نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube

خلاصه

با توجه به اینکه فناوری اطلاعات مکانی برای مدیریت ریسک بلایا (DRM) ضروری تلقی می شود، نیاز به همکاری موثرتر بین ارائه دهندگان و کاربران نهایی در تحویل داده ها در حال افزایش است. این مقاله موارد زیر را بررسی می‌کند: (i) طرح‌های مدیریت ریسک بلایا و عملیات داده‌های مشترک در DRM. (2) فناوری اطلاعات مکانی از نظر کاربردها در طرح‌های بررسی‌شده. و (iii) شیوه های مستمر تحویل داده های مشترک با طرح های بررسی شده. این مقاله با بحث در مورد آینده تحویل داده های مشترک و پیشرفت فناوری ها به پایان می رسد.
کلید واژه ها: 

مدیریت ریسک بلایا ; فناوری اطلاعات جغرافیایی ; تحویل داده ها ؛ رصد زمین ؛ مشاهده زمینی ؛ جمع سپاری ; تلفن همراه

 

1. معرفی

موضوع مدیریت ریسک بلایا (DRM) یک اولویت برای توسعه پایدار است [ 1 ]. فناوری‌های اطلاعات مکانی، مانند سیستم‌های اطلاعات جغرافیایی (GIS)، سنجش از دور ماهواره‌ای، و جمع‌سپاری، فناوری‌های مهم DRM هستند [ 2 ]. به دنبال افزایش آگاهی از فناوری اطلاعات مکانی در DRM، مکانیسم‌های مشارکتی بین‌المللی برای تحویل داده‌های مکانی توسط ابتکارات بین‌المللی، مانند منشور بین‌المللی [3]، Sentinel Asia [ 4 ]، و تیم OpenStreetMap بشردوستانه [ 5] ایجاد شد.]. این ابتکارات به ارزیابی آسیب مورد نیاز در واکنش اضطراری کمک کرد. با این حال، از آنجایی که انتظار می‌رود سرمایه‌گذاری عمومی در فعالیت‌های پیش از بلایا سودمندتر از هزینه‌های واکنش به بلایا باشد [ 6 ، 7 ]، فناوری اطلاعات مکانی می‌تواند به فعالیت‌های پیش از بلایا برای مدیریت ریسک بلایا کمک کند. بررسی فن‌آوری‌های اطلاعات مکانی و نحوه استفاده از آن‌ها در موقعیت‌های قبل و بعد از بلایا به شناسایی طرح‌هایی که مؤثرتر هستند کمک می‌کند.
در این مقاله، ما (i) طرح‌های مدیریت ریسک بلایا و عملیات داده‌های مشترک در DRM را بررسی کردیم. (ii) فناوری اطلاعات مکانی از نظر کاربردهای آن در طرح‌های بررسی‌شده. و (iii) شیوه های جاری تحویل داده های مشترک برای طرح های بررسی شده. ما با چشم اندازهای آینده ارائه داده های مشترک و پیشرفت فناوری ها به این نتیجه رسیدیم.

2. طرح های تحویل داده برای مدیریت ریسک بلایا

2.1. ملاحظات زمانی

اگرچه DRM در موقعیت‌های پس از فاجعه بیشتر نشان داده می‌شود، فعالیت‌های قبل از فاجعه برای کاهش اثرات بلایا مهم هستند [ 8 ]. دولت ایالات متحده طرحی برای DRM، مدیریت جامع اضطراری (CEM) [ 9 ] ایجاد کرد که به فرمانداران پیشنهاد می کند کاهش، آمادگی، واکنش و بازیابی قبل و بعد از فاجعه را هماهنگ کنند. این طرح اغلب در ادبیات DRM ذکر شده است و اقدامات پیشنهادی شامل موارد زیر است:

  • کاهش: فعالیت های بلندمدتی که در واقع خطرات بلایا را حذف یا کاهش می دهد.
  • آمادگی – اقدامات لازم برای توسعه طرح‌های واکنش اضطراری به گونه‌ای که دولت‌ها، سازمان‌ها و افراد بتوانند آسیب‌های ناشی از بلایا را کاهش دهند.
  • واکنش – اقدامات پس از فاجعه برای ارائه کمک های اضطراری و کاهش خسارات ثانویه.
  • بازیابی – فعالیت‌هایی که پس از Response انجام می‌شوند و تا زمانی که همه سیستم‌ها به حالت عادی بازگردند (یا بهتر) ادامه می‌یابند، از جمله فعالیت‌های کوتاه‌مدت برای بازیابی سیستم‌های حیاتی حمایت از زندگی و فعالیت‌های طولانی‌مدت انجام شده برای چندین سال پس از یک فاجعه.
علاوه بر این، ارزیابی ریسک باید ابتدا برای شناسایی ریسک ها و تعیین اینکه آیا ریسک ها قابل قبول یا اجتناب ناپذیر هستند انجام شود [ 8 ]. به عنوان مثال، اگرچه خطر تصادفات رانندگی بسیار زیاد است، اما به دلیل مزایای رانندگی یا اینکه مردم چاره دیگری ندارند، مورد پذیرش مردم قرار می گیرد. علاوه بر این، برخی از افراد فقیر به دلیل مشکلات مالی نمی توانند در مناطق امن زندگی کنند. بنابراین، اینکه آیا چنین ریسکی پذیرفته شده است یا غیرقابل اجتناب باید با تعادل خوبی بین ریسک و سود مدیریت شود [ 10 ].
دوناهو [ 11 ] چارچوب بودجه مدیریت ریسک بلایا را در سطوح ملی، ایالتی و محلی از نظر شایستگی عملکردی، مشوق های رفتاری و سیاست در مدیریت اضطراری تحلیل کرد. نتیجه نشان داد که سیستم‌های بودجه‌ریزی فعلی احتمالاً به جای کاهش و آمادگی، پاسخ و بازیابی را ارتقا می‌دهند. با این حال، هزینه کل واکنش و بازیابی برای یک فاجعه بیشتر از هزینه فعالیت های کاهش مستمر و آمادگی خواهد بود.

2.2. مدل مرجع

کمیته ماهواره‌های رصد زمین (CEOS) یک مدل مرجع برای استفاده از ماهواره‌ها، حسگرها، مدل‌ها و محصولات داده مرتبط برای پشتیبانی از DRM در سیستم‌های جهانی رصد زمین (GEOSS) ایجاد کرد [ 12]. CEOS از مدل مرجع ISO/IEC پردازش باز توزیع شده (RM-ODP) برای ساختار توصیف عملیات DRM استفاده کرد. RM-ODP برای ساختاربندی توصیفات یک شرکت بر اساس پنج دیدگاه زیر مفید است: دیدگاه سازمانی، که هدف، محدوده و خط مشی را توصیف می کند. دیدگاه اطلاعاتی که به معنای شناسی اطلاعات و پردازش اطلاعات می پردازد. دیدگاه محاسباتی، که تجزیه عملکردی سیستم را توصیف می کند و تعامل اشیاء را در رابط ها مدل می کند. دیدگاه مهندسی، که مکانیسم و ​​عملکردهای مورد نیاز برای تعاملات توزیع شده بین اشیاء را توصیف می کند. و دیدگاه فناوری، که انتخاب های فناوری را برای سیستم نشان می دهد.
در دیدگاه سازمانی، CEOS فرآیندهای تجاری تحویل داده برای DRM را با استفاده از سری مراحل زیر توصیف می‌کند: هشدار بلایا، پاسخ به فاجعه، بازیابی فاجعه، و کاهش فاجعه. علاوه بر این، CEOS فرآیندهای تجاری را به سه فعالیت (شروع، تشخیص و پاسخ رویداد، و بازیابی و کاهش) ساده کرد و سهامداران را به عنوان آغازگر، محرک، پردازشگر و هماهنگ کننده طبقه بندی کرد. برای دیدگاه اطلاعاتی، CEOS نیازهای ابرداده را روشن کرد که به شناسایی داده‌های لازم برای تصمیم‌گیری فوری و عملیات پردازش داده‌های ماهواره‌ای مورد نیاز کاربران نهایی کمک کرد. برای دیدگاه محاسباتی، سیستم داده باید خدماتی را برای کاربران نهایی در نظر بگیرد، مانند خدمات کاتالوگ، تجسم، دسترسی به داده و سفارش.
CEOS با دیدگاه‌هایی برای دیدگاه‌های مهندسی و فناوری به پایان رسید و ملاحظات خدمات کاتالوگ، دسترسی به داده‌ها و قابلیت همکاری بین سرویس‌ها و پلتفرم‌ها را برجسته کرد. مدل مرجع توسعه‌یافته می‌تواند به عنوان یک دستورالعمل برای ارائه داده‌های رصد زمین در مواقع اضطراری عمل کند و برای محصولات داده‌های جغرافیایی قابل استفاده است.

3. فناوری اطلاعات مکانی برای مدیریت ریسک بلایا

3.1. طرح تحلیل بررسی ها

ما فناوری‌های اطلاعات مکانی زیر را از نظر کاربرد آن‌ها در DRM برای هر یک از مراحل ذکر شده در بالا بررسی کردیم: مشاهده زمین، شبکه‌های زمینی، جمع‌سپاری به‌عنوان معیار نظارت، و WebGIS و تلفن‌های همراه به‌عنوان رابط کاربر نهایی. ترکیب تکنولوژی یک موضوع مهم در توسعه کاربردهای عملی برای DRM است. در بخش‌های بعدی، ما فن‌آوری‌های اطلاعات مکانی و شیوه‌های مربوطه را از نظر کاربرد آن‌ها در هر مرحله از DRM بررسی می‌کنیم.

3.2. رصد زمین

مشاهدات زمین (EO) به عنوان یک منبع اطلاعاتی مهم در DRM عمل کرده است و برای زمین لرزه ها [ 13 ، 14 ، 15 ]، پیش بینی های ورود سونامی [ 16 ]، خطرات آتشفشانی [ 17 ، 18 ]، سیل ها [ 19 ، 20 ، 21] استفاده شده است. ، 22 ، 23 ]، رانش زمین [ 24 ، 25 ]، آتش سوزی جنگل [ 26 ] و پایش و پیش بینی خشکسالی [ 27 ، 28 ، 29 ، 30 ، 31]. مشاهدات زمین می تواند به ثبت همزمان وضعیت زمین در یک منطقه وسیع کمک کند و هزینه کمتری نسبت به بررسی های میدانی دارد. اگرچه این ویژگی برای هر مرحله از DRM مفید است، به ویژه برای اهداف برنامه ریزی مفید است. اگرچه سنجش از دور ماهواره‌ای می‌تواند برای مشاهده ویژگی‌های فیزیکی سطح زمین مورد استفاده قرار گیرد، مطالعات متعددی مجموعه داده‌های اجتماعی-اقتصادی مرتبط با ارزیابی آسیب‌پذیری، مانند گسترش شهری [ 32 ، 33 ]، جمعیت [ 34 ]، و تولید ناخالص داخلی (GDP) را توسعه داده‌اند. 35 ، 36 ]، با استفاده از ترکیبی از داده های مبتنی بر ماهواره و آمارهای اجتماعی-اقتصادی.
با توجه به اینکه فازهای ارزیابی ریسک فوریت کمتری دارند، ارائه دهندگان داده و کاربران می توانند منابع و محصولات را از نظر کیفیت علمی با دقت تهیه و انتخاب کنند. محصولات داده های مختلف مبتنی بر EO در مورد خطرات طبیعی به طور عمومی در اینترنت در دسترس هستند. همانطور که توسط مدل مرجع CEOS پیشنهاد شده است، خدمات کاتالوگ برای دسترسی بهتر به داده ها و قابلیت همکاری از انتخاب داده ها پشتیبانی می کند. به عنوان مثال، پورتال GEOSS [ 37 ] و سیستم یکپارچه سازی و تجزیه و تحلیل داده [ 38 ] رابط های کاربری را برای جستجوی مجموعه های داده از فراداده های ارائه شده توسط ارائه دهنده داده فراهم می کنند. از آنجایی که ارزیابی ریسک به داده هایی در مورد خطرات و آسیب پذیری در برابر خطر (به عنوان مثال، جمعیت در معرض، تعداد افراد مسن و کودکان) نیاز دارد [ 39 ، 40، 41 ]، داده ها باید در قالبی ارائه شوند که با سایر داده ها، مانند فرمت های متداول GIS قابل استفاده باشد.
در مراحل کاهش، داده های مبتنی بر EO برای برنامه ریزی کاهش، مانند پهنه بندی کاربری زمین، بر اساس نتایج ارزیابی ریسک استفاده می شود [ 40 ]. به عنوان مثال، برای کاهش تغییرات آب و هوا و سازگاری، که شامل اجرای سیاست در مقیاس بزرگ است، داده‌های EO برای نظارت بلندمدت و برای مدل‌سازی تعاملات بین اقلیم و فعالیت‌های انسانی بر اساس آرشیوهای تاریخی استفاده می‌شود [42 ، 43 ، 44 ] . بنابراین، چنین داده‌هایی از کارایی چرخه طرح انجام-بررسی در طول اجرای سیاست‌های کاهش حمایت می‌کنند. برای مراحل آمادگی، ایجاد یک سیستم هشدار اولیه شناخته شده ترین کاربرد EO است. برنامه های کاربردی برای هشدارهای اولیه سیل و خشکسالی پیشنهاد شد [ 20، 21 ، 27 ، 28 ، 29 ] و به عنوان عملیات پایلوت معرفی شده اند [ 45 ].
برای مراحل پاسخ، دو ویژگی قابل توجه EO فرکانس مشاهده بالا و سرعت مشاهدات آن است. از آنجایی که فواصل تکرار اکثر ماهواره ها روزانه تا ماهانه است [ 46 ]، تهیه تصاویر ماهواره ای قبل و بعد از فاجعه که برای شناسایی سریع آسیب ها مفید هستند امکان پذیر است. علاوه بر این، ماهواره‌های Terra/ASTER [ 47 ]، ALOS [ 48 ]، ALOS-2 [ 49 ] و Sentinel-1 [ 50 ] می‌توانند به درخواست‌های فوری برای مشاهدات تیم‌های واکنش اضطراری پاسخ دهند. علاوه بر این، اگرچه فرکانس مشاهده می‌تواند یک مبادله با وضوح فضایی باشد، ماهواره‌های صورت فلکی، مانند RapidEye [ 51 ]، COSMO-SkyMed [ 52 ]]، سیستم Pléiades [ 53 ]، و سیستم Sentinel [ 50 ]، با استفاده از ماهواره‌های موقتاً جابجا شده با مشخصات یکسان در مدارهای همسطح [ 54 ]، این مبادله را از بین می‌برند. از آنجایی که تغییرات در تشخیص بین قبل و بعد از فاجعه موثرترین و کارآمدترین روش ها برای شناسایی آسیب های مخاطره آمیز ناشی از تصاویر ماهواره ای است [ 55 ، 56 ]، نیاز بالقوه به تصاویر ماهواره ای پایه که مناطق مستعد فاجعه را پوشش می دهد وجود دارد، که می تواند این امکان را فراهم کند. آمادگی بهتر
با توجه به این واقعیت که پیشرفت بازیابی عمدتاً در مقیاس بسیار ظریف (به عنوان مثال، حذف آوار و بازسازی ساختمان ها) در مراحل بازیابی ظاهر می شود، تصاویر ماهواره ای با وضوح بالا برای شناسایی تغییرات برای بازیابی مورد نیاز است [57 ، 58 ] . اگر تصاویر ماهواره‌ای با وضوح بالا مقرون به صرفه نباشد، فناوری‌های جمع‌سپاری، که در زیر ذکر شده‌اند، می‌توانند اطلاعات و داده‌های با جزئیات مکانی را برای نظارت بر پیشرفت بازیابی تکمیل کنند.

3.3. شبکه های رصدی زمینی

ایستگاه های هواشناسی معمولاً برای علم، DRM و در زندگی روزمره مردم استفاده می شوند. بنابراین، ایستگاه های هواشناسی منابع داده ای قابل اعتماد روی زمین هستند. ایستگاه‌های هواشناسی عمدتاً توسط دولت‌های ملی اداره می‌شوند، و اداره ملی اقیانوسی و جوی ایالات متحده (NOAA) یک پایگاه داده سطحی یکپارچه [59] ارائه می‌کند که شامل مشاهدات ساعتی از منابع متعدد و خلاصه سطح جهانی روز [ 60 ] است. که خلاصه‌های روزانه جهانی از داده‌های آب و هوا را که تحت برنامه سازمان جهانی هواشناسی (WMO) سازمان جهانی هواشناسی (WMO) رد و بدل می‌شوند، ارائه می‌کند. از آنجایی که پایگاه‌های اطلاعاتی در زمان واقعی به‌روزرسانی نمی‌شوند، به جای استفاده عملیاتی، برای اهداف علمی استفاده می‌شوند. با این حال، آنها همچنین برای پایش خشکسالی استفاده می شوند [ 61، 62 ].
سیستم جذب داده‌های جذب هواشناسی NOAA (MADIS) داده‌های بلادرنگ را از ایستگاه‌های آب‌وهوای مستقر در ایالات متحده و ایستگاه‌های داوطلبانه برنامه مشاهده‌گر هوای شهروندی (CWOP)، یک برنامه رصدی آب‌وهوای داوطلبانه ارائه می‌کند [63 ] . MADIS یک API عمومی مناسب برای توسعه‌دهندگان فراهم می‌کند تا امکان دسترسی به داده‌ها را فراهم کند. WeatherUnderground [ 64 ] یک سرویس تجاری مبتنی بر API MADIS است. از آنجایی که CWOP به نظارت زمان واقعی آب و هوا کمک می کند، جمع سپاری اطلاعات آب و هوا ارزشی برای مزایای اجتماعی [ 65 ] و DRM فراهم می کند.
شبکه زمینی ایستگاه های پایه سیستم ناوبری ماهواره ای جهانی (GNSS) نیز برای DRM مهم است. داده‌های موقعیت‌یابی از چنین شبکه‌هایی در ابتدا برای GPS کینماتیک واقعی (RTK) برای دقت بهتر استفاده می‌شد. برای اهداف DRM، موقعیت یابی GPS با نرخ بالا در ایستگاه های پایه می تواند به مدل سازی دینامیک لرزه ای کمک کند [ 66 ، 67 ، 68 ]. ترکیبی از تکنیک با SAR تداخل سنجی (InSAR) برای گسترش مشاهدات پراکنده به وسعت سطح مؤثر است [ 14 ، 15 ]. تشخیص همزمان کانون‌های زمین‌لرزه می‌تواند به پیش‌بینی ورود سونامی در مناطق ساحلی کمک کند [ 16]]. شبکه ایستگاه مرجع دائمی (CORS) شبکه ای از ایستگاه های GNSS در ایالات متحده است که توسط NOAA [ 69 ] اداره می شود. برای استفاده بین المللی، سرویس بین المللی GNSS (IGS) دسترسی به داده های ردیابی از بیش از 400 ایستگاه مرجع در سراسر جهان را فراهم می کند [ 70 ]. شناورهای جی‌پی‌اس با موقعیت‌یابی با نرخ بالا، از نظارت فراساحلی سونامی و موج‌های طوفان بر اساس سطح دریا پشتیبانی می‌کنند [ 16 ، 71 ، 72 ، 73 ]. با پشتیبانی از ماهواره های ارتباطی، شناورها می توانند به پیش بینی لحظه ای ورود سونامی دست یابند. یکی از مزایای شناورها نسبت به ابزارهای اندازه گیری ساحلی، استحکام آنها در برابر سونامی است [ 71 ].
یکی از نکات مهم استفاده از شبکه زمینی این است که زیرساخت های ارتباطی ممکن است در اثر فاجعه نابود شود، همانطور که در بررسی زلزله بزرگ ژاپن شرقی در سال 2011 نشان داده شده است [ 74 ]. سیستم‌های ارتباطی پشتیبان، مانند ماهواره‌های ارتباطی [ 74 ] و سیستم‌های ارتباطی متحرک [ 75 ]، برای عملیات واکنش به بلایا ضروری هستند.
برای مرحله ارزیابی ریسک DRM، داده‌های شبکه‌های رصدی مبتنی بر زمین از مزیت تداوم برخوردار هستند اما برخلاف ماهواره‌های EO از نظر مکانی پراکنده هستند. بنابراین، شبکه‌های رصدی مبتنی بر زمین، ماهواره‌های EO را در فرکانس رصد تکمیل می‌کنند، همانطور که در برنامه‌های نظارت لرزه‌ای نشان داده شده است [ 14 ، 15 ]. همانطور که در مثال هشدار سونامی نشان داده شده است، برای مراحل آمادگی، شبکه های رصدی مبتنی بر زمین را می توان برای سیستم های هشدار اولیه اعمال کرد. شبکه‌ها باید شامل نصب فناوری و ترتیبات اداری و آزمایش‌های امکان‌سنجی از طریق تمرین‌های تخلیه که بیانگر شرایط اضطراری است، باشد.
در فازهای پاسخ، از شبکه های زمینی برای نظارت بر خطرات ثانویه به دنبال خطرات اولیه، مانند سونامی به دنبال زلزله های بزرگ استفاده می شود [ 72 ]. شبکه های زمینی ممکن است در اثر خطرات آسیب ببینند. بنابراین، گنجاندن استفاده مشترک از EO در طرح پاسخ، ایمن تر است.

3.4. جمع سپاری

با توجه به اینکه محتوای کاربر محور در اینترنت رایج شده است، تعاملات بین ارائه دهندگان خدمات و کاربران نهایی در زمینه فناوری اطلاعات مکانی رخ داده است. جمع‌سپاری روشی نوظهور برای جمع‌آوری داده‌ها و اطلاعات از افراد غیرمتخصص از طریق اینترنت است. اگرچه کیفیت علمی داده‌های جمع‌سپاری مورد بحث است [ 76 ، 77 ]، داده‌های جمع‌سپاری برای ارتباط کارآمد بین مردم و مقامات دولتی مفید هستند. کاربردهای Ushahidi [ 78 ] و Sahana [ 79 ] که پلتفرم های نرم افزار منبع باز برای جمع سپاری GIS هستند، در پاسخ به زلزله 2010 هائیتی و زلزله بزرگ ژاپن شرقی در سال 2011 برجسته شدند [ 80 ]، 81 ].
OpenStreetMap (OSM) یک فعالیت برجسته مبتنی بر داوطلبانه برای توسعه داده‌های مکانی است که از ردیابی GPS و دیجیتالی کردن تصاویر ماهواره‌ای/هوایی با وضوح بالا برای ایجاد داده‌های جغرافیایی جهانی آزادانه در دسترس استفاده می‌کند. OSM به دلیل عملکرد بالای آن در مدیریت حجم زیادی از داده های مکانی، یک پلت فرم داده های مکانی در نظر گرفته می شود [ 82 ]. OSM یک پلت فرم جمع سپاری برای توسعه داده های مکانی توسط داوطلبان فراهم می کند. زیرا داده ها برای هر منظوری از طریق مجوز پایگاه داده باز (ODbL) [ 83] رایگان هستند]، کاربران نهایی می توانند از داده های OSM بدون هیچ گونه پرداخت یا محدودیتی استفاده کنند. علاوه بر این، اگر داده‌های نقشه در مناطق آسیب‌دیده در دسترس نباشد، تیم انسان‌دوستانه OpenStreetMap (همانطور که در زیر بحث می‌شود) کمپین‌های نقشه‌برداری را در مواقع اضطراری آغاز می‌کند.
تلفن های همراه برای جمع آوری داده ها در DRM نیز مفید هستند. به عنوان مثال، مردم می توانند مشاهدات محلی را برای مقامات دولتی ارسال کنند، مانند خسارات مشاهده شده از یک خطر. FrontlineSMS یک مجموعه مدیریت پیامک جامع است که پست‌ها را از افراد جمع‌آوری می‌کند، اطلاعات را به مردم منتشر می‌کند و برای DRM و سایر مزایای اجتماعی اعمال شده است [ 84 ، 85 ]. اگرچه FrontlineSMS در ابتدا پشتیبانی از GIS نداشت، Ushahidi توابع ارجاع جغرافیایی را برای SMS در ترکیب با FrontlineSMS ارائه کرد [ 86 ]. با نفوذ بیشتر گوشی‌های هوشمند به بازار [ 87 ]، کاربردهای تلفن‌های همراه به استفاده از چند رسانه‌ای، مانند عکس‌ها و فیلم‌ها و توابع برچسب‌گذاری جغرافیایی، با تعبیه GPS گسترش یافت.
تلفن های هوشمند مجهز به GPS و هر تلفن همراه دارای پیامک را می توان با استفاده از Open GeoSMS با استفاده از پروتکل استاندارد شده توسط کنسرسیوم فضایی باز [ 88 ] ارجاع جغرافیایی کرد. Open GeoSMS پروتکلی است که برای جاسازی اطلاعات جغرافیایی در پیامک استفاده می شود تا نرم افزار GIS به طور خودکار پیامک را به عنوان اطلاعات جغرافیایی شناسایی کند. پیام‌های ارجاع‌شده جغرافیایی شامل پیام‌هایی مانند «من در دانشگاه هستم. توکیو جغرافیایی: 35.66, 139.67; u = 100»، موقعیتی را در عرض جغرافیایی 35.66 و طول جغرافیایی 139.67 با عدم قطعیت 100 متر نشان می دهد. از آنجایی که Ushahidi و Sahana با GeoSMS سازگار هستند، این نرم افزار به سازماندهی موثر اطلاعات ارسال شده از تلفن همراه افراد کمک می کند.
جمع سپاری این مزیت را در درک نیازهای مبتنی بر “صدای مردم” دارد، به ویژه هنگام استفاده از پیام کوتاه [ 89 ]. استفاده از جمع سپاری می تواند در مرحله واکنش و بهبودی مفید باشد، جایی که دولت ها باید درک کنند که چرا مردم رنج می برند. بنابراین، جمع سپاری مبتنی بر پیامک می تواند به پر کردن شکاف دیجیتال بین کاربران اینترنت و کاربران غیراینترنتی کمک کند. علاوه بر این، بر اساس اینترنت، پلتفرم‌های جمع‌سپاری فرصت‌های کمک از راه دور را در سراسر جهان فراهم می‌کنند. برای مثال، هر کسی در سراسر جهان می‌تواند از طریق OSM در توسعه داده‌های مکانی مشارکت داشته باشد، که می‌تواند به آمادگی بهتر در مناطق مستعد بلایا کمک کند [ 90 ، 91 ].

3.5. تحرک مردم

داده های جمعیت یک ضرورت اساسی برای ارزیابی تجزیه و تحلیل مواجهه انسان با خطرات است. در حالی که داده های جمعیت توسط واحد اداری یا منطقه سرشماری سازماندهی می شود، داده های مکانی دقیق تری برای برنامه ریزی بهتر مدیریت ریسک بلایا مورد نیاز است [ 41 ، 92 ، 93 ]. برای نیازها، داده‌های جمعیت جهانی مبتنی بر شبکه، مانند جمعیت شبکه‌ای جهان [ 94 ]، لندکان [ 95 ] و ورلد پاپ [ 96 ]، با استفاده از داده‌های سرشماری موجود و داده‌های مکانی جانبی، مانند نقشه‌های پوشش زمین، توسعه یافتند. ، داده های شبکه جاده ها، داده های زمین و تصاویر ماهواره ای نور شبانه.
علاوه بر نقشه‌برداری جمعیت با جزئیات مکانی، تنوع زمانی توزیع جمعیت، یا تحرک افراد، برای مدیریت ریسک بلایا مهم تلقی شده است [ 97 ]. چندین مطالعه چارچوب ها و شیوه های نقشه برداری جمعیت مکانی-زمانی را با اندازه گیری حرکت افراد بین روز و شب [ 34 ، 97 ] و الگوهای مکانی-زمانی رفت و آمد بین خانه و محل کار [ 98 ، 99 ] ارائه کردند. چارچوب ها برای دقت بهتر و مناطق وسیع تر به سایر داده ها قابل گسترش هستند.
داده‌های مکان به‌دست‌آمده از دستگاه‌های موقعیت‌یابی سیار، پتانسیل قابل‌توجهی برای بهبود نقشه‌برداری جمعیت مکانی-زمانی دارند. به عنوان مثال، دستگاه های GPS برای افراد بیشتری مقرون به صرفه شده اند، به ویژه به دلیل تعبیه شده در تلفن های همراه. در برخی از کشورها، هر گوشی تلفن همراه برای اهداف امنیتی، مانند E911 در ایالات متحده، باید با اعلان موقعیت مکانی کار کند. بنابراین، امکان استفاده از سیاهههای مربوط به GPS فردی در سطح شهرستان برای مدلسازی تحرک در شرایط فاجعه وجود دارد. به عنوان مثال، گزارش‌های GPS می‌توانند برای مدل‌سازی رفتار افراد پس از بلایای بزرگ، مانند زلزله بزرگ ژاپن شرقی 2011 استفاده شوند [ 100 ].
حتی بدون GPS، استفاده از Call Detail Records (CDRs)، که سوابق فعالیت تلفن همراه (تماس، پیامک و ارتباطات داده) است، می تواند برای نظارت بر رفتار استفاده شود. هر CDR را می توان به مکان برج سلولی که فعالیت برای برقراری ارتباط استفاده می کند، مرتبط کرد. از آنجایی که اپراتورهای تلفن همراه CDR را برای مقاصد صورت‌حساب ذخیره می‌کنند، داده‌ها منبع اطلاعاتی ارزشمندی برای جابجایی هستند. داده‌های تحرک مبتنی بر CDR می‌تواند به توسعه یک مدل اپیدمیولوژیک بیماری‌های واگیر [ 101 ]، مدیریت بلایا در طول سیل [ 102 ]، و مدل‌های رفتاری تخلیه [ 103 ] کمک کند، که می‌تواند به عملیات‌های آمادگی، واکنش و بهبود کمک کند. برخی از خلبانان عملیاتی در بلایای گذشته نشان داده شده اند [ 104 ,105 ].
با توجه به حساس بودن اطلاعات مکان به مسائل حریم خصوصی [ 106 ، 107 ، 108 ]، ارائه دهندگان داده و کاربران باید با استفاده از روش هایی مانند ناشناس کردن پروفایل های فردی، داده های جابجایی را با دقت مدیریت کنند. برخی از تکنیک های ناشناس سازی با توجه به مدیریت داده های مکانی [ 109 ] پیشنهاد شد .
داده های تحرک پویایی جمعیت را در مقیاس زمانی دقیق نشان می دهد. مثلاً تفاوت روز و شب. بنابراین، داده ها می توانند به عنوان یک منبع اطلاعاتی با ارزش برای ارزیابی خطر بلایا عمل کنند که در آن باید تعداد تلفات برای یک خطر تخمین زده شود. علاوه بر این، داده‌ها را می‌توان برای رفتار پس از خطرات [ 100 ] برای برنامه‌ریزی بهتر کاهش و آمادگی بر اساس رفتار مدل‌سازی شده توسط داده‌های تحرک اعمال کرد.

3.6. WebGIS

GIS به تصمیم گیرندگان کمک می کند تا داده ها و اطلاعات را با معیارهای متعدد در DRM مدیریت کنند [ 110 ]. در دهه‌های گذشته، فناوری‌ها به اینترنت یا WebGIS گسترش یافته‌اند به طوری که کاربران غیر GIS می‌توانند داده‌های مکانی را از یک ارائه‌دهنده داده از طریق رابط‌های نقشه کاربرپسند در رایانه یا تلفن‌های هوشمند خود، حتی بدون آموزش فشرده GIS، مرور کنند. WebGIS نقش مهمی در DRM برای به اشتراک گذاری اطلاعات و داده های مورد نیاز برای تصمیم گیری در بین آژانس های متعدد ایفا کرده است [ 111 ]. برای بهبود قابلیت همکاری داده‌های مکانی در بین آژانس‌ها، استانداردهایی برای پروتکل‌های داده‌های مکانی مبتنی بر اینترنت توسط کنسرسیوم فضایی باز (OGC) ایجاد شده است. این استانداردها شامل خدمات نقشه وب (WMS) [ 112] و Web Feature Service (WFS) [ 113 ]، که قابلیت همکاری داده ها و اطلاعات مکانی را ارتقا داده اند زیرا اکثر بسته های نرم افزاری اصلی GIS با این استانداردها سازگار هستند [ 114 ]. بر اساس استانداردهای ایجاد شده، چندین ارائه دهنده داده، داده های خود را در قالب مبتنی بر اینترنت [ 115 ، 116 ، 117 ] منتشر کرده اند که توسعه دهندگان خدمات را قادر می سازد تا داده های خود را به راحتی به WebGIS معرفی کنند. این سبک از توسعه خدمات که منابع داده های مختلف را با هم ترکیب می کند، اغلب “ماشاپ” نامیده می شود [ 118 ]. SEDAC Hazards Mapper [ 119 ] و DisasterAWARE [ 120] زمانی که با داده های زمان واقعی از مخاطرات و داده های اجتماعی-اقتصادی پس زمینه ترکیب می شوند، کاربردهای عملی برای تصمیم گیری در واکنش به بلایا هستند.
WebGIS به عنوان یک ابزار ارتباطی بین متخصصان و غیرمتخصصان [ 121 ] عمل می کند و به افراد غیرمتخصص کمک می کند تا زمینه جغرافیایی را در حوزه های مورد علاقه خود درک کنند. این توابع WebGIS را می توان برای درک خطرات به کار برد تا به جوامع اجازه دهد تا بهتر به آنها آماده شوند و به آنها پاسخ دهند [ 122 ، 123 ]. کارگاه های ارتباط ریسک مبتنی بر سناریو با جامعه محلی برای افزایش ظرفیت محلی برای مدیریت پلتفرم های اطلاعاتی DRM موثر است [ 124 ].
WebGIS با توجه به نقش خود به عنوان رابط کاربر نهایی اطلاعات مکانی برای هر مرحله از DRM مفید است. با این حال، WebGIS تنها در صورتی کار می کند که به اینترنت متصل باشد. در مرحله پاسخ، اگر زیرساخت ارتباطی آسیب ببیند، WebGIS می تواند بی فایده باشد. در چنین مواردی، “حالت آفلاین” WebGIS برای نگهداری داده های مبتنی بر اینترنت در رایانه های محلی مورد نیاز است. با چنین «حالت آفلاین»، دستگاه‌های تلفن همراه مانند رایانه‌های لپ‌تاپ، تبلت‌ها و تلفن‌های هوشمند رسانه خوبی برای ارائه داده‌های مکانی مبتنی بر اینترنت به میدان زمانی که از اینترنت جدا می‌شوند، خواهند بود.

3.7. تلفن های همراه

همانطور که تلفن‌های همراه مقرون به صرفه‌تر شده‌اند [ 125 ]، می‌توان از آن‌ها برای ارائه اطلاعات، مانند هشدارهای اولیه، به افرادی که دسترسی کمی به اطلاعات حیاتی دارند، استفاده کرد. با این حال، تحویل اطلاعات باید بر اساس مکان انتخابی باشد. در غیر این صورت، مردم دور از مناطق آسیب دیده ممکن است با هشدارهای اولیه برای مناطقی که در معرض خطر هستند گیج شوند. برای بهبود اعتماد به این هشدارهای اولیه و سرعت تصمیم گیری پس از هشدارها، چندین تلاش برای انتشار هشدارهای مبتنی بر مکان از طریق تلفن های همراه انجام شده است [ 90 ].
پیامک تلفن همراه امکان انتشار کارآمد اطلاعات مانند هشدارهای اولیه را با استفاده از متون حروف الفبا فراهم می کند که می تواند مانعی برای زبان های غیر الفبا باشد. InSTEDD برخی از فناوری‌های مبتنی بر پیامک را به زبان‌های محلی بر اساس سیستم‌های ناوبری صوتی با قابلیت توسعه آسان و کدهای گزارش از پیش تعریف‌شده در پیامک ارائه می‌کند [ 126 ، 127 ].
علاوه بر WebGIS، تلفن های همراه رابط کاربر نهایی اطلاعات DRM هستند و در هر مرحله برای DRM به خوبی کار می کنند. بر خلاف WebGIS، شکل داده ها و اطلاعات به صداها و متون محدود می شود، به ویژه برای تلفن های اولیه. علاوه بر این، زیرساخت های ارتباطی می تواند توسط خطرات آسیب ببیند [ 74 ]. یکی از مزیت‌های تلفن‌های همراه، اتصال آن‌ها به مردم است، زیرا تقریباً همه بزرگسالان همیشه تلفن همراه خود را دارند. بنابراین، تلفن های همراه کانالی را برای ارائه اطلاعات حداقلی اما حیاتی فراهم می کنند. بنابراین مهم ترین کاربرد، استقرار سیستم های هشدار اولیه در مراحل آمادگی است.

4. شیوه های ارائه داده های مشترک برای مدیریت ریسک بلایا

در این بخش، شیوه‌های جاری تحویل داده‌های مکانی برای DRM را بررسی می‌کنیم. ما رویه‌ها را بر حسب عملکردها برای هر مرحله از DRM پیشنهاد شده در بخش‌های بالا تجزیه و تحلیل می‌کنیم. جدول 1 فهرستی از فعالیت های تحویل داده های مکانی را نشان می دهد که در زیر بررسی می شود. در این بررسی، ما بر فعالیت‌هایی تمرکز کردیم که به ارائه اطلاعات مکانی برای DRM به عنوان ارائه‌دهندگان فناوری کمک کردند. با این حال، چندین گروه و ابتکار بین‌المللی برای DRM کار می‌کنند، از جمله UNISDR [ 128 ]، UNOOSA/UN-SPIDER [ 129 ]، مرکز AHA [ 130 ]، مرکز آمادگی برای بلایای آسیایی [ 131 ]، و مرکز کاهش بلایا آسیایی. [ 132]، که ترجیح می دهند به هماهنگی و مدیریت دانش در سطح بالا کمک کنند.
جدول
جدول 1. فعالیت های تحویل داده های مکانی برای مدیریت ریسک بلایا.

4.1. نگهبان آسیا

ابتکار Sentinel Asia یک همکاری بین آژانس‌های فضایی و آژانس‌های مدیریت بلایا است که در آن از فناوری‌های سنجش از راه دور و WebGIS برای حمایت از فعالیت‌های مدیریت بلایا در منطقه آسیا-اقیانوسیه استفاده می‌شود [4، 135 ] .]. Sentinel Asia رصدهای اضطراری را با استفاده از ماهواره های EO برای بلایای بزرگ انجام می دهد. در حال حاضر، ماهواره های شرکت کننده عبارتند از ALOS-2 (آژانس اکتشافات هوافضای ژاپن، ژاپن)، IRS (سازمان تحقیقات فضایی هند، هند)، THEOS (آژانس توسعه ژئوانفورماتیک و فناوری فضایی، تایلند)، KOMPSAT-1 (موسسه تحقیقات هوافضای کره). ، کره جنوبی)، FORMOSAT (آزمایشگاه های تحقیقات کاربردی ملی، تایوان)، و XSAT (مرکز تصویربرداری، سنجش و پردازش از راه دور، سنگاپور)، که به عنوان گره ارائه دهنده داده (DPN) شناخته می شوند. در مقابل، گره تجزیه و تحلیل داده ها (DAN) برای تجزیه و تحلیل داده ها استفاده می شود و شامل آژانس های DRM، موسسات تحقیقاتی، دانشگاه ها و سازمان های بین المللی می شود. DAN داده های ماهواره ای ارائه شده توسط DPN را تجزیه و تحلیل می کند تا محصولی با ارزش افزوده ایجاد کند و محصول را از طریق سیستم سنتینل آسیا در چارچوب قوانین داخلی منتشر کند. برای ایجاد محصولات با ارزش افزوده، داده ها باید شامل داده های ماهواره ای DPN مختلف با مجموعه داده های محلی GIS و گزارش های میدانی از همکاران محلی باشد. محصولات به صورت نقشه سازماندهی شده اند و در وب سایت به صورت عمومی در دسترس هستند.
یکپارچه سازی اطلاعات برای داده های علمی و اجتماعی-اقتصادی برای ساخت محصولات با ارزش افزوده مهم است. اعتبارسنجی محصولات نقشه نیاز به تأیید زمینی در اسرع وقت قبل از انتشار محصول دارد. علاوه بر ارائه محصولات داده، Sentinel Asia از توسعه ظرفیت محلی برای تجزیه و تحلیل داده های ماهواره ای برای مقابله با واکنش در برابر بلایا پشتیبانی می کند. علاوه بر این، Sentinel Asia قصد دارد از ظرفیت DRM منطقه‌ای پشتیبانی و گسترش دهد، زیرا اکثر کشورهای در حال توسعه ماهواره‌ها و امکانات لازم مانند ایستگاه‌های دریافت اطلاعات ماهواره‌ای و سیستم‌های هشدار اولیه را ندارند.
Sentinel Asia اساساً بر مراحل واکنش متمرکز است و به تدریج فعالیت خود را گسترش داده است تا کل چرخه DRM نظارت، آمادگی و بازیابی قبل از فاجعه را پوشش دهد، که برای آژانس های DRM و جوامع محلی برای کاهش خطر بلایا در منطقه ضروری است. Sentinel Asia همچنین مطالعات موردی خاصی را با مشارکت های منطقه ای انجام می دهد که شامل کاربران نهایی می شود.

4.2. منشور بین المللی فضا و بلایای بزرگ

منشور بین‌المللی فضا و بلایای بزرگ که منشور بین‌المللی نامیده می‌شود، یک همکاری جهانی بین آژانس‌های فضایی است [ 3 ، 136] .] بر خلاف سنتینل آسیا که فعالیت های آن برای مناطق آسیا و اقیانوسیه است. آژانس های در حال حاضر شرکت کننده عبارتند از: آژانس فضایی اروپا (ESA)، آژانس فضایی فرانسه (CNES)، آژانس فضایی کانادا (CSA)، NOAA، کمیسیون ملی فعالیت های فضایی آرژانتین (CONAE)، سازمان تحقیقات فضایی هند (ISRO)، هوافضای ژاپن. آژانس اکتشاف (JAXA)، سازمان زمین شناسی ایالات متحده (USGS)، تصویربرداری بین المللی DMC (DMCii)، اداره فضایی ملی چین (CNSA)، آژانس فضایی آلمان (DLR)، موسسه تحقیقات هوافضای کره (KARI)، موسسه ملی تحقیقات فضایی برزیل (INPE)، سازمان اروپا برای بهره برداری از ماهواره های هواشناسی (EUMETSAT) و آژانس فضایی فدرال روسیه (ROSCOSMOS). منشور بین‌المللی قصد دارد داده‌های ماهواره‌ای را از آژانس‌های عضو ظرف دو هفته پس از وقوع فاجعه تحویل دهد. یک آژانس ارزش افزوده تصاویر ماهواره ای به دست آمده را برای ارزیابی خسارت تفسیر و تجزیه و تحلیل می کند. این نقشه ها مناطق آسیب دیده و سایر ویژگی های مرتبط را ترسیم می کنند. محصولات نقشه توسعه یافته معمولاً در وب سایت به صورت عمومی در دسترس هستند.
Sentinel Asia با منشور بین‌المللی همکاری می‌کند، که به لحاظ منطقه‌ای آن را تقویت می‌کند، زیرا به هر کشوری در منطقه اجازه می‌دهد بدون در نظر گرفتن عضویت در منشور بین‌المللی یا میزان سرمایه‌گذاری آنها در فضا، به شبکه Sentinel Asia بپیوندد و اطلاعات مربوط به بلایا را درخواست کند. زیر ساخت.

4.3. برنامه کاربردی ماهواره عملیاتی یونیتار (UNOSAT)

UNOSAT برنامه‌ای است توسط UNITAR که داده‌ها و اطلاعات مکانی را به سازمان‌های امدادی و توسعه در داخل و خارج از سیستم سازمان ملل ارائه می‌کند تا در مناطق بحرانی تفاوت ایجاد کند [137] .]. UNOSAT راه حل هایی را بر اساس نیازهای ذینفعان در پایان فرآیند توسعه می دهد و با سازمان های بین المللی و بخش های خصوصی ارائه دهندگان اطلاعات مکانی مانند مرکز آمادگی برای بلایای آسیایی (ADPC)، Digital Globe، e-GEOS، سیستم های زیست محیطی مشارکت دارد. موسسه تحقیقاتی (ESRI)، ESA، تصویربرداری فضایی اروپا (ESI)، تسهیلات جهانی برای کاهش و بازیابی بلایا (GFDRR)، گوگل، منشور بین‌المللی، ITC، خدمات ماهواره‌ای Kongsberg (KSAT)، MFB-GeoConsulting، Spot Image، Trimble، و WMO برای بلایا و سایر بحران‌ها، UNOSAT محصولات داده‌های مکانی مانند ارزیابی آسیب و مکان‌های اردوگاه‌های پناهندگان را از داده‌های EO با استفاده از مکانیسم‌های مشترک، مانند جمع‌سپاری [ 133 ، 134] توسعه می‌دهد.]، و داده ها را در قالب های نقشه و داده های GIS در وب سایت خود منتشر می کند.
UNOSAT نه تنها به تحقیق و توسعه فناوری اختصاص دارد، بلکه به توسعه ظرفیت های محلی فعالیت های قبل از فاجعه نیز اختصاص دارد. علاوه بر این، UNOSAT به جوامع کمک می‌کند تا این ظرفیت را با یکپارچه‌سازی ماژول‌ها و برنامه‌های آموزشی، که معمولاً شامل GIS، سنجش از دور ماهواره‌ای و برنامه‌های کاربردی تلفن هوشمند می‌شوند، حفظ کنند [134 ] . توسعه ظرفیت UNOSAT شامل آموزش عملی در زمینه فناوری اطلاعات مکانی در حوزه های مختلف کاربردی، از جمله DRM، مدیریت آب، و برنامه ریزی سرزمینی است. UNOSAT برنامه‌هایی را برای طیف وسیعی از کارگاه‌های یک روزه و برنامه‌های توسعه ظرفیت بلندمدت، از جمله کارگاه‌ها و اشتراک‌گذاری اطلاعات، برنامه‌های ظرفیت‌سازی در داخل کشور، و دوره‌های پایه، پیشرفته و کارشناسی ارشد ارائه می‌کند.
مشابه با Sentinel Asia و منشور بین‌المللی، UNOSAT داده‌های مربوط به DRM را هنگام وقوع بلایا ارائه می‌کند. از آنجایی که تحویل داده‌های آن‌ها بلافاصله پس از وقوع بلایا انجام می‌شود، محصولات داده آن‌ها به واکنش در برابر بلایا کمک می‌کنند. علاوه بر این، از آنجا که UNOSAT از نزدیک با سازمان‌های سازمان ملل متحد در این زمینه، مانند دفتر سازمان ملل متحد برای هماهنگی امور بشردوستانه (UNOCHA) همکاری می‌کند، آنها می‌توانند نیازهای فوری را در این زمینه ببینند.
علاوه بر توسعه و تحویل محصولات داده اطلاعات مکانی، UNOSAT با ارائه آموزش فناوری اطلاعات مکانی به دولت ها و جوامع محلی به کاهش و آمادگی بهتر DRM کمک می کند. هدف برنامه‌های آموزشی آن‌ها انعطاف‌پذیری بهتر از طریق ارزیابی ریسک، کاهش، و آمادگی توسط دولت‌ها و جوامع محلی در DRM است [ 138 ، 139 ].

4.4. خدمات مدیریت اضطراری کوپرنیک

کوپرنیک برنامه ای است که از سال 1998 توسط ESA انجام شده است و در ابتدا با عنوان GEMS (نظارت جهانی برای محیط زیست و امنیت) آغاز شد. کوپرنیک با استفاده از EO [ 140] داده های مکانی را برای فازهای DRM قبل و بعد از فاجعه ایجاد می کند.]. اگرچه کشورهای عضو اتحادیه اروپا در اصل مجاز به درخواست خدمات هستند، اما نهادهای عمومی، سازمان‌های بین‌المللی، سازمان‌های ملی و سازمان‌های غیردولتی می‌توانند با کشورهای عضو اتحادیه اروپا برای درخواست خدمات هماهنگی کنند. علاوه بر این، مجموعه داده ایجاد شده توسط این سرویس به صورت عمومی در وب سایت در نقشه ها و فرمت های داده GIS در دسترس است. نقشه‌های ایجاد شده بایگانی شده و با استفاده از WebGIS در وب‌سایت بر اساس رویداد خطرناک قابل جستجو هستند. داده ها در مدت 9 ساعت تا 5 روز برای استفاده های اضطراری، مانند پاسخ و بازیابی و ظرف 20 روز برای استفاده های غیر اضطراری، مانند ارزیابی خطر، کاهش، و آمادگی به کاربران نهایی تحویل داده می شود.
این سرویس انواع محصولات زیر را طبقه‌بندی می‌کند: نقشه‌های مرجع، که اطلاعات موقعیت‌های پیش از فاجعه را برای مناطق، دارایی‌ها و سایر ویژگی‌های زمینی ارائه می‌دهد. نقشه های ترسیم، که اطلاعاتی را در مورد وسعت مناطق دارای اثرات مخاطره آمیز ارائه می دهد. نقشه های درجه بندی، که اطلاعاتی در مورد آسیب به دارایی ها و زیرساخت های ناشی از خطر ارائه می دهد. نقشه های وضعیت قبل از فاجعه، که نشان دهنده قرار گرفتن در معرض خطر احتمالی، آسیب پذیری، و سایر اطلاعات خطر است. و نقشه‌های وضعیت پس از فاجعه که نشان‌دهنده نیازسنجی پس از فاجعه، وضعیت بهبود و برنامه‌ها است. از آنجایی که این سرویس توسط ESA در دست بهره برداری است، در درجه اول از داده های ارائه شده توسط ابزارهای مشاهده ESA، مانند ماموریت های Sentinel [ 141 ]، و ابزارهای مبتنی بر اتحادیه اروپا، مانند COSMO-Skymed استفاده می کند.142 ]، برای محصولات نقشه موضوعی. علاوه بر این، این سرویس از داده های ارائه شده توسط آژانس های فضایی و ابتکارات بین المللی استفاده می کند.
علاوه بر این، این سرویس هشدارهای اولیه را برای سیل بر اساس داده های تخلیه و سطح آب تاریخی و در زمان واقعی در سراسر اروپا ارائه می دهد [ 143 ]. پیش‌بینی‌ها و هشدارهای سیل از طریق شرکای آن در اروپا و WebGIS در وب‌سایت منتشر می‌شوند.

4.5. پاسخ اضطراری USGS

سازمان زمین شناسی ایالات متحده یک پلت فرم به نام Emergency Response را برای کسب داده های EO اجرا می کند [ 144 ]. کاربران می توانند داده های آرشیو شده USGS EO را برای اهداف DRM از طریق یک رابط مبتنی بر WebGIS، سیستم توزیع اطلاعات مخاطرات (HDDS) مرور و استفاده کنند. داده‌های ماهواره‌ای در دسترس عموم و داده‌های با دسترسی محدود، مانند داده‌های ماهواره‌ای مبتنی بر تجاری، در رابط WebGIS قابل مرور هستند. HDDS یک مجموعه داده با GeoTiff های چند باندی را ارائه می دهد که برای تجزیه و تحلیل سنجش از راه دور خوب هستند و تصاویر ترکیبی از طریق WMS و انتقال وضعیت نمایندگی (REST) ​​برای برخی از داده ها. HDDS داده های ماهواره ای قبل و بعد از فاجعه را بر اساس رویداد فاجعه فراهم می کند.
علاوه بر این، این پلتفرم می‌تواند برای درخواست دریافت داده‌های ماهواره‌ای از کاربران خود از طریق رابط مبتنی بر WebGIS، ابزار مدیریت مجموعه، که با HDDS ادغام شده است، برای بهره‌وری بهتر مدیریت داده‌ها در پلتفرم مورد استفاده قرار گیرد.

4.6. تیم بشردوستانه OpenStreetMap (HOT)

HOT یک گروه داوطلبانه است که اصول منبع باز و به اشتراک گذاری داده های باز را برای پاسخ بشردوستانه و توسعه اقتصادی اعمال می کند [ 145 ]. اگرچه فعالیت های آنها بر اساس OSM است (همانطور که از نام آن مشخص است)، آنها مستقل از OSM هستند اما از نزدیک با OSM همکاری می کنند. HOT نقشه‌برداران OSM را برای پاسخ به بحران یا «نقشه‌برداری بحران» نه تنها برای بلایای طبیعی بلکه برای درگیری‌های مسلحانه فعال می‌کند. آنها به طور موثر تلاش های داوطلبان را با ارائه یک عملکرد وظیفه ای تسهیل می کنند. مدیر وظایف OSM [ 5]. علاوه بر این، آنها برنامه های آموزشی مانند توسعه مواد آموزشی، جلسات و کنفرانس ها را برای مشارکت دادن داوطلبان بین المللی و جوامع محلی برای فعالیت های نقشه برداری برای دستیابی به داده های مکانی با کیفیت بهتر انجام می دهند.
فعالیت های آنها در پاسخ به زلزله هائیتی در سال 2010 ثابت شد. بین سال های 2009 و ژوئن 2015، نقشه برداری OSM آنها برای 39 رویداد آغاز شده است [ 146 ]. شروع نقشه برداری آنها برای واکنش به بلایا به اطلاعات جغرافیایی مناطق آسیب دیده کمک می کند، حتی در مراحل اولیه واکنش به بلایا. بنابراین، نقشه‌های خروجی آن‌ها در مواقع اضطراری برای واکنش مؤثرتر به بلایا استفاده می‌شوند [ 5 ، 147 ].
همانطور که در بالا ذکر شد، جمع سپاری می تواند به آمادگی بهتر DRM کمک کند. HOT با بانک جهانی همکاری می کند تا مزایای پروژه های نقشه برداری باز و اجتماعی را به چالش های ایجاد تاب آوری در برابر بلایای طبیعی و تأثیرات تغییرات آب و هوایی در هائیتی، اندونزی، فیلیپین و مالاوی برساند [148 ] . علاوه بر این، HOT برنامه ای را در اندونزی برای آمادگی بهتر انجام می دهد [ 149 ].

4.7. SERVIR

SERVIR ابتکار مشترک اداره ملی هوانوردی و فضایی (ناسا) و آژانس توسعه بین المللی ایالات متحده (USAID) برای استفاده بهتر از فناوری رصد زمین در تصمیم گیری توسعه است [150 ]]. SERVIR پروژه هایی را در بیش از 30 کشور با موضوعات سازگاری، کشاورزی، آب و هوا، بلایا، تنوع زیستی، سلامت، مناظر پایدار، آب و آب و هوا انجام داده است. علاوه بر این، آنها پروژه هایی را از طریق همکاری نزدیک با آژانس های منطقه ای، مانند مرکز منطقه ای نقشه برداری منابع برای توسعه (RCMRD)، یک سازمان بین دولتی که هدف آن ترویج تولید، کاربرد و انتشار اطلاعات جغرافیایی برای مسائل توسعه در شرق است، انجام می دهند. و مناطق آفریقای جنوبی
از آنجایی که این ابتکار بیشتر بر توسعه برنامه‌های کاربردی مانند مدل‌سازی هیدرولوژی و تشخیص آتش‌سوزی جنگل با استفاده از منابع داده EO تمرکز دارد، بسیاری از منابع داده EO را ارائه نمی‌کند. با این حال، اگرچه منابع ماهواره‌ای کمتری نسبت به سایر فعالیت‌ها فراهم می‌کند، اما تصاویر گرفته‌شده از ایستگاه فضایی بین‌المللی (ISS) را با دوربین، ISS SERVIR Environmental Research and Visualization System (ISERV) ارائه می‌کند [151 ، 152 ] . ISERV برای پاسخ به بلایا و درخواست های بازیابی تصاویر می گیرد که بسیاری از آنها در منشور بین المللی در دسترس هستند.

4.8. شبکه سیستم‌های هشدار اولیه قحطی (FEWS NET)

FEWS NET سازمانی است که توسط USAID در سال 1985 تأسیس شد که تجزیه و تحلیل مبتنی بر شواهد امنیت غذایی را برای کمک به تصمیم‌گیرندگان و آژانس‌های امدادی در آمریکای مرکزی، دریای کارائیب، آسیای مرکزی، آفریقای شرقی، آفریقای جنوبی و غرب آفریقا ارائه می‌کند [ 153 ] . FEWS NET بازارهای کشاورزی، اقلیم شناسی کشاورزی، معیشت و تغذیه را از طریق همکاری با آژانس های علمی، دولت ها، سازمان های بین المللی و سازمان های غیردولتی نظارت می کند و گزارش های منظمی را به ذینفعان ارائه می دهد. طبقه‌بندی فاز امنیت غذایی یکپارچه، که یک استاندارد پذیرفته‌شده برای توصیف وضعیت امنیت غذایی است، برای هشدار اولیه بحران‌های غذایی پیش‌بینی‌شده توسط تجزیه و تحلیل اعمال می‌شود.
مشاهده زمین و مشاهدات زمینی برای تجزیه و تحلیل آنها به ویژه برای نظارت بر شرایط اقلیم شناسی کشاورزی مانند بارندگی، رطوبت خاک، شرایط پوشش گیاهی و تبخیر و تعرق استفاده می شود. مجموعه داده توسعه‌یافته از نظر عملیاتی به‌روز نگه داشته شده و به‌طور رایگان در وب‌سایت Data Portal در دسترس است [ 30 ]. علاوه بر این، مجموعه داده به عنوان پایه ای برای تحقیقات علمی در رابطه با موضوع کشاورزی امنیت غذایی عمل می کند [ 154 ، 155 ].

4.9. مرکز بلایای اقیانوس آرام (PDC)

مرکز بلایای اقیانوس آرام (PDC) سازمانی است که علم و فناوری را برای DRM فراهم می کند. PDC پس از طوفان اینیکی، که هاوایی را درنوردید و جزیره کائوآی را در سال 1992 ویران کرد، تأسیس شد [ 156 ، 157]، و در حال حاضر توسط دانشگاه هاوایی مدیریت می شود. PDC برنامه های پشتیبانی تصمیم را با رابط های کاربر پسند در مرورگرهای وب و تلفن های هوشمند با استفاده از اطلاعات مکانی خطرات و آسیب پذیری های ارائه شده از سایر آژانس های DRM فراهم می کند. DisasterAWARE یک راه حل پلت فرم است که می تواند برای سازماندهی اطلاعات بلادرنگ از آژانس های مختلف در سراسر جهان بر روی یک رابط مبتنی بر نقشه با اطلاعات پس زمینه اجتماعی-اقتصادی، سوابق خطرات تاریخی و داده های کاربر نهایی استفاده شود. عملیات اضطراری (EMOPS) از اشتراک گذاری اطلاعات موقعیتی ارسال شده توسط کاربران مجاز در بین ذینفعان در مواقع اضطراری پشتیبانی می کند و می تواند برای نقشه برداری اخبار، دوربین های ترافیکی و رسانه های اجتماعی استفاده شود.
علاوه بر این، PDC برای معرفی فناوری‌هایی با برنامه‌های توسعه ظرفیت، که برای هر مرحله از DRM قابل اجرا هستند، پشتیبانی می‌کند. به عنوان مثال، نسخه های سفارشی DisasterAWARE با پشتیبانی تمرین و آموزش در آژانس های ملی و بین المللی مستقر شده است.

4.10. GEO Geohazards Supersites and Natural Laboratories (GSNL)

GEO Geohazards Supersites and Natural Laboratories (GSNL) ابتکاری از جامعه علمی geohazard است که توسط گروه مشاهدات زمین پشتیبانی می شود، مشارکت بین دولتی ایجاد یک سیستم جهانی رصد زمین از سیستم ها (GEOSS) که منابع رصد زمین را در سراسر جهان به هم مرتبط می کند. در سراسر مزایای اجتماعی [ 158 ]. این ابتکار برای ترویج تلاش‌های بین‌المللی برای نظارت و مطالعه مکان‌های منتخب با دسترسی آزاد به مجموعه داده‌های مربوطه ایجاد شد [ 159 ]. علاوه بر این، این ابتکار در سوپر سایت‌های دیگری که رویدادهای مخاطره زمین در مقیاس بزرگ، مانند زلزله 2015 نپال، رخ داده است، راه‌اندازی شد.
از آنجایی که اهداف اصلی ابتکار، زمین لرزه ها و آتشفشان ها هستند، مجموعه داده های ارائه شده، مانند خروجی های InSAR، خروجی تجزیه و تحلیل رکوردهای GNSS پیوسته و داده های ورودی آنها، عمدتاً برای نظارت بر فعالیت های لرزه ای هستند. از آنجایی که این ابتکار برای اهداف علمی است، توزیع مجموعه داده کاملاً رایگان نیست و فرآیند در بین سایت‌های انتخاب شده استاندارد نشده است. با این حال، آرشیو داده ها فشرده هستند. بنابراین، آرشیو داده‌ها برای فعالیت‌های پیش از فاجعه با تخصص خاصی در مدیریت چنین محصولات داده‌های علمی مفید خواهد بود.

4.11. سیستم هشدار و هماهنگی جهانی بلایا (GDACS)

سیستم جهانی هشدار و هماهنگی بلایا (GDACS) یک چارچوب همکاری بین سازمان ملل متحد، کمیسیون اروپا و مدیران بلایای سراسر جهان است و با هدف بهبود هشدارها، تبادل اطلاعات و هماهنگی در مرحله اول بلایای طبیعی است [160] .]. GDACS به طور عمومی هشدارهای اولیه برای بلایا را با تامین منابع نظارت ماهواره ای عملیاتی و مشاهدات زمینی ارائه می دهد. هشدارهای اولیه به صورت نقشه‌های روی وب‌سایت و در قالب‌های ساختاری قابل خواندن توسط رایانه (RSS و KML) قابل بازیابی هستند که به اشخاص ثالث امکان می‌دهد به راحتی از داده‌ها برای برنامه‌های کاربردی خود استفاده کنند. برنامه‌های تلفن هوشمند نیز از وب‌سایت در دسترس هستند و تخمین‌ها و ارزیابی‌های تأثیر را پس از بلایای بزرگ برای مراحل واکنش و بازیابی ارائه می‌دهند.
GDACS به طور آزمایشی سیستم جهانی تشخیص سیل را با رصدخانه سیل دارتموث برای توسعه سیستم های هشدار اولیه برای خطرات هیدرولوژیکی [ 161 ] و کاربردهای رسانه های اجتماعی برای جمع آوری اطلاعات موقعیتی برای مناطق آسیب دیده در واکنش به بلایا [ 162 ] اجرا می کند.

5. بحث و نتیجه گیری

ما فن‌آوری‌های مکانی برای DRM را بررسی کردیم و کاربردهای آن‌ها را مورد بحث قرار دادیم. فناوری‌ها و برنامه‌های کاربردی با استفاده از مزایای سایر فناوری‌های مکمل برای فازهای DRM مناسب توسعه داده شدند. قابلیت همکاری بین منابع داده یک مسئله فنی مهم در هنگام اعمال داده های مکانی برای DRM است، همانطور که توسط مدل مرجع CEOS پیشنهاد شده است. پورتال GEOSS و استانداردهای OGC مسئولیت مهم ارتقای قابلیت همکاری داده های جغرافیایی توسعه یافته در سراسر جهان را بر عهده دارند.
با بررسی شبکه رصدی زمینی، پیشنهاد شد که فناوری ارتباطی باید در تحویل اطلاعات مکانی برای DRM، به ویژه در مرحله پاسخ، بیشتر مورد توجه قرار گیرد. فن آوری زمین فضایی کنونی در درجه اول به اینترنت و شبکه های تلفن همراه بستگی دارد. با این حال، اگر زیرساخت های ارتباطی توسط خطرات آسیب ببیند، چنین سیستم هایی می توانند بی فایده باشند. ماهواره‌های ارتباطی و واحدهای ارتباطی متحرک فناوری‌های مهمی برای ایجاد سیستم‌های انعطاف‌پذیر برای DRM هستند. چنین سیستم های ارتباطی باید هنگام طراحی سیستم های اطلاعاتی DRM گنجانده شوند.
علاوه بر این، ما همچنین فعالیت های بین المللی در حال انجام برای DRM را بررسی کردیم. به طور کلی، فعالیت ها کل فاز DRM از ایجاد داده ها و اطلاعات تا استفاده از داده ها و اطلاعات توسط کاربران نهایی و جوامع محلی را پوشش می دهد. بنابراین، یک موضوع باید این باشد که چگونه فعالیت ها را برای عملیات کارآمدتر به هم متصل کنیم. منابع انسانی و شبکه‌ها نقش مهمی در ارتباط بین فعالیت‌ها ایفا می‌کنند، زیرا برخی از فعالیت‌ها شامل برنامه‌های ظرفیت‌سازی در مناطق مستعد بلایا هستند. علاوه بر این، انتشار داده ها و اطلاعات در اینترنت به اتصال فعالیت ها کمک می کند تا هر کسی، حتی خارج از شبکه، بتواند از این داده ها و اطلاعات استفاده کند.
همانطور که بررسی کردیم، اکثر ارائه دهندگان داده محصولات داده خود را در وب سایت خود در قالب داده های GIS منتشر کردند. این قالب به آژانس‌های DRM کمک می‌کند تا داده‌ها را برای تجزیه و تحلیل بیشتر و ایجاد نقشه‌ها با استفاده از داده‌های مربوط به نیازهای خود مدیریت کنند. با این حال، چنین استفاده‌ای از داده‌های GIS همچنان نیازمند تلاش کارشناسان مجرب GIS است که گاهی اوقات به‌خوبی تخصیص نمی‌یابد، به‌ویژه در مراحل واکنش اضطراری. فرمت‌های نقشه آماده می‌توانند به کاربران نهایی برای دسترسی به داده‌های GIS با اجازه دادن به آنها برای چاپ برای اهداف برنامه‌ریزی کمک کنند. با این حال، نقشه ها باید در هر میزان، مقیاس و زمانی که کاربران نهایی سایت نیاز دارند، قابل مرور باشند.
اگرچه WebGIS توسعه یافته توسط تلاش‌های بین‌المللی که بررسی کردیم چنین نیازی را برآورده می‌کند، کاربران نهایی باید برای مرور داده‌های GIS که در یک WebGIS متفاوت منتشر شده‌اند، به WebGIS دیگری بروند. برای کاهش چنین ناکارآمدی، DisasterAWARE یک ویژگی قابل توجه برای ادغام مجموعه داده های تعریف شده توسط کاربر در WebGIS دارد. ارائه دهندگان داده تشویق می شوند تا داده های GIS بیشتری را در قالب های قابل همکاری، مانند WMS و WFS منتشر کنند، همانطور که توسط USGS Emergency Response نشان داده شده است. این فرآیند نه تنها شامل توسعه فناوری می‌شود، بلکه ترتیب ویژگی‌های فکری داده‌های GIS منتشر شده را نیز شامل می‌شود. همانطور که OSM و برنامه های شخص ثالث با استفاده از OSM نشان داده اند، ODbL راه حلی برای شکستن مشکلات است.
همانطور که برنامه های کاربردی تلفن های همراه و تلفن های هوشمند از نظر فناوری تثبیت شده اند، آزمایش ها و عملیات های بیشتری از برنامه های کاربردی در بین سازمان ها و ابتکارات بین المللی در حال ظهور هستند. این برنامه ها از ظرفیت سازی مبتنی بر جامعه پشتیبانی می کنند که توسط UNOSAT و HOT نشان داده شده است. با این حال، چند خلبان و عملیات در مراحل پاسخ باقی مانده است. علاوه بر این، در برنامه‌های کاربردی برای شرایط اضطراری بلایای طبیعی که برخی از زیرساخت‌های اولیه نادرست هستند، مشکلاتی وجود دارد. مطالعات موردی در مورد اینکه چگونه این فناوری می‌تواند از عملیات در مواقع اضطراری پشتیبانی کند، به شناسایی کاربردهای احتمالی و فناوری‌های کلیدی که می‌توانند به تحقیق و توسعه بیشتری نیاز داشته باشند، کمک می‌کند.
در این مقاله به چند موضوع توجه نشده است. اولاً مسائل اداری در نظر گرفته نشد. چارچوب اقدام هیوگو (HFA) پیشنهاد می‌کند که تاب‌آوری باید در همه سطوح [ 163 ]، از جمله در سطح مقامات ملی و محلی تقویت شود . علاوه بر این، HFA پس از 2015 اهمیت نقش همکاری بین‌المللی را در حمایت از تلاش‌های مقامات ملی و محلی، جوامع و کسب‌وکارها بیان کرد [164 ] . چارچوب پیش بینی شده شامل روابط و فرآیندهای عمودی در حوزه ملی و شرکت های افقی است که از طریق ابتکارات بین المللی به هم مرتبط هستند [ 165]]. از این رو چارچوب پیش بینی شده باید در دو بعد چند سطحی و چند سازمانی ساماندهی شود. بنابراین، طرح‌های تحویل داده‌های مکانی باید جامع‌تر باشد و نشان‌دهنده نقش‌های دولت ملی، دولت محلی، جامعه محلی و سازمان‌های بین‌المللی باشد.
موضوع دوم سهم محصولات در سطح محلی است. اگرچه ابتکارات بین المللی تلاش قابل توجهی را برای تولید داده ها و نقشه ها برای DRM انجام می دهد، بررسی ما کاربران نهایی محصولات داده یا نحوه استفاده از داده ها را در نظر نگرفت. مطالعات موردی دقیق در مورد نحوه استفاده از این محصولات داده برای بهبود مکانیسم ها و ارائه موثرتر محصولات داده به افراد در این زمینه ضروری است.

قدردانی

این کار توسط پروژه اطلاعات محیطی شبکه سبز تعالی (GRENE-ei, 2011-2016) وزارت آموزش، فرهنگ، ورزش، علم و فناوری ژاپن پشتیبانی می شود.

منابع

  1. استراتژی بین المللی سازمان ملل برای کاهش بلایا. در گزارش ارزیابی جهانی کاهش خطر بلایا 2015 ؛ استراتژی بین المللی سازمان ملل برای کاهش بلایا: ژنو، سوئیس، 2015; پ. 316.
  2. Reddick, C. فناوری اطلاعات و مدیریت اضطراری: آمادگی و برنامه ریزی در ایالت های ایالات متحده. بلایا 2011 ، 35 ، 45-61. [ Google Scholar ] [ CrossRef ]
  3. استرایکر، تی. جونز، بی. واکنش به بلایا و برنامه منشور بین المللی. فتوگرام مهندس Remote Sens. 2009 ، 75 ، 1342-1344. [ Google Scholar ]
  4. کاکو، ک. برگزار شد، A. Sentinel Asia: یک سیستم پشتیبانی مدیریت بلایا مبتنی بر فضا در منطقه آسیا و اقیانوسیه. بین المللی J. کاهش خطر بلایا. 2013 ، 6 ، 1-17. [ Google Scholar ] [ CrossRef ]
  5. سودن، آر. Palen, L. از نقشه برداری جمعی تا نقشه برداری جامعه: کار پس از زلزله OpenStreetMap هائیتی. در مجموعه مقالات یازدهمین کنفرانس بین المللی طراحی سیستم های تعاونی، COOP 2014، نیس، فرانسه، 27-30 می 2014. Rossitto, C., Ciolfi, L., Martin, D., Conein, B., Eds. انتشارات بین المللی Springer: چم، سوئیس، 2014; صص 311-326. [ Google Scholar ]
  6. سفید، BA; Rorick، تحلیل هزینه-منفعت MM برای کاهش خطر بلایا مبتنی بر جامعه در Kailali، نپال . مرسی کورپس نپال: Sanepa، نپال، 2010; پ. 23. [ Google Scholar ]
  7. ونتون، سی سی; ونتون، P. برنامه‌های آمادگی برای بلایا در هند: تجزیه و تحلیل سود هزینه . موسسه توسعه خارج از کشور: لندن، انگلستان، 2004; پ. 26. [ Google Scholar ]
  8. اسمیت، ک. مخاطرات زیست محیطی: ارزیابی ریسک و کاهش بلایا . Routledge: لندن، بریتانیا، 2013. [ Google Scholar ]
  9. انجمن ملی فرمانداران ایالات متحده مدیریت جامع اضطراری: راهنمای فرماندار در مدیریت جامع اضطراری: راهنمای فرماندار . آژانس آمادگی مدنی دفاعی ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 1979. [ Google Scholar ]
  10. شورای مدیریت ریسک بین المللی کتاب سفید در مورد حاکمیت ریسک – به سوی یک رویکرد یکپارچه . شورای مدیریت ریسک بین المللی: لوزان، سوئیس، 2003. [ Google Scholar ]
  11. دوناهو، ای.کی. جویس، PG چارچوبی برای تجزیه و تحلیل مدیریت اضطراری با استفاده از بودجه فدرال. عمومی Adm. Rev. 2001 , 61 , 728-740. [ Google Scholar ]
  12. ایوانز، جی. معماری Moe، K. GEOSS برای استفاده از محصولات سنجش از دور در مدیریت بلایا و ارزیابی ریسک. در دسترس آنلاین: http://ceos.org/document_management/Working_Groups/WGISS/Projects/GA.4.Disasters/GA.4.Disasters_FINAL-GEOSS-Architecture-for-the-Use-of-Remote-sensing-Products-in -Disaster-Management-and-Risk-Assessment_Dec2013.pdf (دسترسی در 25 سپتامبر 2015).
  13. سالوی، اس. استراموندو، اس. سرگرم کننده، GJ; فرتی، ا. سرتی، ف. موراتیدیس، A. ماموریت Sentinel-1 برای بهبود درک علمی و پایش عملیاتی چرخه لرزه ای. سنسور از راه دور محیط. 2012 ، 120 ، 164-174. [ Google Scholar ] [ CrossRef ]
  14. لناری، ر. لوندگرن، پی. مانزو، م. Casu، F. تحلیل سری زمانی تداخل سنجی رادار ماهواره ای تغییر شکل سطح برای لس آنجلس، کالیفرنیا. ژئوفیز. Res. Lett. 2004 ، 31 . [ Google Scholar ] [ CrossRef ]
  15. چاکر، ز. Chabalier، JBD; آرمیجو، آر. مایر، بی. بارکا، ا. Peltzer، G. زمین لرزه و لغزش پس از لرزه اولیه مرتبط با زلزله 1999 ازمیت (ترکیه)، از تداخل سنجی SAR و مشاهدات میدان زمین ساختی. ژئوفیز. J. Int. 2003 ، 155 ، 93-110. [ Google Scholar ] [ CrossRef ]
  16. هایاشی، ی. تسوشیما، اچ. هیراتا، ک. کیمورا، ک. منطقه منبع سونامی مائدا، K. در سال 2011 در سواحل اقیانوس آرام زمین لرزه توهوکو بر اساس زمان رسیدن سونامی در ایستگاه های رصد دریایی تعیین شد. Earth Planet Space 2011 ، 63 ، 809-813. [ Google Scholar ] [ CrossRef ]
  17. لی، KH; وونگ، ام اس؛ چانگ، اس آر. Sohn, E. بهبود تشخیص خاکستر آتشفشانی بر اساس تکنیک جذب معکوس ترکیبی. اتمس. Res. 2014 ، 143 ، 31-42. [ Google Scholar ] [ CrossRef ]
  18. Pyle، DM; Mather، TA; بیگز، جی. سنجش از دور آتشفشان ها و فرآیندهای آتشفشانی: ادغام مشاهده و مدل سازی – مقدمه. جئول Soc. لندن. مشخصات انتشار 2013 ، 380 ، 1-13. [ Google Scholar ]
  19. ساودرا والریانو، OC; کویکه، تی. یانگ، ک. گراف، تی. لی، ایکس. وانگ، ال. Han, X. پشتیبانی تصمیم برای رهاسازی سد در طول سیل با استفاده از یک مدل هیدرولوژیکی زیست کره توزیع شده که توسط پیش‌بینی‌های بارش کمی هدایت می‌شود. منبع آب Res. 2010 ، 46 . [ Google Scholar ] [ CrossRef ]
  20. شرستا، ام اس; آرتان، ج.ا. Bajracharya، SR; Sharma، RR با استفاده از تخمین‌های بارش ماهواره‌ای برای مدل‌سازی جریان: حوضه باگماتی. J. مدیریت خطر سیل. 2008 ، 1 ، 89-99. [ Google Scholar ] [ CrossRef ]
  21. ماتسوئدا، م. Nakazawa، T. محصولات هشدار اولیه برای رویدادهای آب و هوایی شدید برگرفته از پیش‌بینی‌های عملیاتی گروه میان برد. هواشناسی Appl. 2015 ، 22 ، 213-222. [ Google Scholar ] [ CrossRef ]
  22. برکنریج، GR; Kettner، اندازه‌گیری، نقشه‌برداری و مدل‌سازی آب‌های سطحی مبتنی بر فضای AJ. در دسترس آنلاین: http://floodobservatory.colorado.edu/ (دسترسی در 3 اوت 2015).
  23. برکنریج، GR; نگیم، اس وی؛ اندرسون، ای. Chien, S. اندازه گیری فضایی رواناب رودخانه. EOS Trans. صبح. ژئوفیز. اتحادیه 2005 ، 86 ، 185-188. [ Google Scholar ] [ CrossRef ]
  24. کریشنا بهادر، KC نقشه‌برداری حساسیت به فرسایش خاک با استفاده از سنجش از دور و GIS: موردی از حوزه آبخیز بالای Nam Wa، استان نان، تایلند. محیط زیست جئول 2009 ، 57 ، 695-705. [ Google Scholar ] [ CrossRef ]
  25. پراساناکومار، وی. براق، آر. گیتا، ن. Vijith، H. پیش بینی فضایی خطر فرسایش خاک با سنجش از دور، GIS و رویکرد RUSLE: مطالعه موردی حوضه آبخیز رودخانه Siruvani در دره Attapady، کرالا، هند. محیط زیست علوم زمین 2011 ، 64 ، 965-972. [ Google Scholar ] [ CrossRef ]
  26. لوین، ن. Heimowitz، A. نقشه برداری الگوهای مکانی و زمانی آتش سوزی های مدیترانه از MODIS. سنسور از راه دور محیط. 2012 ، 126 ، 12-26. [ Google Scholar ] [ CrossRef ]
  27. سوادا، ی. کویکه، تی. Jaranilla-Sanchez، PA مدل سازی پاسخ های هیدرولوژیکی و اکولوژیکی با استفاده از یک مدل جدید اکو هیدرولوژیکی برای شناسایی خشکسالی. منبع آب Res. 2014 ، 50 ، 6214-6235. [ Google Scholar ] [ CrossRef ]
  28. پسر، NT; چن، سی اف. چن، CR; چانگ، LY; Minh، VQ نظارت بر خشکسالی کشاورزی در حوضه مکونگ پایین با استفاده از داده‌های MODIS NDVI و دمای سطح زمین. بین المللی J. Appl. رصد زمین. Geoinf. 2012 ، 18 ، 417-427. [ Google Scholar ] [ CrossRef ]
  29. تاکوچی، دبلیو. اویوشی، ک. موراکی، ی. توسعه سیستم پایش و هشدار خشکسالی مبتنی بر ماهواره در کشورهای آسیایی اقیانوس آرام. در مجموعه مقالات نشست پاییز AGU 2013، سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، 9 تا 13 دسامبر 2013.
  30. سازمان زمین شناسی ایالات متحده؛ آژانس توسعه بین المللی ایالات متحده پورتال داده USGS FEWS NET. در دسترس آنلاین: http://earlywarning.usgs.gov/fews (در 3 اوت 2015 قابل دسترسی است).
  31. فانک، سی سی; پیترسون، پی جی؛ Landsfeld، MF; پدرروس، دی اچ. Verdin، JP; رولند، جی دی. رومرو، BE; Husak، GJ; مایکلسن، جی سی. Verdin، AP یک سری زمانی بارش شبه جهانی برای پایش خشکسالی. جیول آمریکا Surv. داده سر. 2014 832 . _ [ Google Scholar ] [ CrossRef ]
  32. میازاکی، اچ. شائو، ایکس. ایوائو، ک. Shibasaki، R. توسعه یک نقشه منطقه ساخته شده جهانی با استفاده از تصاویر ماهواره ای ASTER و داده های GIS موجود. در نظارت و ارزیابی شهری جهانی از طریق رصد زمین ؛ CRC Press: Boca Raton، FL، USA، 2014; صص 121-142. [ Google Scholar ]
  33. اش، تی. مارکونچینی، ام. فلبیر، آ. راث، ا. هلدنز، دبلیو. هوبر، ام. شوینگر، ام. تاوبن باک، اچ. مولر، آ. Dech, S. Urban ردپای پردازشگر زنجیره پردازش کاملاً خودکار ماسک های تسویه را از داده های جهانی مأموریت TanDEM-X ایجاد می کند. Geosci. سنسور از راه دور Lett. 2013 ، 10 ، 1617-1621. [ Google Scholar ] [ CrossRef ]
  34. بهادوری، بی. برایت، ای. کلمن، پی. Urban، M. LandScan ایالات متحده: یک رویکرد مدل‌سازی مکانی و زمانی با وضوح بالا برای توزیع و پویایی جمعیت. ژئوژورنال 2007 ، 69 ، 103-117. [ Google Scholar ] [ CrossRef ]
  35. وو، جی. وانگ، ز. لی، دبلیو. پنگ، جی. بررسی عوامل موثر بر رابطه بین مصرف نور و تولید ناخالص داخلی بر اساس تصاویر ماهواره ای شبانه DMSP/OLS. سنسور از راه دور محیط. 2013 ، 134 ، 111-119. [ Google Scholar ] [ CrossRef ]
  36. شی، KF; یو، BL; هوانگ، YX; هو، YJ; یین، بی. چن، ZQ; چن، ال جی. Wu، JP ارزیابی توانایی داده‌های نور شبانه NPP-VIIRS برای تخمین تولید ناخالص داخلی و مصرف برق چین در مقیاس‌های چندگانه: مقایسه با داده‌های DMSP-OLS. Remote Sens. 2014 ، 6 ، 1705-1724. [ Google Scholar ] [ CrossRef ]
  37. گروه مشاهدات زمین GEOSS پورتال-کشف، دسترسی، مشارکت، مشاهدات زمین، اطلاعات و خدمات. در دسترس آنلاین: http://www.geoportal.org (در 18 ژوئن 2015 قابل دسترسی است).
  38. سیستم یکپارچه سازی و تجزیه و تحلیل داده ها. یک سیستم جستجو و کشف برای مجموعه‌های داده DIAS. موجود به صورت آنلاین: http://dias-dss.tkl.iis.u-tokyo.ac.jp/ddc/finder?lang=en (در 18 ژوئن 2015 قابل دسترسی است).
  39. چویکو، ای. آگوادو، آی. یبرا، م. نیتو، اچ. سالاس، جی. مارتین، نماینده مجلس؛ ویلار، ال. مارتینز، جی. مارتین، اس. ایبارا، پ. و همکاران توسعه چارچوبی برای ارزیابی خطر آتش سوزی با استفاده از سنجش از دور و فناوری های سیستم اطلاعات جغرافیایی. Ecol. مدل. 2010 ، 221 ، 46-58. [ Google Scholar ] [ CrossRef ]
  40. 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. Remote Sens. 2005 ، 59 ، 185-198. [ Google Scholar ] [ CrossRef ]
  41. کوچک، سی. گورنیتز، وی. کوهن، JE خطرات ساحلی و توزیع جهانی جمعیت انسانی. محیط زیست Geosci. 2000 ، 7 ، 3-12. [ Google Scholar ] [ CrossRef ]
  42. رینگروس، اس. چیپانشی، AC; متسون، دبلیو. چاندا، آر. موتوما، ال. ماگول، آی. Jellema، A. تغییرات پوشش گیاهی چوبی ناشی از آب و هوا و انسان در بوتسوانا و پیامدهای آنها برای سازگاری انسان. محیط زیست مدیریت 2002 ، 30 ، 98-109. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  43. جکسون، RB; Randerson، JT; Canadell، JG; اندرسون، آر جی. آویسر، ر. Baldocchi، DD; بونان، گیگابایت؛ کالدیرا، ک. دیفنباگ، NS; فیلد، CB; و همکاران حفاظت از اقلیم با جنگل. محیط زیست Res. Lett. 2008 ، 3 . [ Google Scholar ] [ CrossRef ]
  44. مارگونو، کارشناسی; توروبانوا، اس. ژوراولوا، آی. پوتاپوف، پ. تیوکاوینا، آ. باکسینی، آ. گوتز، اس. هانسن، MC نقشه برداری و نظارت بر جنگل زدایی و تخریب جنگل در سوماترا (اندونزی) با استفاده از مجموعه داده های سری زمانی Landsat از 1990 تا 2010. محیط زیست. Res. Lett. 2012 ، 7 . [ Google Scholar ] [ CrossRef ]
  45. بانک توسعه آسیایی کاربردهای فناوری فضایی و سیستم های اطلاعات جغرافیایی در پروژه های بانک انکشاف آسیایی ; بانک توسعه آسیایی: مانیل، فیلیپین، 2014; پ. 37. [ Google Scholar ]
  46. Gillespie، TW; چو، جی. فرانکنبرگ، ای. توماس، دی. ارزیابی و پیش‌بینی مخاطرات طبیعی از تصاویر ماهواره‌ای. پیشرفت فیزیکی Geogr. 2007 ، 31 ، 459-470. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  47. یاماگوچی، ی. کاله، AB; تسو، اچ. کاواکامی، تی. Pniel, M. بررسی اجمالی رادیومتر تابش و انعکاس حرارتی پیشرفته فضابردی (ASTER). IEEE Trans. Geosci. Remote Sens. 1998 , 36 , 1062-1071. [ Google Scholar ] [ CrossRef ]
  48. Igarashi، T. ALOS الزامات ماموریت و مشخصات سنسور. Adv. Space Res. 2001 ، 28 ، 127-131. [ Google Scholar ]
  49. کانکاکو، ی. سوزوکی، اس. Osawa, Y. ALOS-2 وضعیت ماموریت و توسعه. در مجموعه مقالات سمپوزیوم بین المللی زمین شناسی و سنجش از دور IEEE 2013 (IGARSS)، ملبورن، استرالیا، 21 تا 26 ژوئیه 2013. صص 2396–2399.
  50. تورس، آر. اسنوئیج، پ. گئودتنر، دی. بیبی، دی. دیویدسون، ام. آتما، ای. پوتین، پ. رومن، بی. فلوری، ن. براون، م. و همکاران ماموریت GMES Sentinel-1. سنسور از راه دور محیط. 2012 ، 120 ، 9-24. [ Google Scholar ] [ CrossRef ]
  51. بلک بریج. مشخصات محصول تصویربرداری ماهواره ای. در دسترس آنلاین: http://blackbridge.com/rapideye/upload/RE_Product_Specifications_ENG.pdf (در 12 سپتامبر 2015 قابل دسترسی است).
  52. کوولو، اف. Battazza، F. کولتا، ا. لوپینتو، ای. فیورنتینو، سی. پیترانرا، ال. والنتینی، جی. Zoffoli، S. COSMO-SkyMed یک فرصت موجود برای مشاهده زمین است. جی. جئودین. 2010 ، 49 ، 171-180. [ Google Scholar ] [ CrossRef ]
  53. مرکز ملی D’Etudes Spatiales. Pleiades. در دسترس آنلاین: http://pleiades.cnes.fr/en/PLEIADES/index.htm (در 12 سپتامبر 2015 قابل دسترسی است).
  54. اوبرشت، سی. مایر، پی. Taubenböck، H. افزایش سرعت ساعت در سنجش از دور: شناسایی “نقاط سیاه” در دینامیک نوردهی با استفاده از طیف کامل تفکیک مکانی و زمانی بالا مفصل. نات. خطرات 2015 . [ Google Scholar ] [ CrossRef ]
  55. جویس، KE; سامسونوف، اس وی؛ لویک، اس آر. انگلبرشت، جی. Belliss, S. نقشه برداری و نظارت بر مخاطرات زمین شناسی با استفاده از داده های تصویر رادار دیافراگم نوری، LiDAR و مصنوعی. نات. خطرات 2014 ، 73 ، 137-163. [ Google Scholar ] [ CrossRef ]
  56. وویگت، اس. کمپر، ​​تی. ریدلینگر، تی. کیفل، آر. شولت، ک. Mehl, H. تجزیه و تحلیل تصویر ماهواره ای برای حمایت از بلایا و مدیریت بحران. IEEE Trans. Geosci. Remote Sens. 2007 ، 45 ، 1520-1528. [ Google Scholar ] [ CrossRef ]
  57. براون، دی. سایتو، ک. لیو، ام. اسپنس، آر. بنابراین، E. Ramage، M. استفاده از داده های سنجش از دور و ابزارهای بررسی زمینی برای ارزیابی آسیب و نظارت بر بازیابی زودهنگام پس از زلزله 12.5.2008 Wenchuan در چین. گاو نر زمین مهندس 2012 ، 10 ، 741-764. [ Google Scholar ] [ CrossRef ]
  58. وانگ، اس. بنابراین، E. اسمیت، پی. تشخیص چادرها برای تخمین جمعیت های آواره برای امداد رسانی پس از فاجعه با استفاده از تصاویر ماهواره ای با وضوح بالا. بین المللی J. Appl. رصد زمین. Geoinf. 2015 ، 36 ، 87-93. [ Google Scholar ] [ CrossRef ]
  59. اداره ملی اقیانوسی و جوی ایالات متحده. پایگاه داده سطحی یکپارچه در دسترس آنلاین: https://www.ncdc.noaa.gov/isd (در 25 سپتامبر 2015 قابل دسترسی است).
  60. اداره ملی اقیانوسی و جوی ایالات متحده. خلاصه روز جهانی سطح. در دسترس آنلاین: https://data.noaa.gov/dataset/global-surface-summary-of-the-day-gsod (در 25 سپتامبر 2015 قابل دسترسی است).
  61. فیلد، RD; وانگ، ی. روزوینتیارتی، او. گوسوانتو پیش بینی کننده خشکسالی رویدادهای اخیر مه در غرب اندونزی. اتمس. محیط زیست 2004 ، 38 ، 1869-1878. [ Google Scholar ] [ CrossRef ]
  62. لی، CK; کیم، جی. Kim, KS توسعه و استفاده از سرویس گیرنده اطلاعات آب و هوا برای آماده سازی فایل های ورودی آب و هوا به یک مدل محصول. محاسبه کنید. الکترون. کشاورزی 2015 ، 114 ، 237-246. [ Google Scholar ] [ CrossRef ]
  63. دوسکن، ن. Reges, H. ارزش شهروند ناظر آب و هوا. Weatherwise 2010 , 63 , 30-37. [ Google Scholar ] [ CrossRef ]
  64. کانال هواشناسی. آب و هوا زیرزمینی در دسترس آنلاین: http://www.wunderground.com/ (دسترسی در 18 ژوئن 2015).
  65. مولر، CL; چپمن، ال. جانستون، اس. کید، سی. ایلینگورث، اس. فودی، جی. Overeem، A.; Leigh، RR جمع سپاری برای علوم آب و هوا و جو: وضعیت فعلی و پتانسیل آینده. بین المللی جی.کلیماتول. 2015 ، 35 ، 3185-3203. [ Google Scholar ] [ CrossRef ]
  66. بانرجی، پ. پولیتز، FF; Burgmann, R. اندازه و مدت زلزله سوماترا-آندامان از انحرافات استاتیکی میدان دور. Science 2005 ، 308 ، 1769-1772. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  67. اوتا، ی. میلانو، آی. ساگیا، ت. کیماتا، اف. هیراهارا، K. موج سطحی بزرگ زمین لرزه سوماترا-آندامان در سال 2004 که توسط تجزیه و تحلیل سینماتیک خط پایه بسیار طولانی از داده های GPS 1 هرتزی گرفته شده است. Earth Planet Space 2006 ، 58 ، 153-157. [ Google Scholar ] [ CrossRef ]
  68. شی، سی. لو، ی. ژانگ، اچ. ژائو، کیو. گنگ، جی. وانگ، آر. نیش، آر. لیو، جی. تغییر شکل لرزه ای زلزله Mw 8.0 Wenchuan از مشاهدات GPS با سرعت بالا. Adv. Space Res. 2010 ، 46 ، 228-235. [ Google Scholar ] [ CrossRef ]
  69. نقشه برداری ملی زمین شناسی ایستگاه مرجع با کار مداوم (CORS). در دسترس آنلاین: http://geodesy.noaa.gov/CORS/ (در 19 ژوئن 2015 قابل دسترسی است).
  70. سرویس بین المللی GNSS در دسترس آنلاین: http://igs.org/ (دسترسی در 19 ژوئن 2015).
  71. کاتو، تی. ترادا، ی. نیشیمورا، اچ. ناگای، تی. سوابق سونامی کوشیمورا، SI به دلیل زلزله سال 2010 شیلی مشاهده شده توسط شناورهای GPS ایجاد شده در امتداد سواحل اقیانوس آرام ژاپن. Earth Planet Space 2011 ، 63 ، e5–e8. [ Google Scholar ] [ CrossRef ]
  72. وی، ی. نیومن، ا. هیز، جی. تیتوف، وی. پیش‌بینی سونامی تانگ، L. با وارونگی مشترک شکل‌های موج سونامی بلادرنگ و داده‌های لرزه‌ای یا GPS: کاربرد برای سونامی توهوکو 2011. Pure Appl. ژئوفیز. 2014 ، 171 ، 3281-3305. [ Google Scholar ] [ CrossRef ]
  73. کاتو، تی. ترادا، ی. صحیح است.؛ هاتوری، آر. آبه، تی. میاکه، تی. کوشیمورا، SI؛ ناگای، T. سونامی ناشی از زلزله 5 سپتامبر 2004 در شبه جزیره کیی، ژاپن، توسط یک شناور GPS جدید ثبت شده است. Earth Planet Space 2005 ، 57 ، 297-301. [ Google Scholar ] [ CrossRef ]
  74. نموتو، ی. Hamaguchi، K. تحقیق ICT انعطاف پذیر بر اساس درس های آموخته شده از زلزله بزرگ ژاپن شرقی. IEEE Commun. Mag. 2014 ، 52 ، 38-43. [ Google Scholar ] [ CrossRef ]
  75. ساکانو، تی. فضل الله، ز. م. Thuan، N. نیشیاما، اچ. ناکازاوا، م. آداچی، ف. کاتو، ن. تاکاهارا، ا. کوماگای، تی. کاساهارا، اچ. و همکاران شبکه‌های مقاوم در برابر بلایا: چشم‌انداز جدید مبتنی بر واحدهای منابع متحرک و قابل استقرار. IEEE Trans. اشتراک. 2013 ، 27 ، 40-46. [ Google Scholar ] [ CrossRef ]
  76. اللهبخش، م. کنترل کیفیت در سیستم های جمع سپاری: مسائل و جهت گیری ها. محاسبات اینترنتی IEEE. 2013 ، 17 ، 76-81. [ Google Scholar ] [ CrossRef ]
  77. هیپک، سی. داده‌های جغرافیایی جمع‌سپاری. ISPRS J. Photogramm. Remote Sens. 2010 , 65 , 550-557. [ Google Scholar ] [ CrossRef ]
  78. اوشهیدی. در دسترس آنلاین: http://www.ushahidi.com/ (دسترسی در 18 ژوئن 2015).
  79. بنیاد نرم افزار ساهانا. در دسترس آنلاین: http://sahanafoundation.org/ (دسترسی در 18 ژوئن 2015).
  80. گائو، اچ. باربیر، جی. گولزبی، آر. استفاده از قدرت جمع‌سپاری رسانه‌های اجتماعی برای امدادرسانی به بلایا. IEEE Intel. سیستم 2011 ، 26 ، 10-14. [ Google Scholar ] [ CrossRef ]
  81. داگدیل، جی. Walle، BVD; Koeppinghoff، C. رسانه های اجتماعی و پیامک در زلزله هائیتی. در مجموعه مقالات بیست و یکمین کنفرانس بین المللی همراه در شبکه جهانی وب، لیون، فرانسه، 16-20 آوریل 2012; صص 713-714.
  82. نیس، پ. Zielstra، D. تحولات اخیر و روندهای آینده در تحقیقات داوطلبانه اطلاعات جغرافیایی: مورد OpenStreetMap. اینترنت آینده 2014 ، 6 ، 76-106. [ Google Scholar ] [ CrossRef ]
  83. بنیاد دانش باز Open Data Commons Open Database License (ODbL). در دسترس آنلاین: http://opendatacommons.org/licenses/odbl/ (دسترسی در 18 ژوئن 2015).
  84. جونهوا، ال. مور، ن. آکتر، اس. بلیستن، اس. Ray, P. mHealth برای نظارت بر همه گیر آنفولانزا در کشورهای در حال توسعه. در مجموعه مقالات چهل و سومین کنفرانس بین المللی هاوایی در علوم سیستم (HICSS)، هونولولو، HI، ایالات متحده آمریکا، 5-8 ژانویه 2010. صفحات 1-9.
  85. محمود، ن. رودریگز، جی. Nesbit, J. مداخله مبتنی بر پیام متنی برای پر کردن شکاف ارتباطی مراقبت های بهداشتی در جهان در حال توسعه روستایی. تکنولوژی مراقبت های بهداشتی 2010 ، 18 ، 137-144. [ Google Scholar ]
  86. پیام کوتاه خط مقدم؛ اوشهیدی. نحوه راه اندازی Ushahidi و FrontlineSMS برای استفاده با هم. در دسترس آنلاین: http://www.frontlinesms.com/wp-content/uploads/2012/03/FrontlineSMS-Ushahidi_Step-By-Step-Guide_Final.pdf (در 17 ژوئن 2015 دسترسی پیدا کرد).
  87. گوگل. سیاره موبایل ما در دسترس آنلاین: https://think.withgoogle.com/mobileplanet (در 18 ژوئن 2015 قابل دسترسی است).
  88. کنسرسیوم فضایی باز GeoSMS Standard-Core را باز کنید. در دسترس آنلاین: https://portal.opengeospatial.org/files/?artifact_id=44146 (در 25 سپتامبر 2015 قابل دسترسی است).
  89. مایر، پی. مونرو، آر. نقش بی سابقه پیامک در واکنش به بلایا: یادگیری از هائیتی. SAIS Rev. Int. Aff. 2010 ، 30 ، 91-103. [ Google Scholar ]
  90. رحمان، ک.م. علم، ت. Chowdhury, M. سیستم هشدار اولیه و تخلیه بلایا مبتنی بر مکان در تلفن های همراه با استفاده از OpenStreetMap. در مجموعه مقالات کنفرانس IEEE 2012 در سیستم های باز (ICOS)، کوالالامپور، مالزی، 21 تا 24 اکتبر 2012. صص 1-6.
  91. Levental، S. چارچوب خدمات جغرافیایی جدید: چگونه تلاش‌های آمادگی در برابر بلایا باید جغرافیای جدید را یکپارچه کنند. J. Map Geogr. Libr 2012 ، 8 ، 134-162. [ Google Scholar ] [ CrossRef ]
  92. چن، ک. McAneney, J. برآوردهای با وضوح بالا از جمعیت ساحلی استرالیا. ژئوفیز. Res. Lett. 2006 ، 33 . [ Google Scholar ] [ CrossRef ]
  93. تاتم، ای جی. کمپیز، ن. Gething، PW; برف، RW; لینارد، سی. اثرات انتخاب مجموعه داده جمعیت فضایی بر تخمین جمعیت در معرض خطر بیماری. مردمی متر سلامت 2011 ، 9 . [ Google Scholar ] [ CrossRef ] [ PubMed ]
  94. مرکز شبکه بین المللی اطلاعات علوم زمین (CIESIN)؛ دانشگاه کلمبیا؛ مرکز بین المللی کشاورزی گرمسیری (CIAT). Gridded Population of the World، نسخه 3 (GPWv3): شبکه تراکم جمعیت ; مرکز داده ها و برنامه های اجتماعی-اقتصادی ناسا: Palisades، نیویورک، ایالات متحده آمریکا، 2005; در دسترس آنلاین: http://dx.doi.org/10.7927/H4XK8CG2 (در 25 سپتامبر 2015 قابل دسترسی است).
  95. دابسون، جی. برایت، EA؛ کلمن، روابط عمومی؛ دورفی، آرسی. Worley، BA LandScan: پایگاه داده جمعیت جهانی برای تخمین جمعیت های در معرض خطر. فتوگرام مهندس Remote Sens. 2000 , 66 , 849-857. [ Google Scholar ]
  96. سوریچتا، ا. هورنبی، جنرال موتورز؛ استیونز، FR; Gaughan، AE; لینارد، سی. Tatem، AJ مجموعه داده‌های جمعیت شبکه‌ای با وضوح بالا برای آمریکای لاتین و کارائیب در سال‌های 2010، 2015 و 2020. علمی. داده 2015 ، 2 . [ Google Scholar ] [ CrossRef ] [ PubMed ]
  97. فریره، اس. Aubrecht, C. ادغام دینامیک جمعیت در نقشه برداری قرار گرفتن انسان در معرض خطر لرزه ای. نات. خطر. سیستم زمین علمی 2012 ، 12 ، 3533-3543. [ Google Scholar ] [ CrossRef ]
  98. اوبرشت، سی. استاینوچر، ک. Huber, H. DynaPop- پویایی توزیع جمعیت به عنوان مبنایی برای ارزیابی تأثیر اجتماعی در مدیریت بحران. در مجموعه مقالات یازدهمین کنفرانس بین المللی ISCRAM، پارک دانشگاه، PA، ایالات متحده آمریکا، 18-21 مه 2014.
  99. مارتین، دی. کاکینگ، اس. Leung, S. توسعه یک چارچوب انعطاف‌پذیر برای مدل‌سازی جمعیت فضایی-زمانی. ان دانشیار صبح. Geogr. 2015 ، 105 ، 754-772. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  100. آهنگ، X. ژانگ، QS؛ سکیموتو، ی. هورانونت، تی. اویاما، اس. Shibasaki, R. سیستم هوشمند برای تجزیه و تحلیل رفتار انسان و استدلال پس از بلایای بزرگ مقیاس. IEEE Intel. سیستم 2013 ، 28 ، 35-42. [ Google Scholar ] [ CrossRef ]
  101. وسولوفسکی، آ. عقاب، ن. تاتم، ای جی. اسمیت، دی.ال. نور، AM; برف، RW; Buckee, CO کمیت کردن تأثیر تحرک انسان بر مالاریا. علوم 2012 ، 338 ، 267-270. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  102. کشیش-اسکوردو، دی. مورالس گوزمن، آ. تورس-فرناندز، ی. بائر، جی.ام. وادهوا، ا. کاسترو کوریا، سی. رومانوف، ال. جونگ گان، ال. رادرفورد، ا. فریاس مارتینز، وی. و همکاران سیل از دریچه فعالیت تلفن همراه. در مجموعه مقالات کنفرانس فناوری بشردوستانه جهانی IEEE 2014 (GHTC)، سن خوزه، کالیفرنیا، ایالات متحده آمریکا، 10 تا 13 اکتبر 2014. صص 279-286.
  103. چن، اف. ژای، ز. مدی، جی. شبیه‌سازی فاجعه تطبیقی ​​پویا: توسعه یک مدل پیش‌بینی رفتار اضطراری با استفاده از تلفن همراه و داده‌های GIS. در مجموعه مقالات کارگاه آموزشی 2011 در مورد شبیه سازی هدایت شده توسط عامل، انجمن بین المللی شبیه سازی کامپیوتری، بوستون، MA، ایالات متحده، 3-7 آوریل 2011. صص 5-12.
  104. تالبوت، دی. داده های تلفن همراه ممکن است به پیش بینی شیوع ابولا کمک کند. در دسترس آنلاین: http://www.technologyreview.com/news/530296/cell-phone-data-might-help-predict-ebolas-spread/ (در 17 ژوئن 2015 قابل دسترسی است).
  105. بنگتسسون، ال. لو، ایکس. تورسون، ا. گارفیلد، آر. فون شریب، جی. بهبود پاسخ به بلایا و شیوع با ردیابی جابجایی جمعیت با داده های شبکه تلفن همراه: مطالعه مکانی پس از زلزله در هائیتی. پلوس مد. 2011 ، 8 . [ Google Scholar ] [ CrossRef ] [ PubMed ]
  106. پروسکو، ال. مایکل، ک. کنترل، اعتماد، حریم خصوصی و امنیت: ارزیابی خدمات مبتنی بر مکان. فناوری IEEE Soc. Mag. 2007 ، 26 ، 4-16. [ Google Scholar ] [ CrossRef ]
  107. اقبال، MU; Samsung, L. حریم خصوصی مفاهیم ردیابی و پروفایل GPS خودکار. فناوری IEEE Soc. Mag. 2010 ، 29 ، 39-46. [ Google Scholar ] [ CrossRef ]
  108. Gasson، MN; کوستا، ای. رویر، دی. مینتز، ام. Warwick, K. Normality Mining: پیامدهای حفظ حریم خصوصی پروفایل های رفتاری گرفته شده از تلفن های همراه دارای GPS. IEEE Trans. سیستم مرد سایبرن. قسمت C Appl. Rev. 2011 , 41 , 251-261. [ Google Scholar ] [ CrossRef ]
  109. گینیتا، جی. پرسش‌های خصوصی و ناشناس‌سازی مسیر: دیدگاهی دوگانه در خصوص حریم خصوصی مکان. ترانس. داده خصوصی 2009 ، 2 ، 3-19. [ Google Scholar ]
  110. چن، ک. بلونگ، آر. Jacobson، C. MCE-RISK: ادغام ارزیابی چند معیاره و GIS برای تصمیم گیری ریسک در مخاطرات طبیعی. محیط زیست مدل. نرم افزار 2001 ، 16 ، 387-397. [ Google Scholar ] [ CrossRef ]
  111. الخضایری، اطلاعات و فناوری های ژئو فضایی DHA در حمایت از مدیریت بحران اتحادیه اروپا. بین المللی جی دیجیت. زمین 2010 ، 3 ، 16-30. [ Google Scholar ] [ CrossRef ]
  112. کنسرسیوم فضایی باز مشخصات پیاده سازی خدمات نقشه وب OpenGIS (WMS). در دسترس آنلاین: http://portal.opengeospatial.org/files/?artifact_id=14416 (دسترسی در 17 ژوئن 2015).
  113. کنسرسیوم فضایی باز استاندارد رابط OpenGIS Web Feature Service 2.0. در دسترس آنلاین: http://portal.opengeospatial.org/files/?artifact_id=39967 (در تاریخ 17 ژوئن 2015 قابل دسترسی است).
  114. سیار، ع. پیرس، ام. Fox, G. OGC سازگار با سیستم های اطلاعات جغرافیایی خدمات وب ; دانشگاه ایندیانا: بلومینگتون، IN، ایالات متحده آمریکا، 2005. [ Google Scholar ]
  115. سازمان ملی هوانوردی و فضایی (ناسا). خدمات مرور تصاویر جهانی-GIBS. در دسترس آنلاین: https://wiki.earthdata.nasa.gov/display/GIBS/ (دسترسی در 17 ژوئن 2015).
  116. مرکز شبکه بین المللی اطلاعات علوم زمین (CIESIN). لیست خدمات نقشه در دسترس آنلاین: http://beta.sedac.ciesin.columbia.edu/maps/services (در 17 ژوئن 2015 قابل دسترسی است).
  117. آزمایشگاه ملی اوک ریج. ابزار دسترسی به داده های مکانی (SDAT). در دسترس آنلاین: http://webmap.ornl.gov/wcsdown/ (در 17 ژوئن 2015 قابل دسترسی است).
  118. کارناتاک، HC; شوکلا، ر. شارما، VK؛ مورتی، YVS؛ Bhanumurthy، V. فناوری ترکیب فضایی و ادغام داده های زمان واقعی در برنامه جغرافیایی وب با استفاده از GIS منبع باز – مطالعه موردی برای مدیریت بلایا. Geocarto Int. 2012 ، 27 ، 499-514. [ Google Scholar ] [ CrossRef ]
  119. مرکز شبکه بین المللی اطلاعات علوم زمین. SEDAC Hazards Mapper. در دسترس آنلاین: http://sedac.ciesin.columbia.edu/mapping/hazards/ (در 3 اوت 2015 قابل دسترسی است).
  120. مرکز بلایای اقیانوس آرام PDC DisasterAWARE. در دسترس آنلاین: http://atlas.pdc.org/atlas/ (دسترسی در 3 اوت 2015).
  121. جونز، CE; هاکلی، م. گریفیتس، اس. Vaughan, L. رویکردی کمتر-بیشتر برای ساخت دانش تقویت‌کننده تصویرسازی جغرافیایی در تیم‌های چند رشته‌ای. بین المللی جی. جئوگر. Inf. علمی 2009 ، 23 ، 1077-1093. [ Google Scholar ] [ CrossRef ]
  122. ایکدا، اس. ساتو، تی. فوکوزونو، تی. به سوی یک چارچوب مدیریت یکپارچه برای خطرات بلایای نوظهور در ژاپن. نات. خطر. 2008 ، 44 ، 267-280. [ Google Scholar ] [ CrossRef ]
  123. مرت، HC; چن، WW کاربردهای سیستم های اطلاعات جغرافیایی و سنجش از دور در ارزیابی و کاهش خطر بلایای طبیعی در تایوان. Geomat. Natl. خطر. ریسک 2012 ، 4 ، 145-163. [ Google Scholar ] [ CrossRef ]
  124. ایکدا، اس. ناگازاکا، تی. چارچوبی نوظهور از مدیریت ریسک بلایا به سمت نوآوری قابلیت مقابله برای کاهش خطرات بلایا در جوامع محلی. بین المللی J. Disaster Risk Sci. 2011 ، 2 ، 1-9. [ Google Scholar ] [ CrossRef ]
  125. اقتصاد دان. در نیمه راه: چگونه گسترش تلفن های همراه را در میان فقرای جهان ترویج کنیم . اکونومیست: لندن، بریتانیا، 2008.
  126. InSTEDD. پررنگ. در دسترس آنلاین: http://instedd.org/technologies/verboice/ (دسترسی در 18 ژوئن 2015).
  127. InSTEDD. چرخ گزارش. در دسترس آنلاین: http://instedd.org/technologies/reporting-wheel/ (در 18 ژوئن 2015 قابل دسترسی است).
  128. دفتر سازمان ملل متحد برای کاهش خطر بلایا. در دسترس آنلاین: http://www.unisdr.org/ (دسترسی در 18 اوت 2015).
  129. دفتر امور فضایی سازمان ملل متحد. پورتال دانش UN-SPIDER. در دسترس آنلاین: http://www.un-spider.org/ (دسترسی در 18 اوت 2015).
  130. مرکز AHA در دسترس آنلاین: http://www.ahacentre.org/ (دسترسی در 18 اوت 2015).
  131. مرکز آمادگی در برابر بلایای آسیایی در دسترس آنلاین: http://www.adpc.net/ (در 18 اوت 2015 قابل دسترسی است).
  132. مرکز کاهش بلایا در آسیا در دسترس آنلاین: http://www.adrc.asia/ (در 18 اوت 2015 قابل دسترسی است).
  133. قوش، س. Huyck، CK; گرین، ام. Gill, SP; بیوینگتون، جی. Svekla، W. DesRoches، R.; Eguchi، RT Crowdsourcing برای ارزیابی سریع آسیب: شبکه جهانی ارزیابی فاجعه مشاهده زمین (GEO-CAN). زمین طیف. 2011 ، 27 ، S179–S198. [ Google Scholar ] [ CrossRef ]
  134. Skinnemoen, H. ASIGN – ارتباطات بصری حیاتی برای کاربردهای فضایی یکپارچه. در مجموعه مقالات کنفرانس بین المللی IEEE 2014 در مورد الکترونیک هوافضا و فناوری سنجش از راه دور (ICARES)، یوگیاکارتا، اندونزی، 13 تا 14 نوامبر 2014. صص 107-113.
  135. آژانس اکتشافات هوافضای ژاپن نگهبان آسیا. در دسترس آنلاین: http://sentinel.tksc.jaxa.jp/ (دسترسی در 18 اوت 2015).
  136. منشور بین المللی منشور بین المللی بلایای طبیعی در دسترس آنلاین: http://www.disasterscharter.org/ (در 18 اوت 2015 قابل دسترسی است).
  137. برنامه کاربردی ماهواره عملیاتی UNITAR. در دسترس آنلاین: http://www.unitar.org/unosat/ (دسترسی در 22 ژوئن 2015).
  138. موسسه آموزش و تحقیقات سازمان ملل متحد. IGAD مقدمه ای بر GIS برای کاهش خطر بلایا. در دسترس آنلاین: https://www.unitar.org/event/igad-introduction-gis-disaster-risk-reduction (در 19 ژوئن 2015 قابل دسترسی است).
  139. موسسه آموزش و تحقیقات سازمان ملل متحد. مقدمه ای بر کاربردهای GIS و RS برای ابتکار تاب آوری و پایداری در برابر بلایای خشکسالی IGAD (IDDRSI). در دسترس آنلاین: https://www.unitar.org/event/introduction-gis-rs-applications-igad-dought-disaster-resilience-and-sustainability-initiative-iddr (در 19 ژوئن 2015 قابل دسترسی است).
  140. اتحادیه اروپا. کوپرنیک خدمات مدیریت اضطراری نقشه برداری. در دسترس آنلاین: http://emergency.copernicus.eu/ (در 13 اوت 2015 قابل دسترسی است).
  141. سونیر، اس. کاملونگ، ن. فلواساک، پی. هیلارت، ای. برتلوت، بی. گورمن، م. اوتاویانلی، جی. Amans، V. هماهنگی و نظارت بر اطلاعات کیفیت برای خدمات کوپرنیک: مطالعه موردی با abstractuFFFD داده های نوری. IEEE Geosci. سنسور از راه دور Mag. 2015 ، 3 ، 24-40. [ Google Scholar ] [ CrossRef ]
  142. گراندونی، دی. Battagliere، ML; دارائو، ام جی؛ ساکو، پی. کولتا، ا. دی فدریکو، آ. Mastracci، F. فناوری مبتنی بر فضا برای مدیریت اضطراری: سهم صورت فلکی COSMO-SkyMed. Procedia Technol. 2014 ، 16 ، 858-866. [ Google Scholar ] [ CrossRef ]
  143. مرکز تحقیقات مشترک کمیسیون اروپا سیستم آگاهی سیل اروپا (EFAS). در دسترس آنلاین: http://www.efas.eu/ (در 13 اوت 2015 قابل دسترسی است).
  144. سازمان زمین شناسی آمریکا پورتال عملیات اضطراری در دسترس آنلاین: http://hdds.usgs.gov/ (در 13 اوت 2015 قابل دسترسی است).
  145. تیم بشردوستانه OpenStreetMap. در دسترس آنلاین: http://hotosm.org/ (دسترسی در 18 اوت 2015).
  146. OpenStreetMap Foundation. تیم بشردوستانه OSM. در دسترس آنلاین: http://wiki.openstreetmap.org/wiki/Humanitarian_OSM_Team (در 17 ژوئن 2015 قابل دسترسی است).
  147. چان، جی ال. کلمبو، آر. موسانی، A. نقشه برداری از امکانات بهداشتی لیبی – همکاری بین نقشه کشان بحران و سازمان بهداشت جهانی. در مجموعه مقالات نهمین کنفرانس بین المللی ISCRAM، ونکوور، BC، کانادا، 22-25 آوریل 2012.
  148. Soden، R. 4 سال بعد، با نگاهی به پاسخ OpenStreetMap به زلزله هائیتی. در دسترس آنلاین: http://blogs.worldbank.org/latinamerica/4-years-looking-back-openstreetmap-response-haiti-earthquake (در 19 ژوئن 2015 قابل دسترسی است).
  149. تیم بشردوستانه OpenStreetMap. اندونزی. در دسترس آنلاین: http://hotosm.org/projects/indonesia-0 (در 19 ژوئن 2015 قابل دسترسی است).
  150. سازمان ملی هوانوردی و فضایی؛ آژانس توسعه بین المللی ایالات متحده؛ مرکز منطقه ای نقشه برداری از منابع توسعه; مرکز بین المللی توسعه یکپارچه کوهستانی؛ مرکز آمادگی در برابر بلایای آسیایی SERVIR GLOBAL. در دسترس آنلاین: http://www.servirglobal.net/ (دسترسی در 18 اوت 2015).
  151. سازمان ملی هوانوردی و فضایی؛ آژانس توسعه بین المللی ایالات متحده ISERV. در دسترس آنلاین: https://www.servirglobal.net/Data-Maps/ISERV (دسترسی در 10 اوت 2015).
  152. استفانوف، دبلیو. Evans, C. جمع آوری داده ها برای پاسخ به بلایا از ایستگاه فضایی بین المللی. در مجموعه مقالات سی و ششمین سمپوزیوم بین المللی سنجش از دور محیط زیست، برلین، آلمان، 11 تا 15 مه 2015.
  153. آژانس توسعه بین المللی ایالات متحده شبکه سیستم های هشدار اولیه قحطی در دسترس آنلاین: http://www.fews.net/ (دسترسی در 18 اوت 2015).
  154. فانک، سی سی; براون، ME پیش بینی های تغییر NDVI درون فصلی در آفریقای نیمه خشک. سنسور از راه دور محیط. 2006 ، 101 ، 249-256. [ Google Scholar ] [ CrossRef ]
  155. براون، من؛ de Beurs، KM ارزیابی پارامترهای فصل زراعی نیمه خشک چند سنسوری بر اساس NDVI و بارندگی. سنسور از راه دور محیط. 2008 ، 112 ، 2261-2271. [ Google Scholar ] [ CrossRef ]
  156. Laben, C. ادغام داده های سنجش از دور و فناوری سیستم اطلاعات جغرافیایی برای مدیران اضطراری و برنامه های کاربردی آنها در مرکز بلایای اقیانوس آرام. OPTICE 2002 ، 41 ، 2129-2136. [ Google Scholar ] [ CrossRef ]
  157. مرکز بلایای اقیانوس آرام مرکز بلایای اقیانوس آرام در دسترس آنلاین: http://www.pdc.org/ (دسترسی در 18 اوت 2015).
  158. گروه مشاهدات زمین ابرسایت های زمین خطر و آزمایشگاه های طبیعی (GSNL). در دسترس آنلاین: http://www.earthobservations.org/gsnl.php (در 18 آگوست 2015 قابل دسترسی است).
  159. Plag، HP; آملونگ، اف. لنگرت، دبلیو. مارش، SH; Meertens، C. حمایت از مدیریت ریسک و کاهش بلایا: جامعه عملی خطرات زمین و ابتکار فوق سایت. در مجموعه مقالات سمپوزیوم هشتم کمیسیون فنی ISPRS، کیوتو، ژاپن، 9 تا 12 اوت 2010. صص 193-198.
  160. کمیسیون اروپایی. سیستم هشدار و هماهنگی جهانی بلایا http://www.gdacs.org/ (دسترسی در 18 اوت 2015).
  161. مرکز تحقیقات مشترک کمیسیون اروپا سیستم جهانی تشخیص سیل — نسخه 2. موجود به صورت آنلاین: http://www.gdacs.org/flooddetection/ (در 13 اوت 2015 قابل دسترسی است).
  162. استولبرگ، بی. De Groeve, T. استفاده از رسانه های اجتماعی در سیستم هشدار و هماهنگی جهانی بلایا (GDACS). در مجموعه مقالات بیست و یکمین کنفرانس بین المللی وب جهانی، لیون، فرانسه، 16-20 آوریل 2012; ص 703-706.
  163. استراتژی بین المللی برای کاهش بلایا. چارچوب هیوگو برای اقدام 2005-2015: ایجاد انعطاف پذیری ملت ها و جوامع در برابر بلایا. در مجموعه مقالات کنفرانس جهانی کاهش بلایا (A/CONF. 206/6)، هیوگو، ژاپن، 18-22 ژانویه 2005.
  164. سازمان ملل. چارچوب سندای برای کاهش خطر بلایا 2015-2030 ؛ سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 2015. [ Google Scholar ]
  165. مالدونادو، ای. میتلند، سی. تاپیا، الف. توسعه سیستم‌های مشارکتی در امدادرسانی به بلایا: تأثیر حکمرانی چند سطحی. Inf. سیستم جلو. 2010 ، 12 ، 9-27. [ Google Scholar ] [ CrossRef ]

;کاربردهای GISمقالات

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

بدون نظر

دیدگاهتان را بنویسید

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

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

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