نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای س

 

خلاصه

با ظهور فناوری‌های جدید، شهروندان می‌توانند از طریق برنامه‌های Web 2.0 برای جمع‌آوری و توزیع داده‌های مکانی به تحقیقات علمی کمک کنند. ادغام دانش محلی، تجربه شخصی و اطلاعات جغرافیایی به روز، رویکرد امیدوارکننده ای را برای چارچوب نظری و روش های تجزیه و تحلیل مخاطرات طبیعی نشان می دهد. بررسی متون سیستماتیک ما با هدف شناسایی تحقیقات فعلی و جهت گیری برای تحقیقات آینده از نظر اطلاعات جغرافیایی داوطلبانه (VGI) در تجزیه و تحلیل خطرات طبیعی است. تمرکز بر هر دو مرحله آمادگی و کاهش منجر به یازده مقاله از دو پایگاه داده ادبیات می شود. تجزیه و تحلیل کیفی برای استخراج اطلاعات عمیق، رویکردهای فرخنده در رابطه با مشارکت جامعه و ادغام داده ها، اما همچنین شکاف های تحقیقاتی مهم را نشان می دهد. مطالعات تجزیه و تحلیل شده عمدتاً در اروپا و آمریکای شمالی مستقر هستند و عمدتاً با سیل و آتش سوزی جنگل ها سروکار دارند و از داده های جغرافیایی جمع آوری شده توسط شهروندان آموزش دیده استفاده می کنند که دانش خود را بهبود می بخشند و تفسیرهای خود را ارائه می دهند. با این حال، هنوز کمبود اصطلاحات و مفاهیم علمی رایج وجود دارد. تحقیقات آینده می‌تواند از این یافته‌ها برای انطباق مدل‌های علمی تحلیل مخاطرات طبیعی به منظور امکان ادغام داده‌های حسگرهای فنی و VGI استفاده کند. توسعه چنین روش های عمومی باید به ایجاد یکپارچگی کاربر در زمینه های مختلف، مانند تجزیه و تحلیل خطرات طبیعی کمک کند. هنوز فقدان اصطلاحات و مفاهیم علمی رایج وجود دارد. تحقیقات آینده می‌تواند از این یافته‌ها برای انطباق مدل‌های علمی تحلیل مخاطرات طبیعی به منظور امکان ادغام داده‌های حسگرهای فنی و VGI استفاده کند. توسعه چنین روش های عمومی باید به ایجاد یکپارچگی کاربر در زمینه های مختلف، مانند تجزیه و تحلیل خطرات طبیعی کمک کند. هنوز فقدان اصطلاحات و مفاهیم علمی رایج وجود دارد. تحقیقات آینده می‌تواند از این یافته‌ها برای انطباق مدل‌های علمی تحلیل مخاطرات طبیعی به منظور امکان ادغام داده‌های حسگرهای فنی و VGI استفاده کند. توسعه چنین روش های عمومی باید به ایجاد یکپارچگی کاربر در زمینه های مختلف، مانند تجزیه و تحلیل خطرات طبیعی کمک کند.
کلید واژه ها: 

وب 2.0 ; اطلاعات جغرافیایی داوطلبانه تجزیه و تحلیل خطرات طبیعی

 

1. معرفی

پدیده‌های طبیعی مانند فوران‌های آتشفشانی، زلزله، طوفان یا سیل را می‌توان جزء مشترک طبیعت دانست. با این حال، به محض اینکه افراد و متعلقات آنها تحت تأثیر قرار می گیرند، این رویدادها به عنوان خطرات طبیعی اعلام می شوند [ 1 ]. خطرات طبیعی مردم و زیرساخت ها را در سراسر جهان تهدید می کند. تعداد حوادث مربوط به مخاطرات طبیعی در چند دهه گذشته به شدت در حال افزایش بوده است که منجر به افزایش روزافزون افراد و سکونتگاه ها شده است [ 2 ]. این توسعه تا حدی ناشی از تغییر شرایط آب و هوایی، تأثیر انسان در طبیعت، و همچنین تعداد بیشتری از مردمی است که در مناطق پرخطر به دلیل رشد سریع جمعیت جهان [3 ] .
مخاطرات پدیده هایی به وضوح قابل شناسایی و متمایز هستند که افراد و محیط را تا حد زیادی تحت تأثیر قرار می دهند و خسارات زیادی را به دنبال دارند. با این حال، هر رویداد طبیعی چشمگیری که ممکن است بر اکوسیستم تأثیر بگذارد، منجر به آسیب اقتصادی یا زیرساختی یا آسیب به مردم نمی شود. بدون این اثرات، فاجعه ای از دیدگاه انسان محوری وجود ندارد. از این رو، رویدادهای طبیعی شدید به دلیل تأثیر بر جامعه به رویدادهای خطرناک تبدیل می شوند [ 4 ]. علاوه بر این، خطرات را می توان به عنوان یک تهدید برای جامعه یا محیط زیست [ 5 ] یا به عنوان احتمال وقوع یک رویداد بالقوه آسیب رسان [ 6 ] در نظر گرفت.
مفهوم خطر ارتباط زیادی با مفهوم ریسک دارد که از خطر و آسیب پذیری تشکیل شده است، یعنی ریسک به شدت خطر و به سطح آسیب پذیری بستگی دارد [ 6 ، 7 ]. خطرات ممکن است تأثیرات متفاوتی بر افراد، گروه های جامعه یا مناطق خاصی داشته باشند، به عنوان مثال، مناطق شهری. آسیب پذیری سطح شدت ضربه را تعیین می کند. ایبرت و همکاران [ 6 ] بیشتر آسیب پذیری را به قرار گرفتن در معرض و ظرفیت مقابله تقسیم کنید. قرار گرفتن در معرض به عناصر در معرض خطر در مناطقی که رویدادهای خطرناک ممکن است رخ دهد، مانند انسان، ساختمان یا زیرساخت اشاره دارد [ 6 ، 7]]. علاوه بر این، این عناصر می توانند به روش های مختلف با تاثیر یک خطر کنار بیایند و در نتیجه آسیب پذیری تحت تأثیر قرار می گیرد [ 6 ، 8 ]. پیامد یک رویداد خطرناک، مانند آسیب یا جراحت، به عنوان یک فاجعه تعریف می شود [ 5 ].
به منظور مقابله با اثرات منفی و جلوگیری از یک فاجعه، می توان اقدامات واکنشی را اعمال کرد. بنابراین، مدیریت بلایا را می توان فرآیندی با مراحل مختلف دانست که برای آن نیاز به داده های مکانی به روز و دقیق است. چرخه مدیریت بلایا را می توان به چهار مرحله تقسیم کرد: کاهش، آمادگی، واکنش و بازیابی [ 9 ]. سیستم های اطلاعات جغرافیایی (GIS) نقش مهمی در تجزیه و تحلیل خطر ایفا می کنند زیرا عناصر در معرض خطر (به عنوان مثال ساختمان ها، زیرساخت ها یا جمعیت) را می توان به عنوان لایه های اطلاعات مکانی مشاهده کرد. علاوه بر این، ترکیب لایه‌های مختلف از طریق مدل‌سازی فضایی منجر به پیش‌بینی‌هایی در مورد خطر، آسیب‌پذیری و خطر می‌شود [ 5 ] که می‌تواند به طور موثر در نقشه‌ها نمایش داده شود.
با توجه به استفاده از داده‌های جغرافیایی در مدیریت بحران، مرحله کاهش، شناسایی خطرات در یک منطقه خاص را خلاصه می‌کند که امکان توسعه و اجرای اقدامات کاهش ریسک کافی را فراهم می‌کند. علاوه بر این، جمع آوری داده ها در مورد آسیب پذیری ها و خطرات در این مرحله گنجانده شده است. پیش‌بینی خطر نیز مربوط به مرحله آمادگی است و با توسعه نقشه‌هایی با تمرکز بر مناطق خطر، پوشش شبکه هشدار و بخش‌های ویژه زیرساخت‌ها، مانند مدارس، بیمارستان‌ها یا ایستگاه‌های پلیس نشان داده می‌شود. برنامه های عملیاتی مختلف برای مقیاس های مختلف (مثلاً محلی یا جهانی) و برای خطرات مختلف طراحی شده اند [ 10]]. به منظور دستیابی به سازش بین، به عنوان مثال، توسعه شهر در مناطق مستعد خطر و حفاظت از شهروندان، نقشه هایی مورد نیاز است که به عنوان پایه ای برای مذاکرات بین بازیگران مختلف استفاده می شود [10 ] .
تجزیه و تحلیل مخاطرات طبیعی برای توسعه استراتژی های جدید برای مقابله با حوادث آینده حیاتی است. کاربرد نتایج به شدت به داده های ورودی جغرافیایی بستگی دارد، به عنوان مثال، در دسترس بودن و کیفیت آنها، و همچنین مقیاس زمانی و مکانی اکتساب آنها. پیشرفت‌های اخیر وب 2.0 و دستگاه‌های محاسباتی سیار با سیستم جهانی ناوبری ماهواره‌ای (GNSS)، مانند گوشی‌های هوشمند یا تبلت‌ها، منجر به ایجاد نوع جدیدی از مجموعه داده‌های جغرافیایی شده است: اطلاعات جغرافیایی داوطلبانه (VGI) [11 ] . پروژه نقشه مشارکتی OpenStreetMap (OSM) [ 12] یا تجزیه و تحلیل رسانه های اجتماعی (به عنوان مثال، تجزیه و تحلیل پیام های دارای برچسب جغرافیایی از توییتر، فیس بوک یا فلیکر)، و همچنین برنامه های تلفن هوشمند برای جمع آوری داده های جغرافیایی نمونه هایی از VGI هستند. اغلب، پلتفرم‌های وب به عنوان پایگاهی برای تبادل و تجسم داده‌های جغرافیایی استفاده می‌شوند [ 10 ]. این مجموعه داده ها قبلاً ثابت کرده اند که برای تجزیه و تحلیل بیشتر ارزشمند هستند، زیرا انواع هندسه، ویژگی ها و اطلاعات معنایی را ارائه می دهند [ 13 ، 14 ]. دی لونگویل و همکاران [ 15 ]، برای مثال، از خوشه‌های فضایی و زمانی پیام‌ها (توئیت‌ها) برای تشخیص آتش‌سوزی استفاده کنید. چنین اطلاعاتی برای مدیریت بلایا ضروری است و ترکیب با داده های جغرافیایی از منابع دیگر حتی منجر به افزایش ارزش می شود [ 16]]. دی آلبوکرک و همکاران داده های رسانه های اجتماعی جغرافیایی مرجع و داده های معتبر، به عنوان مثال، ویژگی های جغرافیایی مرجع [ 17 ] را ترکیب کنید. آنها از تجزیه و تحلیل آماری برای نشان دادن الگوهای فضایی توییت‌های مرتبط با سیل در طول سیل رودخانه البه در آلمان در سال 2013 استفاده می‌کنند و نتیجه می‌گیرند که پیام‌های نزدیک‌تر به مناطق بسیار آسیب‌دیده به احتمال زیاد مرتبط با سیل هستند [17 ] . چنین نتایجی بر پتانسیل داده های VGI و تجزیه و تحلیل رسانه های اجتماعی برای مدیریت بلایا تأکید می کند.
در مقایسه با کسب داده های سنتی توسط مقامات یا شرکت ها، VGI می تواند توسط افراد غیر عادی نیز گرفته شود. به این ترتیب، دانش محلی اضافی و ویژگی های کیفی در مورد منطقه می تواند برای استفاده بیشتر در تجزیه و تحلیل خطرات طبیعی جمع آوری شود [ 18 ].
VGI را می توان به انواع مختلفی از منابع تقسیم کرد. فن‌آوری‌های جدید، برای مثال دستگاه‌های دارای GNSS، عموم مردم را قادر می‌سازد که مستقیماً داده‌های مکانی (مثلاً مختصات) را ضبط کنند. علاوه بر این، تصاویر هوایی، مانند نقشه‌های بینگ، می‌توانند تحت مجوز بینگ برای اهداف نقشه‌برداری از راه دور، مانند ویژگی‌های دیجیتالی (مانند ساختمان‌ها یا خیابان‌ها)، که می‌توانند در نقشه‌های دیجیتال ترکیبی آپلود و کامپایل شوند، استفاده شوند [19 ، 20 ] . بنابراین، تصاویر را فقط می توان برای دیجیتالی کردن در OSM بدون هدف تجاری استفاده کرد [ 20 ]. بر این اساس، داوطلبان می توانند اطلاعات جغرافیایی را از طریق این پلتفرم ها اضافه، ویرایش، به اشتراک بگذارند و اعمال کنند. کراگلیا و همکاران [ 21 ] یک گونه شناسی VGI را به منظور داشتن یک پایگاه مشترک برای بحث و تحلیل ارائه می کند.جدول 1 ). آنها VGI را به محتوای جغرافیایی صریح و ضمنی تقسیم می کنند. همانطور که در تجزیه و تحلیل مخاطرات طبیعی، موقعیت جغرافیایی ضروری است، تنها دسته “جغرافیایی صریح” از نوع شناسی VGI برای بخش تجزیه و تحلیل از بررسی ادبیات موجود استفاده می شود. این دسته بیشتر به اطلاعات داوطلبانه صریح یا ضمنی تقسیم می شود.
هاکلی [ 22 ] از یک گونه شناسی برای علم شهروندی استفاده می کند که مفهومی نزدیک به هم است، که در آن وی VGI صریح جغرافیایی را در چهار سطح با توجه به مشارکت داوطلبان در کار علمی متمایز می کند (شکل 1) .). در سطح اول (انبوه سپاری)، شهروندان به عنوان حسگر عمل می کنند و منابع را فراهم می کنند، در حالی که آنها فقط مشارکت شناختی حداقلی دارند. در مقابل، هوش توزیع شده در سطح دوم به توانایی شناختی شرکت کنندگان متکی است. پس از مدتی آموزش، شرکت کنندگان داده ها را جمع آوری می کنند یا در فعالیت های تفسیری جزئی شرکت می کنند. در این سطح، ارزیابی کیفیت توسط دانشمندان بسیار مهم است. سطح سوم نشان دهنده علم مشارکتی است که در آن کاربران به طور فعال در تعریف مسئله و جمع آوری داده ها شرکت می کنند. در آخرین سطح، علم شهروندی افراطی، افراد غیرحرفه‌ای با متخصصان همکاری می‌کنند و با هم در مورد مشکل علمی که می‌خواهند روی آن تمرکز کنند و روش‌های جمع‌آوری داده‌ها تصمیم می‌گیرند. این امکان در نظر گرفتن پروتکل های علمی را فراهم می کند، و همچنین علایق و انگیزه داوطلبان. در این سطح، دانشمندان نه تنها متخصص هستند، بلکه نقش تسهیل کننده نیز دارند.22 ].
تحلیل کیفی این پژوهش از گونه‌شناسی هاکلی [ 22 ] برای تعیین سطح مشارکت شهروندان استفاده می‌کند. جمع سپاری (سطح 1) در بیشتر موارد اطلاعات داوطلبانه ضمنی را نشان می دهد، در حالی که سه سطح دیگر طبقه بندی هاکلی بر اساس اطلاعات داوطلبانه صریح است.
روش های مختلفی برای طبقه بندی مخاطرات طبیعی وجود دارد، مانند مخاطرات اقلیمی، هواشناسی، هیدرولوژیکی، ژئوفیزیکی و بیولوژیکی [ 2 ]. تمرکز مقاله زیر بر روی مخاطرات طبیعی هواشناسی، هیدرولوژیکی و ژئوفیزیکی بر اساس WorldRiskReport [ 23 ] است که در پایگاه بین المللی بلایای طبیعی [ 2 ] قرار دارد.
تاکنون، بیشتر بررسی‌های متون بر استفاده از رسانه‌های اجتماعی در داخل یا بعد از یک فاجعه، یعنی مرحله واکنش و امداد متمرکز شده‌اند [ 24 ]. مقالات و تحقیقات در مورد برنامه های کاربردی برای آمادگی و کاهش اهمیت کمی داشتند. در مقابل، هوریتا و همکاران. مروری بر ادبیات سیستماتیک (SLR) با رویکردی کلی انجام داد و کل چرخه بحران را در نظر گرفت [ 25 ]، اگرچه آنها به جای تحلیل عمیق مقالات انتخاب شده، یک نمای کلی از آمار ارائه کردند. علاوه بر این، فناوری‌های GeoWeb و استفاده از آنها در مدیریت بلایا توسط Roche و همکاران مورد بررسی قرار گرفت. به منظور تمرکز بر پیشرفت های جدید، که تبادل داده های جغرافیایی و پروژه های مشترک را ممکن می کند [ 10]. با این حال، با توجه به تمرکز بر بسترهای وب، تنها چند مطالعه خاص ذکر شده است، و ادغام داده های جغرافیایی جمع آوری شده از طریق این روش ها در مدیریت بلایا به طور دقیق تجزیه و تحلیل نشده است. علاوه بر این، پلتفرم های به تصویر کشیده شده عمدتاً برای مرحله پاسخ استفاده می شوند.
به منظور کمک به ارزش اضافی به این بررسی ها، این مطالعه بر اساس یک SLR است که با هدف شناسایی استفاده از VGI در زمینه تجزیه و تحلیل خطرات طبیعی با تمرکز صریح بر مراحل آمادگی و کاهش و بر روی یک تحلیل عمیق کیفی از مقالات شناسایی شده با تمرکز ویژه بر نوع خطر طبیعی، نوع VGI، سطح مشارکت مورد نیاز کاربران، نوع ادغام VGI در تجزیه و تحلیل خطر و منطقه مورد مطالعه تجزیه و تحلیل. علاوه بر این، تجزیه و تحلیل عمیق مقالات انتخاب شده منجر به ارزیابی فرصت ها می شود که با ادغام VGI در تجزیه و تحلیل خطر ارائه می شود. این فرصت ها در یک مفهوم و همچنین در سطح تحقق مورد بحث قرار می گیرند و چالش ها اشاره می شود. از این رو،
در ادامه، مروری بر تحقیقات کنونی ارائه می‌شود، پتانسیل‌ها و محدودیت‌های VGI آشکار می‌شوند و ارتباطات احتمالی جدید بین مطالعات مورد بررسی به منظور استخراج جهت‌های تحقیقاتی آینده مورد بحث قرار می‌گیرد.

2. روش ها

روش مرور سیستماتیک متون برای اولین بار در زمینه پزشکی توسعه یافت. دستورالعمل های تحقیقات پزشکی به منظور انجام SLR ها در زمینه های تحقیقاتی، مانند تحقیقات مرتبط با GIS [ 26 ، 27 ] یا علوم کامپیوتر [ 28] اقتباس شده است.]. در اینجا، یک SLR برای شناسایی تحقیقات فعلی در مورد VGI در محدوده تجزیه و تحلیل خطرات طبیعی و تجزیه و تحلیل کیفی این مطالعات با توجه به نوع خطر، منبع داده، سطح مشارکت کاربر، نوع ادغام VGI و منطقه مورد مطالعه انجام می‌شود. بنابراین، دو مفهوم اساسی تجزیه و تحلیل خطر و VGI در این SLR به هم متصل هستند. روش کلی از جستجوی ادبیات و غربالگری داده ها و همچنین استخراج و سنتز اطلاعات تشکیل شده است که به شرح زیر توضیح داده شده است.

2.1. جستجوی ادبیات

2.1.1. پایگاه های داده

انتخاب پایگاه های داده برای استفاده های بیشتر مهم است [ 29 ]. برای داشتن یک مخزن داده بزرگ، از دو پایگاه داده چند رشته ای مختلف استفاده می شود: Web of Science [ 30 ] و Scopus [ 31 ].
معیارهای جستجوی زیر انتخاب می شوند: اول از همه، جستجوی ادبیات با دسامبر 2014 به پایان می رسد، و بنابراین، تاریخ جستجو برای منابع فقط شامل مقالات منتشر شده در سال 2014 یا قبل از آن است. ثانیاً فقط از مجلات بررسی شده استفاده می شود. ثالثاً، زبان مقالات به دلایل عملی باید انگلیسی، اسپانیایی یا آلمانی باشد.

2.1.2. شرایط پرس و جو

برای اعمال SLR، اصطلاحات پرس و جو (یعنی کلمات کلیدی) باید برای هر دو مفهوم اصلی انتخاب شوند: تجزیه و تحلیل خطر و VGI. یک عملگر AND منطقی برای پیوستن به این دو مفهوم اعمال می شود. علاوه بر این، مهم است که مترادف ها و اشکال املایی مختلف کلمات کلیدی را با استفاده از یک عملگر OR منطقی، مانند “اطلاعات جغرافیایی داوطلبانه” یا “VGI” درج کنید. انواع خطر با توجه به تجزیه و تحلیل ارائه شده توسط WorldRiskReport [ 23 ]، که بر اساس پایگاه بین المللی بلایا [ 2 ] است، انتخاب می شوند. انتخاب اصطلاحات پرس و جو برای مفهوم VGI به مطالعات مختلف در مورد VGI اشاره دارد (به عنوان مثال، [ 11]). از ستاره برای گنجاندن انواع مختلف دستوری کلمه استفاده می شود، مانند “crowdsourc*” برای “crowdsourcing” و “crowdsourced”. جدول 2 عبارات پرس و جو برای جستجو در Web of Science و Scopus را نشان می دهد.

2.2. غربالگری داده ها

پس از جستجوی کلمه کلیدی در پایگاه داده، موارد تکراری از Scopus و Web of Science حذف شدند. غربالگری داده های زیر به طور مستقل توسط دو بازبین به منظور حفظ عینیت انجام شد. در هر مرحله از فرآیند غربالگری داده ها، از مقالات موجود برای مرحله بعدی استفاده می شود. مقالات برگشتی باید بر اساس معیارهای خاص ورود و خروج ارزیابی شوند [ 32]. در حین غربالگری عناوین، داوران تمام مقالاتی را که عنوان نشان می‌دهد نه با مخاطرات طبیعی سروکار دارند و نه با VGI کنار گذاشته شدند. مقالات انتخاب شده توسط هر دو داور برای غربالگری چکیده گرفته می شود. در طول غربالگری انتزاعی، ممکن است محدودیت های دقیق تری اعمال شود، یعنی مطالعه در مقاله باید بر مرحله آمادگی یا کاهش چرخه مدیریت بلایا متمرکز باشد و یکی از خطرات زیر باید با آن مقابله شود: سیل، زلزله. فوران آتشفشانی، طوفان، خشکسالی، سونامی، حرکت دسته جمعی یا آتش [ 33]. محققان توافق کردند که مرحله واکنش به عنوان پاسخ به یک رویداد طبیعی که به یک فاجعه ختم نمی شود، تعریف می شود. از این رو، تشخیص زلزله‌ها و سیل‌های کوچک از طریق VGI به عنوان بخشی از فاز پاسخ محسوب می‌شود و مقاله حذف می‌شود. اگر به چندین مرحله پرداخته شود، تا زمانی که مرحله آمادگی یا کاهش یکی از آنها باشد، مقاله گنجانده می شود.
غربالگری متن کامل سایر مقالات شامل استخراج اطلاعات مورد نیاز برای اعمال محدودیت‌های فوق‌الذکر را امکان‌پذیر می‌سازد [ 33 ]. در طول غربالگری چکیده، و همچنین مطالعه کامل مقاله، تصمیم در مورد گنجاندن مقالاتی که نظرات داوران در مورد آنها متفاوت است، با توافق دوجانبه گرفته شد.
علاوه بر این، یک روش “گلوله برفی” عقب مانده [ 33 ] بعد از این مرحله سوم استفاده می شود. مراجع انتخاب نهایی مقالات از جستجوی پایگاه داده به همان روشی که در بخش قبل توضیح داده شد غربال می شود و اگر مراجعی وجود داشته باشد که با معیارهای ورود نیز مطابقت داشته باشد، به لیست اضافه شده و برای تجزیه و تحلیل بیشتر استفاده می شود.

2.3. استخراج و سنتز اطلاعات

پس از غربالگری داده ها توسط دو محقق، اطلاعات مقالات به دست آمده با توجه به ابعاد مختلف استخراج می شود که با جزئیات بیشتر از طریق دسته بندی ها برای اعمال یک سنتز (جدول 3) مشخص شده و در قسمت های بعدی به تفصیل توضیح داده شده است.

2.3.1. هدف مطالعه

هدف مطالعات مربوط به VGI در مرحله آمادگی و کاهش، یا فراهم کردن بستری است که در آن اطلاعات می‌تواند مبادله یا ویرایش شود، اما همچنین در توسعه روش‌هایی برای ادغام VGI، به عنوان مثال، برای شبیه‌سازی‌ها. علاوه بر این، کاربرد VGI در فرآیند مدیریت بلایا، مانند آگاهی از موقعیت و پشتیبانی تصمیم، ارزیابی می‌شود. در نهایت، ارزیابی کیفیت نقش مهمی در مورد استفاده از VGI در زمینه خطر طبیعی ایفا می کند.

2.3.2. منطقه مطالعه

به منظور مشاهده کلی پراکندگی جغرافیایی پژوهش در این زمینه، کشوری که مطالعه در آن انجام شده است از مقالات استخراج شده است. اصطلاح جهانی مخفف مقالاتی است که محدوده مطالعاتی خاصی ندارند.

2.3.3. نوع خطر

همانطور که قبلاً گفته شد، تجزیه و تحلیل در دست بر روی هشت نوع مختلف متمرکز است، یعنی سیل، زلزله، فوران آتشفشانی، آتش سوزی، طوفان، خشکسالی، سونامی و حرکت توده ای، به منظور حفظ تعداد نتایج برای جستجو قابل مدیریت و کافی برای درک مسائل اصلی در عین حال، این انتخاب به مرتبط ترین خطرات با توجه به فراوانی، گسترش و پیامدهای منفی [ 2 ، 23 ، 34 ] می پردازد. علاوه بر این، می توان به صراحت به نوع خطر اشاره کرد یا مقاله به چندین مورد از خطرات طبیعی ذکر شده اشاره می کند.
علاوه بر این، عامل زمان نقش مهمی برای تجزیه و تحلیل ریسک ایفا می کند. این زمان را می توان به دو جنبه مختلف تقسیم کرد. از یک سو، فراوانی رویداد وجود دارد. آگاهی از خطرات افراد در صورتی متفاوت است که بدانند هر ساله سیل در منطقه آنها وجود دارد [ 35 ] برخلاف برنامه مبهم فوران آتشفشانی یا زلزله، که می تواند در هر زمانی اتفاق بیفتد، اما فقط به صورت اپیزودیک. از سوی دیگر، مسئله زمانی خود رویداد، یعنی مدت زمان وجود دارد. برای نام بردن دو حالت افراطی در انتهای مقیاس از خطرات با شروع آهسته تا خطرات با شروع سریع: خشکسالی ممکن است بسیار آهسته توسعه یابد و در طی چندین سال وجود داشته باشد [18 ]]؛ در مقابل، زلزله ممکن است هیچ هشداری نداشته باشد و فقط چند ثانیه طول بکشد. شش خطر دیگر را می‌توان در بین این افراط‌ها با مدت زمان متفاوتی قرار داد، به‌عنوان مثال، حرکات توده‌ای، سونامی، سیل، فوران‌های آتشفشانی، آتش‌سوزی و طوفان ممکن است چند دقیقه یا چند ساعت طول بکشد. چهار خطر اخیر ذکر شده حتی ممکن است تا چند روز ادامه داشته باشد. بدیهی است که زیرمجموعه‌های مختلفی از این مخاطرات انتخابی وجود دارد که در این مقاله نمی‌توان به آنها پرداخت، هرچند اطلاعات دقیقی در مورد مخاطرات طبیعی ذکر شده در اسماعیل زاده [36] و فلجنترف و فلجنترف یافت می‌شود . برای مثال، گلید [ 1 ].

2.3.4. منبع اطلاعات

VGI را می توان از طریق برنامه ها و پلتفرم های مختلف ارائه و به اشتراک گذاشت. پیشرفت‌های جدید مانند برنامه‌های گوشی‌های هوشمند مشارکت جامعه گسترده‌ای را ممکن می‌سازد، اگرچه باید در نظر داشت که تجهیزات فنی یا در دسترس بودن اینترنت می‌تواند بر میزان VGI تأثیر بگذارد [15 ] . منبع داده ارتباط نزدیکی با سطح تعامل دارد، به‌عنوان مثال، افزودن اطلاعات محلی در OpenStreetMap (هوش توزیع‌شده) به مشارکت کمتری نسبت به انجام یک کار علمی خاص از طریق یک برنامه تلفن هوشمند یا در یک پلت فرم وب (علم مشارکتی) نیاز دارد [ 22 ] . بنابراین از دسته بندی رسانه های اجتماعی (توئیتر، فلیکر)، اطلاعات اضافی از وب، پروژه مشارکتی (OSM)، پلتفرم وب و اپلیکیشن گوشی هوشمند استفاده می شود.

2.3.5. سطح مشارکت شهروندان

به منظور استفاده مناسب از داده های VGI، اعمال یک طبقه بندی مهم است. عمدتاً مشارکت و مشارکت تولیدکننده داده ها در پروژه خاص و در تحلیل بیشتر انتخاب می شود. به عنوان مثال، اصطلاح علم شهروندی در حال حاضر اغلب در تحقیقات برای پرداختن به جمع آوری داده های علمی توسط افراد عادی استفاده می شود. به منظور ارجاع سریع به مخاطرات طبیعی، ما از طبقه بندی سطوح مختلف درگیری پیشنهاد شده توسط Haklay [ 22 ] استفاده می کنیم که قبلاً در بخش 1 بررسی شده است .

2.3.6. نوع ادغام VGI

اول از همه، لازم به ذکر است که یک روش تجزیه و تحلیل ریسک وجود ندارد که بتوان آن را برای کاهش و آمادگی در آینده در مدیریت بلایا توسعه داد و به کار برد. نسبتاً انواع مختلفی از احتمالات مختلف وجود دارد که به شدت به نوع خطر بستگی دارد [ 37 ]. در بسیاری از موارد مدیریت بلایا، داده های بسیار خوبی در دسترس است، به عنوان مثال، از سنجش از راه دور یا مجموعه داده های رسمی. از این رو، VGI ممکن است جایگزینی برای چنین مجموعه داده های موجود به منظور ارائه داده های ورودی به روز و کم هزینه، به عنوان مثال، برای مدل سازی فرآیند [ 38 ] باشد. علاوه بر این، مزیت VGI را می توان در تکمیل مجموعه داده های موجود به منظور بدست آوردن مجموعه داده های به روز مشاهده کرد، که ممکن است شامل دانش محلی نیز باشد [ 11]].

3. نتایج

جستجوی دو پایگاه داده ادبیات پس از حذف موارد تکراری به 725 مقاله منجر شد ( شکل 2 ). از طریق غربالگری عنوان، آن دسته از مقالات شناسایی می شوند که به طور مستقیم با VGI و خطرات طبیعی مرتبط نیستند، که منجر به گنجاندن 434 مقاله برای غربالگری انتزاعی می شود. در مرحله بعد، همانطور که در بخش 2.2 نشان داده شده است، می توان محدودیت های دقیق تری اعمال کرد.. در مجموع، 291 مقاله با این الزامات مطابقت ندارد. در مواردی که کسب اطلاعات کافی برای نتیجه گیری از چکیده ممکن نباشد، مقالات برای مرحله بعد نیز گنجانده می شود. پس از این، 86 مقاله برای تجزیه و تحلیل کامل مقاله باقی می ماند. این نگاه دقیق به مطالعات، یازده مقاله نهایی را نشان می‌دهد که با روش‌های VGI سروکار دارند، که برای مرحله کاهش یا آمادگی تجزیه و تحلیل خطر طبیعی استفاده می‌شوند ( جدول 4 ). سایر مراحل چرخه مدیریت بلایا را می توان علاوه بر این در این مطالعات مورد بررسی قرار داد. جستجوی دستی مراجع، به عنوان مثال، گلوله برفی به عقب، منجر به مقاله اضافی نمی شود، زیرا منابع مربوطه تکراری هستند یا معیارهای ورود را ندارند. بنابراین عدد نهایی ثابت می ماند.
هیچ روند کلی در مورد مجلاتی که انتخاب نهایی مقالات در آنها منتشر می شود، قابل مشاهده نیست. فقط مجله “خطرات طبیعی و علوم سیستم زمین” دو بار ظاهر می شود [ 35 ، 39 ]. مجلات چندین حوزه تحقیقاتی را نشان می دهند (به عنوان مثال، مجله بین المللی مقاومت در برابر بلایا در محیط ساخته شده [ 40 ]، جنگل ها [ 41 ]، سنجش از دور [ 38 ])، و بنابراین، طیف گسترده ای از مخاطبان توسط مقالات مورد خطاب قرار می گیرند.
به منظور تجزیه و تحلیل مقالات نهایی، ابعاد و دسته بندی های خاص برای استخراج اطلاعات به عنوان ساختاری برای بحث عمیق استفاده می شود. بخش‌های بعدی با جزئیات بیشتری به این مقوله‌ها می‌پردازند و ترکیب و تحلیل کیفی مقالات نهایی حاصل از بررسی را ارائه می‌دهند. تجزیه و تحلیل کیفی در بخش استخراج اطلاعات اعمال شد زیرا پایه کافی برای اظهارات کمی وجود ندارد. این روش کیفی قبلاً با موفقیت در بررسی ادبیات سیستماتیک دیگری با مطالعاتی که به VGI ارجاع می‌دادند، اعمال شد [ 27 ].

3.1. منطقه مطالعه

به طور کلی، اکثر مطالعات در آمریکای شمالی [ 39 ، 40 ، 41 ، 43 ، 45 ] و در اروپا [ 15 ، 35 ، 38 ، 44 ] واقع شده اند. تنها یک مطالعه تحقیقاتی در آفریقا است [ 18 ]. سایر نقاط جهان، مانند آسیا یا آمریکای لاتین، با نتایج SLR نشان داده نمی شوند.
علاوه بر این، هفت مقاله از داده‌هایی استفاده می‌کنند که در یک کشور خاص جمع‌آوری شده‌اند [ 15 ، 35 ، 38 ، 39 ، 40 ، 41 ، 43 ]، در حالی که در دو مورد به چندین کشور اشاره شده است [ 18 ، 44 ]. مطالعات باقیمانده از پلتفرم هایی استفاده می کنند که داده های خود را در سطح جهانی جمع آوری و ارائه می کنند [ 42 ، 45 ].

3.2. نوع خطر

هنگامی که صحبت از استفاده از VGI برای تجزیه و تحلیل مخاطرات طبیعی می شود، دو گزینه اصلی وجود دارد ( جدول 5 ). اول، تجزیه و تحلیل کلی از مخاطرات طبیعی است، که منجر به توسعه روش‌ها، استراتژی‌ها یا پلتفرم‌ها به منظور رسیدگی به انواع مختلف خطر می‌شود [ 40 ، 42 ، 44 ]. دوم، امکان ارائه موارد و سناریوهای خاص استفاده وجود دارد که در آن انواع خطرات خاص مورد توجه قرار می‌گیرد: جدای از فوران‌های آتشفشانی، زلزله، طوفان و حرکت‌های توده‌ای، همه خطرات طبیعی دیگر که به عنوان کلمات کلیدی برای SLR استفاده می‌شوند، نشان داده می‌شوند. Schnebele و Cervone [ 39 ]، Silvestro و همکاران. [ 35 ]، وان و همکاران. [ 45] و Dorn، Vetter و Höfle [ 38 ] بزرگترین گروه را تشکیل می دهند و روش هایی را برای مقابله با سیل ارائه می دهند، در حالی که Enenkel و همکاران. [ 18 ] بر خشکسالی های کشاورزی تمرکز دارد. دی لونگویل و همکاران [ 15 ]، فرستر و کوپس [ 43 ] و فرستر و همکاران. [ 41 ] با آتش‌سوزی‌های جنگلی سروکار دارند، در حالی که سونامی‌ها توسط میدلتون و همکاران پوشش داده می‌شوند. [ 44 ] که با چندین نوع خطر سروکار دارند.
علاوه بر این، ویژگی های خطرات مربوط به روش ها و VGI قابل استفاده است. خشکسالی موقتاً کند است، که فرآیندهای نظارت را نشان می دهد [ 18 ]، در حالی که در سیلابی که در یک منطقه خاص گسترش می یابد، تصاویر می توانند به عنوان پایه ای برای مدل سازی یا به عنوان داده های زمینی استفاده شوند، به عنوان مثال، مدل سازی گستره سیل به منظور یافتن عناصر در معرض خطر [ 35 ، 39 ، 45 ]. در نهایت، یک زلزله، سونامی، آتش سوزی، طوفان یا فوران آتشفشانی می تواند به طور ناگهانی رخ دهد، و بنابراین، لازم است داده های به روز در مورد مناطق مستعد خطر یا قبلاً آسیب دیده باشد تا به اندازه کافی آماده شوند و فعالیت های کاهشی انجام شود. 15 ، 41 ، 43 ،44 ]. این مثال‌ها گزینه‌های متنوعی را که برای انتخاب ابزارها و انواع داده‌ها و همچنین وظایفی که از جمعیت خواسته می‌شود انجام دهند، نشان می‌دهد. بنابراین، ارزیابی قبلی برای اقدامات کاهش موثر و آمادگی ضروری است [ 37 ]. بخش بعدی بینش بیشتری در مورد این احتمالات ارائه می دهد.

3.3. منبع اطلاعات

منبع داده با توجه به نوع VGI و مشارکت مناسب شهروندان متفاوت است ( جدول 4 ). برای مثال، دی لونگویل و همکاران از رسانه های اجتماعی به عنوان منبعی برای جمع سپاری خود استفاده می کنند [ 15 ]، در حالی که دورن، وتر و هوفل بر هوش توزیع شده از طریق پروژه مشترک OSM [ 38 ] تمرکز می کنند. علم مشارکتی مبتنی بر برنامه های کاربردی تلفن همراه [ 18 ، 41 ، 43 ] و پلت فرم های وب [ 45 ] است. در مطالعات انتخاب شده، ترکیبی از منابع داده نیز وجود دارد، به عنوان مثال، برای جمع سپاری، رسانه های اجتماعی و اطلاعات اضافی از وب استفاده می شود [ 39 ، 44]]. علاوه بر این، پلتفرم های وب با رسانه های اجتماعی [ 40 ، 42 ] یا برنامه های کاربردی تلفن همراه با اطلاعات اضافی از وب ترکیب می شوند [ 35 ]. بخش های زیر به ویژگی های منابع داده و کاربرد خاص آنها توسط کاربران و همچنین پیامدهای ادغام در تجزیه و تحلیل خطر می پردازد.

3.4. سطح مشارکت شهروندان

طبقه بندی Haklay [ 22 ] با توجه به درگیری شهروندان در فرآیند تجزیه و تحلیل خطر در بخش زیر برای دریافت نمای کلی از کاربرد منابع مختلف VGI استفاده می شود ( جدول 6 ). با این حال، سطح چهارم (علم شهروندی افراطی)، که در آن شهروندان در کل فرآیند شرکت می‌کنند، کنار گذاشته می‌شود، زیرا مستقیماً توسط مقالات انتخاب شده نشان داده نمی‌شود، زیرا یک نوع ایده‌آل است که ممکن است بخشی از پیشرفت‌های آینده باشد.

3.4.1. جمع سپاری

مقالات شناسایی شده اغلب تحلیل هایی از پیام های توییتر یا عکس های فلیکر ارائه می دهند (به عنوان مثال، [ 15 ، 44 ]). از این رو، گفتگوها (گفتمان) در مورد یک خطر خاص و تصاویری از رویدادهای خطر را می توان به عنوان داده های ورودی برای نظارت و به عنوان داده های درجا برای ارزیابی مدل های خطر استفاده کرد. عمدتاً، این مدل‌ها مبتنی بر داده‌های سنجش از راه دور هستند، که ممکن است به‌روز نباشند، برای منطقه مورد مطالعه در دسترس نباشند یا ممکن است برای تجزیه و تحلیل عمیق خیلی درشت باشند [39 ] . در این موارد، داده‌های جغرافیایی جمع‌سپاری شده برای تکمیل داده‌های ورودی یا برای ارزیابی نتایج مدل‌ها به عنوان داده‌های درجا استفاده می‌شوند [ 15 ، 39 ، 44 ].

3.4.2. هوش توزیع شده

SLR بیشتر منجر به یک مطالعه با اشاره به هوش توزیع شده [ 38 ] شد. برخلاف منبع داده قبلی، که در آن شهروندان عمدتاً از استفاده از داده‌های خود آگاه نیستند، در این سطح، شهروندان عمداً داده‌های مکانی را برای اهداف خاص جمع‌آوری یا استفاده می‌کنند. برخی از آنها حتی از کاربرد احتمالی آنالیز خطر آگاه هستند. به عنوان مثال، داده‌های OSM در تحقیقات مورد استفاده قرار می‌گیرند، زیرا OSM یک مجموعه داده بسیار به‌روز است و جایگزینی برای سایر منابع داده یا بیشتر مکمل آن است [ 46 ، 47 ]. اگر داده‌های OSM پوشش فضایی بالایی داشته باشند، می‌توانند جایگزین یا افزوده‌ای مناسب برای داده‌های رسمی باشند، به عنوان مثال، برای داده‌های ورودی برای مدل‌سازی سیل در مطالعه Dorn، Vetter و Höfle [38] .]، که از داده های OSM برای استخراج پارامترهای زبری استفاده کرد و نتایج را با داده های رسمی CORINE مقایسه کرد.

3.4.3. علم مشارکتی

شکل علمی مشارکتی مشارکت، رایج ترین شکل است [ 18 ، 35 ، 40 ، 41 ، 42 ، 43 ، 45 ]. شبکه های تلفن همراه به سرعت در حال گسترش هستند و این روند امکان استفاده از چنین روش هایی را حتی در مناطق دور افتاده فراهم می کند. از این رو، حتی در مناطق بدون دسترسی به اینترنت، داده ها را می توان به صورت محلی جمع آوری و ذخیره کرد تا زمانی که یک شبکه داده در دسترس باشد، و سپس می توان آنها را بارگذاری کرد [ 18]]. علاوه بر این، برنامه های کاربردی تلفن همراه برای تلفن های هوشمند می تواند برای جمع آوری داده های خاص استفاده شود که می تواند برای کاهش خطر انواع مختلف خطرات طبیعی مورد استفاده قرار گیرد. بر خلاف هوش توزیع‌شده، شرکت‌کننده در مورد خطر خاص مورد بررسی، کاربرد تجزیه و تحلیل خطر می‌داند و همچنین در حین انجام جمع‌آوری داده‌ها، خودش دانش کسب می‌کند [18 ، 41 ، 43 ] . فرستر و همکاران نتایج چنین داده های علمی مشارکتی را با داده های جمع آوری شده توسط متخصصان در این زمینه ها (متخصصان آتش سوزی) به منظور ارزیابی کیفیت مقایسه کنید [ 41]]. نتایج آنها نشان می دهد که هر چه داوطلبان آموزش دیده تر باشند، نتایج بهتری به دست می آورند. علاوه بر این، درک تحلیل خطر افزایش می‌یابد و شرکت‌کنندگان ممکن است در تفسیرها و فرمول‌بندی سؤالات تحقیق جدید شرکت کنند. به عنوان مثال، کاهش خطر آتش سوزی جنگل شرح داده شده است که از سنجش مشارکتی برای ارزیابی بارگیری سوخت جنگل استفاده می کند [ 41 ]. با توجه به اسکان مردم در مناطق وحشی-شهری، به عنوان مثال، در کانادا، دانش در مورد سوخت جنگل به منظور کاهش خطرات آتش سوزی مهم است. با شرکت در علم مشارکتی، شرکت‌کنندگان محلی نیز دانش خود را افزایش می‌دهند و بنابراین، اطلاعات برای ترویج و حمایت از اندازه‌گیری‌های آمادگی صاحبان خانه پخش می‌شود [ 43] .]. این داده‌های جمع‌آوری‌شده به طور فعال ضروری هستند، زیرا به این ترتیب، مرورهای کلی جدید از بارگیری سوخت جنگل برای مناطق بزرگ قابل ارزیابی است. این امر به ویژه مهم است زیرا بار سوخت می تواند به سرعت تغییر کند، به عنوان مثال، شاخه های سقوط کرده پس از یک رویداد باد یا طوفان. از این رو، اندازه گیری مجدد مکرر برای نظارت موثر و کاهش قابل اعتماد ضروری است [ 41 ]. علاوه بر این، مشارکت شهروندان نقش عمده ای دارد زیرا سازمان های رسمی نمی توانند همه املاک خصوصی را بررسی کنند. بنابراین، صاحبان خانه باید بدانند که چگونه می توانند با اقداماتی در محل زندگی خود در کاهش خطر آتش سوزی کمک کنند. از طریق مشارکت در پروژه، آنها می توانند دانش ارزشمندی را به دست آورند، که به آنها امکان می دهد سؤالات تحقیقاتی جدیدی را که ممکن است با داده های جمع آوری شده مورد توجه قرار گیرند، بیان کنند.22 ].
علاوه بر این، نظارت توسط شهروندان محلی از طریق عکس ها و فیلم ها برای تکمیل نظارت فنی، مانند اندازه گیری ها یا داده های رادار برای ارزیابی مدل های شبیه سازی مفید است [ 35 ]. این نظارت محلی جمع‌آوری حجم عظیمی از اطلاعات را در سراسر جهان ممکن می‌سازد و می‌تواند برای افزایش آگاهی از خطرات، به عنوان مثال، در تجسم‌های پلتفرم وب استفاده شود [ 45 ]. علاوه بر این، می توان از چنین روش هایی برای آموزش و تربیت افراد و همچنین گسترش دانش استفاده کرد [ 42] .]. علاوه بر این، اعضای جامعه به طور فعال با ارائه اطلاعات محلی خود و انجام اندازه‌گیری‌ها برای برنامه‌ریزی و ظرفیت‌سازی مشارکت دارند. بنابراین، این فقط شامل وارد کردن افراد به فرآیند تجزیه و تحلیل خطر با جمع‌آوری داده‌ها از طریق تلفن‌های هوشمندشان و با تکیه بر آنها نیست، بلکه یک سیستم کامل است که منابع مختلف را ترکیب می‌کند [40 ] . این دیدگاه کل نگر در مورد ادغام جامعه راه را برای علم شهروندی افراطی، یعنی علم مشارکتی، هموار می کند. با این حال، در حال حاضر، هنوز عدم ارتباط بین ذینفعان مختلف و شهروندان وجود دارد. علاوه بر این، روش‌های جمع‌آوری داده‌ها و همچنین پلتفرم‌هایی برای چنین ترکیب‌سازی باید بهبود یابند.
Amaratunga [ 40 ]، Enenkel و همکاران. [ 18 ]، فرستر و کوپس [ 43 ] و فرستر و همکاران. [ 41 ] را می توان به عنوان برداشتن اولین گام ها به سوی این علم مشارکتی دانست. شرکت کنندگان دانش علمی در مورد شاخص های خشکسالی، انواع جدید گیاهان و کودها [ 18 ] یا در مورد اقداماتی که می توانند برای کاهش خطرات آتش سوزی جنگل انجام دهند، از جمله از طریق ارزیابی سوخت جنگل در خانه های خود، به دست می آورند [ 41 ، 43 ]. بنابراین، در دراز مدت، کل فرآیند، از جمله شناسایی مشکل، جمع‌آوری داده‌ها، تفسیر و تجزیه و تحلیل، ممکن است توسط خود شرکت‌کنندگان به منظور انجام یک وظیفه خاص انجام شود [22 ] .
به طور کلی، این طبقه بندی نباید به عنوان مجموعه ای از مقوله های جداگانه دیده شود، زیرا همپوشانی ها و انتقال هایی در بین آنها وجود دارد. شرکت کنندگان ممکن است خود را بیشتر و بیشتر با یک پروژه شناسایی کنند، آموزش های شدیدتری دریافت کنند و به دانش علمی عمیق تری دست یابند که منجر به افزایش سطح مشارکت و مشارکت می شود [ 22 ].

3.5. نوع ادغام VGI

VGI بیشتر به عنوان اطلاعات اضافی استفاده می شود و تلفیقی از منابع داده های مختلف می تواند به داده های پایه به روز برای تجزیه و تحلیل خطر منجر شود (به عنوان مثال، [ 35 ، 39 ، 44 ]).
به عنوان مثال، برنامه های کاربردی تلفن های هوشمند برای جمع آوری داده ها استفاده می شوند که سپس برای ذخیره سازی داده ها و پردازش بیشتر به سرور ارسال می شوند [ 41 ، 43 ]. علاوه بر این، پلتفرم های وب می توانند برای جمع آوری داده ها و همچنین برای به اشتراک گذاری اطلاعات استفاده شوند [ 40 ، 42 ]. وان و همکاران [ 45 ] از یک زیرساخت سایبری جامعه جهانی بلایای سیل مبتنی بر ابر مبتنی بر خدمات Google، مانند Google Fusion Table استفاده کنید. بر خلاف ساختار مبتنی بر سرویس گیرنده، رویکرد آنها مبتنی بر چارچوب محاسبات ابری امکان به اشتراک گذاری داده ها، به روز رسانی ها، پرس و جوها، تجسم و همکاری را به روشی سریعتر می دهد [45 ] .
علاوه بر این، معماری‌های خدمات، عمدتاً بر اساس استانداردهای کنسرسیوم فضایی باز (OGC)، برای ترکیب داده‌های حسگرهای مختلف توسعه می‌یابند [ 15 ، 44 ].
بسته به کاربرد مورد نظر یا سطح جزئیات، داده‌های جمع‌سپاری می‌توانند به‌عنوان جایگزین احتمالی یا علاوه بر داده‌های رسمی مورد استفاده قرار گیرند، اگر مجموعه داده‌های به‌روز برای یک برنامه مؤثر برای تجزیه و تحلیل خطر، مانند استفاده از داده‌های OSM مورد نیاز باشد. برای استخراج زبری برای مدل سازی سیل [ 38 ]. مدل‌سازی مناطق احتمالی طغیان به تصمیم‌گیرندگان اجازه می‌دهد تا در مورد ساخت خانه‌های جدید در مناطق مستعد سیل تصمیم بگیرند یا اقدامات حفاظتی برای زیرساخت‌ها و ساختمان‌ها در مناطق پرجمعیت که در معرض خطر سیل قرار دارند، ایجاد کنند. علاوه بر این، نتایج چنین مدل‌سازی سیل را می‌توان از طریق تصاویر مناطق غرق‌شده، مانند Flickr [ 39] بررسی و بهبود بخشید.]. VGI عمدتاً برای تکمیل سایر منابع داده در فرآیند تجزیه و تحلیل خطر استفاده می شود. عمدتاً داده‌های سنجش از دور، داده‌های گیج، داده‌های آب و هوا و اطلاعات توسط کارشناسان با اطلاعات جمعی ترکیب می‌شوند [ 15 ، 18 ، 35 ، 39 ، 41 ، 43 ، 44 ، 45 ]. به عنوان مثال، Enenkel و همکاران، VGI را برای خشکسالی های کشاورزی علاوه بر سنجش از دور و داده های آب و هوا برای حمایت از تصمیم گیری اعمال می کنند [ 18 ]. علاوه بر این، VGI ارزیابی مدل های خطر را امکان پذیر می کند، به عنوان مثال، بهبود ارزیابی سیل یا سونامی [ 35 ، 39 ، 44]، از طریق ورودی داده های به روز و محلی حقیقت زمین. علاوه بر این، داده‌های خاصی را می‌توان به‌دست آورد، که جمع‌آوری آن‌ها از طریق حسگرهای فنی دشوار یا به سادگی امکان‌پذیر نیست، مانند اعتبارسنجی شاخص‌های مشتق شده از ماهواره، ادغام دانش محلی در مورد رویدادهای تکراری یا جمع‌آوری سریع مقدار زیادی سوخت جنگل. داده ها در مناطق مختلف و گسترده [ 18 ، 41 ، 43 ].
به منظور آمادگی مناسب با توجه به یک خطر طبیعی، نظارت بر فرآیندهای در حال انجام بسیار مهم است. این را De Longueville و همکارانش مثال می زنند. [ 15 ] با “سیستم عصبی” خود از یک زمین دیجیتال، یعنی یک قابلیت وب حسگر بی‌درنگ VGI، که به موجب آن مناطق جنگلی سوخته از آتش‌سوزی‌های جنگلی سابق می‌تواند نکاتی را به مناطق در معرض خطر بدهد. علاوه بر این، سیستم آنها کیفیت اطلاعات داوطلبانه مورد استفاده را ارزیابی می کند که مکمل داده های سنجش از دور است. دومین موضوع اصلی تحقیق مبتنی بر تشخیص آتش سوزی فعال جنگل است، اما می توان آن را به عنوان بخشی از فاز پاسخ [ 15] مشاهده کرد.]. به طور مشابه، چنین فرآیند نظارتی را می توان برای سایر خطرات طبیعی مانند برای به دست آوردن اطلاعات در مورد خشکسالی از طریق ترکیب منبع داده از تصاویر ماهواره ای، پیش بینی های بلند مدت آب و هوا و سنجش مشارکتی از طریق تلفن های همراه اعمال کرد [18 ] . به عنوان مثال، در تجزیه و تحلیل خشکسالی، از تصاویر ماهواره ای برای استخراج رطوبت خاک استفاده می شود و اغلب پیش بینی های طولانی مدت آب و هوا، مانند پیش بینی شرایط ال نینو، با آنها ترکیب می شود. Enenkel و همکاران [ 18] رویکردی را ارائه می‌کند که شامل اطلاعات مردم محلی از طریق تلفن‌های هوشمند به عنوان سومین منبع داده، به عنوان مثال، برای اعتبارسنجی شاخص‌های خشکسالی به دست آمده از داده‌های ماهواره‌ای از طریق تصاویر برچسب‌گذاری شده با GPS از محصولات است. علاوه بر این، مردم می‌توانند داده‌های جغرافیایی را که نمی‌توان از فضا به دست آورد، جمع‌آوری کرد، مانند اطلاعاتی در مورد رویدادهای مکرر، سوءتغذیه و دسترسی به آب آشامیدنی، و همچنین شرایط اجتماعی-اقتصادی و زندگی شهروندان، از جمله [27 ] . با این حال، برای مثال، تنها بخش تولیدکننده جامعه محلی نیست که می‌تواند از طریق یک برنامه تلفن هوشمند مورد توجه قرار گیرد، بلکه بخش مصرف‌کننده نیز مانند کسب اطلاعات در مورد بذرهای مقاوم به خشکی یا در دسترس بودن کودها است [18] .]. این رویکرد نظارت می تواند برای خطرات سیل و آتش سوزی نیز اعمال شود [ 35 ، 43 ، 45 ].
از آنجایی که کاهش ریسک نیز با افزایش برنامه ریزی تاب آوری امکان پذیر می شود، توانمندسازی جامعه نقش مهمی ایفا می کند. گزینه های مختلفی وجود دارد که می توان از آنها به صورت ترکیبی نیز استفاده کرد. با یک “جامعه تمرین مجازی” مبتنی بر وب 2.0، برنامه های کاربردی آنلاین، ابزارها، مواد آموزشی، و همچنین منابع اطلاعاتی و دانش را می توان در بین مردم پخش کرد. به این ترتیب، پیش‌بینی تهدیدها و خطرات و همچنین بهبود ظرفیت‌های مقابله‌ای محلی از طریق یک رویکرد برنامه‌ریزی جامعه محور از پایین به بالا امکان پذیر است [ 40 ]. به همین ترتیب، اطلاعات برای تصمیم گیرندگان با توجه به تجزیه و تحلیل خطر می تواند از طریق چنین پلتفرم های وب یا از طریق پلت فرم های وب تعاملی، که در آن داده های جغرافیایی برای تجسم به اشتراک گذاشته می شود، ارائه شود [ 42] .]. علاوه بر این، مفهوم پروژه Evidence-Aid [ 42 ] نمونه ای از نحوه استفاده از اطلاعات به روز منتشر شده از طریق کانال های رسانه های اجتماعی مختلف، مانند توییتر را نشان می دهد.

4. بحث

به طور کلی، این بررسی نشان می دهد که هنوز نیاز به تحقیق در مورد استفاده از VGI برای مراحل خاص آمادگی و کاهش در منطقه تجزیه و تحلیل خطر وجود دارد. تنها یازده مقاله از 748 مرجع نتایج جستجوی سیستماتیک در دو پایگاه علمی به چنین موضوعاتی می پردازند. این تفاوت ممکن است به دلیل انتخاب گسترده عبارات پرس و جو باشد زیرا بیشتر نتایج عمدتاً به مرحله پاسخ اشاره دارد، که در SLR هوریتا و همکاران نیز وجود داشت. [ 25 ].
نتایج نشان می‌دهد که مرحله پاسخ هم برای پژوهشگران و هم برای داوطلبان حضور بسیار بیشتری دارد. توضیح آن را می توان در این واقعیت مشاهده کرد که این مرحله به ویژه در رسانه ها قابل مشاهده ترین و برجسته ترین مرحله است [ 25 ]. با این حال، روش SLR خود دارای محدودیت هایی است، زیرا باید در نظر گرفت که به دلیل زبان نیز محدودیت وجود دارد، زیرا فقط مجلاتی که به زبان های انگلیسی، اسپانیایی و آلمانی نوشته شده بودند انتخاب شدند. محدودیت مناطق جغرافیایی مطالعات انتخاب شده ممکن است به عنوان یک نتیجه دیده شود.
مرور کلی منبع داده و سطح تعامل نقش دوگانه ای را که معمولاً در VGI در جمع آوری و توزیع اطلاعات از طریق پلتفرم های Web 2.0 و پروژه های علم شهروندی وجود دارد نشان می دهد (به عنوان مثال، در [40، 42 ، 45 ] ) . از این رو، شهروندان را می توان به عنوان «تولیدکنندگان» توصیف کرد، که داده ها را مشارکت می دهند و دوباره از داده های موجود استفاده می کنند [ 48 ]. این نشان دهنده اهمیت ارتباطات بلایا و دانش در مورد کاربران رسانه های اجتماعی است، به عنوان مثال، به منظور ارائه و دریافت اطلاعات لازم، قابل اعتماد و مناسب به موقع و از طریق کانال های ارتباطی مختلف [49 ] .
علاوه بر این، این اهمیت ارتباطات در این واقعیت نیز مشاهده می‌شود که پژوهش اغلب بر ایجاد دانش متمرکز است، که اغلب منجر به کاربرد ناکافی اطلاعات در زمینه تحلیل خطر می‌شود، زیرا راه و روش انتقال این دانش در نظر گرفته نمی‌شود. این به دلیل شکاف بزرگ بین، از یک سو، نیازهای کاربران، به عنوان مثال، موسسات دولتی یا بشردوستانه، و از سوی دیگر، یافته های علمی است. جمع آوری داده ها کافی نیست، بلکه باید به گونه ای ارائه شوند که مردم محلی و سازمان های امدادی بتوانند از آن بهره ببرند [ 18]]. علاوه بر این، با مشارکت جامعه و شهروندان محلی، می توان آگاهی از خطر را افزایش داد و همه می توانند در فعالیت های کاهش و برنامه ریزی حفاظتی شرکت کنند. علاوه بر این، افزایش احساس مسئولیت مشترک در قبال خطرات طبیعی [ 50 ] وجود دارد. با توجه به این آمادگی، آماراتونگا [ 40] از استفاده از VGI برای مرحله آمادگی و کاهش خطرات با نقل قول معروف پاستور پشتیبانی می کند: “شانس به نفع ذهن آماده است”. بنابراین، هر چه ذهن‌هایی که از خطرات آگاه باشند و برای آمادگی (یا حتی کاهش) خطرات طبیعی اقدام کنند، بلایای اجتماعی بیشتری را می‌توان کاهش داد یا از آن اجتناب کرد. با این حال، در مورد این اشکال جدید از منابع داده، باید در نظر داشت که تنها بخشی از جامعه به اینترنت یا ابزارهای مرتبط با VGI دسترسی دارند. بنابراین، بیشتر اطلاعات به‌دست‌آمده (مثلاً از رسانه‌های اجتماعی) تنها می‌تواند به‌عنوان تصویری جزئی و ناهموار در نظر گرفته شود [ 51 ].
علاوه بر این نوع منابع داده و سطح تعامل، روش خاص استفاده از چنین داده‌هایی برای فرآیند تحلیل خطر نیز نقش معناداری دارد. مطالعات نشان می دهد که با توجه به انواع مختلف خطر، ترکیبی از منابع داده مکمل چندگانه ضروری است. داده‌های جمع‌آوری‌شده توسط شهروندان می‌تواند افزودنی ارزشمند برای ارزیابی مدل‌ها یا ارائه به موقع داده‌های زمینی و دانش محلی باشد. OpenStreetMap آنلاین مشترک در برخی موارد نه تنها می تواند اطلاعات ضروری را اضافه کند، بلکه می تواند به عنوان یک جایگزین احتمالی برای منابع داده اختصاصی در نظر گرفته شود [ 52 ].

5. فرصت ها و چالش ها برای استفاده از VGI در مرحله کاهش و آمادگی تجزیه و تحلیل خطر

استفاده از VGI در تجزیه و تحلیل خطر فرصت های زیادی را برای تحقیق به ارمغان می آورد، اما چالش های متعددی نیز وجود دارد که در تحقیقات آینده باید با آنها مواجه شد. در شکل 3 ، این موضوعات به بخش نظری تحلیل (تصور) و بخش تحقق تقسیم می شوند.

5.1. سطح مفهوم

هنوز راه درازی برای انجام تحقیقات یکپارچه وجود دارد زیرا اکثر تحلیل ها رشته ای و چند رشته ای محور هستند در حالی که هنوز فقدان رویکردهای بین رشته ای وجود دارد [ 53 ]. علاوه بر این، همانطور که توسط بررسی ادبیات نشان داده شده است، عمدتاً دانشمندان آمریکایی شمالی و اروپایی درگیر هستند. بر این اساس، مطالعات در این مناطق است، جدا از مطالعه مربوط به خشکسالی در آفریقا توسط Enenkel و همکاران. [ 18 ]. با این حال، به طور مشابه، این مطالعه توسط یک موسسه اروپایی بدون همکاری با دانشگاه های محلی، برای مثال، انجام می شود. این منجر به محدودیت شکاف های تولید مشترک و اجرای دانش می شود [ 53 ]. جورجیادو، لونگو و ریشتر [ 54] بر این مرزهای تفکر غلبه کرده و تحقیقات خود را در کشورهای متوسط ​​و کم درآمد شرق آفریقا به منظور تحلیل نقش حسگرهای شهروندی، سازمان های غیردولتی، کاربران حرفه ای وب و مقامات دولتی با توجه به شفافیت حالت.
علاوه بر این، آسیب پذیری نقش مهمی در تجزیه و تحلیل خطرات طبیعی ایفا می کند. همانطور که در بخش‌های قبلی بیان شد، روش‌های مختلفی وجود دارد که می‌توان به منظور دستیابی به بینش نسبت به مناطق آسیب‌پذیر و افراد (به عنوان مثال، دسترسی به آب آشامیدنی [ 18 ]) اجرا کرد. با این حال، تنها چند مطالعه وجود دارد که در آنها VGI برای تجزیه و تحلیل آسیب‌پذیری اعمال می‌شود، که در تعداد کمی از مطالعات موجود در بررسی ادبیات سیستماتیک نشان داده شده است. همانطور که در بالا مورد بحث قرار گرفت، این مطالعات عمدتاً در زمینه مدل‌سازی و پایش فرآیند (مانند سوخت جنگل، پایش سیل) قدم می‌گذارند. علاوه بر این، وقتی آسیب‌پذیری اندازه‌گیری می‌شود، عموماً تمرکز بر آسیب‌پذیری فیزیکی است و نه آسیب‌پذیری اجتماعی [ 55 ، 56]]. در آینده، VGI می تواند به ویژه برای چنین برنامه هایی مورد استفاده قرار گیرد. قبلاً مطالعاتی وجود دارد که اطلاعاتی مانند تراکم جمعیت یا خطوط کلی ساختمان را از VGI استنباط می کند که می تواند برای تجزیه و تحلیل خطرات طبیعی استفاده شود، اما در حال حاضر، این اطلاعات هنوز اعمال نشده است [13 ، 14 ] . با این حال، این یک نوع تجزیه و تحلیل بحث برانگیز است، زیرا چنین مطالعاتی فاقد پیشینه با توجه به دقت و نمایندگی، از جمله موارد دیگر است.
علاوه بر این، کیفیت داده ها از نقشه های مشترک، مانند OSM، بسیار ناهمگن است، به عنوان مثال، مناطق روستایی و شهری [ 57 ]، و بنابراین، تجزیه و تحلیل کیفیت بسیار مهم است. چندین مطالعه با این چالش مواجه شده اند و نتایج مثبتی را برای مناطقی با داده های کافی در دسترس در OSM نشان داده اند (به عنوان مثال، [ 46 ، 47 ، 57 ، 58 ، 59 ]). بنابراین، هنگام کار با این داده ها، کیفیت ناهمگن باید در نظر گرفته شود. داده های OSM از یک منطقه خاص را می توان با توجه به مناسب بودن آنها برای استفاده به دلیل تجزیه و تحلیل کیفیت داده ها ارزیابی کرد. کلونر و همکاران [ 59برای مثال، از داده‌های OSM برای ادغام با داده‌های اسکن لیزری هوابرد برای تولید مدل‌های ارتفاعی به‌روز استفاده کرد. این مجموعه داده های جدید را می توان در تجزیه و تحلیل خطرات، مانند مدل سازی سیل، به دلیل توانایی داشتن تعداد ساختمان ها و ارتفاع منطقه، بیشتر مورد استفاده قرار داد. با این حال، هنوز نیاز به مطالعاتی برای استخراج معیارهای “برازندگی برای هدف” وجود دارد که VGI باید برای اهداف خاص تجزیه و تحلیل خطر برآورده کند.
با توجه به نظریه پشت VGI در محدوده تجزیه و تحلیل خطرات طبیعی، نتایج SLR فقدان یک چارچوب نظری را برای چنین ترکیبی از روش‌ها نشان می‌دهد. با این حال، نیاز به ارزیابی مولفه های اجتماعی داده های VGI (به عنوان مثال، اطلاعات مربوط به مشارکت کننده یا زمینه مشارکت) وجود دارد تا بتوان آنها را به طور مناسب در مدل هایی که بر اساس داده های حسگر فنی هستند، اعمال کرد. علاوه بر این، انواع زیادی از اصطلاحات مربوط به ارزیابی ریسک و آگاهی از ریسک در حوزه مدیریت مخاطرات طبیعی وجود دارد [ 4 ، 23 ، 60]]. از آنجایی که ریسک نقش مهمی در مراحل کاهش و آمادگی ایفا می کند، تحقیقات آینده نیز نیاز به بحث در مورد تفاوت های بین تعاریف و یافتن راه ها و مفاهیمی دارد که امکان ایجاد اصطلاحات یکسان و در نتیجه ارتباط آسان تر بین محققان، مؤسسات رسمی و شهروندان را فراهم می کند. علاوه بر این، همین امر در مورد مفاهیم خطر و فاجعه نیز صدق می کند، زیرا تعاریف مختلفی وجود دارد که منجر به سوء تفاهم و تفسیرهای نادرست می شود. نگاه دقیق‌تر به بحث علمی رایج در مورد فاجعه را می‌توان به عنوان مثالی در نظر گرفت، زیرا بلایای طبیعی به‌عنوان رویدادهایی با محدودیت زمانی در نظر گرفته می‌شوند که توسط یک نیروی خارجی ایجاد می‌شوند و به مکان خاصی محدود می‌شوند.
علاوه بر این، بلایا عمدتاً از طریق پیامدها و تأثیراتشان تعریف می‌شوند، در حالی که منابع اولیه خطر، اعم از اجتماعی و طبیعی، نادیده گرفته می‌شوند و مانع دید بلندمدت برای درک فرآیند کلی تولید ریسک می‌شوند [51 ] . بنابراین، تحقیقات آینده در مورد VGI برای تجزیه و تحلیل خطر نیاز به تمرکز بر خود کاربران و پیشینه آنها (مثلاً تحصیلات، موقعیت اجتماعی، انگیزه)، نظارت (مثلاً محیط طبیعی) و توزیع مکانی و زمانی VGI دارد. دیگران [ 61 ]. علاوه بر این، Amaratunga [ 40 ] و Ferster و همکاران. [ 41]، به عنوان مثال، نشان می دهد که یافته های آنها چگونه درک خطر افراد جامعه را تغییر می دهد. مطالعات آینده ممکن است حتی به طور واضح تری تأثیر روش های VGI بر ساکنان محلی و تصمیم گیرندگان و همچنین محققان در زمینه خطرات طبیعی را تجزیه و تحلیل و منعکس کنند. این جنبه کاربری نه تنها در سطح مفهوم، بلکه در سطح تحقق نیز نقش مهمی ایفا می کند که در بخش بعدی با جزئیات بیشتر مورد بحث قرار خواهد گرفت.

5.2. سطح تحقق

عوامل با توجه به حس مشارکتی، مانند مسئولیت و حریم خصوصی شخصی، تنها توسط Ferster and Coops [ 43 ] و Ferster و همکاران ذکر شده است. [ 41 ]. از آنجایی که این رویکردهای جدید ادغام شهروندان در حال تکامل هستند و رویکردهای امیدوارکننده را نه تنها در تجزیه و تحلیل مخاطرات طبیعی به تصویر می‌کشند، باید بر تحقیقات بیشتری روی خود کاربر متمرکز شود، به عنوان مثال، در مورد مسائل حریم خصوصی شخصی. با یک چارچوب مناسب برای ادغام VGI، می توان از کاربری که دانش محلی، تجربیات شخصی و مشاهدات محلی را ارائه می کند محافظت کرد.
علاوه بر این، نگاه دقیق تر به جمعیت نیز با توجه به درک ریسک ضروری است. جنبه هایی مانند تجارب با مخاطرات طبیعی قبلی، اعتماد به منابع اطلاعاتی یا دارایی در یک منطقه خطر نقش مهمی برای تمایل به انجام اقدامات آمادگی و کاهش دارد [ 62 ، 63 ]. بررسی ادبیات واچینگر و همکاران. [ 63 ] تأثیر بالای تجربه شخصی را بر تصمیم برای اقدام نشان داد. علاوه بر این، تحقیقات موجود نشان می‌دهد که به نظر می‌رسد مردم نسبت به سیل‌ها آگاه‌تر هستند و مشتاق هستند خود را آماده کنند اگر بتوانند در فرآیندهای مشارکتی شرکت کنند، به عنوان مثال، همراه با مقامات دولتی [62 ، 63 ]]. این نشان دهنده اهمیت پروژه های مبتنی بر روش های مشارکتی است، مانند پروژه های Amaratunga [ 40 ]، Enenkel و همکاران. [ 18 ]، فرستر و کوپس [ 43 ] و فرستر و همکاران. [ 41 ].
علاوه بر این، اجرای روش های VGI باید با جزئیات بیشتری در نظر گرفته شود [ 18 ، 41 ]. همانطور که داده های ارائه شده توسط شهروندان به طور مداوم افزایش می یابد، پردازش خودکار تصویر و یادگیری ماشین برای چنین روش های جدیدی حیاتی است (به عنوان مثال، [ 64 ]). نتایج می‌توانند از توسعه روش‌ها و رویکردهای جدید GIScience برای مقابله با تحلیل خطر در مورد آگاهی از ریسک و VGI پشتیبانی کنند.

6. نتیجه گیری

این بررسی ادبیات، که بر مقالات مجلات متمرکز بود، نشان داد که فقط کمی کار در VGI و آمادگی و کاهش بلایا وجود دارد. در گام بعدی، مشارکت‌های کنفرانس نیز می‌تواند برای بررسی ادبیات به منظور دستیابی به یک نمای کلی از تحقیقات در این زمینه در نظر گرفته شود. اگرچه تعداد کمی برای تجزیه و تحلیل موجود است، مقالات انتخاب شده مطالعات مهمی در مورد استفاده از VGI در تجزیه و تحلیل مخاطرات طبیعی، از جمله روش‌های کاربردی و چارچوب نظری هستند که برای تحقیقات آینده بسیار مرتبط هستند.
بر اساس این مثال‌ها، تحقیقات نیاز به تمرکز بیشتر بر تعامل انسان و محیط برای درک مخاطرات طبیعی دارد. یک روش امیدوارکننده از چنین تحلیلی را می توان در ترکیب منابع داده های مختلف و گنجاندن جامعه از طریق رویکردهای پایین به بالا که شامل VGI است، مشاهده کرد. به تدریج، این روند منجر به تغییر از واکنش اضطراری به آمادگی و کاهش بلایا خواهد شد [ 18]]. با این حال، مسائل کیفیت با توجه به VGI باید در نظر گرفته شود و در تجزیه و تحلیل و روش‌های آینده مورد توجه قرار گیرد. علاوه بر این، واضح است که تحقیقات نه تنها برای ادغام چنین داده‌هایی و استفاده از آن برای تجزیه و تحلیل، بلکه برای ایجاد فرصت‌های مشارکت بیشتر و بیشتر توسط جوامع انجام شده است. این نه تنها برای جمع‌آوری داده‌های فعال، بلکه برای ادغام جامعه به منظور استفاده از نتایج برای خود نیز صدق می‌کند. در نهایت، مطالعات بررسی شده به محققان یا مؤسساتی که با توسعه یا اجرای روش‌های جدید برای تجزیه و تحلیل مخاطرات طبیعی سر و کار دارند، این امکان را می‌دهد تا ایده‌ای از مهم‌ترین عوامل و همچنین در مورد پروژه‌ها و روش‌های فعلی در حال حاضر در عمل به دست آورند.

اختصارات

در این نسخه از اختصارات زیر استفاده شده است:

GIS سیستم اطلاعات جغرافیایی
GNSS سیستم جهانی ناوبری ماهواره ای
OSM OpenStreetMap
SLR مروری بر ادبیات سیستماتیک
VGI اطلاعات جغرافیایی داوطلبانه

منابع

  1. فلگنترف، سی. Glade, T. Naturrisiken und Sozialkatastrofen ; Spektrum Akademischer Verlag: برلین، آلمان، 2008. [ Google Scholar ]
  2. EM-DAT. پایگاه بین المللی بلایای طبیعی OFDA/CRED. در دسترس آنلاین: http://www.emdat.be/disaster_trends/index.html (در 21 مه 2016 قابل دسترسی است).
  3. ایبرت، ا. بانژاف، ای. مک فی، جی. تأثیر گسترش شهری بر خطر سیل در سانتیاگو دو شیلی. در مجموعه مقالات رویداد سنجش از دور شهری مشترک 2009، شانگهای، چین، 20-22 مه 2009. صص 1-7.
  4. دیکائو، ر. Pohl, J. Hazards: Naturgefahren und Naturrisiken. در Geographie: Physische Geographie und Humangeographie ; Gebhardt, H., Glaser, R., Radtke, U., Reuber, P., Eds. Spektrum Akademischer Verlag: هایدلبرگ، آلمان، 2011; صص 1115–1168. [ Google Scholar ]
  5. Cova، TJ GIS در مدیریت اضطراری. In Geographical Information Systems: Management Issues and Applications , 2nd ed.; Longley، PA، Goodchild، MF، Maguire، DJ، Rhind، DW، Eds. Wiley: نیویورک، نیویورک، ایالات متحده آمریکا، 1999; صص 845-858. [ Google Scholar ]
  6. ایبرت، آ. ولز، جی. هاینریش، دی. کرلنبرگ، ک. Hansjürgens، B. تغییرات اجتماعی و محیطی و خطرات سیل: مورد سانتیاگو دی شیلی. Erdkunde 2010 , 64 , 303-313. [ Google Scholar ] [ CrossRef ]
  7. کاردونا، OD; ون آلست، MK; بیرکمن، جی. فوردهام، ام. مک گرگور، جی. پرز، آر. Pulwarty، RS; شیپر، ELF; Sinh، BT عوامل تعیین کننده خطر: قرار گرفتن در معرض و آسیب پذیری. در مدیریت خطرات رویدادهای شدید و بلایای طبیعی برای پیشبرد سازگاری با تغییرات اقلیمی ؛ Field، CB، Barros، V.، Stocker، TF، Qin، D.، Dokken، DJ، Ebi، KL، Mastrandrea، MD، Mach، KJ، Plattner، G.-K.، Allen، SK، و همکاران، ویرایش. انتشارات دانشگاه کمبریج: کمبریج، انگلستان; نیویورک، نیویورک، ایالات متحده آمریکا، 2012; صص 65-108. [ Google Scholar ]
  8. Wisner, B. At Risk: Natural Hazards, People’s Vulnerability and Disasters , 2nd ed.; Routledge: لندن، انگلستان؛ نیویورک، نیویورک، ایالات متحده آمریکا، 2008. [ Google Scholar ]
  9. پوزر، ک. Dransch، D. اطلاعات جغرافیایی داوطلبانه برای مدیریت بلایا با کاربرد برای برآورد سریع خسارت سیل. Geomatica 2010 ، 64 ، 89-98. [ Google Scholar ]
  10. روشه، اس. پروپک-زیمرمن، ای. Mericskay، B. Geoweb و مدیریت بحران: مسائل و دیدگاه های اطلاعات جغرافیایی داوطلبانه. جئوژورنال 2013 ، 78 ، 21-40. [ Google Scholar ] [ CrossRef ]
  11. Goodchild، MF Citizens به عنوان حسگر: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ] [ CrossRef ]
  12. نقشه خیابان باز نقشه خیابان باز در دسترس آنلاین: http://www.openstreetmap.org (دسترسی در 17 مارس 2015).
  13. فن، اچ. Zipf، A.; فو، س. Neis، P. ارزیابی کیفیت برای ایجاد داده‌های ردپایی در نقشه خیابان باز. بین المللی جی. جئوگر. Inf. علمی 2014 ، 28 ، 700-719. [ Google Scholar ] [ CrossRef ]
  14. جوکار ارسنجانی، ج. Bakillah, M. درک رابطه بالقوه بین متغیرهای اجتماعی-اقتصادی و مشارکت در نقشه خیابان باز. بین المللی جی دیجیت. زمین 2015 . [ Google Scholar ] [ CrossRef ]
  15. دی لونگویل، بی. آنونی، ا. Shade، S. استلندر، ن. Whitmore، C. سیستم عصبی زمین دیجیتال برای رویدادهای بحرانی: فعال سازی وب حسگر در زمان واقعی اطلاعات جغرافیایی داوطلبانه. بین المللی جی دیجیت. زمین 2010 ، 3 ، 242-259. [ Google Scholar ] [ CrossRef ]
  16. اسپینسانتی، ال. Ostermann, F. تجزیه و تحلیل خودکار زمینه جغرافیایی برای اطلاعات داوطلبانه. Appl. Geogr. 2013 ، 43 ، 36-44. [ Google Scholar ] [ CrossRef ]
  17. دی آلبوکرک، جی پی; هرفورت، بی. برنینگ، آ. Zipf، A. یک رویکرد جغرافیایی برای ترکیب رسانه های اجتماعی و داده های معتبر به منظور شناسایی اطلاعات مفید برای مدیریت بلایا. بین المللی جی. جئوگر. Inf. علمی 2015 ، 29 ، 667-689. [ Google Scholar ] [ CrossRef ]
  18. اننکل، ام. ببینید، L. بونیفاسیو، آر. بوکن، وی. چانی، ن. وینک، پی. شما، ال. دوترا، ای. اندرسون، ام. خشکسالی و امنیت غذایی – بهبود حمایت از تصمیم گیری از طریق فناوری های جدید و همکاری های نوآورانه. گلوب. امنیت غذایی 2015 ، 4 ، 51-55. [ Google Scholar ] [ CrossRef ]
  19. نقشه خیابان باز مجوز بینگ در دسترس آنلاین: http://wiki.openstreetmap.org/w/images/d/d8/Bing_license.pdf (دسترسی در 31 مه 2015).
  20. نقشه خیابان باز نقشه خیابان باز بینگ. در دسترس آنلاین: http://wiki.openstreetmap.org/wiki/Bing (در 31 مه 2015 قابل دسترسی است).
  21. کراگلیا، ام. اوسترمن، اف. Spinsanti، L. زمین دیجیتال از دید تا عمل: ایجاد حس محتوای تولید شده توسط شهروندان. بین المللی جی دیجیت. زمین 2012 ، 5 ، 398-416. [ Google Scholar ] [ CrossRef ]
  22. هاکلی، ام. دانش شهروندی و اطلاعات جغرافیایی داوطلبانه: بررسی اجمالی و گونه‌شناسی مشارکت. در جمع سپاری دانش جغرافیایی ; Sui, D., Elwood, S., Goodchild, M., Eds. Springer: Dordrecht، هلند، 2013; صص 105-122. [ Google Scholar ]
  23. بیرکمن، جی. وله، تی. کراوز، دی. ولفرتز، جی. سوارز، دی سی؛ ستیادی، N. WorldRiskIndex: مفهوم و نتایج. در WorldRiskReport 2011 ; Jeschonnek، L.، Ed. Bündnis Entwicklung Hilft: برلین، آلمان، 2011; صص 13-41. [ Google Scholar ]
  24. Landwehr، PM; کارلی، KM رسانه های اجتماعی در امداد رسانی در بلایا. در داده کاوی و کشف دانش برای داده های بزرگ: روش ها، چالش ها و فرصت ها . چو، دبلیو دبلیو، اد. Springer: برلین، آلمان، 2014; ص 225-257. [ Google Scholar ]
  25. هوریتا، FEA؛ دگروسی، ال سی. Assis، LFFG; Zipf، A.; پورتو دو آلبوکرک، جی. استفاده از اطلاعات جغرافیایی داوطلبانه و جمع سپاری در مدیریت بلایا: مروری بر ادبیات سیستماتیک. در مجموعه مقالات کنفرانس آمریکا در مورد سیستم های اطلاعاتی AMCIS 2013، شیکاگو، IL، ایالات متحده آمریکا، 15-17 اوت 2013.
  26. Aimone، AM; پرومال، ن. کول، دی. بررسی سیستماتیک کاربرد و کاربرد سیستم های اطلاعات جغرافیایی برای بررسی روابط بیماری-بیماری در تحقیقات بهداشت جهانی کودکان: مورد کم خونی و مالاریا. بین المللی J. Health Geogr. 2013 ، 12 . [ Google Scholar ] [ CrossRef ] [ PubMed ]
  27. مارکس، اس. فالکی، آر. آراندا جان، سی. پروف، جی. ساوربورن، آر. هوفل، بی. تجزیه و تحلیل اطلاعات جغرافیایی و ژئوپورتال های مبتنی بر وب برای کشف سوء تغذیه در آفریقای زیر صحرا: بررسی سیستماتیک رویکردها. BMC Public Health 2014 , 14 . [ Google Scholar ] [ CrossRef ] [ PubMed ]
  28. کیچنهام، بی. پرل بریتون، او. بودگن، دی. ترنر، ام. بیلی، جی. لینکمن، اس. بررسی ادبیات سیستماتیک در مهندسی نرم افزار – مروری بر ادبیات سیستماتیک. Inf. نرم افزار تکنولوژی 2009 ، 51 ، 7-15. [ Google Scholar ] [ CrossRef ]
  29. فالاگاس، ME; پیتسونی، EI; مالیتزیس، GA; پاپاس، جی. مقایسه pubmed، scopus، web of Science و google scholar: نقاط قوت و ضعف. FASEB J. 2008 , 22 , 338-342. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  30. وب علم. وب دانش. در دسترس آنلاین: http://www.webofknowledge.com (در 31 مه 2015 قابل دسترسی است).
  31. اسکوپوس. در دسترس آنلاین: http://www.scopus.com (در 31 مه 2015 قابل دسترسی است).
  32. خان، KS; کونز، آر. کلیجنن، جی. Antes, G. پنج مرحله برای انجام یک بررسی سیستماتیک. JR Soc. پزشکی 2003 ، 96 ، 118-121. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  33. گرین هاگ، تی. Peacock, R. اثربخشی و کارایی روش های جستجو در بررسی های سیستماتیک شواهد پیچیده: حسابرسی منابع اولیه. BMJ 2005 ، 331 ، 1064-1065. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  34. پدوزی، پ. دائو، اچ. هرولد، سی. Mouton، F. ارزیابی قرار گرفتن در معرض جهانی و آسیب پذیری در برابر خطرات طبیعی: شاخص خطر بلایا. نات. سیستم خطرات زمین. علمی 2009 ، 9 ، 1149-1159. [ Google Scholar ] [ CrossRef ]
  35. سیلوسترو، اف. گابلانی، س. جیانونی، اف. پارودی، ع. ربورا، ن. رودری، ر. سیکاردی، اف. تحلیل هیدرولوژیکی رویداد 4 نوامبر 2011 در جنوا. نات. سیستم خطرات زمین. علمی 2012 ، 12 ، 2743-2752. [ Google Scholar ] [ CrossRef ]
  36. اسماعیل زاده، الف. مخاطرات طبیعی شدید، خطرات بلایا و پیامدهای اجتماعی . انتشارات دانشگاه کمبریج: کمبریج، بریتانیا، 2014. [ Google Scholar ]
  37. چارچوب جمع سپاری بحران لیو، SB: طراحی پیکربندی استراتژیک جمع سپاری برای حوزه مدیریت اضطراری. محاسبه کنید. حمایت کردن. قفس. کار 2014 ، 23 ، 389-443. [ Google Scholar ] [ CrossRef ]
  38. دورن، اچ. وتر، م. Höfle، B. استخراج زبری مبتنی بر GIS برای شبیه‌سازی سیل: مقایسه عکس‌های ارتوفتو، لیدار و داده‌های جغرافیایی جمع‌سپاری شده. Remote Sens. 2014 ، 6 ، 1739-1759. [ Google Scholar ] [ CrossRef ]
  39. اشنبله، ای. سروون، جی. بهبود ارزیابی سیل سنجش از دور با استفاده از داده های جغرافیایی داوطلبانه. نات. سیستم خطرات زمین. علمی 2013 ، 13 ، 669-677. [ Google Scholar ] [ CrossRef ]
  40. Amaratunga، CA ایجاد تاب آوری جامعه در برابر بلایا از طریق یک جامعه مجازی تمرین (VCOP). بین المللی J. Disaster Resil. محیط ساخته شده 2014 ، 5 ، 66-78. [ Google Scholar ] [ CrossRef ]
  41. فرستر، سی جی; Coops، NC; هارشاو، HW; کوزاک، RA; Meitner, MJ یک ارزیابی اکتشافی از یک برنامه تلفن هوشمند برای مشارکت عمومی در اندازه‌گیری سوخت جنگل در رابط شهری وحشی. جنگل ها 2013 ، 4 ، 1199-1219. [ Google Scholar ] [ CrossRef ]
  42. آلن، سی. منبعی برای کسانی که برای بلایای طبیعی، بحران‌های بشردوستانه، و اورژانس‌های عمده مراقبت‌های بهداشتی آماده می‌شوند و به آنها پاسخ می‌دهند. جی اوید. مبتنی بر Med. 2014 ، 7 ، 234-237. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  43. فرستر، سی جی; Coops، NC ارزیابی کیفیت داده های بارگیری سوخت جنگل جمع آوری شده با استفاده از روش های مشارکت عمومی و تلفن های هوشمند. بین المللی J. Wildland Fire 2014 ، 23 ، 585-590. [ Google Scholar ] [ CrossRef ]
  44. میدلتون، SE; Sabeur، ZA; لوو، پی. هامیتزش، ام. توکلی، س. Poslad، S. رویکردهای چند رشته ای برای به اشتراک گذاری هوشمندانه حجم زیادی از داده های حسگر زمان واقعی در طول بلایای طبیعی. اطلاعات علمی J. 2013 ، 12 ، WDS109–WDS113. [ Google Scholar ] [ CrossRef ]
  45. Wan، ZM; هونگ، ی. خان، س. گورلی، جی. فلامیگ، ز. کیرشباوم، دی. تانگ، GQ زیرساخت سایبری جامعه جهانی بلایای سیل مبتنی بر ابر: توسعه و نمایش. محیط زیست مدل. نرم افزار 2014 ، 58 ، 86-94. [ Google Scholar ] [ CrossRef ]
  46. بارون، سی. نیس، پ. Zipf، A. چارچوبی جامع برای تحلیل کیفیت نقشه خیابان باز ذاتی. ترانس. GIS 2014 ، 18 ، 877-895. [ Google Scholar ] [ CrossRef ]
  47. Haklay, M. اطلاعات جغرافیایی داوطلبانه چقدر خوب است؟ مطالعه تطبیقی ​​مجموعه داده‌های نقشه خیابان باز و بررسی مهمات. محیط زیست طرح. B طرح. دس 2010 ، 37 ، 682-703. [ Google Scholar ] [ CrossRef ]
  48. Bruns، A. Produsage. در مجموعه مقالات ششمین کنفرانس ACM SIGCHI درباره خلاقیت و شناخت، واشنگتن، دی سی، ایالات متحده آمریکا، 13 تا 15 ژوئن 2007. ACM: نیویورک، نیویورک، ایالات متحده آمریکا، 2007; صص 99-106. [ Google Scholar ]
  49. هیوستون، جی بی. هاثورن، جی. Perreault، MF; پارک، ای اچ. گلدشتاین هود، ام. هالیول، ام آر. ترنر مک گوون، SE; دیویس، آر. واید، اس. مک الدری، جی. و همکاران رسانه‌های اجتماعی و بلایا: چارچوبی کاربردی برای استفاده از رسانه‌های اجتماعی در برنامه‌ریزی، واکنش و تحقیق در بلایا. بلایا 2014 ، 39 ، 1-22. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  50. مونرو، ام سی؛ پنیسی، ال. مک کافری، اس. Mileti، D. علوم اجتماعی برای بهبود مدیریت سوخت: ترکیبی از تحقیقات مربوط به برقراری ارتباط با صاحبان خانه در مورد مدیریت سوخت . گزارش فنی عمومی NC-267; خدمات جنگلی وزارت کشاورزی ایالات متحده، ایستگاه تحقیقاتی مرکزی شمالی: سنت پل، MA، ایالات متحده آمریکا، 2006. [ Google Scholar ]
  51. کرافورد، ک. Finn, M. محدودیت های داده های بحران: چالش های تحلیلی و اخلاقی استفاده از داده های اجتماعی و تلفن همراه برای درک بلایا. ژئوژورنال 2015 ، 80 ، 491-502. [ Google Scholar ] [ CrossRef ]
  52. Goodchild، MF; Li, L. اطمینان از کیفیت اطلاعات جغرافیایی داوطلبانه. تف کردن آمار 2012 ، 1 ، 110-120. [ Google Scholar ] [ CrossRef ]
  53. گال، م. نگوین، KH; کاتر، SL تحقیق یکپارچه در مورد خطر فاجعه: آیا واقعاً یکپارچه شده است؟ بین المللی J. کاهش خطر بلایا. 2015 ، 12 ، 255-267. [ Google Scholar ] [ CrossRef ]
  54. جورجیادو، ی. Lungo، JH; ریشتر، سی. سنسورهای شهروند یا مردم افراطی؟ مداخلات شفافیت و پاسخگویی در geoweb موبایل. بین المللی جی دیجیت. زمین 2013 ، 7 ، 516-533. [ Google Scholar ] [ CrossRef ]
  55. کوکس، EE; جونگمن، بی. هاسبی، تی جی; Botzen، WJW ترکیب خطر، قرار گرفتن در معرض و آسیب پذیری اجتماعی برای ارائه درس هایی برای مدیریت خطر سیل. محیط زیست علمی سیاست 2015 ، 47 ، 42-52. [ Google Scholar ] [ CrossRef ]
  56. مکلر، آر. Bouwer, LM درک روندها و پیش بینی تلفات بلایای طبیعی و تغییرات آب و هوایی: آیا آسیب پذیری حلقه گم شده است؟ صعود چانگ. 2015 ، 133 ، 23-25. [ Google Scholar ] [ CrossRef ]
  57. نیس، پ. زیلسترا، دی. Zipf، A. تکامل شبکه خیابانی نقشه‌های جمع‌سپاری: نقشه خیابان باز در آلمان 2007-2011. اینترنت آینده 2012 ، 4 ، 1-21. [ Google Scholar ] [ CrossRef ]
  58. زیلسترا، دی. Zipf، A. مطالعه مقایسه ای داده های جغرافیایی اختصاصی و اطلاعات جغرافیایی داوطلبانه برای آلمان. در مجموعه مقالات سیزدهمین کنفرانس بین المللی AGILE در علم اطلاعات جغرافیایی، گیماراس، پرتغال، 10-14 مه 2010.
  59. کلونر، سی. بارون، سی. نیس، پ. Höfle, B. به روز رسانی مدل های رقومی ارتفاع از طریق تشخیص تغییر و ادغام داده های حسگر انسانی و راه دور در محیط های شهری. بین المللی جی دیجیت. زمین 2015 ، 8 ، 153-171. [ Google Scholar ] [ CrossRef ]
  60. فلگنترف، سی. Dombrowsky، WR Hazard-، Risiko- und Katastrophenforschung. در Naturrisiken und Sozialkatastrofen ; Felgentreff, C., Glade, T., Eds. Springer: برلین/هایدلبرگ، آلمان، 2008; صص 13-29. [ Google Scholar ]
  61. لی، ال. Goodchild، MF; Xu، B. الگوهای مکانی، زمانی و اجتماعی-اقتصادی در استفاده از توییتر و فلیکر. کارتوگر. Geogr. Inf. علمی 2013 ، 40 ، 61-77. [ Google Scholar ] [ CrossRef ]
  62. برنینگهام، ک. فیلدینگ، جی. Thrush، D. “این هرگز برای من اتفاق نمی افتد”: درک آگاهی عمومی از خطر سیل محلی. بلایا 2008 ، 32 ، 216-238. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  63. واچینگر، جی. رن، او. بگ، سی. Kuhlicke, C. پارادوکس ادراک ریسک – پیامدهای حاکمیت و ارتباط مخاطرات طبیعی. ریسک مقعدی 2013 ، 33 ، 1049-1065. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  64. نارایانان، ر. Lekshmy، VM; رائو، اس. Sasidhar, K. رویکردی جدید برای پایش سیل شهری با استفاده از بینایی کامپیوتر. در مجموعه مقالات پنجمین کنفرانس بین المللی محاسبات، ارتباطات و فناوری های شبکه، هفی، چین، 11 تا 13 ژوئیه 2014.
Ijgi 05 00103 g001 1024
شکل 1. سطوح مشارکت داوطلبان در کار علمی (اصلاح شده از [ 22 ]).
Ijgi 05 00103 g002 1024
شکل 2. نمودار جریان جستجوی ادبیات و انتخاب مقالات برای تجزیه و تحلیل عمیق ( بخش 2.1 ، بخش 2.2 و بخش 2.3 ).
Ijgi 05 00103 g003 1024
شکل 3. مروری بر فرصت ها و چالش ها برای استفاده از VGI در مرحله کاهش و آمادگی تجزیه و تحلیل خطر در سطح تصور و تحقق.
جدول
جدول 1. گونه شناسی VGI (اصلاح شده از [ 21 ]، ص 405).
جدول
جدول 2. اصطلاحات پرس و جو برای دو مفهوم جستجوی ادبیات در Web of Science و Scopus.
جدول
جدول 3. ابعاد و مقوله های خاص برای استخراج اطلاعات تجزیه و تحلیل کیفی عبارات پرس و جو مقالات منتخب برای دو مفهوم جستجوی ادبیات در Web of Science و Scopus.
جدول
جدول 4. مقالات منتخب بررسی شده از SLR.
جدول
جدول 5. نوع خطر.
جدول
جدول 6. سطح مشارکت شهروندان.

;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