خلاصه
کلید واژه ها:
سیل ساحلی ؛ موج جزر و مدی ؛ بارش باران
۱٫ معرفی
منطقه مطالعه
۲٫ مواد و روشها
- (آ)
-
دادههای جزر و مد بهدستآمده از وبسایت Tide Observation and Prediction—Geospatial Information Agency (ما به BIG: “Badan Informasi Geospasial” در اندونزیایی اشاره کردیم) ( http://tides.big.go.id ). میانگین بالاترین داده های جزر و مدی پس از جمع آوری داده ها ارزیابی شد.
- (ب)
-
داده های بارندگی از وب سایت Tropical Rainfall Measuring Mission/TRMM ( https://trmm.gsfc.nasa.gov ) سازمان ملی هوانوردی و فضایی (NASA)، ایالات متحده آمریکا به دست آمده است. حداکثر میانگین ۱۰ سال داده های بارندگی ارزیابی شد.
- (ج)
-
داده های کاربری/پوشش زمین از نقشه بزرگ دیجیتال روپابومی (نقشه پایه) شهر ماتارام در مقیاس ۱:۵۰۰۰ به دست آمده است.
- (د)
-
دادههای شیب بهدستآمده از مدل ارتفاع دیجیتال بدون درز BIG (DEM) و وبسایت ملی گرمسنجی ( https://tides.big.go.id/DEMNAS ). دادههای مدل رقومی زمین (DTM) با وضوح مکانی ۰٫۲۷ ثانیه قوسی بهدست آمد و با استفاده از تحلیلگر سه بعدی نرمافزار GIS به شیب تبدیل شد.
- (ه)
-
داده های ژئومورفولوژیکی استخراج و ارزیابی شده از نقشه سیستم زمین دیجیتال شهر ماتارام، منتشر شده توسط BIG در مقیاس ۱:۲۵۰۰۰ و نقشه دیجیتال خاک از مرکز تحقیقات و توسعه منابع زمین کشاورزی اندونزی در مقیاس ۱:۵۰،۰۰۰، Bogor- اندونزی.
۲٫۱٫ ارزیابی روش موجود
معادله ماتریس به شرح زیر است:
جایی که افمنمنطقه مستعد سیل از کلاس i است، wمنوزن منطقه مستعد سیل از کلاس i است و سمنامتیاز برای منطقه مستعد سیل کلاس است i است.
۲٫۲٫ توسعه روش جدید
۲٫۲٫۱٫ CFR-روش جدید
یک تحلیل فضایی که از روش امتیاز وزنی استفاده میکند، یک مسئله مهم در متغیر وزندهی دارد، زیرا از مقادیر برای محاسبه سطح اولویت یک تحلیل شامل ویژگیهای متعدد استفاده میشود [ ۳۳ ، ۳۴ ، ۳۵ ]. بنابراین، برای ارزیابی طبقهبندی اشیاء بر اساس روش امتیاز وزنی، یادگیری عوامل وزندهی ضروری است، بهویژه زمانی که از ویژگیهای متعدد برای تشخیص کلاسهای شی متغیر استفاده میشود. روش AHP برای تعیین وزن سه پارامتر در معیارهای منطقه مستعد سیل (CFR-3) برای توسعه روش جدید CFR استفاده شد. اولاً، روش ساعتی، همانطور که در [ ۳۶]، برای شناسایی ساختار سلسله مراتبی پارامترهای مورد استفاده با مقیاس ۱ تا ۹ مورد استفاده قرار گرفت. ثانیاً، یک ماتریس مقایسه زوجی ایجاد و نرمال سازی شد تا با محاسبه بردار ویژه، مقادیر وزن معیارهای مورد استفاده را سنتز کند تا سطح اولویت را سنتز کند. معادلات روش ها را می توان به صورت زیر بیان کرد
جایی که آ۱ تیo n میانگین است (آ۱۱(آ۱۱+..+آ۱n)….آ۱n(آ۱n+..+آمترn))به عنوان بردارهای ویژه؛ آ۱۱به آمترnمقدار رتبه بندی عملکرد نسبت به پارامترها است.
سپس تصمیم وزنی بر اساس ماتریس نرمال شده و بردارهای ویژه به شرح زیر محاسبه شد:
که در آن w مقدار وزنی پارامترهای ۱ تا n است.
ثالثاً، سازگاری ارزیابی ارزش وزنی – نسبت سازگاری Saaty (CR)، همانطور که در [ ۳۷ ] نقل شده است – ارزیابی شد. CR مقایسه ای از شاخص سازگاری ( CI ) با مقدار شاخص تصادفی ( RI ) است که به شرح زیر است:
که در آن CI توسط λمترآایکس(بزرگترین مقدار ویژه) و تعداد پارامترها ، n
اگر CR ≤ ۰٫۱۰۰ باشد، آنگاه تحلیل فضایی با استفاده از معادلات زیر استفاده خواهد شد:
جایی که افمنمنطقه مستعد سیل از کلاس i است، w1..nفاکتورهای وزنی برای پارامترهای p ۱ تا p n و اسمنمقدار امتیازدهی کلاس منطقه مستعد سیل i برای پارامترهای p ۱ تا p n است.
۲٫۲٫۲٫ توسعه روش CFC
نکته مهمی که باید در توسعه CFC در نظر گرفته می شد، میزان نفوذ موج جزر و مدی به منطقه ساحلی بود. تجزیه و تحلیل فضایی برای موج جزر و مدی بیش از شستشو یا طغیان خشکی ( ایکسr)را می توان به عنوان تابعی از ارتفاع موج جزر و مدی تعریف کرد (ساعتج)، عمق در خط آب ساکن (ساعتo)و تفاوت بین سطح آب ساکن و جزر و مد معمولی (ایکسپ)، در حالی که θ زاویه بین سطح آب هنگام وقوع طغیان موج جزر و مدی به سمت خشکی با شیب ساحل است ( شکل ۳ را ببینید ). در مرحله بعد، روش CFC را می توان از طریق رابطه (۷) تعیین کرد.
۲٫۲٫۳٫ پیاده سازی روش ها در نقشه برداری
۲٫۲٫۴٫ موجودی داده های میدانی
۲٫۲٫۵٫ ارزیابی
ارزیابی با ارزیابی یافته ها با داده های به دست آمده از پیمایش میدانی با استفاده از روش آزمون منطقی انجام شد. هم منابع و هم نقشه به دست آمده از مطالعه با توجه به ماتریس مرتب شده تجزیه و تحلیل شدند. سپس، آزمایش به روشی که توسط [ ۳۸ ] به شرح زیر توصیف شده است انجام شد:
جایی که (ایکس،y)n داده های نقطه مرجع از محل سیل است.
سپس مقدار کل ارزیابی ( Ev ) را می توان به صورت تعیین کرد
که در آن Ev نتیجه ارزیابی (%) بر اساس t = یک مقدار واقعی و f = یک مقدار نادرست است، ۱…n نقاط مستعد سیل از مطالعه هستند، و P ref دادههای مرجع میدانی است.
۳٫ نتایج
۳٫۱٫ روش منطقه مستعد سیل ساحلی بر اساس بارندگی
معادله جدید برای CFR-new را می توان به صورت زیر تعریف کرد:
جایی که افمنمنطقه مستعد سیل از کلاس i است، سلمنامتیاز برای پارامتر است پل= کاربری زمین در کلاس I ، سسمنامتیاز برای پارامتر است پس= شیب در کلاس i ، و سrمنامتیاز برای پارامتر است پr= بارندگی در کلاس I.
۳٫۲٫ روش منطقه مستعد سیل ساحلی بر اساس درایورهای ترکیبی
سپس معادله CFC به صورت زیر ایجاد شد:
جایی که افمنمنطقه مستعد سیل از کلاس i است، سلمنامتیاز برای پارامتر است پل= کاربری زمین در کلاس I ، سسمنامتیاز برای پارامتر است پس= شیب در کلاس I ، سwمنامتیاز برای پارامتر است پw= موج جزر و مدی در کلاس i ، و سrمنامتیاز برای پارامتر است پr= بارندگی در کلاس I.
۴٫ بحث
-
پوشش زمین برای روشهای CFR و CFC ضروری است: [ ۳۰ ] پیوند تجربی سیل با کاربری زمین و تبدیل پوشش زمین را نشان میدهد که نقش حیاتی در وقوع سیل دارد. جدول ۵ افزایش رده های آسیب پذیری بالا و متوسط را با اضافه شدن پارامتر پوشش/کاربری زمین نشان می دهد که به ترتیب ۴۲٫۶۳ هکتار برای طبقه بالا و ۱۲۵٫۵۶ هکتار برای طبقه متوسط از CR-2 به CR-3 می باشد.
-
روش CFC اجازه می دهد تا تأثیرات دقیق تری بر روی زمین داشته باشد: [ ۴۴ ، ۴۵ ] نشان می دهد که مناطق ساحلی و دلتایی در معرض سیل ناشی از اثرات ترکیبی بارندگی بیش از حد و طغیان جزر و مد نجومی هستند. جدول ۸ تفاوت در حساسیت طبقات متوسط و پایین را در CFR-3 و CFR-new، به ترتیب با ۱۴۲٫۷۴ هکتار و ۱۴۰٫۱۸ هکتار به CFC توصیف می کند در حالی که یک موج جزر و مد شدید به مدل اضافه شده است.
-
سیل به واحدهای ژئومورفولوژیکی بستگی دارد: [ ۴۶ ] از اهمیت جنبههای هیدروژئومورفولوژیکی برای نقشهبرداری سیل ساحلی حمایت میکند، زیرا بر اساس تحقیقات او در شهر کنستانتین، الجزایر، میتوان از دشت آبرفتی برای ترسیم مناطق خطر سیل استفاده کرد. نوع ژئومورفولوژیکی سواحل شهر ماتارام یک دشت آبرفتی است. همانطور که در شکل ۶ مشاهده می شودبا استفاده از روش CFR یا CFC، منطقه دشت آبرفتی در سایت مورد مطالعه در برابر سیل آسیب پذیر است و می توان از آن به عنوان یک واحد نقشه برداری استفاده کرد. منطقه رصدی نشان می دهد که بالاترین موج جزر و مدی باعث ایجاد شکلی پویا از دشت آبرفتی شده است که گاهی اوقات یک خاکریز شنی در امتداد ساحل شهر ماتارام ایجاد می کند. این شرایط ممکن است طغیان منطقه را تشدید کند، به ویژه در مناطق کم ارتفاع که توسط خاکریزهای شنی مسدود شده اند. در تحقیقات خود در ویتنام، [ ۴۷ ] نشان داد که سیل و مکانیسم دینامیکی تشکیل آبرفت ها با یکدیگر ارتباط دارند و به نوبه خود بر خطر سیل تأثیر می گذارند.
ارزیابی روشهای CFR-new و CFC
۵٫ نتیجه گیری ها
منابع
- Wolf، J. سیل ساحلی: تأثیرات مدلهای موج موج-جر و مد جفت شده. نات. خطرات ۲۰۰۸ ، ۴۹ ، ۲۴۱-۲۶۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- لوئیس، ام جی; پالمر، تی. هاشمی، ر. رابینز، پی. سولتر، آ. براون، ج. لوئیس، اچ. نیل، S. تعامل جزر و مد موج ارتفاع موج نزدیک به ساحل را تعدیل می کند. اوشن دین. ۲۰۱۹ ، ۶۹ ، ۳۶۷-۳۸۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- Zai, VRC Arahan Dan Rekomendasi Pemanfaatan Lahan Untuk Kawasan Permukiman Wilayah Pesisir Kelurahan Tanjung Mas Dan Kelurahan Bandarharjo (دستورالعمل ها و توصیه های استفاده به یک منطقه ساحلی مسکونی در تانجونگ ماس و ناحیه بندرهارجو). در مجموعه مقالات سمینار Nasional Geomatika 2018، Bogor، اندونزی، ۵ سپتامبر ۲۰۱۸٫ [ Google Scholar ] [ CrossRef ]
- رمزی، دی بی; بل، R. مخاطرات ساحلی و تغییرات آب و هوایی. راهنمای راهنمای حکومت محلی در نیوزلند ، ویرایش دوم. وزارت محیط زیست: ولینگتون، نیوزلند، ۲۰۰۸٫
- پوربانی، د. سلیم، HL; کوسوما، LPASC؛ توسادیه، ع. Subandriyo, J. Ancaman gelombang ekstrim dan abrasi pada penggunaan lahan di pesisir Kepulauan Karimunjawa (Studi kasus: Pulau Kemujan, Pulau Karimunjawa, Pulau Menjangan Besar dan Pulau Menjangan Kecil)/ امواج شدید و مخاطرات سایشی در جزایر زمینی استفاده می شود مطالعه: جزیره کموجان، جزیره کریمونجاوا، جزیره منجانگان بسار و جزیره منجانگان کسیل). جی. کلاوت. ناس ۲۰۱۹ ، ۱۴ ، ۳۳-۴۵٫ [ Google Scholar ]
- مرکز کنترل بیماری ها و بهداشت عمومی. سیل ساحلی، تغییرات آب و هوایی و سلامتی شما برای آماده سازی چه کاری می توانید انجام دهید . وزارت بهداشت و خدمات انسانی ایالات متحده، مرکز کنترل و پیشگیری از بیماری: آتلانتا، GA، ایالات متحده آمریکا، ۲۰۱۷٫
- هندایانی، دبلیو. فیشر، ام آر. رودیارتو، آی. Setyono, JS; فولی، دی. انعطافپذیری عملیاتی: تحلیل محتوای برنامهریزی بلایای سیل در دو شهر ساحلی در جاوه مرکزی، اندونزی. بین المللی J. کاهش خطر بلایا. ۲۰۱۹ ، ۳۵ ، ۱-۱۲٫ [ Google Scholar ] [ CrossRef ]
- Nugraha، AL; سانتوسو، BP; Aditya, T. انتشار نقشه خطر سیل جزر و مدی با استفاده از نقشه آنلاین در سمارنگ. مجموعه مقالات ICTCRED (کنفرانس بین المللی توسعه زیست محیطی مناطق گرمسیری و ساحلی) ۲۰۱۵٫ Proc. محیط زیست علمی ۲۰۱۵ ، ۲۳ ، ۶۴-۷۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- گریگز، جی. داور، ل. Reguero، BG مستندسازی یک قرن تغییر خط ساحلی در امتداد کالیفرنیای مرکزی و چالشهای مرتبط: از کیفی به کمی. Water ۲۰۱۹ ، ۱۱ ، ۲۶۴۸٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- نیروانسیه، AW; بوریس، ب. نقشه برداری تاثیر سیل جزر و مدی بر کشاورزی نمک خورشیدی در جاوه شمالی با استفاده از یک مدل هیدرودینامیکی. ISPRS Int. J. Geo Inf. ۲۰۱۹ ، ۸ ، ۴۵۱٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- حمدانی، ح. پرمن، اس. Susetyaningsih، A. Analisa daerah rawan banjir menggunakan aplikasi sistem informasi geografis (Studi kasus Pulau Bangka). J. Konstr. سکول. Tinggi Teknol. Garut ۲۰۱۴ ، ۱۲ ، ۱-۱۳٫ [ Google Scholar ]
- بادان استانداردسازی ناسیونال. SNI 8197:2015 Metode Pemetaan Rawan Banjir sekala 1:50,000 dan 1:25,000 ; Badan Standarisasi Nasional: جاکارتا، اندونزی، ۲۰۱۵٫
- روی، اس ال. پدرروس، آر. آندره، سی. پاریس، اف. Lecacheux، S. مارکه، اف. Vinchon، C. سیل ساحلی مناطق شهری با غلبه بر: برنامه مدلسازی پویا برای طوفان یوهانا (۲۰۰۸) در گاور (فرانسه). نات. سیستم خطرات زمین. علمی ۲۰۱۵ ، ۱۵ ، ۲۴۹۷-۲۵۱۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- Badan Nasional Penanggulangan Bencana (ویرایش) Peraturan Kepala Badan Nasional Penanggulangan Bencana شماره ۲/۲۰۱۲ Tentang Pedoman Umum Pengkajian Risiko Bencana, Dengan Parameter Tinggi Gelombang, Arus, Tutupan Vegetasi, Bentuk Garispuantai, Bentuk Garispautai Badan Nasional Penanggulangan Bencana: جاکارتا، اندونزی، ۲۰۱۲٫ [ Google Scholar ]
- اولبرت، هوش مصنوعی؛ کامر، جی. نش، اس. هارنت، ام. مدلسازی چند مقیاسی با وضوح بالا سیلهای ساحلی ناشی از جزر و مد، موجهای طوفان و جریان رودخانهها. نمونه ای از شهر کورک. ساحل. مهندس ۲۰۱۷ ، ۱۲۱ ، ۲۷۸-۲۹۶٫ [ Google Scholar ] [ CrossRef ]
- پوربا، م. Utami, IN Karakter dan pergerakan masa air di Selat Lombok bulan Januari 2004 dan Juni 2006 (ویژگی ها و گردش توده آب در تنگه لومبوک در ژانویه ۲۰۰۴ و ژوئن ۲۰۰۶). J. Ilmu Ilmu Perair. پریکان. هندوستان ۲۰۰۶ ، ۱۳ ، ۱۴۳-۱۵۳٫ [ Google Scholar ]
- Bappeda Provinsi Nusa Tenggara Barat. Kajian Resiko Bencana Kota Mataram (ارزیابی خطر بلایا در شهر ماتارام) ; Bappeda Provinsi Nusa Tenggara Barat: Mataram، اندونزی، ۲۰۱۹٫
- رحمانتو، MR; سوستیو، سی پمودلان اسپاسیال جنانگان بانجیر آکیبات ژلومبانگ پسنگ دی ولایت پسییر کوتا ماتارام. جی. تک. ITS ۲۰۱۷ ، ۷ ، ۲۳۳۷–۳۵۲۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- سوآرا NTB. Warga Pesisir Pantai di Mataram Butuh Pemecah Gelombang. SuaraNTB.com ، ۳۰ ژوئیه ۲۰۱۸٫ [ Google Scholar ]
- سولیستییونو، اچ. پرادجوکو، ای. سیامسیدیک. تأثیر متغیرهای تغییر اقلیم بر پیشبینی باد ساحلی. در مجموعه مقالات بیست و یکمین کنگره IAHR-APD، یوگیاکارتا، اندونزی، ۲ تا ۵ سپتامبر ۲۰۱۸؛ گروه مهندسی عمران و محیط زیست، دانشگاه گادجاهمادا: یوگجاکارتا، اندونزی، ۲۰۱۸؛ صص ۵۴۹-۵۵۸٫
- ورسیله، ح. نادیلا، توسعه شهری فراگیر ساحلی SM در آمپنان و جرووارو، نوسا تنگگارا غربی. در مجموعه مقالات دومین کنفرانس بین المللی مطالعات استراتژیک و جهانی (ICSGS)، جاکارتای مرکزی، اندونزی، ۲۴ تا ۲۶ اکتبر ۲۰۱۸٫ [ Google Scholar ] [ CrossRef ][ Green Version ]
- پتا NKRI. پتا پولائو لومبوک. در دسترس آنلاین: https://tanahair.indonesia.go.id/portal-web/download/perwilayah (در ۱۱ اوت ۲۰۲۰ قابل دسترسی است).
- نقشه جهان. در دسترس آنلاین: http://sahimiqm.blogspot.com/2017/01/peta-dunia-kosong.html (در ۱۳ اوت ۲۰۲۰ قابل دسترسی است).
- هلدروپ، ای. Grubesic، TH عوامل اجتماعی، ژئومورفیک و اقلیمی که آسیبپذیری شهرهای ساحلی ایالات متحده را در برابر سیل طوفان افزایش میدهند. ساحل اقیانوس. مدیریت ۲۰۱۹ ، ۱۸۱ ، ۱-۱۱٫ [ Google Scholar ] [ CrossRef ]
- مانفردا، اس. ناردی، ف. ساملا، سی. گریمالدی، اس. تاراماسو، AC; راث، جی. Sole, A. بررسی استفاده از رویکردهای ژئومورفیک برای ترسیم مناطق مستعد سیل. جی هیدرول. ۲۰۱۴ ، ۵۱۷ ، ۸۶۳-۸۷۶٫ [ Google Scholar ] [ CrossRef ]
- ساملا، سی. تروی، تی جی. مانفردا، S. طبقه بندی کننده های ژئومورفیک برای تعیین مناطق مستعد سیل برای محیط های کم داده. Adv. منبع آب ۲۰۱۷ ، ۱۰۲ ، ۱۳-۲۸٫ [ Google Scholar ] [ CrossRef ]
- برندتسسون، آر. بکر، پی. پرسون، ا. آسپگرن، اچ. حقیقت افشار، س. جانسون، ک. لارسون، آر. مبینی، س. متقی، م. نیلسون، جی. و همکاران محرک های تغییر خطر سیل شهری: چارچوبی برای اقدام جی. محیط زیست. مدیریت ۲۰۱۹ ، ۲۴۰ ، ۴۷-۵۷٫ [ Google Scholar ] [ CrossRef ]
- لین، WB؛ Sun، YM; نیجویس، اس. وانگ، Z. ارزیابی خطر سیل مبتنی بر سناریو برای دلتاهای شهری با استفاده از شبیهسازی کاربری زمین در آینده (FLUS): منطقه شهری گوانگژو به عنوان مطالعه موردی. علمی کل محیط. ۲۰۲۰ ، ۷۳۹ ، ۱-۱۰٫ [ Google Scholar ] [ CrossRef ]
- کانترز، اف. Vanderhaegen، S. خان، AZ; انگلن، جی. Uljee، I. شبیه سازی استفاده از زمین به عنوان یک ابزار پشتیبانی برای ارزیابی خطر سیل و برنامه ریزی ایمنی ساحلی: مورد ساحل بلژیک. ساحل اقیانوس. مدیریت ۲۰۱۴ ، ۱۰۱ ، ۱۰۲-۱۱۳٫ [ Google Scholar ] [ CrossRef ]
- آواشیا، وی. Garg، A. پیامدهای انتقال استفاده از زمین و تغییرات آب و هوا بر سیل محلی در مناطق شهری: ارزیابی ۴۲ شهر هند. سیاست کاربری زمین ۲۰۲۰ ، ۹۵ ، ۱-۹٫ [ Google Scholar ] [ CrossRef ]
- سوشانتی، آی آر. ایمانسیاه، ن.اچ کاجیان پروباهان فیسیک اسپاسیال کاواسان شهری حاشیه دی ککاماتان آمپنان کوتا ماتارم. J. Planoearth ۲۰۱۸ ، ۳ ، ۴۴-۴۸٫ [ Google Scholar ] [ CrossRef ]
- لاتروپ، آر. لیزا، ا. جیمز، تی. بوگنار، جی. کاربرد ابزارهای وبگیس برای تجسم آسیب پذیری سیل ساحلی و برنامه ریزی برای تاب آوری: تجربه نیوجرسی. ISPRS Int. J. Geo Inf. ۲۰۱۴ ، ۳ ، ۴۰۸-۴۲۹٫ [ Google Scholar ] [ CrossRef ]
- خو، ی. Lu, Y. همجوشی وزنی تطبیقی: یک رویکرد ترکیبی جدید برای طبقهبندی تصویر. محاسبات عصبی ۲۰۱۵ ، ۱۶۸ ، ۵۶۶-۵۷۴ . [ Google Scholar ] [ CrossRef ]
- ترکان، ای. درلی، کارشناسی ارشد توسعه یک مدل تناسب زمین برای کشت مرکبات با استفاده از GIS و تکنیک های ارزیابی چند معیاره در استان آنتالیا ترکیه. Ecol. اندیک. ۲۰۲۰ ، ۱۱۷ ، ۱-۱۱٫ [ Google Scholar ] [ CrossRef ]
- Bagdanaviciute، I.; کلپسایت، ال. Soomere، T. رویکرد ارزیابی چند معیاره برای توسعه شاخص آسیبپذیری ساحلی در مناطق کم ارتفاع جزر و مدی. ساحل اقیانوس. مدیریت ۲۰۱۵ ، ۱۰۴ ، ۲۴-۱۳۵٫ [ Google Scholar ] [ CrossRef ]
- Kudláč، Š. Majercak، J. Štefancová، V. استفاده از روش Saaty و روش FMEA برای ارزیابی محدودیت ها در زنجیره لجستیک. Procedia Eng. ۲۰۱۹ , ۱۸۷ . [ Google Scholar ] [ CrossRef ]
- لیو، اف. Zou، SC; لی، کیو. استخراج اولویت ها از ماتریس های مقایسه زوجی با شاخص سازگاری جدید. Appl. ریاضی. محاسبه کنید. ۲۰۲۰ ، ۳۶۴ ، ۱-۱۵٫ [ Google Scholar ] [ CrossRef ]
- سوتریسنو، دی. ویندیاستوتی، آر. اکتاویانی، ن. رودیاستوتی، AW مطالعه امکان سنجی استاندارد طبقه بندی پوشش بستر دریا در تولید داده های جغرافیایی مرتبط. ژئو اسپات. Inf. علمی ۲۰۱۹ ، ۲۲ ، ۳۰۴–۳۱۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- چو، پی. لیو، JKH توجه به نسبت قوام. ریاضی. محاسبه کنید. مدل. ۲۰۰۲ ، ۳۵ ، ۱۰۷۷-۱۰۸۱٫ [ Google Scholar ] [ CrossRef ]
- لیو، اف. ژانگ، جی دبلیو. ژانگ، WG; Pedrycz, W. تصمیم گیری با مدل سازی متوالی فرآیند مقایسه زوجی. دانستن سیستم مبتنی بر ۲۰۲۰ ، ۱-۴۶٫ [ Google Scholar ] [ CrossRef ]
- هاریانی، NS Analisis Zona Potensi Rawan Banjir Menggunakan Data Penginderaan Jauh dan SIG di Kalimantan Timur. در مجموعه مقالات سمینار Nasional Penginderaan Jauh ke-4 Tahun 2017، جاکارتا، اندونزی، ۱۷ اکتبر ۲۰۱۷; LAPAN: Depok، اندونزی، ۲۰۱۷٫ [ Google Scholar ]
- روزییدی، آ بانجیر: فکتا دن دامپاکنیا سرتا پنگاروه دری پروباهان لحن. جی. پرنک. ویل. دان کوتا ۲۰۱۳ ، ۲۴ ، ۲۴۱-۲۴۹٫ [ Google Scholar ]
- ویسمارینی، تی دی. سیوکور، م پننتوان تینگکات کرنتانان بنجیر سکارا ژئوسپاسیال. جی. تکنول. Inf. دین ۲۰۱۸ ، ۲۰ ، ۵۷-۷۶٫ [ Google Scholar ]
- زی، دی. زو، QP; میگنون، آ. MacRae، JD سیل ساحلی ناشی از غلبه بر موج و سازگاری با افزایش سطح دریا در شمال شرقی ایالات متحده. ساحل. مهندس ۲۰۱۹ ، ۱۵۰ ، ۳۹–۵۸٫ [ Google Scholar ] [ CrossRef ]
- Bilskie، MV; هاگن، SC تعریف انتقال منطقه سیل در مناطق ساحلی کم شیب. ژئوفیز. Res. Lett. ۲۰۱۸ ، ۴۵ ، ۲۷۶۱-۲۷۷۰٫ [ Google Scholar ] [ CrossRef ]
- بورنانیا، اچ. بوحداده، ی. Guettouche، MS نقشهبرداری خطر سیل در منطقه شهری با استفاده از رویکرد هیدرو-ژئومورفولوژیکی: مطالعه موردی دشتهای آبرفتی Boumerzoug و Rhumel (Constantine City، NE الجزایر). جی افر. علوم زمین ۲۰۱۹ ، ۱۶۰ ، ۱-۸٫ [ Google Scholar ] [ CrossRef ]
- هو، LTK; Umitsu، M. طبقهبندی میکرو زمینفرم و ارزیابی خطر سیل دشت آبرفتی Thu Bon، ویتنام مرکزی از طریق یک روش یکپارچه با استفاده از دادههای سنجش از دور. Appl. Geogr. ۲۰۱۱ ، ۳۱ ، ۱۰۸۲-۱۰۹۳٫ [ Google Scholar ] [ CrossRef ]
- او، اچ. دی، اچ. قون، س. لی، ز. Yanrong، LA یک روش ارزیابی حساسیت زمین لغزش مبتنی بر فناوری GIS و یک روش محتوای اطلاعات وزندار AHP: مطالعه موردی جنوب آنهویی، چین. ISPRS Int. J. Geo Inf. ۲۰۱۹ ، ۸ ، ۲۶۶٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- دروبن، اس. Lisac، A. تجزیه و تحلیل تصمیم چند ویژگی در GIS: ترکیب خطی وزنی و میانگین وزنی مرتب. Informatica ۲۰۰۹ ، ۳۳ ، ۴۵۹-۴۷۵٫ [ Google Scholar ]
- سکوسکی، آی. دل ریو، ال. Armaroli، C. توسعه یک شاخص آسیب پذیری ساحلی با استفاده از فرآیند سلسله مراتبی تحلیلی و کاربرد در استان راونا (ایتالیا). ساحل اقیانوس. مدیریت ۲۰۱۹ ، ۱–۱۱٫ [ Google Scholar ] [ CrossRef ]
- کومبیر، ک. کاروالیو، آرسی وافیدیس، AT; Woodroffe، CD II در حال بررسی سیل ترکیب در یک مصب با استفاده از مدلسازی هیدرودینامیکی: مطالعه موردی از رودخانه شوالهاون، استرالیا. اوست نات. سیستم خطرات زمین. علمی ۲۰۱۸ ، ۱۸ ، ۴۶۳-۴۷۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- شن، ی. مرسی، م.م. هاکسلی، سی. تحویلداری، ن. ارزیابی خطر سیل گودال، JL و افزایش انعطافپذیری حوضههای شهری ساحلی تحت تأثیر ترکیبی جزر و مد طوفان و بارندگی شدید. جی هیدرول. ۲۰۱۹ ، ۱–۴۶٫ [ Google Scholar ] [ CrossRef ]
- Zhang، Y. یک چارچوب یکپارچه برای ارزیابی خطرات سیل مرکب برای زیرساخت های حیاتی وابسته به هم در یک محیط ساحلی. پایان نامه کارشناسی ارشد، برنامه تحصیلات تکمیلی در مهندسی عمران و محیط زیست، دانشگاه وسترن، لندن، ON، کانادا، ۲۰۱۹٫ [ Google Scholar ]
- لی، اس. کانگ، تی. سان، دی. پارک، JJ بهبود روش تجزیه و تحلیل سیل مرکب در نواحی ساحلی با پیوند دادن مدلهای شبیهسازی جریان سواحل و حوزه آبخیز. پایداری ۲۰۲۰ ، ۱۲ ، ۶۵۲۷٫ [ Google Scholar ] [ CrossRef ]
بدون دیدگاه