نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

چکیده

این مقاله استفاده از داده های مکانی را برای مدیریت ریسک و بلایای طبیعی مورد بحث قرار می دهد. اهمیت داده‌های سنجش از راه دور (RS)، سیستم اطلاعات جغرافیایی (GIS) و سیستم ماهواره‌ای ناوبری جهانی (GNSS) با مقایسه مطالعات استفاده از این فناوری‌ها برای مدیریت بلایای طبیعی تاکید می‌شود. به اشتراک گذاری داده های مکانی در زمینه ایجاد زیرساخت های داده های مکانی (SDI) برای بلایای طبیعی مورد بحث قرار می گیرد. برخی از نمونه‌های کاربرد SDI در مدیریت بلایا مورد تجزیه و تحلیل قرار گرفته و نیاز به مشارکت سازمان‌ها و دولت‌ها برای تسهیل تبادل اطلاعات و بهبود برنامه‌های پیشگیرانه و اضطراری تقویت می‌شود. علاوه بر این، مشارکت بالقوه شهروندان در فرآیند مدیریت ریسک و بلایا با ارائه داده‌های داوطلبانه جمع‌آوری‌شده از برنامه‌های کاربردی اطلاعات جغرافیایی داوطلبانه (VGI) مورد بررسی قرار می‌گیرد. مدلی که تمام جنبه‌های اشتراک‌گذاری داده‌های فضایی مورد بحث در مقاله را مرتبط می‌کند برای روشن کردن اهمیت موضوعات مطرح‌شده پیشنهاد شد.
کلید واژه ها: 

اطلاعات جغرافیایی داوطلبانه (VGI) ؛ زیرساخت داده های مکانی (SDI) ; سنجش از دور (RS) ؛ مدیریت بحران

 

1. مقدمه

فراوانی و شدت بلایای طبیعی در چند دهه اخیر افزایش یافته است. بر اساس گزارش جهانی بلایای 2011، 4022 بلای طبیعی بین سالهای 2001 تا 2010 در سرتاسر جهان رخ داده است که طبق گزارش ها در مجموع 1221332 نفر کشته شده اند [ 1 ]. همانطور که در [ 2 ] گزارش شده است، رشد بالای جمعیت، شهرنشینی شدید و صنعتی شدن و اشغال بی نظم حضور جمعیت های پر تراکم را در مناطق پرخطر ترویج می کند که ممکن است مسئول افزایش بلایای طبیعی باشد.
جامعه بین الملل تشخیص می دهد که بزرگی و تکرار این رویدادها و همچنین تعداد قربانیان در حال افزایش است [ 3 ]. اشغال بی نظم و فقدان برنامه ریزی شهری عامل اصلی تلفات انسانی است.
برخی از بلایای طبیعی به صورت ناگهانی رخ می دهند و مناطق وسیعی را تحت تأثیر قرار می دهند. بنابراین، توسعه برنامه های پیشگیرانه، به عنوان مثال، سونامی، گردباد، زلزله دشوار است. از سوی دیگر، بلایایی مانند سیل و رانش زمین به آسانی ترسیم می شوند و افرادی که بالقوه تحت تأثیر قرار می گیرند را می توان از قبل پیش بینی کرد زیرا مناطق آسیب پذیری که این رویدادها در آنها رخ می دهد به طور کلی شناخته شده است [ 4 ].
به دلیل کاربرد گسترده، تکنیک‌های سنجش از راه دور (RS)، سیستم اطلاعات جغرافیایی (GIS) و سیستم ماهواره‌ای ناوبری جهانی (GNSS) ابزارهای ارزشمندی برای مدیریت ریسک و بلایا هستند [ 5 ].
با این حال، برای استفاده از تکنیک های RS و GIS برای مدیریت ریسک و بلایای طبیعی، داده ها و اطلاعات باید در دسترس باشد. علاوه بر این، دولت باید کارکنان فنی آماده برای رسیدگی و تجزیه و تحلیل اطلاعات مرتبط داشته باشد. یک زیرساخت داده های مکانی (SDI) توسط جامعه علمی پیشنهاد شده و به عنوان جایگزینی برای رسیدگی به مسائل اشتراک داده ها اجرا شده است.
در کشورهای در حال توسعه، موسسات فناورانه و گروه های تحقیقاتی باید از طریق برنامه های پیشگیری از بلایای طبیعی و برنامه های اضطراری کمک کنند تا پیامدهای منفی بلایا را به حداقل برسانند. بنابراین، سازمان ملل (سازمان ملل متحد) پلتفرم اطلاعات فضایی برای مدیریت و واکنش بلایا (SPIDER) را ایجاد کرده است تا اطمینان حاصل کند که سازمان‌ها و کشورها به دسترسی و توسعه توانایی استفاده از اطلاعات فضایی برای حمایت از کل خطر چرخه مدیریت بلایا هدف اصلی این پلت فرم ترویج استفاده از اطلاعات ماهواره ای برای نظارت بر شرایط زمین شناسی، هیدرولوژیکی و آب و هوایی برای تسهیل برنامه ریزی، کاهش و واکنش سریع در صورت وقوع بلایای طبیعی است [ 6 ].
استفاده از تکنیک‌ها و داده‌های RS، GIS و GNSS در مدیریت بلایای طبیعی بسیار مهم است و بحث‌ها در مورد وضعیت واقعی برنامه‌ها و روش‌ها امکان شناسایی شکاف‌ها در قابلیت استفاده و فرصت‌ها را برای تسهیل استفاده از داده‌ها فراهم می‌کند. علاوه بر این، ایجاد داده ها و به اشتراک گذاری اطلاعات و استفاده از ابتکارات، مانند اجرای SDI، بسیار مهم است.
این مقاله وضعیت فناوری‌های RS، GIS و GNSS را برای مدیریت بلایا ارائه می‌کند. علاوه بر این، اهمیت دسترسی به داده‌های فضایی تولید شده قبلی و فناوری‌های پیشنهادی، مانند SDIs، برای دریافت، یکپارچه‌سازی و اشتراک‌گذاری داده‌های فضایی جدید، به‌ویژه با توجه به مسائل قابلیت همکاری، مورد بحث قرار می‌گیرد. در نهایت، برجستگی و اهمیت داده های داوطلبانه ارائه شده توسط شهروندان (VGI)، به ویژه برای مدیریت بلایا زمانی که اطلاعات کم است، مورد بحث قرار می گیرد. یک مدل مفهومی که تمام داده‌های مکانی را مرتبط می‌کند، پیشنهاد شده است، و جنبه‌های اشتراک‌گذاری در سراسر مقاله مورد بحث قرار می‌گیرد. موضوعات مهمی مانند فراداده و توافقات نهادی و سیاسی نیز در نظر گرفته شده است.
مروری بر کاربردها، مانند استفاده از فناوری های RS، GIS و GNSS در مدیریت بلایا، در بخش 2 ارائه شده است، SDI در بخش 3 ارائه شده است و VGI در بخش 4 مورد بحث قرار گرفته است . بحث و نتیجه گیری به ترتیب در بخش 5 و بخش 6 ارائه شده است.

2. تصاویر ماهواره ای، داده های GIS و GNSS برای مدیریت ریسک و بلایا

بلایای طبیعی جهانی هر ساله باعث میلیاردها دلار خسارت به زیرساخت ها، اختلال غیرمنتظره در فعالیت های اقتصادی-اجتماعی و از دست دادن جان انسان ها می شود [ 7 ]. تکنیک‌های سنجش از دور و ابزارهای GIS و GNSS اغلب در برنامه‌های کاربردی برای مدیریت بلایا در فعالیت‌های قبل و بعد از بلایا استفاده می‌شوند. برنامه های کاربردی قبل از فاجعه با تلاش های کاهش و آمادگی همراه است. کاهش به فعالیت هایی اشاره دارد که آسیب پذیری جوامع را در برابر اثرات یک فاجعه کاهش می دهد، در حالی که آمادگی به فعالیت هایی اطلاق می شود که آمادگی را برای واکنش به یک فاجعه در زمان وقوع آن تسهیل می کند [ 8 ].]. برنامه های کاربردی پس از فاجعه با تلاش های پاسخ و بازیابی مرتبط هستند. واکنش به اثرات فوری و کوتاه مدت یک فاجعه مرتبط است، در حالی که بازیابی به فعالیت هایی اشاره دارد که جوامع را به شرایط قبل از فاجعه باز می گرداند، مانند بازسازی [ 8 ].
کاربردهای مرتبط با تلاش‌های کاهش و آمادگی معمولاً با پیشگیری از بلایای زمین لغزش و سیل، به عنوان بخشی از مطالعات برنامه‌ریزی کاربری زمین و/یا شناسایی مناطق آسیب‌پذیر همراه است. تکنیک های GIS معمولا برای تجزیه و تحلیل اطلاعات سنجش از دور، اجازه درک فرآیند و شناسایی استانداردها و روابط بین متغیرها استفاده می شود. علاوه بر این، اطلاعات زمین شناسی، ژئومورفولوژی و اقلیم شناسی ممکن است با ارزیابی ریسک ترکیب شوند تا کمک های برنامه ریزی مهمی را فراهم کنند.
برای ارزیابی مناطق آسیب‌پذیر در برابر زمین لغزش، روش‌هایی که شامل استفاده از GIS و سنجش از دور است و در دهه‌های اخیر پیشنهاد شده‌اند، معمولاً نقشه‌های پوشش زمین را که از طریق طبقه‌بندی تصاویر ماهواره‌ای با اطلاعات نقشه‌های دیگر، مانند توپوگرافی، زمین‌شناسی و ژئومورفولوژی توسعه یافته‌اند، تجزیه و تحلیل می‌کنند. جدای از مناطق مختلف جغرافیایی مورد مطالعه، تفاوت‌های بین مطالعات زمین لغزش معمولاً از مدل پیشنهادی برای ترکیب اطلاعات در GIS، روش مورد استفاده برای تخصیص وزن برای هر لایه اطلاعاتی، نوع تصویر ماهواره‌ای استفاده شده و روش مورد استفاده به دست می‌آید. طبقه بندی تصاویر ماهواره ای در [ 9 ]، از مدل وزن شواهد (یک مدل احتمال بیزی) برای انتخاب متغیرها (نقشه ها) و وزن های مربوطه استفاده شد. در [ 10]، استفاده از نظریه مجموعه ناهموار برای تطبیق ویژگی های جغرافیایی پیچیده حساسیت زمین لغزش و تعیین قوانین مربوط به عوامل شرطی سازی زمین لغزش و رویدادهای زمین لغزش مورد بررسی قرار گرفت. یک مدل رگرسیون لجستیک چند متغیره در [ 11 ] برای ترکیب متغیرها در GIS و SPOT (Système Pour l’Observation de la Terre) 5 و تصاویر ماهواره ای Landsat TM برای نقشه برداری از پوشش زمین استفاده شد، در حالی که [ 12 ] از تحلیل رگرسیون چند متغیره استفاده کرد. یک روش شامل فتوگرامتری و تجزیه و تحلیل سه بعدی GIS در [ 13 ] توسعه داده شد.
استفاده از تصاویر ماهواره ای نشان داده است که مشاهدات ماهواره ای مکمل اقدامات سنتی در محل هستند و ابزارهای مهمی برای فعال کردن تجزیه و تحلیل و محصولات جغرافیایی برای برآوردن نیازهای عملیاتی سیستم های پشتیبانی تصمیم برای همه انواع بلایای طبیعی هستند [ 14 ]. مجموعه‌ای متنوع و رو به رشد از ماهواره‌های سنجش از دور وجود دارد و مطالعات بلایای طبیعی معمولاً انواع مختلفی از تصاویر را با وضوح‌های فضایی، طیفی و رادیومتری متفاوت و روش‌های مختلف پردازش تصویر بررسی می‌کنند. در [ 15]، تجزیه و تحلیل تصویر شی گرا مرتبط با الگوریتم های یادگیری ماشین برای پیشنهاد یک گردش کار نظارت شده برای کاهش کار دستی و عینیت بخشیدن به انتخاب ویژگی های مهم شی و آستانه طبقه بندی استفاده شد که با تصاویر مختلف از جمله Quickbird، IKONOS، Geoeye-1 آزمایش شد. و عکس های هوایی از مکان های تحت تاثیر رانش زمین. تکنیک های تجزیه و تحلیل تصویر مبتنی بر شی نیز در [ 16 ] برای طبقه بندی قرار گرفتن در معرض خاک برای شناسایی فرسایش و حساسیت زمین لغزش با توجه به مدل های شیب استفاده شد. یک الگوریتم عمومی برای تشخیص عناصر در معرض خطر از تصاویر با وضوح بالا در [ 17 ] پیشنهاد شد.
با توجه به آمادگی و کاهش سیل، برخی از مطالعات استفاده از GIS را برای کشف توسعه مدل‌های هیدرولوژیکی در نظر گرفته‌اند و روش‌هایی را برای تدوین سناریوها و نقشه‌های منطقه سیل پیشنهاد کرده‌اند. سیل و نواحی سیل ناگهانی در [ 18 ، 19 ] با ترکیب اطلاعات مورفولوژیکی استخراج شده از مدل های رقومی ارتفاع و مدل های هیدرولوژیکی با استفاده از ابزار GIS نقشه برداری شدند. در [ 20 ]، یک سیستم مدل‌سازی هیدرولوژیکی مبتنی بر وب توسعه داده شد که امکان ادغام داده‌های بارندگی بلادرنگ از یک شبکه نظارت بی‌سیم را در یک مدل مبتنی بر GIS توزیع‌شده مکانی فراهم می‌کند.
بسیاری از مطالعات مربوط به بلایای سیل از سنجش از دور در مراحل واکنش و بازیابی، عمدتاً برای تشخیص تغییرات در پوشش زمین استفاده کرده‌اند. در [ 21 ]، تصاویر SPOT با یک الگوریتم تغییر بردار چند زمانی برای تولید نقشه های تغییر که تأثیر بلایای سیل را نشان می دهد، استفاده شد. یک روش مبتنی بر تصاویر سری زمانی MODIS (طیف رادیومتر تصویربرداری با وضوح متوسط) برای تشخیص تغییرات مکانی-زمانی در طغیان سیل در [ 22 ] ارائه شد. در [ 23]، استفاده از تصاویر ماهواره ای مانند ETM+ (Enhanced Thematic Mapper Plus) و UK-DMC (ماهواره ای که یکی از تعدادی از ماهواره های صورت فلکی نظارت بر بلایا است) برای تشخیص تغییر نقشه پس از بررسی یک فاجعه سیل، و آن پیشنهاد شد که این نقشه برداری را می توان در مناطق تحت تأثیر هر نوع بلای طبیعی که می تواند منجر به تغییر پوشش زمین شود، استفاده کرد. در واقع، مطالعات بسیاری، نه تنها در مورد بلایای سیل، بلکه همچنین زلزله، آتش سوزی، رانش زمین و سونامی، از جمله، وجود دارد که استفاده از تکنیک های سنجش از دور را در مراحل واکنش و بازیابی برای تشخیص تغییرات پوشش زمین مورد بررسی قرار داده است.
روشی برای شناسایی ساختمان های آسیب دیده و تغییرات کاربری زمین در یک فاجعه پس از سونامی با استفاده از تصاویر IKONOS و Quickbird به عنوان یک روش واکنش سریع برای استفاده بلافاصله پس از یک فاجعه در [ 24 ] پیشنهاد شد. در [ 25 ]، تصاویر ماهواره FORMOSAT-2، که برای به دست آوردن تصاویر روزانه به موقع و کم هزینه طراحی شده بود، از نظر کفایت برای استفاده در ارزیابی آسیب در مناطق ویران شده توسط زلزله و سونامی مورد ارزیابی قرار گرفت. استفاده از تصاویر MODIS پس از فاجعه سونامی در سال 2004 در [ 26 ] مورد بررسی قرار گرفت، که به این نتیجه رسید که، حتی اگر امکان تعیین نوع پوشش زمین از این تصاویر ماهواره ای با وضوح متوسط ​​وجود ندارد، ارزیابی سریع آسیب شدید به منابع زمینی می تواند انجام شود. ارائه شده است. در [ 27]، یک روش برای کاوش تصاویر چند حسگر و چند زمانی با داده های GIS برای ارزیابی اشیاء زیرساخت، مانند جاده ها، برای قابلیت استفاده بلافاصله پس از یک بلای طبیعی با استفاده از تجزیه و تحلیل زمان واقعی ارائه شد. در [ 28 ]، خطرات زمین لغزش ناشی از زلزله با داده های ریزماهواره پکن-1 در ترکیب با نقشه های رقومی ارتفاع و شیب شیب قبل و بعد از رویداد فاجعه برای محاسبه تغییرات در مناطق پوشش گیاهی و نظارت بر حرکات توده ناشی از زلزله مورد بررسی قرار گرفت. داده های پکن-1 نیز در [ 29 ] برای نقشه برداری پوشش زمین پس از زلزله ونچوان در سال 2008 استفاده شد. در [ 30 ]]، روش هایی برای تخمین مناطق تحت تاثیر از دست دادن یا کاهش نورهای شهر با استفاده از تصاویر سیستم Linscan عملیاتی برنامه هواشناسی دفاعی هواشناسی (DMSO-OLPS) پیشنهاد شد. داده‌های ماهواره‌ای مشاهده‌گر زمین پیشرفته (ALOS) و رادار باند L باند فازی (PALSAR) از مناطق آسیب‌دیده از زلزله 2008 ژاپن در [ 31 ] برای شناسایی 11 منطقه از 13 منطقه زمین لغزش مورد تجزیه و تحلیل قرار گرفت. استفاده از تشخیص نور و محدوده (LIDAR) در [ 32 ] برای شناسایی موانع شبکه حمل و نقل با استفاده از داده های قبل و بعد از طوفان کاترینا برای تجزیه و تحلیل طرح های مسیریابی برای کاهش زمان پاسخ برای رسیدن به مکان های فاجعه مورد بررسی قرار گرفت.
برای بلایای آتش سوزی، روشی برای شناسایی و نظارت بر ستون های تولید شده توسط مقادیر زیادی دود ساطع شده از آتش در [ 33 ] با استفاده از داده های AVHRR (رادیومتر با وضوح بسیار بالا پیشرفته) توسعه یافت. داده های به دست آمده از منشور بین المللی “فضا و بلایای بزرگ” از NigeriaSat-1 در [ 34 ] برای مطالعه وسعت کل منطقه سوخته شده از یک فاجعه آتش سوزی برای تجزیه و تحلیل پیامدهای زیست محیطی آن استفاده شد. شاخصی بر اساس داده‌های MODIS/ASTER در [ 35 ] برای ارزیابی شدت آتش‌سوزی برای هماهنگ کردن پاسخ به موقع توانبخشی پس از آتش‌سوزی پیشنهاد شد.
فراتر از تصویربرداری، فناوری‌های خارج از فضا نیز برای موقعیت‌یابی دقیق مفید هستند، مانند GNSS، که محبوب‌ترین آنها سیستم موقعیت‌یابی جهانی (GPS) است. داده های GPS در اکثر موقعیت های پیشگیرانه، مدیریتی و اضطراری در بلایای طبیعی استفاده می شوند زیرا اطلاعات دقیق موقعیت جغرافیایی را ارائه می دهند.
فن آوری GPS به طور مکرر در بلایای طبیعی و در نظارت بر پدیده های ژئوفیزیکی، به طور عمده زمین لغزش، که نیاز به استفاده از نوع متفاوتی از تکنیک GPS دارد، استفاده شده است [ 36 ]. سیستم شبکه گره حسگر (SNNS) نمونه ای از تشخیص حرکت آهسته جرم است و در ژاپن استفاده می شود [ 37 ].
داده های GPS همچنین برای پایش بلایای طبیعی زمین لغزش کویولحصار که در شمال شهر کویولحصار (ترکیه) قرار داشت، استفاده شد. اثربخشی روش استاتیکی سریع برای پایش شیب در [ 36 ] نشان داده شد. نویسندگان کاربرد این روش را برای مناطق دیگر با ویژگی های فیزیکی مشابه و همچنین برای نظارت بر فعالیت های آتشفشانی برجسته کردند.
با توجه به [ 38 ]، زمین لغزش ممکن است به دلیل پدیده های طبیعی، مانند زلزله، بارش زیاد و فعالیت های آتشفشانی رخ دهد که بر جاده ها و ساختمان ها تأثیر می گذارد. در مطالعه ای در جنوب آپنین ایتالیا، نویسندگان زمین لغزش را با ترکیبی از داده های شیب سنج و ایستگاه های GPS زیر نظر گرفتند. ایستگاه های GPS برای تشخیص زمین لغزش های احتمالی بسیار مهم بودند.
با استفاده از داده های پایش ایستگاه های GPS در تایوان، [ 39 ] جابجایی لرزه ای زمین لرزه چی-چی (ژاپن) را نشان داد. اندازه‌گیری‌ها در مراحل قبل و بعد از رویداد انجام شد و یک مجموعه داده کامل برای مطالعات جابجایی ایجاد کرد.
علاوه بر این، گیرنده های ناوبری قابل حمل به طور گسترده در موقعیت های بلایای طبیعی استفاده می شوند، همانطور که در تلاش های نقشه برداری پس از سونامی در سال 2004 در جزیره اسکوترا، اقیانوس هند مشاهده شد. با گیرنده های قابل حمل، سطح آب اندازه گیری شد و مناطق سیل زده نقشه برداری شد [ 39 ]. استفاده از GEO-PICTURES در [ 40 ] پیشنهاد شد، که سیستمی است که تصاویر ماهواره‌ای، حسگرهای درجا ، تصاویر برچسب‌گذاری‌شده جغرافیایی، متن و دیگر انواع اطلاعات مرتبط را یکپارچه می‌کند. این سیستم ممکن است به ارائه اطلاعات گمشده در تحلیل‌های سنجش از راه دور کمک کند، یکی دیگر از کمک‌های مهم GNSS در مدیریت بلایای طبیعی.
ادغام داده های GIS، سنجش از دور و GNSS ممکن است درک بلایای مرتبط با آب و هوا، شناسایی ناپایداری های شیب (مقیاس منطقه ای)، درک عوامل زمین شناسی و ژئومورفولوژیکی کنترل کننده لرزه خیزی و اثرات زمین لرزه ها بر ساختار زمین را تسهیل کند. و زیرساخت. همه این اطلاعات گردآوری پایگاه‌های اطلاعاتی در مورد بلایای طبیعی را تسهیل می‌کند و از فعالیت‌های امداد بشردوستانه و مدیریت بلایا پشتیبانی می‌کند [ 41 ]]. اگرچه اینها نمونه‌های خوبی از کاربرد تکنیک‌های GIS، سنجش از دور و GNSS هستند، مهم است که نشان داده شود که روش‌ها و اطلاعات را می‌توان برای دستیابی به نتایج به اشتراک گذاشت. علاوه بر این، کادر فنی مراکز مدیریت ریسک و بلایا باید آموزش ببینند و روش ها با هر مورد خاص تطبیق داده شود.
در برزیل، بلایای طبیعی اخیراً در ارتفاعات ایالت سانتا کاتارینا در سال 2008 رخ داده است. سطوح بالای بارندگی منجر به وقوع سیل و رانش زمین شد که باعث خسارات سنگین در جنوب و جنوب شرقی برزیل، در شهر سائو لوئیز دو پارایتینگا (ایالت سائوپائولو) در سال 2010 و در ارتفاعات پتروپولیس و ترسوپولیس در ایالت ریودوژانیرو شد. 2011. همانطور که در این بخش ارائه شد، نمونه هایی از استفاده از تکنیک های سنجش از دور و GIS را می توان در سرتاسر جهان شناسایی کرد، اگرچه تنها مطالعات کمی در برزیل انجام شده است. در ارتفاعات سانتا کاتارینا (جنوب برزیل)، ژئوتکنولوژی ها برای درک توزیع بارش و سیل در طول سال ها و در سراسر قلمرو ایالت به کار گرفته شد ([ 42 ، 43 ]).]). تکنیک های سنجش از دور برای درک رابطه بین حضور پوشش گیاهی و وقوع سیل در همان منطقه استفاده شد [ 44 ]. در ایالت سائوپائولو، جایی که یک شهر روستایی متحمل سیل شدید شد که تقریباً کل شهر را ویران کرد، تجزیه و تحلیل پس از فاجعه با داده های سنجش از دور برای درک فرآیند سیل و ایجاد برنامه های پیشگیرانه استفاده شد [ 45 ]. در ارتفاعات ریودوژانیرو (جنوب شرقی برزیل)، مطالعات نقشه برداری از مناطق خطر [ 46 ] و توسعه و استفاده از یک مدل GIS مبتنی بر وب برای پشتیبانی از فعالیت های واکنش اضطراری [ 47 ] را بررسی کرده اند.
در رابطه با واکنش اضطراری، در [ 48 ] مفهوم رابطه زمان و اطلاعات و همچنین اطلاعاتی که به طور واقع بینانه می تواند از داده های سنجش از راه دور بدست آید، سه روز پس از یک فاجعه ارائه شده است. اولین اطلاعات به دست آمده، نوع فاجعه، مکان و اندازه تقریبی آن است که با بزرگی تصفیه شده و وسعت خسارت دنبال می شود. یک بررسی اولیه هوایی معمولاً توسط پلیس یا رسانه ها انجام می شود. یک بررسی عکس هوایی بر روی کانال‌های مرئی و حرارتی، و همچنین تولید یک مدل ارتفاعی دیجیتال (DEM) و ادغام آن با داده‌های قبل از فاجعه جمع‌آوری شده است.
علاوه بر این، مناسب بودن راه حل فنی برای بلایای طبیعی، زمانی که حسگرهایی وجود داشته باشند که اطلاعات ضروری را برای برخی موارد خاص ضبط می کنند، مورد بحث قرار می گیرد. علاوه بر این، چندین راه حل فنی می تواند برای دستیابی به پاسخ مناسب استفاده شود. با این حال باید با ابزار مالی و فنی موجود حمایت شود. برخی رویدادها پیامدهایی دارند که نیازمند ابزارهای سنجش از راه دور مناسب هستند که می‌توانند محصولات پیچیده‌ای را برای ادغام در یک محیط GIS فراهم کنند و قابلیت پاسخگویی را بهبود بخشند. از این نظر، سنجش از دور هوابرد به دلیل تسهیلات جمع‌آوری داده‌ها، پتانسیل زیادی برای کمک به شرایط اضطراری دارد [ 48 ].
با این حال، با توجه به [ 49 ]، به دلیل محدودیت های فنی، داده های ماهواره ای هنوز در داده های بلادرنگ مشکلاتی دارند. برخی از جنبه های فنی مهم برای این عبارتند از: تفکیک مکانی، طیفی و زمانی، پوشش مکانی و همچنین ظرفیت دو بعدی و سه بعدی. علاوه بر این، چالش دیگر قابلیت تفسیر و استخراج اطلاعات از تصاویر ماهواره ای برای برخی بلایای خاص است.
فقدان اطلاعات داده‌های ماهواره‌ای به دلیل محدودیت تفکیک مکانی در یک بافت شهری ممکن است با سیستم‌های نقشه‌برداری سیار زمینی حل شود تا به سرعت داده‌های مکانی دقیق به دست آید. ادغام پلتفرم‌ها و حسگرها روندی را به سمت جمع‌آوری داده‌های مکانی در زمان واقعی ایجاد می‌کند. از این نظر، افراد ممکن است به جمع‌آوران بالقوه داده تبدیل شوند. علاوه بر برنامه های کاربردی در مشکلات حمل و نقل، سیستم های نقشه برداری سیار زمینی ممکن است برای پشتیبانی از تحقیقات در محل برای واکنش اضطراری و مدیریت بلایا در مناطق شهری استفاده شود [ 50 ].
در تمام فناوری‌های ذکر شده، RS، GIS و GNSS به طور فزاینده‌ای مورد استفاده قرار می‌گیرند و در آینده نزدیک با رشد مجموعه ماهواره‌های سنجش از راه دور و GNSS و پیدایش جایگزین‌های نرم‌افزار GIS منبع باز یا دسترسی آزاد، بیشتر مورد استفاده قرار خواهند گرفت. با این وجود، همانطور که در بخش بعدی مورد بحث قرار خواهد گرفت، اهمیت به اشتراک گذاری داده های مکانی برای تسهیل مدیریت ریسک و بلایا افزایش خواهد یافت.

3. اهمیت سیستم های اشتراک گذاری داده مبتنی بر وب برای تسهیل مدیریت ریسک و بلایا

داده‌های مکانی و فناوری‌های مرتبط برای تصمیم‌گیری مشارکتی مؤثر در مدیریت بلایا مهم بوده‌اند [ 8]. با این وجود، چالش‌ها در اشتراک‌گذاری داده‌های مکانی در فعالیت‌های مدیریت بلایا باقی می‌ماند. برخی از مطالعات استفاده از زیرساخت داده های مکانی (SDI) را برای غلبه بر برخی از این چالش ها پیشنهاد کرده اند. یکی از چالش‌های سیستم اشتراک داده، ایجاد فناوری‌ها و استانداردهایی برای مدیریت داده‌ها است به گونه‌ای که کارکنان فنی مؤسسات مدیریت ریسک و بلایا بتوانند به آسانی و سریع به داده‌ها دسترسی داشته باشند و از آنها استفاده کنند. SDI ها می توانند برای تسهیل توسعه ارزیابی ریسک و برنامه ریزی جابجایی استفاده شوند و همچنین می توانند از ایجاد برنامه های مدیریت بلایا برای به حداقل رساندن خسارات ناشی از یک بلای طبیعی بالقوه حمایت کنند. استفاده از SDI در مدیریت بلایا به ایجاد فناوری برای دسترسی مبتنی بر وب به اطلاعات مکانی کمک می کند و سازمان ها را در مدیریت بلایا به عنوان سهامداران اصلی برای تولید، به روز رسانی و نگهداری مجموعه داده های فضایی مورد نیاز برای واکنش به بلایا درگیر می کند. اگر این داده‌ها به اشتراک گذاشته و مبادله شوند، مجموعه داده‌ها برای یک جامعه مدیریت بلایا گسترده‌تر قابل دسترسی خواهند بود. این محیط مشارکتی مبتنی بر مفهوم مشارکت در تولید و به اشتراک گذاری داده های مکانی است.51 ].
SDI می تواند به عنوان یک چارچوب مهم برای تسهیل تصمیم گیری برای مدیریت بلایا استفاده شود. با توجه به [ 52]، SDI مجموعه ای از مکانیسم ها و استانداردها برای قابلیت همکاری، تبادل، دسترسی و توزیع داده است. طراحی یک مدل SDI برای جامعه مدیریت بلایا و همچنین استفاده از فناوری‌های اطلاعاتی و ارتباطی مرتبط در مدیریت بلایا، تصمیم‌گیری را بهبود می‌بخشد و کارایی و اثربخشی کلیه سطوح فعالیت‌های مدیریت بلایا را از کاهش تا آمادگی و واکنش افزایش می‌دهد. و مراحل بهبودی سازمان‌های دولتی و غیردولتی تولیدکننده و نگه‌دارنده پایگاه‌های اطلاعاتی مختلف فضایی هستند. هنگامی که این مجموعه از داده ها به اشتراک گذاشته می شود، جامعه مدیریت بلایا می تواند برای توسعه اقدامات آمادگی و کاهش بلایای طبیعی به آن دسترسی داشته باشد.
در [ 53 ]، مولفه های SDI تعریف شده اند و سلسله مراتب آنها ایجاد می شود. ایجاد یک SDI یک فرآیند پویا است که در آن افراد یک عنصر کلیدی هستند، زیرا برای ادامه دادن به ارائه داده‌ها برای حفظ SDI مورد نیاز هستند. رابطه بین افراد و تبادل داده ها باید توسط سیاست ها، استانداردها و شبکه ها تعریف شود. از آنجا که سیاست های اشتراک گذاری داده ها باید تعریف شوند، دسترسی به داده ها و قابلیت همکاری داده ها باید به وضوح ایجاد شود.
سلسله مراتب SDI بر اساس سطوح حوزه قضایی تعریف می شود. SDI های شرکتی، که خواستار سیاست ها و ترتیبات کمتری هستند، پایین ترین سطح این سلسله مراتب را تشکیل می دهند. در سطح بعدی SDI های محلی قرار دارند. در این مرحله، SDI در درجه اول با ادغام مجموعه داده های مختلف شکل می گیرد. از این سطح به بعد، SDI استانداردها و سیاست های دقیقی را می طلبد. سطوح بعدی عبارتند از ایالت/استان، ملی، منطقه ای و جهانی. با افزایش سطح سلسله مراتب، تقاضا برای استانداردها و سیاست ها نیز افزایش می یابد. یک ابتکار جالب بین دولتی، سیستم جهانی رصد زمین از سیستم ها (GEOSS) است که شامل 88 کشور، کمیسیون اروپا و 64 سازمان بین المللی است و هدف آن ارتقای شبکه های علمی برای سیستم های رصد زمین است [ 54 ].]. نمونه دیگری از ابتکار جمع آوری اطلاعات جغرافیایی بین دولتی، زیرساخت اطلاعات فضایی در اروپا (INSPIRE) بود که به عنوان اقدامی از سوی کمیسیون اروپا پدیدار شد و هدف آن ارتقای دسترسی به اطلاعات جغرافیایی در تدوین، اجرا و ارزیابی خط مشی ها بود. اتحادیه اروپا [ 55 ].
یکی دیگر از جنبه های مرتبط با به اشتراک گذاری داده ها در زمینه بلایای طبیعی، عملیات شبکه محور (NCO) است که در وزارت دفاع ایالات متحده (DoD) منشا گرفته شد و اولین بار توسط دیوید آلبرتز، آرت سبروسکی و جان گارتسکا با مجموعه ای از مقالات ذکر شد. در سال 1996 آغاز شد. طبق [ 56 ، 57]، شبکه محوری را می توان مجموعه ای از ظرفیت های لازم برای اشتراک گذاری و دسترسی بهتر به اطلاعات افراد درگیر در مدیریت ریسک دانست. بر اساس مفهوم NCO، اطلاعات به صورت سلسله مراتبی توزیع نمی شود، که همکاری بین گروه های درگیر و سرعت انتقال داده ها را تسهیل می کند. بنابراین، پیاده‌سازی زیرساخت داده‌های مکانی برای سازماندهی و اشتراک اطلاعات اهمیت پیدا می‌کند، زیرا این امر باید در همه سطوح و به طور همزمان از طریق شبکه‌های اطلاعاتی در دسترس باشد.
علاوه بر این، ابرداده های گمشده باید در ایجاد SDI تاکید شود. استفاده از داده های مکانی و ایجاد یک پایگاه داده مکانی باید با استانداردسازی فراداده بسیار قابل اعتماد انجام شود. این مرحله باید قبل از شروع فرآیند اشتراک گذاری داده انجام شود. این پیش نیاز به اشتراک گذاری اطلاعات است و حداکثر اطلاعات در مورد داده ها باید ارائه شود تا بهترین استفاده از آن امکان پذیر شود [ 58 ].
اگر ساختار ابرداده تعریف شده باشد، می توان تعداد کاربران داده را بدون اتلاف منابع تا حد زیادی افزایش داد. ابرداده برای درک، استفاده و مدیریت داده ها ضروری است. بسیاری از استانداردهای ابرداده پیشنهادی وجود دارد (به عنوان مثال، ISO 19115، هسته دوبلین و کمیته داده های جغرافیایی فدرال)، اگر چه یک استاندارد واحد باید انتخاب شده و به شدت در هنگام بهینه سازی روش اشتراک گذاری داده ها دنبال شود [ 59 ].
معناشناسی یکی دیگر از جنبه های مهم ابرداده و به اشتراک گذاری داده است. قابلیت همکاری کامل نه تنها به یک هم ارزی نحوی بین موجودیت هایی که توسط سیستم ها نشان داده شده اند، بلکه به معادل سازی مفاهیم و معانی این موجودیت ها نیز نیاز دارد. بنابراین، تعریف هستی‌شناسی به شناسایی داده‌ها کمک می‌کند، بنابراین اشتراک‌گذاری داده‌ها را تسهیل می‌کند [ 60 ، 61 ].
برخی از مطالعات موضوعات SDI را در برنامه های مدیریت بلایا مورد بحث قرار داده اند. در [ 8]، یک پروژه تحقیقاتی برای پاسخگویی به بلایای زلزله در ایران انجام شد. یک مدل مفهومی SDI و یک سیستم مبتنی بر وب برای مدیریت بلایا با همکاری سازمان‌های مختلف از جوامع مدیریت بلایا توسعه داده شد. افزایش این SDI برای مدیریت بلایا در ایران با چالش های اجتماعی، فنی، فناوری، سیاسی، نهادی و اقتصادی همراه است. این مدل مفهومی SDI چارچوبی است که رژیم روشنی را برای مشارکت سازمان‌ها در تولید و اشتراک داده‌های مکانی تعریف می‌کند. چهار الزام مهم برای استانداردها، سیاست ها، قابلیت همکاری، استانداردهای ابرداده، استانداردهای کیفیت داده، راهنماها و مشخصات شناسایی شد.
مفاهیم زیرساخت های داده های مکانی و نیازها و الزامات یک پروژه تحقیق و توسعه در حال انجام در هلند در [ 62 ] ارائه شده است. انتظار می رود زیرساخت داده های مکانی تبادل و به اشتراک گذاری داده های مکانی ایستا و پویا را بین تمام نیروهای اضطراری تسهیل و هماهنگ کند. در هلند، در حال حاضر دو پروژه نوآوری با هدف بهبود تبادل داده های مکانی برای مدیریت اضطراری وجود دارد: زیرساخت داده های جغرافیایی برای مدیریت اضطراری (GDi4DM) و اطلاعات جغرافیایی برای مدیریت ریسک.
در [ 63 ]، یک سیستم پیشگام برای به اشتراک گذاری اطلاعات مکانی، به نام SIAPAD (سیستم اطلاعات آند برای پیشگیری از بلایا و امداد رسانی)، برای جامعه آند توسعه داده شد که اطلاعات مکانی را از 37 سازمان فنی در کشورهای آند (بولیوی، کلمبیا، اکوادور) یکپارچه می کند. و پرو). SIAPAD بر اساس مفهوم یک زیرساخت داده های مکانی موضوعی (SDI) است و شامل یک برنامه وب به نام GEORiesgo است.
استفاده از برنامه های کاربردی SDI و mash-up برای مدیریت بحران در بلایای طبیعی در [ 64 ] تجزیه و تحلیل شد. نویسندگان به این نتیجه رسیدند که کامل‌ترین راه‌حل باید شامل ترکیب‌هایی برای تجسم و تحلیل ساده، GIS برای نقشه‌برداری و تجزیه و تحلیل پیشرفته و SDI زیربنایی برای ارائه داده‌ها و خدمات وب باشد.
در [ 65 ]، یک سیستم وب پیاده‌سازی شده توسط فناوری اطلاعات برای کمک‌های بشردوستانه، همکاری و اقدام (ITHACA)، یک انجمن غیرانتفاعی که یک برنامه کاربردی وب برای به اشتراک‌گذاری داده‌ها ایجاد کرد تا به کاربران میدانی و مرکزی اجازه دهد به محض دریافت داده‌ها. پس از زلزله پورتو پرنس در سال 2010 تولید یا به روز شده اند، شرح داده شده است. چارچوب توسعه‌یافته با موفقیت قابلیت‌های نقشه‌برداری وب ITHACA را تسریع کرد، که در شرایط اضطراری در هائیتی مفید بود. در واقع، سازمان ITHACA از سازمان ملل متحد (UN) و برنامه جهانی غذا (WFP) در توسعه و اجرای SDI بر اساس توصیه های گروه کاری اطلاعات جغرافیایی سازمان ملل متحد (UNGIWG) حمایت می کند [ 66 ]]. در http://geoportal.logcluster.org/useradmin/auth می توان به یک پورتال جغرافیایی برای SDI با محوریت زیرساخت های حمل و نقل (SDI-T) به صورت آنلاین دسترسی داشت . علاوه بر این، بسیاری از نمونه های دیگر از SDI های ملی، منطقه ای و محلی را می توان در صفحه وب انجمن زیرساخت داده های مکانی جهانی ( http://www.gsdi.org/SDILinks ) یافت.
فناوری مورد نیاز برای یکپارچه‌سازی داده‌های مکانی وجود دارد و به ابتکاراتی مانند زیرساخت داده‌های مکانی ژئووب‌سایت برزیل [ 67 ] اجازه می‌دهد، اگرچه فقدان سیاست‌های عمومی در مدیریت بلایا برای پشتیبانی از اشتراک‌گذاری داده‌ها در این زمینه وجود دارد. زیرساخت ملی داده های فضایی توسط دولت برزیل در سال 2008 ایجاد شد تا مجموعه ای یکپارچه از فناوری ها، سیاست ها، مکانیسم ها و رویه ها را برای هماهنگی و نظارت بر اشتراک گذاری داده ها برای تسهیل انتشار و استفاده از داده های جغرافیایی تولید شده عمومی ایجاد کند. داده‌ها، ابرداده‌ها و اطلاعات مکانی از طریق سرویس‌های اینترنتی (GeoWeb Services) طبق پروتکل‌های بین‌المللی در دسترس هستند که امکان دسترسی به اطلاعات با دانش فنی کمی مورد نیاز را فراهم می‌کند.
به این معنا، در آخرین مجمع سازمان ملل در سال 2011، نماینده برزیل استفاده از شبکه های دیجیتال را برای افزایش دسترسی به داده های قابل همکاری در اینترنت و توسعه زیرساخت ملی داده باز ارائه کرد. استفاده از شبکه های دیجیتال برای شفافیت دولتی و دسترسی به شهروندان ضروری است و همچنین به بهبود بخش های آموزشی، زیست محیطی، بهداشتی و امنیتی جامعه کمک می کند.
مطالعات اخیر استفاده از اطلاعات مکانی در مدیریت بلایا را مورد بحث قرار داده است. علاوه بر داده های سنتی از سنجش از دور، GNSS و نقشه های نقشه برداری مورد استفاده در GIS، کاربران غیر فنی اینترنت اخیراً به طور فزاینده ای داده هایی را تولید می کنند که به اطلاعات جغرافیایی داوطلبانه (VGI) معروف است، که در تلاش های بازیابی عملکرد خوبی داشت. برای مثال، پس از فاجعه طوفان کاترینا، VGI اطلاعات تلفن همراه را با استفاده از فناوری GPS و دوربین‌هایی با حسگرهای موبایل تولید کرد [ 68 ]. جزئیات بیشتر در مورد این ابتکار و چشم اندازهای آن در بخش بعدی مورد بحث قرار خواهد گرفت.

4. اطلاعات جغرافیایی داوطلبانه (VGI) در بلایای طبیعی

استفاده از داده‌های مکانی در مدیریت بلایای طبیعی، همانطور که در بخش‌های قبلی ذکر شد، اهمیت نقشه‌ها را در شرایط اضطراری نشان می‌دهد. با توجه به [ 69 ]، داده های مکانی را می توان برای شناسایی مناطق آسیب دیده، مکان یابی و شناسایی اشیاء ضروری، برنامه ریزی اقدامات برای کاهش مشکل، و مسیر نجات، جابجایی و توزیع غذا/دارو به مناطق آسیب دیده استفاده کرد.
با این حال، نقشه‌های مرسوم می‌توانند در این موقعیت‌ها بسته به درجه تخریب بی‌اثر باشند، زیرا منطقه متاثر از یک فاجعه را می‌توان تا حد زیادی اصلاح کرد و نقشه‌های ساخته شده چند روز قبل از وقوع رویداد را باطل کرد [ 69 ].
بنابراین، این فناوری از ارزش بالایی برخوردار است، زیرا امکان برقراری ارتباط سریعتر و حذف زمان تلف شده را فراهم می کند. با این حال، اقدامات پیشگیرانه اضافی باید ترویج شود، مانند سرمایه گذاری منابع، آموزش و هماهنگی توسط رهبران جامعه مدنی و دولت [ 69 ].
از زمان زلزله هائیتی، تلاش های زیادی با همکاری جامعه مدنی برای تهیه نقشه مناطق آسیب دیده از بلایای طبیعی صورت گرفته است و این همکاری تنها به دلیل توسعه فناوری های اطلاعاتی و ارتباطی مانند GPS، Web 2.0 و … میسر شده است. تلفن های همراه
در [ 70 ]، توجه به رفتار کنونی انسان در مواجهه با فناوری جدید جلب شده است، که مشخصه آن مشارکت تعداد زیادی از شهروندان عادی، با حداقل یا بدون صلاحیت رسمی، در ایجاد اطلاعات جغرافیایی است، کارکردی که برای قرن ها انجام داده است. برای نهادهای رسمی در نظر گرفته شده است. این شهروندان داوطلبانه عمل می کنند و اطلاعات آنها ممکن است دقیق باشد یا نباشد. با این حال، در مجموع، این نشان دهنده یک نوآوری بزرگ است که تأثیر قوی بر GIS خواهد داشت و توسط [ 70 ] به عنوان VGI، یا اطلاعات جغرافیایی که توسط شهروندان عادی، به صورت جمعی و داوطلبانه، بدون نیاز به صلاحیت به دست می‌آید، تعریف می‌شود.
طبق [ 71 ]، انسان ها می توانند به عنوان حسگر رفتار کنند، زیرا در طول زندگی خود، دانشی در مورد مکان هایی که در آن زندگی می کنند، کار می کنند یا بازدید می کنند، مانند نام مکان ها، ویژگی های توپوگرافی و شبکه های حمل و نقل به دست می آورند. یک انسان را می توان یک حسگر هوشمند تلفن همراه در نظر گرفت که مجهز به توانایی های تفسیر و ادغام است که با توجه به تجربیات فرد متفاوت است. این توانایی ها را می توان از طریق استفاده از تلفن های همراه با GPS تعبیه شده، دوربین های دیجیتال و دستگاه های ردیابی افزایش داد.
در [ 72 ]، ویژگی های اطلاعات داوطلبانه به عنوان متمایز از اطلاعات به دست آمده به طور متعارف تعریف شده است. با توجه به [ 72]، محتوای اطلاعاتی؛ فن آوری های مورد استفاده برای به دست آوردن این اطلاعات؛ سوالات در مورد کیفیت، روش ها و تکنیک های مرتبط؛ و فرآیندهای اجتماعی درگیر در ایجاد و تأثیر VGI، بستر متفاوتی را برای کسب، اشتراک گذاری، انتشار و استفاده از اطلاعات جغرافیایی ایجاد می کند. اگرچه سؤالات زیادی در مورد VGI ها باقی می ماند، مانند دلایلی که افراد را به کمک اطلاعات، کیفیت داده ها و روش های مناسب برای سنتز و تجزیه و تحلیل VGI، اما حجم وسیعی از داده هایی که از طریق سیستم VGI در دسترس قرار می گیرد، یک منبع غنی و غنی است. منبع فوری اطلاعات جغرافیایی برای اهداف مختلف.
اخیراً، تعداد صفحات وب که به کاربران امکان می دهد در طیف متنوعی از اطلاعات جغرافیایی یا ویژگی ها مشارکت کنند، به سرعت افزایش یافته است، به عنوان مثال، WikiMapia، OpenStreetMap، Mapufacture، GeoCommons، TerraWiki، FixMyStreet، و WhoIsSick، در میان دیگران. این به اصطلاح ویکیفیکاسیون به GIS نیز رسیده است زیرا چهار کارکرد اصلی GIS (اکتساب داده، ذخیره سازی، مدل سازی و نقشه برداری/تجسم) دائماً در سیستم ویکی تحقق یافته است. معنی‌دارترین پیشرفت در ویکی‌سازی GIS در حوزه تولید داده‌ها به دلیل ویکی‌سازی رخ داده استرفتار افراد را نسبت به اطلاعات وسیع جغرافیایی در دسترس آنلاین تغییر می دهد. مردم در حال حاضر کاربران فعال در تولید و به اشتراک گذاری داده ها هستند، در حالی که، تا همین اواخر، کاربران منفعل در نظر گرفته می شدند [ 73 ].
برای نشان دادن ایده های فرموله شده در [ 73 ]، مجموعه ای از آتش سوزی ها در سانتا باربارا (CA/USA) در طول سال 2008/2009 را در نظر بگیرید که برای روزها سوخت و صدها خانه را ویران کرد. یکی از اپیزودهای آتش سوزی، یعنی آتش سوزی عیسیتا، در می 2009 رخ داد، به مدت دو روز در آتش سوخت و 75 خانه را ویران کرد. چندین نفر بسیج شدند و اطلاعات داوطلبانه تولید کردند و دائماً در مورد محیط آتش سوزی به روز رسانی می کردند. در پایان این رویداد، 27 نقشه داوطلب به صورت آنلاین در دسترس بود که محبوب ترین آنها 600000 بازدید داشت که اطلاعات ضروری را در مورد مکان نقاط آتش سوزی، دستورات تخلیه و پناهگاه های اضطراری ارائه می کرد [ 74 ].
پدیده مشابهی در استرالیا (فوریه 2009) رخ داد. چندین نقشه داوطلب در طول آتش سوزی در ایالت های ویکتوریا، نیو ساوت ولز و قلمرو پایتخت استرالیا به صورت آنلاین ظاهر شد. آتش سوزی ها با نقاطی در Google Maps API مشخص شده بودند، که به ویژگی هایی مانند تاریخ و زمان، وضعیت، نوع، اندازه و وسایل نقلیه موجود برای کمک، در میان سایر موارد مرتبط بودند [ 75 ].
با همین هدف، پلتفرمی به نام Ushahidi در سال 2008 برای تولید نقشه های پویا اختصاص داده شده به مدیریت بحران (به عنوان مثال، بحران های سیاسی، بلایای طبیعی و درگیری های محلی) ایجاد شد. در سایت. این یک پلتفرم رایگان است که منبع باز است و بر اساس منطق mash-up ها عمل می کند که چندین سرویس وب مانند نقشه برداری، پایگاه های داده، ابزارهای دستکاری داده ها، و عملکرد بصری و غیره را ترکیب می کند. Ushadidi در طول زلزله هائیتی در سال 2010 و اخیراً در زلزله کرایست چرچ در فوریه 2011 مورد استفاده قرار گرفت. Ushahidi همچنین در سایر موقعیت های فاجعه مانند ارائه حمایت از قربانیان، سازمان های غیردولتی (NGO) و مقامات در کشور مورد استفاده قرار گرفته است. پاسخ به رویدادها [75 ].
در برزیل، تجربیات با VGI نیز در حال ظهور است. چندین وب سایت نقشه برداری داوطلب مانند Wikimapa، WikiCrimes، و OpenStreetMap برزیل و بسیاری دیگر وجود دارد. این فناوری پس از وقوع زمین لغزش های غم انگیز اخیر در منطقه جنوبی کشور، بارندگی های شدید و سیل در جنوب شرقی برزیل و رانش زمین در منطقه کوهستانی ایالت ریودوژانیرو در اوایل سال 2011 مورد استفاده قرار گرفت.
داده های داوطلبانه در مورد بلایای طبیعی در برزیل در حال حاضر از طریق اینترنت توزیع می شود. وب‌سایت O ECO، که در ژانویه 2011 منتشر شد، شامل نقشه‌ای با اطلاعاتی درباره خسارت باران در سال 2011 است. کاربران می‌توانند عکس‌ها، فیلم‌ها و گزارش‌هایی از سیل، رانش زمین و غرق شدن را از طریق پایگاه داده Google Maps ارسال کنند [ 76 ].
مثال دیگر نقشه فاجعه است که در سال 2009 ایجاد شد، که امکان گنجاندن رویدادهای فاجعه بار بر روی نقشه بلایای سراسر جهان را نیز بر اساس نقشه های گوگل فراهم می کند. اطلاعات را می توان در قالب متن، عکس، ویدئو یا پیوند پس از وقوع یک رویداد ارسال کرد [ 77 ].
این تجربیات در برزیل و سراسر جهان نشان می‌دهد که جامعه مدنی تمایل زیادی به جمع‌آوری، اشتراک و انتشار داده‌ها دارد. مردم به طور فزاینده ای درگیر این فرآیند هستند و تسهیل دسترسی به اطلاعات اجازه ایجاد و انتشار چنین داده هایی را می دهد. VGI به یک منبع مهم در شرایط بلایای طبیعی تبدیل شده است. در بسیاری از موارد، داده ها و اطلاعات در عرض چند ساعت برای نجات جان افراد مورد نیاز است.
در دسترس بودن تصاویر ماهواره‌ای با وضوح بالا، همراه با سرویس‌هایی مانند Google Earth، ارائه داده‌های مکانی را از طریق رابط‌های ساده امکان‌پذیر می‌سازد که افراد عادی می‌توانند در غیاب هیچ مدرک حرفه‌ای غیر از تمایل به همکاری، به طور مؤثر از آن استفاده کنند [ 78 ].
نگرانی‌هایی در مورد مناسب بودن، برای کاربردهای خاص، ویژگی‌های اساسی یک سرویس داده جهانی که در آن داده‌های به‌دست‌آمده از وب و سایر منابع از نظر کیفیت و کاربران ارزیابی می‌شوند، مطرح شده است [ 79 ].]. چه پروتکل‌ها و رویه‌هایی را می‌توان برای داده‌های VGI، رسانه‌های اجتماعی با منبع جمعی و داده‌های به‌دست‌آمده از افسران توسعه داد تا شکاف‌های زیرساخت داده‌های مکانی را پر کند؟ به عنوان چالش، نویسندگان همچنین پیشنهاد می‌کنند که روش‌هایی برای ایجاد برنامه‌های کاربردی از داده‌های تولید شده، ردیابی منبع داده‌ها، توسعه رویکردی به قابلیت همکاری معنایی و تعیین نحوه کار با مقادیر زیاد داده از منابع مختلف در زمان واقعی، نیاز است. . چگونه می توان داده ها با دقت های مختلف و سطوح مختلف جزئیات و تعمیم را ترکیب کرد؟
با توجه به کیفیت داده ها، [ 79 ] استدلال می کنند که کیفیت داده های VGI را می توان با روش های مقایسه ارزیابی کرد. یعنی اطلاعات را می توان با اطلاعات دیگر در مورد همان موضوع مقایسه کرد. نشانه دیگر ممکن است تعداد افرادی باشد که در داده ها مشارکت می کنند. حقایق مربوط به مکان‌های پرجمعیت‌تر از حقایق مربوط به مکان‌های کم‌جمعیت‌تر، دقیق‌تر هستند. علاوه بر این، در بسیاری از موارد، بازنگری داده ها توسط گروهی از داوطلبان انجام می شود که می تواند خطاها را نیز کاهش دهد [ 72 ].
در [ 80]، رویکردی در مورد کیفیت داده های VGI از طریق یک گردش کار مفهومی برای ارزیابی خودکار کیفیت داده های داوطلبانه در موقعیت های مدیریت بحران ایجاد شده است. نویسندگان بر پتانسیل VGI در چنین شرایطی تاکید می کنند، اما با برخی مشکلات در کنترل کیفیت داده ها، زیرا محتوا توسط کاربر تولید می شود. یکی از چالش‌ها کسب است: یک مدل خودکار برای بازیابی و فیلتر کردن داده‌ها، و همچنین ادغام با SDI برای حمایت از تصمیم‌گیری در شرایط بحران. مدل مفهومی شامل مراحل زیر است: (1) بازیابی داده ها از منابع مختلف رسانه های اجتماعی، (2) اعتبار سنجی نحوی و قالب بندی با توجه به نیازهای مراحل بعدی پردازش، (3) غنی سازی داده ها با اطلاعات اضافی (4) ) یکپارچه سازی با SDI های موجود، و (5) انتشار داده ها. ارزیابی کیفیت داده ها در مرحله پردازش زمانی که اعتبار منبع و ارتباط اطلاعات به عنوان معیار استفاده می شود، محقق می شود. موارد خاص تر عبارتند از: امتیاز مشاهده شده از سایر کاربران، وقوع کلمات کلیدی از پیش تعریف شده، اطلاعات مکانی در مورد رویداد و بررسی متقابل بین منابع مختلف (پلتفرم ها) و همچنین با پایگاه های داده اداری یا تجاری. روش‌هایی برای مطالعه VGI در حال حاضر در حال توسعه هستند، همانطور که در [ اطلاعات مکانی در مورد رویداد و بررسی متقابل بین منابع مختلف (پلتفرم ها) و همچنین با پایگاه های داده اداری یا تجاری. روش‌هایی برای مطالعه VGI در حال حاضر در حال توسعه هستند، همانطور که در [ اطلاعات مکانی در مورد رویداد و بررسی متقابل بین منابع مختلف (پلتفرم ها) و همچنین با پایگاه های داده اداری یا تجاری. روش‌هایی برای مطالعه VGI در حال حاضر در حال توسعه هستند، همانطور که در [81 ]. در [ 81 ]، یک روش کمی برای اندازه گیری فواصل بین مکان نویسنده و محل موضوع، با بحث در مورد نقش فاصله در تولید VGI توسعه یافت. به عبارت دیگر، چگونه مشارکت‌ها تحت تأثیر فاصله قرار می‌گیرند، و در نتیجه، چگونه مسائل اجتماعی-رفتاری از اشکال آنلاین جدید نویسندگی جمعی، که نویسندگان آن را «نویسندگی جمعی آنلاین» می‌نامند، ایجاد می‌شوند. علاوه بر این، با توجه به [ 81 ]، رویکردهای جدید برای تعیین موقعیت جغرافیایی مشارکت کنندگان اطلاعات جغرافیایی تأثیر قابل توجهی بر تحقیقات VGI خواهد داشت.

5. بحث

به اشتراک گذاری سنجش از دور، GNSS، GIS و داده های داوطلبانه، فناوری و رویه ها با مدیریت ریسک و بلایای طبیعی باید برای حمایت از سیستم های ارتباطی و حمل و نقل، جلوگیری از آسیب ناشی از بلایا و ایجاد طرح های اضطراری تشویق شود. تبادل اطلاعات به توسعه سیستم‌های هوشمند کمک می‌کند، امکان برقراری ارتباط مکان دقیق و میزان آسیب و تعیین مسیرهای فرار را فراهم می‌کند و توسعه روش‌های کاهش و امداد پس از بلایا را تسهیل می‌کند.
سازمان ملل متحد در حال انجام ابتکاری در کشورهای آمریکای لاتین و کارائیب، از طریق اطلاعات فضایی سازمان ملل برای مدیریت بلایا در واکنش اضطراری (UN-SPIDER) است تا روش‌هایی را برای پیشگیری و کاهش بلایای طبیعی با استفاده از فناوری‌های ماهواره‌ای، به‌ویژه توسعه دهد. تصاویر سنجش از دور مداری این شرکت توسط دولت ها و دانشگاه های آمریکای لاتین و کارائیب حمایت می شود.
ترتیبات بین المللی ارائه رایگان تصاویر ماهواره ای از مناطق آسیب دیده در هنگام بلایای طبیعی را تضمین می کند. برای پرداختن به مراحل قبل و بعد از فاجعه، یک توافقنامه بین المللی برای همکاری بین آژانس های فضایی وجود دارد، یعنی منشور بین المللی برای فضا و بلایای بزرگ. اعضای منشور عبارتند از: آژانس فضایی اروپا، مرکز ملی d’Études Spatiales (CNES)، Spotimage، NSPO، آژانس فضایی کانادا (CSA)، سازمان تحقیقات فضایی هند (ISRO)، اداره ملی اقیانوسی و جوی (NOAA)، Comisión Nacional de Actividades Espaciales آرژانتین (CONAE)، آژانس اکتشافات هوافضای ژاپن (JAXA)، سازمان زمین شناسی ایالات متحده (USGS)، Digital Globe، GeoEye، DMC International Imaging (DMC)،82 ].
شکل 1پیشنهادی برای استفاده سازمان یافته از داده های VGI، RS و GNSS برای مدیریت ریسک و بلایای طبیعی ارائه می دهد. برای تسهیل در دسترس بودن داده ها، SDI باید از طریق تصمیمات و توافقات سیاسی ایجاد شود تا امکان اشتراک گذاری داده ها فراهم شود. تکنیک‌های سنجش از دور و GIS امکان تبدیل داده‌ها به اطلاعاتی را فراهم می‌کنند که از تصمیم‌گیری مدیران ریسک و بلایا پشتیبانی می‌کند. هم روش های توسعه یافته و هم اطلاعات ایجاد شده باید از طریق مکانیسم های سیاسی به اشتراک گذاشته شود. به اشتراک گذاری روش ها و تکنیک ها مکانیسم مهمی برای افزایش پتانسیل داده ها و بهبود فرآیند ارزیابی ریسک و بلایا است. اطلاعات تولید شده باید برای استفاده مستقیم توسط مدیران در دسترس باشد و همچنین ممکن است در تحلیل های بیشتر (اضطراری و پیشگیرانه) مفید باشد. بنابراین با اطلاعات مربوطه،
ترتیبات جدید یکپارچه سازی داده ها را می توان برای افزایش پتانسیل برای اشتراک گذاری داده ها توسعه داد. علاوه بر این، حمایت مالی برای تحقیقات در این زمینه، به ویژه در کشورهای در حال توسعه، باید افزایش یابد تا به توسعه روش ها و تکنیک ها کمک کند و از کفایت رویه ها برای حوزه ها و رویدادهای خاص اطمینان حاصل شود. برای تشویق این ابتکارات، هزینه بازیابی خسارت باید تعیین شود تا میزان پولی را که می توان با سرمایه گذاری در این مطالعات پس انداز کرد، نشان داد.
اجرای اطلاعات جغرافیایی داوطلبانه یکی دیگر از ابتکارات مهم برای بهبود سیستم های هشدار و کمک به طرح های اضطراری است. اطلاعات ارائه شده توسط شهروندان برای بهبود سیستم مدیریت بلایا مهم است، اگرچه شهروندان باید تحت آموزش قرار گیرند و جوامع در مناطق پرخطر باید حداقل تعداد داوطلب را برای ارائه اطلاعات و تسهیل اقدامات کمکی در هنگام حوادث شدید داشته باشند.
Ijgi 01 00166 g001 1024
شکل 1. طرحی برای استفاده از داده های مبتنی بر فضا برای مدیریت ریسک و بلایای طبیعی.
روش‌هایی برای ارزیابی قابلیت اطمینان داده‌های VGI نیز باید توسط جامعه علمی ایجاد شود. گنجاندن پیشنهادی ابرداده در SDI ها و افزایش انعطاف پذیری داده های VGI و همچنین ضرورت استانداردها باید بهتر مورد بررسی قرار گیرد. تعیین فراداده VGI می تواند با توسعه بالقوه استنتاج های آماری از قابلیت اطمینان داده ها مرتبط باشد، به عنوان مثال، با در نظر گرفتن ویژگی های یک کاربر یا با تأیید حجم داده ها که مجدداً همان رویداد را تأیید می کند.
پیاده‌سازی سیستم‌های VGI برای واکنش اضطراری داده‌های SDI را افزایش می‌دهد و زمان واکنش را در هنگام بحران بهبود می‌بخشد. اطلاعات VGI باید نه تنها برای کمک به مدیران برای شناسایی بهترین برنامه های اقدام، بلکه برای ارائه اطلاعات ارزشمند شهروندان استفاده شود. Google Crisis Response [ 83 ] نمونه ای از استفاده از اطلاعات VGI برای انتقال وضعیت بحران از طریق نقشه ها و ابزارهای دیگر به جمعیت است. این نوع ابتکار واکنش به بلایا را افزایش می دهد و نتایج را در بازیابی پس از فاجعه بهبود می بخشد.
بنابراین، معاملات سیاسی اولین گام برای دستیابی به نتایج با کیفیت بالا برای کاربرد فناوری‌های مکانی در مدیریت ریسک و بلایا است. این اجازه ایجاد یک تعاونی بین المللی SDI را می دهد که به اشتراک گذاری اطلاعات را تسهیل می کند. اما باید تاکید کرد که علاوه بر ارائه اطلاعات با کیفیت، باید از تفسیر و استفاده صحیح از اطلاعات اطمینان حاصل کرد. برای انجام این کار، رویه‌های استاندارد شده و کادر فنی کاملاً آماده باید در دسترس باشند تا تجزیه و تحلیل و اقدامات بعدی تسهیل شود.

6. نتیجه گیری

در این مقاله، روش‌های مبتنی بر سنجش از دور، GIS و GNSS و به اشتراک‌گذاری داده‌ها برای مدیریت ریسک و بلایای طبیعی مورد بحث قرار گرفت. پانورامای مختصری از داده‌ها، اطلاعات و تکنیک‌ها برای حمایت از طرح‌های برنامه‌ریزی و پیشگیری برای مدیریت و کاهش موقعیت‌های بلایا ارائه شد.
علاوه بر عوامل اجتماعی، پدیده های زمین شناسی و آب و هوایی نیز در افزایش وقوع بلایای طبیعی نقش داشته اند. بنابراین، استفاده از سکوهای مداری برای مدیریت اضطراری بلایای طبیعی بسیار کارآمد است. تصاویر ماهواره ای می توانند به پیشگیری، نظارت و کاهش حوادث شدید کمک کنند.
استفاده از داده های سنجش از دور با GIS پتانسیل بالایی برای تجزیه و تحلیل آسیب پذیری منطقه مورد نظر ارائه می دهد، اگرچه این تکنیک ها باید با توجه به منطقه مورد تجزیه و تحلیل تطبیق داده شوند.
دسترسی آسان به ژئوتکنولوژی موجود باید برجسته شود. یعنی ظهور اینترنت منجر به توسعه ابزارها و روش های سریع برای به دست آوردن نرم افزار GIS و تصاویر ماهواره ای شده است. علاوه بر این، رواج GPS مشارکت شهروندان را تسهیل می کند و GPS ممکن است به ابزار جدیدی برای مدیریت بلایای طبیعی از طریق استفاده از VGI تبدیل شود.
در حالت ایده‌آل، زیرساخت‌های پایگاه داده فضایی بیشتری برای بلایای طبیعی باید توسط مؤسساتی که داده‌های مکانی را تولید می‌کنند ایجاد و نگهداری شود تا اطلاعاتی را تولید کنند که ممکن است برای مدیریت خطرات و بلایای طبیعی مفید باشد. علاوه بر این، تبادل دانش تجزیه و تحلیل داده ها در سیستم های پشتیبانی تصمیم باید مکرر و پویا باشد. اما این مبادله تنها با ایجاد معاملات و توافقات سیاسی امکان پذیر خواهد بود.

مراجع و یادداشت ها

  1. IFRC گزارش جهانی فاجعه 2011 ; فدراسیون بین‌المللی انجمن‌های صلیب سرخ و هلال احمر: ژنو، سوئیس، 2011. در دسترس آنلاین: http://www.ifrc.org/ (در 30 مه 2012 قابل دسترسی است).
  2. کوبیاما، م. مندونسا، ام. مورنو، دی. مارسلینو، IPVO؛ مارسلینو، EV; گونسالوز، EF; برازتی، LLP; گورل، RF؛ مولری، جی اس اف; رودورف، FM Prevenção de Desastres Naturais ، 1st ed; تجارت ارگانیک: Florianópolis، برزیل، 2006; ص 20-25. [ Google Scholar ]
  3. Nogueira، CW; Gonçalves، MB; Oliveira, D. O Enfoque da Logística Humanitária no Desenvolvimento de Uma Rede Dinâmica para Situações Emergenciais: O Caso do Vale do Itajaí em Santa Catarina. در مجموعه مقالات بیست و سومین کنگره دو Pesquisa e Ensino em Transportes ANPET، ویتوریا، برزیل، 9 تا 13 نوامبر 2009. ص 18-23.
  4. سورنسن، مگابایت؛ اسپادا، م. بابیکو، ا. ویمر، اس. Grünthal، G. خطر احتمالی سونامی در دریای مدیترانه. جی. ژئوفیس. Res. 2012 , 117 , B01305. [ Google Scholar ]
  5. توماس، DSK; Eturĝay، K. Kemeç، S. نقش سیستم اطلاعات جغرافیایی / سنجش از دور در مدیریت بلایا. In Handbook of Disaster Research , 1st; Rodríguez, H., Quarantelli, EL, Dynes, R., Eds. Springer: Newark, NJ, USA, 2007; صص 83-96. [ Google Scholar ]
  6. Maccann، DGC; Cordi، HP در حال توسعه استانداردهای بین المللی برای آمادگی و واکنش در برابر بلایا: چگونه به آنجا برسیم؟ سیاست جهانی بهداشت پزشکی 2011 ، 3 ، 48-51. [ Google Scholar ] [ CrossRef ]
  7. فریتز، اچ ام. Okal، EA Socotra Island، یمن: بررسی میدانی سونامی اقیانوس هند در سال 2004. نات. خطرات 2008 ، 46 ، 107-117. [ Google Scholar ] [ CrossRef ]
  8. منصوریان، ع. رجبی فرد، ع. Valadan Zoej، MJ SDI مدل سازی مفهومی برای مدیریت بلایا. در مجموعه مقالات کارگاه ISPRS در مورد خدمات و کاربرد زیرساخت داده های مکانی، هانگژو، چین، 14-16 اکتبر 2005.
  9. لی، اس. چوی، جی. نقشه‌برداری حساسیت زمین لغزش با استفاده از GIS و مدل وزن شواهد. بین المللی جی. جئوگر. Inf. علمی 2004 ، 18 ، 789-814. [ Google Scholar ] [ CrossRef ]
  10. گورسفسکی، PV; Jankowski, P. تشخیص حساسیت زمین لغزش با استفاده از مجموعه های ناهموار. محاسبه کنید. محیط زیست سیستم شهری 2008 ، 32 ، 53-65. [ Google Scholar ] [ CrossRef ]
  11. پرادا، ب. سنجش از دور و تحلیل خطر زمین لغزش مبتنی بر GIS و اعتبارسنجی متقابل با استفاده از مدل رگرسیون لجستیک چند متغیره در سه منطقه آزمایشی در مالزی. Adv. Space Res. 2010 ، 45 ، 1244-1256. [ Google Scholar ] [ CrossRef ]
  12. چانگ، سی اف. Fabbri، AG; ون وستن، CJ تجزیه و تحلیل رگرسیون چند متغیره برای پهنه بندی خطر زمین لغزش. در سیستم های اطلاعات جغرافیایی در ارزیابی مخاطرات طبیعی ، 1st; Carrara, A., Guzzetti, F., Eds. Kluwer Academic Publishers: Dordrecht, The Netherlands, 1995; صص 107-142. [ Google Scholar ]
  13. وارنیکا، جی.ام. Vucetic، D. ادغام داده های چند زمانی برای تشخیص تغییرات مربوط به زمین لغزش در صربستان. در مجموعه مقالات کنفرانس سالانه Gi4DM، آنتالیا، ترکیه، 30 مه 2011.
  14. Tralli، DM; بلوم، آر جی. زلوتنیکی، وی. دانلان، ا. Evans، DL سنجش از دور ماهواره ای خطرات زلزله، آتشفشان، سیل، رانش زمین و آبگرفتگی ساحلی. ISPRS J. Photogramm. 2005 ، 59 ، 185-198. [ Google Scholar ] [ CrossRef ]
  15. استامف، ا. Kerle، N. نقشه برداری شی گرا زمین لغزش ها با استفاده از جنگل های تصادفی. سنسور از راه دور محیط. 2011 ، 115 ، 2564-2577. [ Google Scholar ] [ CrossRef ]
  16. نوبرگا، RAA؛ اوهارا، سی. ویجیاراج، وی. اولسون، GA؛ کیم، اس. Quintanilha، JA; Barros، MTL استخراج و طبقه بندی مناطق خطر فرسایش خاک برهنه در یک حوضه شهری با استفاده از فناوری های شی گرا، تصاویر با وضوح بالا و داده های ارتفاعی. در مجموعه مقالات کنفرانس تخصصی بهار AWRA 2006: GIS و منابع آب IV، هیوستون، TX، ایالات متحده آمریکا، 8-10 می 2006.
  17. ارنر، ا. Duzgun، HSB A GIS و عنصر مبتنی بر RS در معرض خطر ارزیابی برای زمین لغزش. در مجموعه مقالات کنفرانس سالانه Gi4DM، آنتالیا، ترکیه، 30 مه 2011.
  18. کانسوگرا، دی. جورین، اف. Vitalini، F. ترسیم سیل و ارزیابی تاثیر در زمین های کشاورزی با استفاده از فناوری GIS. در سیستم های اطلاعات جغرافیایی در ارزیابی مخاطرات طبیعی ; Carrara, A., Guzzetti, F., Eds. Kluwer Academic Publishers: Dordrecht, The Netherlands, 1995; صص 177-198. [ Google Scholar ]
  19. کوار، ک. Natchtnebel، HP کاربرد سیستم های اطلاعات جغرافیایی در هیدرولوژی و مدیریت منابع آب. HydroGIS 93 ; IAHS Press: آکسفورد، انگلستان، 1995. [ Google Scholar ]
  20. السبهان، و. مولیگان، ام. Blackburn, GA یک مدل هیدرولوژیکی بلادرنگ برای پیش‌بینی سیل با استفاده از GIS و WWW. محاسبه کنید. محیط زیست سیستم شهری 2003 ، 27 ، 9-32. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. لوپو، اف. ثبت نام، I.; لامبین، EF نظارت بر تغییرات پوشش زمین در غرب آفریقا با پوشش گیاهی نقطه ای: تأثیر بلایای طبیعی در 1998-1999. بین المللی J. Remote Sens. 2001 , 22 , 2633-2639. [ Google Scholar ]
  22. ساکاموتو، تی. نگوین، NV; کوترا، ا. اوهنو، اچ. ایشیتسوکا، ن. یوکوزاوا، ام. کامبوج و دلتای مکونگ ویتنامی از سری زمانی MODIS. سنسور از راه دور محیط. 2007 ، 109 ، 295-313. [ Google Scholar ] [ CrossRef ]
  23. یوهانیز، اس.اس. ولادیمیروا، تی. یک سیستم تشخیص تغییر خودکار داخلی برای نظارت بر بلایا. بین المللی J. Remote Sens. 2009 ، 30 ، 6121-6139. [ Google Scholar ] [ CrossRef ]
  24. ویکانتیکا، ک. سیناگا، ا. هادی، ف. Darmawan, S. ارزیابی سریع در شناسایی ساختمان های آسیب دیده و تغییرات کاربری زمین در فاجعه پس از سونامی با تصویری سریع از IKONOS و Quickbird (مطالعه موردی در شهر Meulaboh، آچه). بین المللی J. Remote Sens. 2007 ، 28 ، 3037-3044. [ Google Scholar ] [ CrossRef ]
  25. یانگ، دکتر سو، TC; Hsu، CH; چانگ، KC; نقشه برداری Wu, AM از فاجعه سونامی 26 دسامبر 2004 با استفاده از تصاویر FORMOSAT-2. بین المللی J. Remote Sens. 2007 , 28 , 3071-3091. [ Google Scholar ] [ CrossRef ]
  26. بلوارد، ع. استیبیگ، H.-J. اوا، اچ. رامبولد، اف. بوچا، تی. هارتلی، ا. بیچل، آر. خضيري، د. میشیلون، ام. Mollicone, D. نقشه برداری آسیب شدید به پوشش زمین پس از سونامی اقیانوس هند در سال 2004 با استفاده از تصاویر ماهواره ای با وضوح مکانی متوسط. بین المللی J. Remote Sens. 2007 ، 28 ، 2977-2994. [ Google Scholar ] [ CrossRef ]
  27. بوتنوت، م. فری، دی. نیلسن، AA; اسکریور، اچ. ارزیابی زیرساخت برای مدیریت بلایا با استفاده از تصاویر سنجش از راه دور چند سنسوری و چند زمانی. بین المللی J. Remote Sens. 2011 ، 32 ، 8575-8594. [ Google Scholar ] [ CrossRef ]
  28. دی، بی. زنگ، اچ. ژانگ، ام. Ustin, SL; تانگ، ی. وانگ، ز. چن، ن. Zhang، B. کمی کردن توزیع فضایی فرآیندهای هدر رفتن توده خاک پس از زلزله سال 2008 در ونچوان، چین: مطالعه موردی منطقه Longmenshan. سنسور از راه دور محیط. 2010 ، 114 ، 761-771. [ Google Scholar ] [ CrossRef ]
  29. وو، اف. یو، بی. یان، م. Wang, Z. تحقیقات زیست محیطی در منطقه زلزله ونچوان با استفاده از تصاویر ماهواره ای کوچک پکن-1 صورت فلکی نظارت بر بلایا (DMC). بین المللی J. Remote Sens. 2010 , 31 , 3643-3660. [ Google Scholar ]
  30. کوهیاما، اچ. هایاشی، ن. مکی، م. هیگاشیدا، اچ. کروهل، دبلیو. الویج، سی دی; هابسون، VR سیستم تخمین منطقه آسیب‌دیده اولیه با استفاده از تصاویر شبانه DMSP-OLS. بین المللی J. Remote Sens. 2004 ، 25 ، 2015-2036. [ Google Scholar ]
  31. واتانابه، م. یونزاوا، سی. ایساکا، جی. Sato, M. ALOS/PALSAR مشاهدات پلاریمتری کامل از زلزله Iwate–Miyagi Nairiku در سال 2008. بین المللی. J. Remote Sens. 2012 ، 33 ، 1234-1245. [ Google Scholar ] [ CrossRef ]
  32. کوان، ام.-پی. پاسخ اضطراری به کمک Ransberger، DM LiDAR: شناسایی موانع شبکه حمل و نقل ناشی از بلایای بزرگ. محاسبه کنید. محیط زیست سیستم شهری 2010 ، 34 ، 179-188. [ Google Scholar ] [ CrossRef ]
  33. کریسولاکیس، ن. هرلین، آی. پراستاکوس، پی. یحیی، ح. گراتزینی، جی. Cartalis، JC یک الگوریتم بهبود یافته برای تشخیص ستون های ناشی از خطرات طبیعی یا تکنولوژیکی با استفاده از تصاویر AVHRR. سنسور از راه دور محیط. 2007 ، 108 ، 393-406. [ Google Scholar ] [ CrossRef ]
  34. گیتاس، IZ; پلی کروناکی، ا. کاتگیس، تی. مالینیس، جی. مشارکت سنجش از دور در فعالیت‌های مدیریت بلایا: مطالعه موردی آتش‌سوزی‌های بزرگ در پلوپونز، یونان. بین المللی J. Remote Sens. 2008 , 29 , 4885-4885. [ Google Scholar ]
  35. وراربکه، اس. هوک، اس. هالی، جی. یک شاخص طیفی جایگزین برای ارزیابی سریع شدت آتش سوزی. سنسور از راه دور محیط. 2012 ، 123 ، 72-80. [ Google Scholar ] [ CrossRef ]
  36. هستاوغلو، KO; Sanli، DU نظارت بر لغزش کویولحصار با استفاده از GPS استاتیک سریع: استراتژی برای حذف سوگیری ها از سرعت های عمودی. نات. خطرات 2011 ، 58 ، 1275-1294. [ Google Scholar ] [ CrossRef ]
  37. بینتی تون ساریف، اس.اس. شینتارو، تی. تاکایاما، S. پیاده سازی GPS در سیستم شبکه گره سنجش برای فاجعه زمین لغزش. در مجموعه مقالات کنفرانس سالانه SICE، توکیو، ژاپن، 13 تا 18 سپتامبر 2011.
  38. کالترا، اس. سیسی، سی. مایو، سی. گامبینو، پی. مرلی، ک. والاریو، ام. Vassalo، R. جابجایی های سطحی دو زمین لغزش توسط سیستم های GPS و شیب سنج ارزیابی شد: مطالعه موردی در جنوب آپنین، ایتالیا. نات. خطرات 2012 ، 61 ، 257-266. [ Google Scholar ] [ CrossRef ]
  39. یانگ، م. راو، R.-J. یو، جی.-ی. یو، تی.-تی. جابجایی‌های سطحی زمین‌لرزه ۱۹۹۹ Chi-Chi، تایوان، مشاهده شده توسط زمین‌شناسی. Earth Planets Space 2000 , 52 , 403-413. [ Google Scholar ]
  40. دیاز-دلگادو، آر. پونز، X. الگوهای فضایی آتش سوزی جنگل در کاتالونیا (شمال شمالی اسپانیا) در طول دوره 1975-1995: تجزیه و تحلیل بازیابی پوشش گیاهی پس از آتش سوزی. برای. Ecol. مدیریت کنید. 2001 ، 147 ، 67-74. [ Google Scholar ] [ CrossRef ]
  41. جیاردینو، ام. پروتی، ال. لانفرانکو، ام. Perrone، G. GIS و ژئوماتیک برای مدیریت بلایای طبیعی و امداد اضطراری: پاسخی فعال به مخاطرات طبیعی. Appl. ژئوماتیک 2012 ، 4 ، 33-46. [ Google Scholar ] [ CrossRef ]
  42. باربیری، WD; فریرا، سی سی; سایتو، ام اس؛ Saussen, MT; Hansen، FAM Relação Entre os Desastres Naturais و به عنوان Anomalias de Precipitação para a Região Sul do Brasil. در مجموعه مقالات Simpósio Brasileiro de Sensoriamento Remoto، ناتال، برزیل، 25-30 آوریل 2009.
  43. مارسلینو، EV; گورل، RFM Distribuição Espaço-Temporal de Inundações Bruscas em Santa Catarina (Período 1980-2003). در مجموعه مقالات Simpósio Brasileiro de Desastres Naturais، Florianópolis، برزیل، 21 سپتامبر 2004; صص 554-564.
  44. Refosco، CJ; ویبرانس، کالیفرنیا؛ پینیرو، آ. Fistarol، O. Sensoriamento Remoto e SIG para o Vale do Itajaí a Vegetação ea Interceptação da Chuva. در مجموعه کتاب Simpósio Brasileiro de Sensoriamento Remoto، Foz do Iguaçu، برزیل، 21-26 آوریل 2001.
  45. دیاس، شمال غربی؛ باتیستا، تی جی؛ Catelani, SC A Enchente de São Luis do Paraitinga: Evidências de sua Dimensão Obtidas a Partir de dados orbitais. در مجموعه Simpósio Brasileiro de Sensoriamento Remoto، کوریتیبا، برزیل، 30 آوریل-5 مه 2011.
  46. باربوسا، TNZ؛ اولیویرا، شمال غربی؛ Alves، RP Uso de geotecnologias para mapeamento de áreas de riscos Estudo de Caso: Angra dos Reis-RJ. در مجموعه کتاب Simpósio Brasileiro de Sensoriamento Remoto، کوریتیبا، برزیل، 30 آوریل تا 5 مه 2011.
  47. سیلوا، XJ; Marino, BT A geografia no apoio à decisão em situações de emergência. Revista Geográfica de América Central 2011, N. especial II semestre 2011 , 1-14.
  48. کرل، ن. هیول، اس. Pfeife، N. جمع‌آوری بی‌درنگ داده و تولید اطلاعات با استفاده از حسگرهای هوابرد. در فناوری اطلاعات مکانی برای واکنش اضطراری ; زلاتانوا، اس.، لی، ج.، ویرایش. گروه تیلور و فرانسیس: لندن، انگلستان، 2008; جلد 6، ص 43-74. [ Google Scholar ]
  49. ژانگ، ی. Kerle، N. سنجش از راه دور ماهواره ای برای جمع آوری داده های زمان واقعی. در فناوری اطلاعات مکانی برای واکنش اضطراری ; زلاتانوا، اس.، لی، ج.، ویرایش. گروه تیلور و فرانسیس: لندن، انگلستان، 2008; جلد 6، صص 75–102. [ Google Scholar ]
  50. لی، جی. چاپما، MA نقشه برداری زمینی موبایل به سمت جمع آوری داده های مکانی در زمان واقعی. در فناوری اطلاعات مکانی برای واکنش اضطراری ; زلاتانوا، اس.، لی، ج.، ویرایش. گروه تیلور و فرانسیس: لندن، انگلستان، 2008; جلد 6، ص 103-119. [ Google Scholar ]
  51. رجبی فرد، ع. ویلیامسون، IP پیش بینی جنبه های فرهنگی اشتراک گذاری برای توسعه SDI. در مجموعه مقالات علوم فضایی کنفرانس 2003، کانبرا، استرالیا، 22-27 سپتامبر 2003.
  52. Brasil Ministério do Planejamento, Orçamento e Gestão. هند: Infraestrutura Nacional de dados. 2012. در دسترس آنلاین: www.inde.gov.br (در 03 مارس 2012 قابل دسترسی است).
  53. رجبی فرد، ع. ویلیامسون، IP; هلند، پی. جانستون، جی. از ابتکارات SDI محلی تا جهانی: بلوک های ساختمانی هرمی. در مجموعه مقالات چهارمین کنفرانس GSDI، کیپ تاون، آفریقای جنوبی، 14-17 مه 2000.
  54. کراگلیا، ام. گودچایلد، م. آنونی، ا. کامارا، جی. گولد، ام. کوهن، دبلیو. مارک، دی. ماسر، آی. مگوایر، دی. لیانگ، اس. پارسونز، ای. زمین دیجیتالی نسل بعدی. بین المللی J. Spatial Data Infrastr. Res. 2008 ، 3 ، 146-167. [ Google Scholar ]
  55. کراگلیا، ام. Annoni، A. INSPIRE: رویکردی نوآورانه برای توسعه زیرساخت‌های داده‌های مکانی در اروپا. در تحقیق و تئوری در پیشبرد مفاهیم زیرساخت داده های مکانی ; اونسرود، ح.، ویرایش. ESRI Press: Redlands, CA, USA, 2007; صص 93-105. [ Google Scholar ]
  56. بهاروسا، ن. ون زانتن، بی. یانسن، ام. گرونلیر، ام. تغییر مدیریت بحران: مطالعات میدانی در مورد تلاش ها برای مهاجرت از عملیات سیستم محور به شبکه محور. LNCS 2009 ، 5693 ، 65-75. [ Google Scholar ]
  57. Neuvel، JMM; Scholten، HJ; برینک، الف. از داده‌های مکانی تا اقدامات همگام‌سازی شده: سازمان شبکه‌محور پشتیبانی تصمیم‌گیری مکانی برای مدیریت ریسک و اضطراری. Appl. تف کردن مقعدی 2012 ، 5 ، 51-72. [ Google Scholar ]
  58. فریس کریستیانسن، آ. اوستلندر، ن. لوتز، ام. Nernard، L. طراحی معماری خدمات برای پردازش جغرافیایی توزیع شده: چالش ها و جهت گیری های آینده. ترانس. GIS 2007 ، 11 ، 719-818. [ Google Scholar ]
  59. لیما، P. Intercâmbio de Dados Espaciais—Modelos، Formatos e Conversores. پایان نامه کارشناسی ارشد، INPE، سائو خوزه دوس کامپوس، SP، برزیل، 2003. [ Google Scholar ]
  60. فونسکا، اف. اگنهوفر، ام. آگوریس، پ. Câmara, G. استفاده از هستی شناسی برای سیستم های اطلاعات جغرافیایی یکپارچه. ترانس. GIS 2002 ، 6 ، 231-257. [ Google Scholar ]
  61. وانگ، ی. گونگ، جی. Wu, X. قابلیت همکاری معنایی جغرافیایی بر اساس هستی شناسی. ژئو اسپات. به اطلاع رساندن. علمی 2007 ، 10 ، 204-207. [ Google Scholar ] [ CrossRef ]
  62. اسنورن، جی. زلاتانوا، اس. Crompvoets، J.; Scholten، H. زیرساخت داده های مکانی برای مدیریت اضطراری: دیدگاه کاربران. ارائه شده در سومین سمپوزیوم بین المللی Gi4DM، تورنتو، ON، کانادا، 23 تا 25 مه 2007.
  63. مولینا، م. بایاری، سیستم چند ملیتی مبتنی بر SDI برای تسهیل مدیریت ریسک بلایا در جامعه آند. محاسبه کنید. Geosci. 2011 ، 37 ، 1501-1510. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  64. گروو، تی. استولبرگ، بی. ورناچینی، ال. Doherty، B. Mash-Up یا Spatial Data Infrastructure: ابزارهای نقشه برداری مناسب برای اتاق های موقعیت بین المللی. در مجموعه مقالات کنفرانس سالانه Gi4DM، تورینو، ایتالیا، 20 فوریه 2010.
  65. آگوستو، ای. دالماسو، اس. Pasquali، P. توسعه سریع WebGIS برای مدیریت اضطراری. در مجموعه مقالات کنفرانس سالانه Gi4DM، آنتالیا، ترکیه، 28 مه 2011.
  66. اجمار، ع. پرز، اف. Terzo، O. پیاده سازی زیرساخت داده های مکانی WFP (SDI) در حمایت از مدیریت اضطراری. بین المللی قوس. فتوگرام Remote Sens. 2008 , 37 , 1097–1104. [ Google Scholar ]
  67. ژو، ی. لیو، جی. فو، ای. ژانگ، ک. یک نمونه اولیه شی – رابطه ای از پایگاه داده فاجعه مبتنی بر GIS. سیاره Procedia Earth. علمی 2009 ، 1 ، 1060-1066. [ Google Scholar ] [ CrossRef ]
  68. رجبی فرد، ع. فینی، ام. ویلیامسون، IP توسعه زیرساخت داده های مکانی برای تسهیل مدیریت بلایا. در مجموعه مقالات کنفرانس GEOMATICS’83، تهران، ایران، 9-12 مه 2004.
  69. شورای ملی تحقیقات، پاسخ موفقیت آمیز با یک نقشه آغاز می شود: بهبود پشتیبانی جغرافیایی برای مدیریت بلایا. انتشارات آکادمی ملی: واشنگتن، دی سی، ایالات متحده آمریکا، 2007.
  70. Goodchild، MF Citizens as Sensors: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ] [ CrossRef ]
  71. Goodchild، MF Citizens به عنوان حسگرهای داوطلبانه: زیرساخت داده های مکانی در دنیای وب 2.0. بین المللی جی. اسپات. Data Infrastr. Res. 2007 ، 2 ، 24-32. [ Google Scholar ]
  72. الوود، اس. گودچایلد، م. Sui, D. تحقیق در مورد اطلاعات جغرافیایی داوطلبانه: داده های فضایی، تحقیقات جغرافیایی و عملکرد اجتماعی جدید. ان دانشیار صبح. Geogr. 2012 ، 102 ، 571-590. [ Google Scholar ] [ CrossRef ]
  73. Sui, DZ ویکی‌سازی GIS و پیامدهای آن: یا خالکوبی جدید آنجلینا جولی و آینده GIS. محاسبه کنید. محیط زیست سیستم شهری 2008 ، 32 ، 1-5. [ Google Scholar ] [ CrossRef ]
  74. Goodchild، MF; Glennon، JA جمع سپاری اطلاعات جغرافیایی برای واکنش به بلایا: یک مرز تحقیقاتی. بین المللی جی. دیگ. زمین 2010 ، 3 ، 231-241. [ Google Scholar ] [ CrossRef ]
  75. روشه، اس. پروپک-زیمرمن، ای. Mericskay، B. GeoWeb و مدیریت بحران: مسائل و دیدگاه‌های اطلاعات جغرافیایی داوطلبانه. جئوژورنال 2011 . [ Google Scholar ]
  76. O ECO. شرکت: Mapa Colaborativo OECO dos Desastres das Chuvas . در دسترس آنلاین: http://www.ecocidades.com/2011/01/13/participe-mapa-colaborativo-oeco-dos-desastres-das-chuvas/ (دسترسی در 29 مارس 2012).
  77. نقشه فاجعه. ویکی مپ. Aplicações Colaborativas com Mapas . در دسترس آنلاین: http://wikimapps.com/a/disatermap (در 27 مارس 2012 قابل دسترسی است).
  78. Goodchild، MF GIS و بلایا: برنامه ریزی برای فاجعه. محاسبه کنید. محیط زیست سیستم شهری 2006 ، 30 ، 227-229. [ Google Scholar ] [ CrossRef ]
  79. Sui، DS; Goodchild، M. همگرایی GIS و رسانه های اجتماعی: چالش هایی برای GIScience. بین المللی جی. جئوگر. Inf. علمی 2011 ، 25 ، 1737-1748. [ Google Scholar ] [ CrossRef ]
  80. Ostermann، FO; Spinsant، L. یک گردش کار مفهومی برای ارزیابی خودکار کیفیت اطلاعات جغرافیایی داوطلبانه برای مدیریت بحران. در مجموعه مقالات چهاردهمین کنفرانس بین المللی AGILE در علم اطلاعات جغرافیایی، اوترخت، هلند، 18-22 آوریل 2011.
  81. هاردی، دی. فرو، جی. Goodchild، M. داوطلب تولید اطلاعات جغرافیایی به عنوان یک فرآیند فضایی. بین المللی جی. جئوگر. Inf. علمی 2012 ، 26 ، 1191-1212. [ Google Scholar ] [ CrossRef ]
  82. منشور بین المللی-فضا و بلایای بزرگ. اعضای منشور و منابع فضایی . در دسترس آنلاین: http://www.disasterscharter.org/web/charter/members (در 30 مه 2012 قابل دسترسی است).
  83. Google.org پاسخ به بحران گوگل در دسترس آنلاین: http://www.google.org/crisisresponse/ (در 12 ژوئیه 2012 قابل دسترسی است).

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربردهای GIs 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