پهنه بندی و اولویت بندی بافت حوزه ۶ شهر کرمان در برابر زلزله با استفاده از تکنیک های سنجش از دور
محل انتشار: فصلنامه جغرافیای طبیعی، دوره: 15، شماره: 58
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 168
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JOPG-15-58_006
تاریخ نمایه سازی: 9 اردیبهشت 1402
چکیده مقاله:
امروزه آسیب پذیری شهرها و به خصوص بافت های قدیمی و فرسوده در برابر زلزله، به عنوان مسئله مهمی پیش روی متخصصان مخاطرات محیطی قرار گرفته است. طبق گزارش سازمان ملل در سال ۲۰۰۳ میلادی کشور ایران در بین کشورهای جهان رتبه نخست را در تعداد زلزله های با شدت ۵.۵ ریشتری دارد و جز ده کشور بلاخیز و ششمین کشور زلزله خیز دنیا است، کمربند زلزله ۹۰ درصد از خاک کشور ما را دربرگرفته است و در این میان شهر کرمان به لحاظ قرار گیری در زون تکتونیکی ایران مرکزی و دارا بودن گسل ها و شکستگی های بزرگ و عمیق از نظر زمین شناختی می تواند منشاء بحران های عظیم، خسارات و تلفات شدید باشد؛ لذا در این پژوهش ابتدا با استفاده از تصاویر ماهواره ای ASTER سال ۲۰۰۷ به شناسایی بافت های فرسوده شهر کرمان با استفاده از SVM پرداخته شد.در این بررسی با ضریب کاپای ۷۶ درصد برای تمامی طبقات تعیین شده و ضریب کاپای ۵۹ درصد بافت فرسوده شهر کرمان شناسایی گردید. نتایج نشان داد که روش طبقه بندی ماشین-بردار پشتیبان توانایی تشخیص نزدیک به ۷۵ درصد از بافت فرسوده محدوده را دارا می باشد و روش SVMدر شناسایی حوزه شش بافت فرسوده شهری بسیار مناسب عمل کرده است.
کلیدواژه ها:
نویسندگان
مریم نوحه سرا
دانشجوی دکتری جغرافیا و برنامه ریزی شهری، واحد یزد ،دانشگاه آزاد اسلامی، یزد، ایران
ملیحه ذاکریان
استادیار جغرافیا و برنامه ریزی شهری، دانشگاه آزاد اسلامی واحد میبد، یزد، ایران
سید علی المدرسی
استاد ژئومورفولوژی گروه جغرافیا و برنامه ریزی شهری دانشگاه آزاد اسلامی واحد یزد، یزد، ایران.
مصطفی خبازی
دانشیار ژئومورفولوژی دانشگاه شهید باهنر کرمان. کرمان، ایران.
محمد حسین سرایی
استاد گروه جغرافیا و برنامه ریزی شهری دانشگاه یزد. یزد، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :