنلاین: http://www.ordnancesurvey.co.uk/business-and-government/products/mastermap-products.html (در 11 مه 2015 قابل دسترسی است).
  47. میسون، دی سی؛ داونپورت، آی جی; نیل، جی سی. شومان، GP; بیتس، PD تشخیص سیل در زمان واقعی در مناطق شهری و روستایی با استفاده از تصاویر رادار دیافراگم مصنوعی با وضوح بالا. IEEE Trans. Geosci. Remote Sens. 2012 , 50 , 3041–3052. [ Google Scholar ] [ CrossRef ]
  48. نیل، جی. شومان، جی. فیوترل، تی. بودیمیر، م. بیتس، پی. Mason, D. ارزیابی یک فرمول جدید LISFLOOD-FP با داده های سیل تابستان 2007 در Tewkesbury، UK. J. مدیریت خطر سیل. 2011 ، 4 ، 88-95. [ Google Scholar ] [ CrossRef ]
  49. مک میلان، ای. بات استون، سی. ورث، دی. تاون، جی. هورسبورگ، ک. Lawless, M. شرایط سیل ساحلی برای سرزمین اصلی و جزایر بریتانیا ; آژانس محیط زیست: بریستول، انگلستان، 2011; پ. 142.
  50. آمار اتریش واحدهای شبکه آماری منطقه ای. 2013. در دسترس آنلاین: http://www.statistik.at/web_en/classifications/regional_breakdown/grid/ (در 23 مارس 2015 قابل دسترسی است).
  51. دیویل، پی. لینارد، سی. مارتین، اس. گیلبرت، ام. استیونز، FR; Gaughan، AE; بلوندل، وی دی. Tatem، AJ نقشه برداری پویا جمعیت با استفاده از داده های تلفن همراه. Proc. Natl. آکادمی علمی 2014 ، 111 ، 15888-15893. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  52. تاتم، ای جی; هوانگ، ز. نریب، سی. کومار، یو. کاندولا، دی. پیندولیا، DK; اسمیت، دی.ال. کوهن، جی.ام. گروپ، بی. Uusiku، P. یکپارچه سازی نقشه برداری سریع خطر و داده های رکورد تماس تلفن همراه برای برنامه ریزی استراتژیک حذف مالاریا. مالار. J. 2014 , 13 . [ Google Scholar ] [ CrossRef ] [ PubMed ]
  53. پنینگ-راسل، ای. فلوید، پی. Ramsbottom، D.; Surendran، S. برآورد آسیب و تلفات جانی در سیل: یک چارچوب قطعی. Natl. خطرات 2005 ، 36 ، 43-64. [ Google Scholar ] [ CrossRef ]

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370