دانیا کریمی

پ با توجه به اینکه مکان گزینی برای اسکان موقت پس از بروز سانحه زلزله را سازمان امدادرسانی بدون در نظر گرفتن استانداردهای لازم انجام می دهد؛ از این رو، این کار با مشکلات زیادی به ویژه در کلان شهرها همراه خواهد بود. برای پیشگیری از وقوع مشکلات و برای داشتن برنامه عملیاتی مدون پس از وقوع بحران زلزله، لازم است مناطق زلزله خیزی همچون کلان شهر اهواز به لحاظ مناطق خطرپذیر، مناطق امن برای اسکان موقت پس از بحران و همچنین مسیریابی بهینه برای رسیدن به مناطق امن، پهنه بندی و بررسی دقیق شو د. در این پژوهش، اهداف یادشده با استفاده از سیستم استنتاج فازی، تحلیل سلسله مراتبی فازی و همچنین GIS در منطقه یک کلان شهر اهواز مطالعه و نتایج حاصل مقایسه شده است. به همین منظور، مؤثرترین داده ها برای یافتن محل های پر خطر زلزله، امن و مسیریابی گردآوری و استفاده شد. بر اساس نتایج به دست آمده، سیستم استنتاج فازی در خصوص پهنه بندی خطر به میزان 85% منطبق بر نظر کارشناسان، و تحلیل سلسله مراتبی فازی تنها به میزان 41% منطبق بر نظر کارشناسان بود که این نتایج قابلیت و دقت بالاتر سیستم استنتاج فازی را در مقایسه با تحلیل سلسله مراتبی نشان می دهد. برای یافتن مناطق امن برای اسکان موقت پس از زلزله، نیز بعد از بررسی مساحت ها و نوع کاربری های پهنه های پیشنهادی با دو مدل، در مدل سیستم استنتاج فازی تعداد 25 سایت اسکان موقت و در مدل تحلیل سلسله مراتبی فازی 18 پهنه اسکان موقت استخراج و شناسایی شد . همچنین، در زمینه مسیریابی نتایج نشان داد، برای محدوده مورد مطالعه، هر دو مدل الگوریتم ژنتیک و دایجسترا مناسب و قابل به کارگیری است. مقدمه: سرعت شهرنشینی در شهرهای کشورهای در حال توسعه منجر به این گردیده است که نصف جمعیت جهان در حال حاظر در مناطق شهری مستقر شوند. بیشتر این مناطق با تراکم جمعیتی بالا، در برابر وقوع بحران هایی همچون زلزله آسیب پذیر می باشند. در مورد شهرهای زلزله خیز بهترین و مناسبترین اقدام، جداسازی انسان از منطقه خطر است. بهمین خاطر شناسایی قبلی و برنامه ریزی در شناسایی پهنه های خطر پذیر، مناطق امن و همچنین مسیریابی بهنیه برای رسیدن به سایت های اسکان موقت لازم و ضروری می باشد. با توجه به اینکه مکان گزینی برای اسکان موقت پس از بروز سانحه زلزله توسط سازمان امدادرسانی بدون در نظر گرفتن استانداردهای لازم انجام می شود لذا این کار با مشکلات زیادی بویژه در کلان شهرها توام خواهد بود. برای داشتن برنامه عملیاتی  مدون پس از وقوع بحران زلزله، لازمست مناطق زلزله خیزی همچون کلان شهر اهواز بلحاظ مناطق خطرپذیر، مناطق امن جهت اسکان موقت پس از بحران و همچنین مسیریابی بهینه برای رسیدن به مناطق امن پهنه بندی و مورد بررسی دقیق قرار گیرند. شرایط خاص کلان شهر اهواز و مشکلات آن نظیر جمعیت میلیونی، وجود بافت های فرسوده، ساختمان های با مصالح غیرمسلح سنگین، معابر باریک، بالا بودن سطح آب های زیرزمینی و ...، تدوین معیارها و ضوابطی جهت پهنه بندی مناطق در معرض خطر را امری انکارناپذیر می گرداند. هدف این مقاله  پهنه بندی خطرپذیری زلزله و تعیین مناطق امن جهت اسکان موقت پس از بحران با استفاده از سیستم استنتاج فازی و تحلیل سلسله مراتبی فازی و همچنین مسیریابی بهینه برای رسیدن به مناطق امن و مراکز تسهیلاتی با استفاده از الگوریتم ژنتیک و دایجسترا برای منطقه یک شهرداری کلان شهر اهواز واقع در استان خوزستان و مقایسه نتایج روش ها می باشد. روش شناسی تحقیق: در این پژوهش از دو روش سیستم استنتاج فازی و تحلیل سلسله مراتبی فازی برای پهنه بندی خطرپذیری زلزله و تعیین مناطق امن جهت اسکان موقت و از دو الگوریتم ژنیتیک و دایجسترا برای مسیریابی بهینه جهت رسیدن به مناطق امن و مراکز تسهیلاتی استفاده و نتایج با یکدیگر مورد مقایسه قرار گرفت. داده های مورد استفاده :  شامل نقشه موقعیت گسل ها، نقشه خطوط پرفشار انتقال نیرو، نقشه خطوط پرفشار گاز، نقشه کاربری اراضی، نقشه خطوط مترو، نقشه راههای ارتباطی درون شهری، اطلاعات جمعیتی و نقشه های ممیزی املاک که موثرین پارامترها بر یافتن محل های پر خطر زلزله می باشند. 3- بحث و نتایج: 3-1) پهنه بندی خطرپذیری زلزله: 3-1-1) پهنه بندی خطر پذیری زلزله با استفاده از سیستم استنتاج فازی: برای ایجاد سیستم استنتاج فازی ابتدا متغیرهای زبانی و محدوده های استاندارد معیارها تعریف شد...

در این پژوهش قابلیت دو نوع تصویر ماهواره ای اپتیکی سنتینل-2 (S2B) و لندست 8 (L8) و همچنین قابلیت تلفیق این تصاویر در پهنه بندی فصلی شاخص های کیفی آب رودخانه کارون ارزیابی شده است. برای هر فصل، 18 باند حاصل از تصاویر اولیه و تصاویر تلفیق شده به چهار روش شدت- رنگ- اشباع (IHS)، گرام- اشمیدت (GST)، تبدیل براووی (BT) و تبدیل موجک (WT) به منظور یافتن بیشترین ضریب همبستگی با شاخص های کیفی NSFWQI و IRWQIsc و درنتیجه محاسبه مدل های رگرسیون بهینه به کار رفته است. دو ایده ارزیابی تأثیر مقدار تک پیکسل (1P) یا درنظرگرفتن میانگین یک پنجره 3*3 (9P) تصاویر ورودی در بهبود ضریب همبستگی بین تصاویر و داده های میدانی نیز بررسی شده است. نتایج نشان داد بهترین نقشه های پهنه بندی شاخص NSFWQI در فصول بهار، تابستان، پاییز و زمستان به ترتیب براساس به کارگیری باند 2 تصویر مبتنی بر BT (حالت 9P)، باند 2 تصویر مبتنی بر IHS (حالت 1P)، باند 2 تصویر L8 (حالت 1P) و باند 4 تصویر L8 (حالت 1P) هستند. بهترین نقشه های پهنه بندی شاخص IRWQIsc در فصول بهار، تابستان، پاییز و زمستان به ترتیب براساس به کارگیری باند 1 تصویر  L8(حالت 1P)، باند 2 تصویر S2B (حالت 1P)، باند 2 تصویر  L8(حالت 1P) و باند 2 تصویر BT (حالت 1P) به دست آمده اند؛ همچنین برمبنای نتایج، روند تغییرات هر دو شاخص در نقشه های پهنه بندی کیفی از شمال به جنوب منطقه پژوهش در هر فصل بسیار مشابه است. نتایج ارزیابی فصلی هر دو شاخص حاکی از وضعیت نامناسب آب رودخانه در بیشتر روزهای سال است.