کلید واژه ها:
قرار گرفتن در معرض ; ساختمان ها ; مدل بیزی ؛ کاهش مقیاس ; OpenStreetMap ; میدان های حرکت زمین ; حساسیت ؛ زلزله ؛ آسیب پذیری ؛ خطر
۱٫ مقدمه
-
ارائه قابلیتهای یکپارچهسازی یک مجموعه داده آزادانه در دسترس جمعآوریشده از VGI (بدون نیاز به بازرسی ساختمانهای فردی) برای استخراج یک مدل احتمالی قرار گرفتن در معرض برای ساختمانهای مسکونی در Valparaíso و Viña del Mar (شیلی)، بر اساس منطقه ردپای ساختمان استنباطشده برای گونهشناسی خاص.
-
این رویکرد علاوه بر توصیف بهتر ترکیب ساختمان، نمایش فضایی آن را با کاهش مقیاس یک مدل نوردهی موجود درشتتر روی شبکههای معمولی با وضوح بالاتر بهبود بخشیده است. سپس، یک سناریوی زلزله بزرگ را می توان تعریف کرد و مجموعه ای مرتبط از میدان های حرکت لرزه ای کامل زمین را از طریق تغییرات برخی از پارامترهای محرک آن ساخت.
-
از مجموعه قبلی حرکات groung به همراه سه مدل نوردهی به عنوان ورودی برای محاسبه مستقل خسارات اقتصادی مستقیمی که از سبد ساختمانی در معرض چنین سناریویی در بدترین حالت زلزله انتظار می رود، استفاده کنید. این ارزیابی آسیبپذیری به ما اجازه میدهد تا عدم قطعیتهای تعبیهشده در مدلهای نوردهی را با توجه به پارامترهای مورد استفاده برای محدود کردن حرکات زمین لرزهای منتشر و مقایسه کنیم.
۲٫ زمینه منطقه مطالعه
۳٫ مواد و روشها
۳٫۱٫ تحدید محدوده شهری و برخی ویژگی های اولیه
۳٫۲٫ ایجاد مدلهای مواجهه و آسیبپذیری برای والپارایسو
۳٫۲٫۱٫ مدل اولیه قرار گرفتن در معرض SARA مبتنی بر کمون با کلاس های ادغام شده
-
ما کلاس “UNK” (ناشناخته) را در نظر نگرفتیم زیرا فاقد ویژگی های قابل مشاهده بود. نسبت آن (~ ۱۰٪) به طبقات دیگر توزیع شد.
-
ما پنج جفت کلاس را در یک نوع شناسی محصور کلی تری با هم ترکیب کردیم که توصیف طبقه بندی مشابهی داشت و فقط در محدوده طبقه آنها متفاوت بود. اینها ER-ETR-H1 در ER-ETR-H1-2، MCF-DNO-H1 در MCF-DNO-H1-3، MUR-ADO-H1 در MUR-ADO-H1-2، W-WLI-H1 در داخل بودند. W-WLI-H1-3، و W-WS-H1 در W-WS-H1-2.
۳٫۲٫۲٫ مدل مقدماتی: کاهش مقیاس ساده با استفاده از تفکیک فضایی جمعیت
۳٫۲٫۳٫ داده های جانبی موجود برای Valparaíso
OpenStreetMap (OSM)
گردآوری داده ها از ویژگی های طبقه بندی در والپارایسو و طبقه بندی ساختمان
۳٫۲٫۴٫ مدل قرار گرفتن در معرض بیزی برای والپارایسو
۳٫۲٫۵٫ مقایسه مدلهای نوردهی موجود برای والپارایسو
-
مدل اول ( بخش ۳٫۲٫۱ ) کاملاً شبیه مدل اصلی SARA است، زیرا بازنمایی فضایی خود را بر روی واحدهای اداری حفظ می کند. ترکیب آن از ترکیب طبقات مشابه از نظر ارتفاع تشکیل شده است.
-
مدل دوم (مدل اولیه کوچک شده، بخش ۳٫۲٫۲ ) تفکیک فضایی اولی را بر روی وضوح بالاتر سلول های شبکه منظم (۵۰۰ متر × ۵۰۰ متر) تشکیل می دهد. تعداد کل ساختمان ها با تفکیک جمعیت در سطح بلوک از سرشماری رسمی شیلی در سال ۲۰۱۷ برآورد شد.
۳٫۳٫ ایجاد میدان های حرکتی زمین لرزه ای برای سناریوی زلزله
۳٫۳٫۱٫ معادله پیش بینی حرکت زمین (GMPE)
-
غفرانی و اتکینسونم، (۲۰۱۴) [ ۹۰ ];
-
آبراهامسون و همکاران (۲۰۱۵) [ ۹۱ ] (مدل “BC Hydro”);
-
مونتالوا و همکاران (۲۰۱۷) [ ۹۲ ]، که GMPE سابق را به شیلی کالیبره کرد ( شکل ۱۲ ).
۳٫۳٫۲٫ اصطلاح سایت (توزیع فضایی در مقابل ۳۰ )
-
با فرض در مقابل ۳۰ مقادیر ۶۰۰ متر بر ثانیه به طور یکنواخت در سراسر منطقه مورد مطالعه توزیع شده است. این امر حضور یک سنگ هوازدگی نسبتاً همگن با مقادیر مشابه فرض شده برای سنگهای بستر دریا را تقلید می کند ( شکل ۱۳ a).
-
برگرفته از پروکسی شیب همانطور که توسط USGS [ ۹۴ ] پیشنهاد شده است ( شکل ۱۳ ب).
-
ترکیب بین مدل قبلی و در صورت موجود بودن، مقادیر به دست آمده از یک ریزپهنه بندی لرزه ای محلی گزارش شده در [ ۹۵ ] ( شکل ۱۳ ج).
۳٫۳٫۳٫ مدل همبستگی فضایی
-
فیلدهای حرکت زمین نامرتبط ( شکل ۱۴ الف).
-
یک مدل همبستگی فضایی (جایارام و بیکر (۲۰۰۹)) [ ۹۷ ] ( شکل ۱۴ b-d).
-
مدل همبستگی متقابل پیشنهاد شده توسط مارکویدا و همکاران. (۲۰۱۸) [ ۹۸ ] ( شکل ۱۴ e–g). این زمانی مفید است که معیارهای شدت مختلف (IM)، مانند شتاب های طیفی در دوره های مختلف، توسط مجموعه توابع شکنندگی استفاده شود.
۴٫ تحلیل های حساسیت ارزیابی ریسک لرزه ای مبتنی بر سناریو
۵٫ بحث
۶٫ نتیجه گیری
ضمیمه الف. تحدید فضایی محدوده شهری و منابع داده های موجود برای مدل سازی مواجهه ساختمان
ضمیمه B. مفروضات دنبال شده در مدل اولیه برای به دست آوردن تعداد ساختمان ها از جمعیت و مناطق ردپای در هر گونه شناسی
پیتور و همکاران (۲۰۲۰) [ ۳۹ ] با استفاده از معادله (A2) برای بدست آوردن تعداد ساختمانهای متعلق به هر کلاس در هر ژئوسلول پیشنهاد کرد:
جایی که و به ترتیب کل جمعیت و تعداد کل ساختمانها در ژئوسل هستند، ، ، و تعداد ساختمان ها در هر گونه شناسی هستند ، نسبت آنها در هر ساختمان، و ساکنان شبانه، به ترتیب، و در حال حاضر شامل نسبت مسکن به ساختمان است.
پیوست ج. گردآوری دادههای ویژگیهای ساختمان در والپارایسو و طبقهبندی آنها
برای طبقه بندی نمونه ساختمان بررسی شده، از روش پیشنهادی در [ ۳۳ ] پیروی کردیم. یک مقدار ویژگی متعلق به توضیحات طبقه بندی است از ساختمان در نظر گرفته شده ، و نمره فازی است که سطح سازگاری مقادیر ویژگی را اندازه گیری می کند با توجه به یک کلاس معین در طرحواره مرجع برای هر ارزش دسته که نوع ویژگی می توانید. مجموعهای از اعداد فازی مثلثی (TFN) که شامل هفت سطح افزایش سازگاری از «- – -»، «–»، «-»، «+»، «+ +»، و «+ + +» هستند، از طریق استنباط تخصصی هر در طرحواره وزن مرتبطی داشت (یعنی یک عدد واضح (غیر فازی)) که انواع ویژگی های مختلف را در طرح محلی رتبه بندی و ادغام می کند:
ضمیمه D. مروری کلی بر رویکرد مدلسازی مواجهه احتمالی
مانند هر روش بیزی، ما یک توزیع پسین به دست آوردیم که ترکیب سهام ساختمان را بر اساس پیکربندی توزیع های قبلی و احتمالی نشان می دهد. مدل مواجهه احتمالی برای سهام ساختمان های مسکونی والپارایسو بر اساس ردپای ساختمان OSM با این رابطه ارائه می شود:
جایی که توزیع خلفی مدل ارائه شده توسط ردپای ساختمان OSM است، تابع احتمال است، توزیع قبلی است و داده های قابل مشاهده است.
بیایید در نظر بگیریم و انواع ساختمان مشاهده می شود، که در آن تعداد ساختمان ها در هر گونه شناسی است i. سهام ساختمان را می توان به k دسته یا نوع شناسی طبقه بندی کرد که فرکانس آنها با یک نسبت نمایش داده می شود. و . یک مدل نمونه گیری چند جمله ای فرض می شود که احتمال مشاهده n را بسته به θ نشان می دهد:
از آنجایی که نسبت واقعی ناشناخته است، متغیرهای تصادفی هستند، که در آن فرض می شود که تابع توزیع احتمال را به شکل توزیع دیریکله دنبال می کنند:
توزیع دیریکله توسط بردار α پارامتر می شود و دارای همان تعداد عناصر (k) با پارامتر چند جمله ای θ است. بنابراین، P(θ∣α) تفسیر این سوال است که “تابع توزیع احتمال در یک توزیع چند جمله ای θ با پارامتر توزیع دیریکله α چیست.” در نتیجه، می توان تعیین کرد که چگونه Dir(α) بر روی مقادیر θ برای مقدار معین α تغییر می کند. با قضیه بیز، و از آنجایی که دیریکله قبلی مزدوج قبل از احتمال چندجمله ای است، توزیع احتمال پسین همچنین توزیع دیریکله است که با احتمال تعریف می شود و قبل :
از آنجایی که هر دو چند جمله ای و دیریکله توزیع های مزدوج هستند، توزیع های قبلی و پسین هر دو توزیع دیریکله هستند که تنها با مشارکت تجربی داده های مشاهده شده متفاوت هستند، که با ادغام مقادیر مساحت ردپای OSM مطابقت دارد. بنابراین، ما فرض کردیم که مشاهده ردپای ساختمان OSM را می توان از طریق یک نمونه برداری چند جمله ای (معادله (A4)) مشخص کرد که، هنگامی که با ترکیب قبلی که از توزیع دیریکله (معادله (A5)) تکمیل می شود، می تواند با هم قسمت خلفی را مشخص کند. توزیع از آنجایی که دیریکله و چند جمله ای توزیع های مزدوج هستند، هر دو توزیع قبلی و پسین از توزیع دیریکله پیروی کردند. برای اعمال قضیه بیز، میانگین مساحت ردپای در هر سلول شبکه برای ساخت تابع درستنمایی P (مدل ردپای ساختمان) از معادله (A3) استفاده شد. ما تابع مدل ردپای میانگین را همانطور که در معادله (A7) بیان شده است، تعریف کردیم:
جایی که تعداد کل ساختمان ها در ژئوسل ها است، نسبت ساختمان ها در هر گونه شناسی است و مساحت ردپای هر نوع ساختمان است. از عبارت قبلی، معادله (A8) را می توان به دست آورد:
این تابع درستنمایی به عنوان تابع مشترک بین داده های قابل مشاهده و مدل استفاده شد. احتمال به دست آوردن میانگین مساحت ردپای مشاهده شده در ژئوسلول ها در ناحیه میانگین ردپای محاسبه شده را محاسبه کرد. این معادل محاسبه بود معادله ماکزیمم شده (A3) که توسط معادله (A9) به دست می آید:
با توجه به فرض استفاده از یک پیشین غیر اطلاعاتی، توزیع پسین متناسب با یک تخمین حداکثر احتمال خواهد بود [ ۱۱۷ ]. از این رو، توزیع پسین مدل با برآورد حداکثر درستنمایی مطابقت دارد که توسط
جایی که argmax تمام شد را برمی گرداند مقداری که توابع قضیه بیز را به حداکثر می رساند. این با پرسیدن این سوال مطابقت دارد که “چقدر احتمال دارد که میانگین مساحت ردپا (از سلول ژئوسل) را با توجه به مدل ساختمان های کم ارتفاع مشاهده کنیم؟” فرآیند به حداکثر رساندن تابع درستنمایی تعیین میکند که مساحت ردپای میانگین تحت مقادیر مختلف θ چقدر محتمل است. بنابراین، θ بردار با مقادیر ۰ تا ۱ است. مقدار θ زمانی انتخاب شد که احتمال به حداکثر رسید. شکل A8 نمونه ای از این روش را نشان می دهد. برای مثال، همانطور که توسط [ ۵۰ ] توضیح داده شد، میتوانیم بپرسیم «احتمال یافتن دادههای مشاهدهشده با میانگین ردپای ۸۱ متر مربع ( مقدار متوسط در شکل A8 a) در مدل دادهشده چقدر است؟» از شکل A8ب، می توان مشاهده کرد که هنگامی که عبارت احتمال برای آن مقدار حل شد، در ۹۴٪ حداکثر شد. این مقدار مساحت در نوع ساختمانهای کممرتبه بود که ارزش انتخاب شده برای چنین طبقهای بود. بنابراین، درصدهای انتخاب شده برای همه ساختمانهای مشاهدهشده، همانهایی بودند که تابع درستنمایی برای آنها، همانطور که توسط معادله (A10) تعریف شد، به حداکثر رسید.
منابع
- UNISDR. اصطلاحات UNISDR در مورد کاهش خطر بلایا، استراتژی بین المللی سازمان ملل برای کاهش بلایا ؛ UNISDR-20-2009: ژنو، سوئیس، ۲۰۰۹٫ [ Google Scholar ]
- Calvi، GM; پینهو، آر. مگنز، جی. کراولی، اچ. بومر، جی جی. Restrepo-Velez، LF توسعه روشهای ارزیابی آسیبپذیری لرزهای در ۳۰ سال گذشته. ISET J. Earthq. تکنولوژی ۲۰۰۶ ، ۴۳ ، ۷۵-۱۰۴٫ [ Google Scholar ]
- کراولی، اچ. Bommer، JJ مدل سازی خطر لرزه ای در مدل های تلفات زلزله با قرار گرفتن در معرض فضایی توزیع شده. گاو نر زمین مهندس ۲۰۰۶ ، ۴ ، ۲۷۵٫ [ Google Scholar ] [ CrossRef ]
- کراولی، اچ. ارزیابی خطر زلزله: کاستی های فعلی و جهت گیری های آینده. در دیدگاه های مهندسی زلزله و زلزله شناسی اروپا: جلد ۱ ; انسال، ع.، ویرایش. انتشارات بین المللی Springer: چم، سوئیس، ۲۰۱۴; صص ۵۱۵-۵۳۲٫ شابک ۹۷۸-۳-۳۱۹-۰۷۱۱۸-۳٫ [ Google Scholar ]
- کوربن، سی. هانسیلار، یو. ارلیش، دی. De Groeve, T. ارزیابی خطر لرزه ای پان اروپایی: اثبات مفهوم با استفاده از روال تخمین تلفات زلزله (ELER). گاو نر زمین مهندس ۲۰۱۷ ، ۱۵ ، ۱۰۵۷-۱۰۸۳٫ [ Google Scholar ] [ CrossRef ]
- سیلوا، وی. آکار، س. بیکر، جی. بازورو، پ. کاسترو، جی.ام. کراولی، اچ. دولسک، ام. گالاسو، سی. لاگومارسینو، اس. مونتیرو، آر. و همکاران چالشهای فعلی و روندهای آینده در مدلسازی شکنندگی تحلیلی و آسیبپذیری زمین Spectra ۲۰۱۹ ، ۳۵ ، ۱۹۲۷-۱۹۵۲٫ [ Google Scholar ] [ CrossRef ]
- هاس، ام. نسبت به ریسک لرزهای وابسته به زمان و حالت در مقیاسهای شهری. دکتری پایان نامه، der Technischen Universität Berlin، برلین، آلمان، ۲۰۱۸٫ [ Google Scholar ]
- مارتینز، ال. Silva, V. توسعه یک مدل شکنندگی و آسیب پذیری برای تجزیه و تحلیل خطر زلزله جهانی. گاو نر زمین مهندس ۲۰۲۰ . [ Google Scholar ] [ CrossRef ]
- جیسوال، ک. والد، دی. پورتر، ک. فهرست جهانی ساختمان برای برآورد تلفات زلزله و مدیریت ریسک. زمین Spectra ۲۰۱۰ , ۲۶ , ۷۳۱-۷۴۸٫ [ Google Scholar ] [ CrossRef ]
- گوناسکرا، ر. ایشیزاوا، او. اوبرشت، سی. بلانکسپور، بی. موری، اس. پومونیس، ا. دانیل، جی. توسعه یک مدل مواجهه جهانی تطبیقی برای پشتیبانی از تولید پروفایلهای خطر بلایای کشور. Earth-Sci. Rev. ۲۰۱۵ , ۱۵۰ , ۵۹۴-۶۰۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- سیلوا، وی. آمو اودورو، دی. کالدرون، آ. کاستا، سی. دابیک، جی. دسپوتاکی، وی. مارتینز، ال. پاگانی، م. رائو، آ. سیمیوناتو، م. و همکاران توسعه یک مدل ریسک لرزه ای جهانی زمین Spectra ۲۰۲۰ , ۳۶ , ۳۷۲-۳۹۴٫ [ Google Scholar ] [ CrossRef ]
- رائو، آ. دوتا، دی. کالیتا، پ. آکرلی، ن. سیلوا، وی. راغوندان، م. گوش، ج. قوش، س. برژف، اس. Dasgupta، K. ارزیابی خطر لرزه ای احتمالی هند. زمین Spectra ۲۰۲۰ , ۳۶ , ۳۴۵-۳۷۱٫ [ Google Scholar ] [ CrossRef ]
- کراولی، اچ. دسپوتاکی، وی. رودریگز، دی. سیلوا، وی. توما-دانیلا، دی. ریگا، ای. کاراتزتزو، ا. فتوپولو، س. زوگیچ، ز. سوزا، ال. و همکاران مدل مواجهه برای ارزیابی ریسک لرزه ای اروپا زمین Spectra ۲۰۲۰ , ۳۶ , ۲۵۲-۲۷۳٫ [ Google Scholar ] [ CrossRef ]
- ما، جی. رائو، آ. سیلوا، وی. لیو، ک. وانگ، ام. یک مدل نوردهی در سطح شهرک از ساختمانهای مسکونی برای سرزمین اصلی چین. نات. خطرات ۲۰۲۱ ، ۱۰۸ ، ۳۸۹-۴۲۳٫ [ Google Scholar ] [ CrossRef ]
- شین، دی. دانیل، جی. Tsang، H.-H.; Wenzel، F. مدلسازی انبار ساختمانهای مسکونی برای سرزمین اصلی چین برای ارزیابی خطر لرزهای. نات. سیستم خطرات زمین. علمی ۲۰۲۱ ، ۲۱ ، ۳۰۳۱-۳۰۵۶٫ [ Google Scholar ] [ CrossRef ]
- ریورا، اف. روزتو، تی. Twigg, J. یک مطالعه بین رشته ای از دینامیک قرار گرفتن در معرض لرزه ای سانتیاگو دو شیلی. بین المللی J. کاهش خطر بلایا. ۲۰۲۰ , ۴۸ , ۱۰۱۵۸۱٫ [ Google Scholar ] [ CrossRef ]
- کالدرون، آ. Silva، V. پیشبینی قرار گرفتن در معرض برای تخمین خطر لرزهای: کاربرد در کاستاریکا. زمین Spectra ۲۰۲۱ ، ۳۷ ، ۱۸۰۶-۱۸۲۶٫ [ Google Scholar ] [ CrossRef ]
- Yepes-Estrada، C.; سیلوا، وی. والکارسل، جی. Acevedo، AB; تارک، ن. Hube، MA; کورنل، جی. ماریا، HS مدل سازی موجودی ساختمان های مسکونی در آمریکای جنوبی برای ارزیابی خطر لرزه ای. زمین Spectra ۲۰۱۷ ، ۳۳ ، ۲۹۹-۳۲۲٫ [ Google Scholar ] [ CrossRef ]
- دابیک، جی. کراولی، اچ. سیلوا، وی. ودریل، جی. پل، ن. Nievas، CI تأثیر تفکیک مکانی قرار گرفتن بر برآورد تلفات لرزه ای در پرتفوی های منطقه ای. گاو نر زمین مهندس ۲۰۲۱ ، ۱۹ ، ۵۸۱۹-۵۸۴۱٫ [ Google Scholar ] [ CrossRef ]
- ویلند، ام. Pittore, M. یک پایگاه داده مکانی-زمانی قرار گرفتن در معرض ساختمان و راه حل مدیریت چرخه زندگی اطلاعات. ISPRS Int. J. Geo-Inf. ۲۰۱۷ ، ۶ ، ۱۱۴٫ [ Google Scholar ] [ CrossRef ]
- لاگومارسینو، اس. مدلهای مکانیکی و ماکروزهای برای ارزیابی آسیبپذیری و آسیب ساختمانهای فعلی Giovinazzi، S. گاو نر زمین مهندس ۲۰۰۶ ، ۴ ، ۴۱۵-۴۴۳٫ [ Google Scholar ] [ CrossRef ]
- ویلند، ام. پیتور، ام. پارولای، س. Zschau، J. مولدوبکوف، بی. بگالیف، U. برآورد موجودی ساختمان برای ارزیابی سریع آسیبپذیری لرزهای: به سوی یک رویکرد یکپارچه مبتنی بر تصویربرداری چند منبع. خاک دین. زمین مهندس ۲۰۱۲ ، ۳۶ ، ۷۰-۸۳٫ [ Google Scholar ] [ CrossRef ]
- ریدل، آی. Guéguen، P. دالا مورا، م. پاتیر، ای. لدوچ، تی. Chanussot, J. ارزیابی آسیبپذیری لرزهای محیطهای شهری در مناطق با خطر لرزهای متوسط تا کم با استفاده از روشهای یادگیری قانون انجمن و روشهای ماشین بردار پشتیبان. نات. خطرات ۲۰۱۵ ، ۷۶ ، ۱۱۱۱-۱۱۴۱٫ [ Google Scholar ] [ CrossRef ]
- لیوزی، م. آراونا پلیزاری، پ. گیس، سی. مسی، ع. تراموتولی، وی. Taubenböck، H. یک رویکرد سنجش از دور قابل انتقال برای طبقهبندی انواع سازههای ساختمان برای تجزیه و تحلیل خطر لرزهای: مورد منطقه val d’agri (ایتالیا). گاو نر زمین مهندس ۲۰۱۹ ، ۱۷ ، ۴۸۲۵–۴۸۵۳٫ [ Google Scholar ] [ CrossRef ]
- تورس، ی. Arranz، JJ; Gaspar-Escribano، JM; حقی، ع. مارتینز-کوواس، اس. بنیتو، بی. Ojeda، JC ادغام LiDAR و تصاویر چند طیفی برای قرار گرفتن در معرض سریع و برآورد آسیب پذیری زلزله. برنامه در لورکا، اسپانیا. بین المللی J. Appl. زمین Obs. Geoinf. ۲۰۱۹ ، ۸۱ ، ۱۶۱-۱۷۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- آراونا پلیزاری، پ. گیس، سی. آگیره، پی. ماریا، اچ اس. پنیا، YM; Taubenböck، H. خصوصیات خودکار ساختمان برای ارزیابی خطر لرزه ای با استفاده از تصاویر سطح خیابان و یادگیری عمیق. ISPRS J. Photogramm. Remote Sens. ۲۰۲۱ , ۱۸۰ , ۳۷۰–۳۸۶٫ [ Google Scholar ] [ CrossRef ]
- Rueda-Plata، D.; گونزالس، دی. Acevedo، AB; دوک، جی سی. Ramos-Pollán، R. استفاده از مدل های یادگیری عمیق در تصاویر سطح خیابان برای طبقه بندی ساختمان های بنایی تقویت نشده یک طبقه بر اساس دیافراگم سقف. ساختن. محیط زیست ۲۰۲۱ ، ۱۸۹ ، ۱۰۷۵۱۷٫ [ Google Scholar ] [ CrossRef ]
- گیس، سی. توما، م. پیتور، ام. ویلند، ام. Dech، SW; Taubenbock، H. یادگیری فعال چند وظیفه ای برای توصیف محیط های ساخته شده با داده های رصد زمین چندحسگر. IEEE J. Sel. بالا. Appl. زمین Obs. Remote Sens. ۲۰۱۷ , ۱۰ , ۵۵۸۳–۵۵۹۷٫ [ Google Scholar ] [ CrossRef ]
- زفریر، ر. پیتور، ام. گومز-زاپاتا، جی سی. آراونا، پ. کاهش مقیاس بیزی مدل های نوردهی ساختمان با سنجش از دور و اطلاعات جانبی. در مجموعه مقالات کنفرانس مجمع عمومی EGU، آنلاین. ۴–۸ مه ۲۰۲۰؛ پ. ۱۸۲۴۰٫ [ Google Scholar ]
- گیس، سی. آراونا پلیزاری، پ. پریزمیر، پی. کالدرون، ARS؛ شوپفر، ای. لانگبین، ام. ریدلینگر، تی. سانتا ماریا، اچ. گومز زاپاتا، جی سی. پیتور، ام. و همکاران تکنیکهای رصد زمین برای تفکیک فضایی دادههای نوردهی در مجموعه مقالات کنفرانس مجمع عمومی EGU، آنلاین. ۱۹–۳۰ آوریل ۲۰۲۱؛ پ. EGU21-8574. [ Google Scholar ]
- پیتور، ام. ویلند، ام. اریز، ام. کاریپتاس، سی. Güngör، I. بهبود مدیریت خسارت بیمه پس از زلزله: یک رویکرد جدید برای اولویت بندی جمع آوری داده های مکانی. ISPRS Int. J. Geo-Inf. ۲۰۱۵ ، ۴ ، ۲۴۰۱-۲۴۲۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- پیتور، ام. ویلند، ام. Fleming، K. دیدگاههای مدلسازی مواجهه پویا جهانی برای ارزیابی ریسک جغرافیایی. نات. خطرات ۲۰۱۷ ، ۸۶ ، ۷-۳۰٫ [ Google Scholar ] [ CrossRef ]
- برژف، اس. اسکاتور، سی. چارلسون، AW; آلن، ال. گرین، ام. جیسوال، ک. Silva, V. GEM Building Taxonomy نسخه ۲٫۰ ; بنیاد GEM: پاویا، ایتالیا، ۲۰۱۳٫ [ Google Scholar ]
- پیتور، ام. هاس، م. Megalooikonomou، KG ریسک گرا، مدل سازی از پایین به بالا پورتفولیوهای ساختمان با طبقه بندی وجهی. جلو. محیط ساخته شده ۲۰۱۸ ، ۴ ، ۴۱٫ [ Google Scholar ] [ CrossRef ]
- نیکودمو، جی. پیتور، ام. مسی، ع. مانفردی، وی. مدلسازی قرار گرفتن در معرض و آسیبپذیری از دادههای بررسی پس از زلزله با طبقهبندی ریسکگرا: فرم AeDES، طبقهبندی GEM و گونهشناسی EMS-98. بین المللی J. کاهش خطر بلایا. ۲۰۲۰ , ۵۰ , ۱۰۱۸۹۴٫ [ Google Scholar ] [ CrossRef ]
- شینده، س. گومز-زاپاتا، جی سی. پیتور، ام. آرویو، او. مرینو-پنا، ی. آگیره، پی. سانتا ماریا، اچ. توسعه مدلهای قرار گرفتن در معرض چند خطر از مشاهدات ساختمانهای فردی برای اهداف ارزیابی چند خطر. در مجموعه مقالات کنفرانس مجمع عمومی EGU، آنلاین. ۴–۸ مه ۲۰۲۰؛ پ. ۱۱۷۱۹٫ [ Google Scholar ]
- پولس، م. d’Aragona, MG; پروتا، الف. رویکرد ساده شده برای موجودی ساختمان و ارزیابی آسیب لرزه ای در مقیاس سرزمینی: یک برنامه کاربردی برای یک شهر در جنوب ایتالیا. خاک دین. زمین مهندس ۲۰۱۹ ، ۱۲۱ ، ۴۰۵-۴۲۰٫ [ Google Scholar ] [ CrossRef ]
- کچیدی، س. کاسترو، جی.ام. مونتیرو، آر. مارکز، ام. یلز، ک. بوراهلا، ن. Hamdache، M. توسعه مجموعه داده های مواجهه برای آسیب زلزله و مدل سازی خطر: مطالعه موردی شمال الجزایر. گاو نر زمین مهندس ۲۰۲۱ ، ۱۹ ، ۵۲۵۳-۵۲۸۳٫ [ Google Scholar ] [ CrossRef ]
- توچی، جی. پولس، م. دی لودویکو، م. پروتا، الف. مدلهای نوردهی مبتنی بر منطقهای برای در نظر گرفتن گونهشناسی ساختمانهای محلی. گاو نر زمین مهندس ۲۰۲۱ ، ۲۰ ، ۱۹۳-۲۲۸٫ [ Google Scholar ] [ CrossRef ]
- پیتور، ام. هاس، م. Silva، V. مدلسازی احتمالی با وضوح متغیر از قرار گرفتن در معرض مسکونی و آسیبپذیری برای کاربردهای ریسک. زمین Spectra ۲۰۲۰ , ۳۶ , ۳۲۱-۳۴۴٫ [ Google Scholar ] [ CrossRef ]
- هچت، ر. کونز، سی. Hahmann, S. اندازه گیری کامل بودن ردپای ساختمان در نقشه خیابان باز در مکان و زمان. ISPRS Int. J. Geo-Inf. ۲۰۱۳ ، ۲ ، ۱۰۶۶-۱۰۹۱٫ [ Google Scholar ] [ CrossRef ]
- وانگ، اس. ژو، Q. Tian, Y. درک کامل بودن و الگوهای تنوع مجموعه داده استفاده از زمین و پوشش زمین مبتنی بر OSM در چین. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۵۳۱٫ [ Google Scholar ] [ CrossRef ]
- فلدمایر، دی. میش، سی. ساتر، اچ. Birkmann, J. استفاده از داده های OpenStreetMap و یادگیری ماشینی برای تولید شاخص های اجتماعی-اقتصادی. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۴۹۸٫ [ Google Scholar ] [ CrossRef ]
- سوزا، ال. سیلوا، وی. Bazzurro، P. استفاده از داده های دسترسی باز در توسعه مجموعه داده های مواجهه ساختمان های صنعتی برای مدل سازی خطر زلزله. زمین Spectra ۲۰۱۷ ، ۳۳ ، ۶۳-۸۴٫ [ Google Scholar ] [ CrossRef ]
- تومورباتور، ز. میورا، اچ. Tsamba، T. توسعه داده های موجودی ساختمان در اولان باتور، مغولستان برای برآورد تلفات لرزه ای. ISPRS Int. J. Geo-Inf. ۲۰۲۲ ، ۱۱ ، ۲۶٫ [ Google Scholar ] [ CrossRef ]
- نیواس، CI; پیلز، ام. پرهن، ک. شورلمر، دی. ودریل، جی. Cotton, F. محاسبه خسارت زلزله بر اساس ساختمان: مورد شهر کلن، آلمان. گاو نر زمین مهندس ۲۰۲۲ . [ Google Scholar ] [ CrossRef ]
- فیگوایردو، آر. مارتینا، ام. استفاده از داده های ساختمان باز در توسعه مجموعه داده های مواجهه برای مدل سازی ریسک فاجعه. نات. سیستم خطرات زمین. علمی ۲۰۱۶ ، ۱۶ ، ۴۱۷-۴۲۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- سرری، ام. اشتاینهاوزن، ام. کرایبیچ، اچ. Schröter, K. آیا داده های ساختمان OpenStreetMap برای مدل سازی آسیب پذیری سیل مفید هستند؟ نات. سیستم خطرات زمین. علمی ۲۰۲۱ ، ۲۱ ، ۶۴۳-۶۶۲٫ [ Google Scholar ] [ CrossRef ]
- سومان، س. بیوکز، ا. ندرهود، سی. مارکیو، ن. Bettencourt، LMA شناسایی سکونتگاههای غیررسمی در سراسر جهان از طریق تجزیه و تحلیل توپولوژیکی نقشههای دیجیتال جمعسپاری شده. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۶۸۵٫ [ Google Scholar ] [ CrossRef ]
- شورلمر، دی. بیوتین، تی. پنبه، اف. گارسیا اوسپینا، ن. هیراتا، ن. ما، ک.-ف. نیواس، سی. پرهن، ک. Wyss، M. قرار گرفتن در معرض پویای جهانی و نقشه OpenBuilding-یک رویکرد دادههای بزرگ و جمعسپاری برای مدلسازی مواجهه. در مجموعه مقالات کنفرانس مجمع عمومی EGU، آنلاین. ۴–۸ مه ۲۰۲۰؛ پ. ۱۸۹۲۰٫ [ Google Scholar ]
- زفریر، آر. مدلهای مواجهه ساختمانی کاهش مقیاس: رویکرد احتمالی با استفاده از محصولات سنجش از دور و اطلاعات کمکی منبع باز . دانشگاه علوم کاربردی فناوری اشتوتگارت (Hochschule für Technik Stuttgart—HFT Stuttgart): اشتوتگارت، آلمان، ۲۰۲۰٫ [ Google Scholar ]
- INE. پایه Cartográfica Censal. Alcances y Consideraciones Para el Usuario ; Departamento de Demografía y Censos, Instituto Nacional de Estadísticas: سانتیاگو، شیلی، ۲۰۱۸٫ [ Google Scholar ]
- گومز-زاپاتا، جی سی. پیتور، ام. پنبه، اف. لیلینکمپ، اچ. سیمانتینی، س. آگیره، پی. هرنان، SM عدم قطعیت معرفتی ترکیبهای احتمالی قرار گرفتن در معرض ساختمان در مدلهای تلفات زلزله مبتنی بر سناریو. گاو نر زمین مهندس ۲۰۲۲ . [ Google Scholar ] [ CrossRef ]
- کارواخال، ام. سیسترناس، م. کاتالان، PA منبع زلزله ۱۷۳۰ شیلی از سوابق تاریخی: پیامدها برای خطر سونامی آینده در سواحل کلان شهر شیلی. جی. ژئوفیس. Res. زمین جامد ۲۰۱۷ ، ۱۲۲ ، ۳۶۴۸–۳۶۶۰٫ [ Google Scholar ] [ CrossRef ]
- Montessus de Ballore, F. Historia sísmica de los Andes Meridionales al sur del paralelo XVI, Cuarta Parte ; Imprenta Cervantes: سانتیاگو، شیلی، ۱۹۱۴٫ [ Google Scholar ]
- ایندیرلی، م. رازافیندراکوتو، اچ. رومانلی، اف. پوگلیسی، سی. لانزونی، ال. میلانی، ای. مناری، م. ارزیابی آپابلازا، اس. خطر در والپارایسو: پروژه MAR VASTO. Pure Appl. ژئوفیز. ۲۰۱۱ ، ۱۶۸ ، ۵۴۳-۵۸۲٫ [ Google Scholar ] [ CrossRef ]
- کنت، دی. آیزنبرگ، آ. لورکا، ای. پاردو، م. پونس، ال. ساراگونی، ر. سینگ، SK; Suarez, G. زلزله ۱۹۸۵ شیلی مرکزی: تکرار زلزله های بزرگ قبلی در منطقه؟ Science ۱۹۸۶ , ۲۳۳ , ۴۴۹٫ [ Google Scholar ] [ CrossRef ]
- de la Llera، JC; ریورا، اف. میترانی رایزر، ج. جونمان، آر. فورتونو، سی. ریوس، ام. هیوب، ام. سانتا ماریا، اچ. Cienfuegos, R. جمع آوری داده ها پس از زلزله ۲۰۱۰ Maule در شیلی. گاو نر زمین مهندس ۲۰۱۷ ، ۱۵ ، ۵۵۵-۵۸۸٫ [ Google Scholar ] [ CrossRef ]
- گومز زاپاتا، م. جیمنز مارتینز، م. Romero-Jarén, R. بازار کار در برابر بلایای طبیعی چقدر انعطاف پذیر است؟ ارزیابی اثرات زمین لرزه سال ۲۰۱۰ در شیلی. نات. خطرات ۲۰۲۰ ، ۱۰۴ ، ۱۴۸۱-۱۵۳۳٫ [ Google Scholar ] [ CrossRef ]
- Nealy، JL; هرمان، مگاوات؛ مور، جی ال. هیز، GP; بنز، اچ ام. برگمن، EA; بارینتوس، SE 2017 توالی زمین لرزه والپارایسو و تکه تکه تکهای بزرگ در مرکز شیلی. ژئوفیز. Res. Lett. ۲۰۱۷ ، ۴۴ ، ۸۸۶۵-۸۸۷۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- جیمنز، بی. پلا، ال. Hurtado, M. فرم های بررسی ساختمان برای مناطق شهری ناهمگن در مناطق لرزه ای خطرناک. برنامه برای مرکز تاریخی والپارایسو، شیلی. بین المللی J. Arch. میراث. ۲۰۱۸ ، ۱۲ ، ۱۰۷۶-۱۱۱۱٫ [ Google Scholar ] [ CrossRef ]
- GEM. گزارشی در مورد کارگاه قرار گرفتن در معرض و آسیب پذیری SARA در مدلین، کلمبیا. ۲۰۱۴٫ در دسترس آنلاین: https://sara.openquake.org/_media/risk:03_2014_-_workshop_medellin_-_exposure.pdf (در ۲۱ دسامبر ۲۰۲۱ قابل دسترسی است).
- گیس، سی. شاوس، آ. ریدلینگر، تی. دچ، اس. زلایا، سی. گوزمان، ن. Hube، MA; ارسنجانی، ج. Taubenböck، H. استفاده مشترک از داده های سنجش از راه دور و اطلاعات جغرافیایی داوطلبانه برای برآورد قرار گرفتن در معرض: شواهدی از والپارایسو، شیلی. نات. خطرات ۲۰۱۷ ، ۸۶ ، ۸۱-۱۰۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- CIESIN. Documentation for the Gridded Population of TheWorld، نسخه ۴ (GPWv4)، ویرایش ۱۱ مجموعه داده ها. در دسترس آنلاین: https://doi.org/10.7927/H45Q4T5F (در ۲۱ دسامبر ۲۰۲۱ قابل دسترسی است).
- آژانس فضایی اروپا ESA Sentinel-2 MSI ; آژانس فضایی اروپا: پاریس، فرانسه، ۲۰۱۸٫ [ Google Scholar ]
- ERDAS. ERDAS Imagine 2014 ; Hexagon Geospatial, Peachtree Corners Circle Norcross: Norcross, GA, USA, 2014. [ Google Scholar ]
- محمدی، ع. کریم زاده، س. ولی زاده کامران، ک. استخراج اطلاعات زمین، تغییرات چشمانداز آینده و ارزیابی خطر لرزهای: مطالعه موردی تبریز، ایران. Sensors ۲۰۲۰ , ۲۰ , ۷۰۱۰٫ [ Google Scholar ] [ CrossRef ]
- INE. Censo de Población y Vivienda 2002 ; Instituto Nacional de Estadística de Chile: سانتیاگو، شیلی، ۲۰۰۲٫ [ Google Scholar ]
- ویلار-وگا، م. سیلوا، وی. کراولی، اچ. بله، سی. تارک، ن. Acevedo، AB; Hube، MA; گوستاوو، سی دی; ماریا، HS توسعه یک مدل شکنندگی برای سهام ساختمان های مسکونی در آمریکای جنوبی. زمین Spectra ۲۰۱۷ ، ۳۳ ، ۵۸۱-۶۰۴٫ [ Google Scholar ] [ CrossRef ]
- INITN. Instituto Nacional de Investigaciones Tecnológica y Normalizaciones, Cálculo Antisísmico de Edificios, NCh.433 of 72 ; گزارش فنی؛ INITN: سانتیاگو د شیلی، شیلی، ۱۹۷۲٫ [ Google Scholar ]
- INN. Instituto Nacional de Normalización Diseño Sísmico de Edificios, NCh.433 of 96 ; گزارش فنی؛ INN: سانتیاگو د شیلی، شیلی، ۱۹۹۶٫ [ Google Scholar ]
- دل آکوا، اف. گامبا، پی. Jaiswal، K. جنبههای فضایی دادههای قرار گرفتن در معرض ساختمان و جمعیت و پیامدهای آنها برای مدلسازی مواجهه با زلزله جهانی. نات. خطرات ۲۰۱۳ ، ۶۸ ، ۱۲۹۱-۱۳۰۹٫ [ Google Scholar ] [ CrossRef ]
- بال، IE; بومر، جی جی. استافورد، پی جی. کراولی، اچ. Pinho, R. تأثیر تفکیک جغرافیایی دادههای قرار گرفتن در معرض شهری در یک مدل تلفات زلزله برای استانبول. زمین Spectra ۲۰۱۰ , ۲۶ , ۶۱۹-۶۳۴٫ [ Google Scholar ] [ CrossRef ]
- سنوسی، ا. بارد، پ.-ی. بک، ای. فارسی، م.ن. کارتیه، اس. نقشهبرداری آسیبپذیری لرزهای در مقیاس شهری: بحث در مورد نمایشهای کارتوگرافی مرتبط و هموارسازی برای اهداف برنامهریزی شهری در مطالعه موردی اوران. خاک دین. زمین مهندس ۲۰۱۸ ، ۱۱۵ ، ۵۴۵-۵۶۳٫ [ Google Scholar ] [ CrossRef ]
- شینگرابر، سی. Käser, M. تغییرات خطر لرزهای فضایی و نمونهگیری تطبیقی از عدم قطعیت مکان پورتفولیو در تحلیل ریسک لرزهای احتمالی. نات. سیستم خطرات زمین. علمی ۲۰۲۰ ، ۲۰ ، ۱۹۰۳-۱۹۱۸٫ [ Google Scholar ] [ CrossRef ]
- گومز-زاپاتا، جی سی. برینکمن، ن. هاریگ، اس. زفریر، ر. پیتور، ام. پنبه، اف. Babeyko، A. مدلسازی قرار گرفتن در معرض ساختمان با وضوح متغیر برای ارزیابی خطر مبتنی بر سناریوی زلزله و سونامی. یک پرونده درخواست در لیما، پرو. نات. سیستم خطرات زمین. علمی ۲۰۲۱ ، ۲۱ ، ۳۵۹۹-۳۶۲۸٫ [ Google Scholar ] [ CrossRef ]
- OSM Task Manager. #۵۰۲—Valparaíso، Chile Fires/Fuegos En Valparaíso، شیلی. ۲۰۱۴٫ در دسترس آنلاین: https://tasks.hotosm.org/projects/502 (در ۲۱ دسامبر ۲۰۲۱ قابل دسترسی است).
- OSM Task Manager. #۵۰۸—Valparaíso، Chile Fires 2/Fuegos En Valparaíso، شیلی. ۲۰۱۴٫ در دسترس آنلاین: https://tasks.hotosm.org/projects/508 (در ۲۱ دسامبر ۲۰۲۱ قابل دسترسی است).
- رسزکا، پی. Fuentes، A. مدیریت آتش سوزی و ایمنی آتش سوزی بزرگ والپارایزو در شیلی. فناوری آتش نشانی ۲۰۱۵ ، ۵۱ ، ۷۵۳-۷۵۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- هاس، م. ویلند، ام. Pittore, M. DEMO: Remote Rapid Visual Screening (RRVS). در دسترس آنلاین: https://vimeo.com/158600573 (در ۲۱ دسامبر ۲۰۲۱ قابل دسترسی است).
- مرینو-پنا، ی. پیتور، ام. گومز-زاپاتا، بررسی ساختمان JC RRVS برای مدلسازی نوردهی ساختمان در والپارایسو و وینا دل مار (شیلی). V. 1.0. سرویس داده GFZ ۲۰۲۱ . [ Google Scholar ] [ CrossRef ]
- Acevedo، AB; Jaramillo، JD; بله، سی. سیلوا، وی. اوسوریو، FA; ویلار، ام. ارزیابی خطر لرزه ای انبارهای بنایی تقویت نشده در آنتیوکیا، کلمبیا. نات. خطرات ۲۰۱۷ ، ۸۶ ، ۳۱-۵۴٫ [ Google Scholar ] [ CrossRef ]
- آرویو، او. فلیسیانو، دی. کاریلو، جی. Hube, MA عملکرد لرزه ای ساختمان های دیواری بتنی نازک متوسط که به آرامی با میله های تغییر شکل یافته یا مش سیم جوشکاری شده تقویت شده اند. مهندس ساختار. ۲۰۲۱ ، ۲۴۱ ، ۱۱۲۴۵۵٫ [ Google Scholar ] [ CrossRef ]
- واسکز، جی. جونمان، آر. de la Llera، JC; Hube، MA; تجزیه و تحلیل تاریخچه پاسخ غیرخطی سه بعدی Chacón، MF برای ارزیابی آسیب زلزله: مطالعه موردی ساختمان دیوار بتن مسلح. زمین Spectra ۲۰۲۱ , ۳۷ , ۲۳۵-۲۶۱٫ [ Google Scholar ] [ CrossRef ]
- ودریل، جی. پیتور، ام. هاس، م. برینکمن، ن. روستر، ام. گومز-زاپاتا، JC Shakyground: یک سرویس وب برای ارائه زمینه های حرکت زمینی مبتنی بر GMPE. V. 1.0. سرویس داده GFZ ۲۰۲۱ . [ Google Scholar ] [ CrossRef ]
- پاگانی، م. مونلی، دی. ودریل، جی. دانسیو، ال. کراولی، اچ. سیلوا، وی. هنشاو، پی. باتلر، ال. نستاسی، م. پانزری، ال. و همکاران موتور OpenQuake: یک نرم افزار خطر باز (و خطر) برای مدل جهانی زلزله. زلزله. Res. Lett. ۲۰۱۴ ، ۸۵ ، ۶۹۲-۷۰۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- کالاکوناس، پ. سیلوا، وی. موییانو، ا. Rao, A. بررسی تأثیر عدم قطعیت معرفتی بر یک مدل احتمالی ارزیابی خطر لرزه ای منطقه ای. نات. خطرات ۲۰۲۰ ، ۱۰۴ ، ۹۹۷-۱۰۲۰٫ [ Google Scholar ] [ CrossRef ]
- کوتا، اس آر. بازورو، پ. Pagani, M. اثرات عدم قطعیت معرفتی در برآورد خطر لرزه ای بر تلفات سبد ساختمانی. زمین Spectra ۲۰۱۸ , ۳۴ , ۲۱۷-۲۳۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- حسین، ا. الیوت، جی آر. سیلوا، وی. ویلار-وگا، م. کین، دی. خطر لرزه ای متضاد برای سانتیاگو، شیلی، از منابع زمین لرزه میدان نزدیک و دور. نات. سیستم خطرات زمین. علمی ۲۰۲۰ ، ۲۰ ، ۱۵۳۳-۱۵۵۵٫ [ Google Scholar ] [ CrossRef ]
- غفرانی، ح. اتکینسون، GM معادلات پیشبینی حرکت زمین برای زمینلرزههای رابط M7 تا M9 بر اساس دادههای تجربی از ژاپن. گاو نر زمین مهندس ۲۰۱۴ ، ۱۲ ، ۵۴۹-۵۷۱٫ [ Google Scholar ] [ CrossRef ]
- آبراهامسون، ن. گرگور، ن. معادلات پیشبینی حرکت هیدرو زمینی Addo، K. BC برای زلزلههای فرورانش. زمین Spectra ۲۰۱۶ ، ۳۲ ، ۲۳-۴۴٫ [ Google Scholar ] [ CrossRef ]
- مونتالوا، GA; باستیاس، ن. رودریگز-مارک، A. معادله پیشبینی حرکت زمین برای منطقه فرورانش شیلی. گاو نر زلزله. Soc. صبح. ۲۰۱۷ ، ۱۰۷ ، ۹۰۱–۹۱۱٫ [ Google Scholar ] [ CrossRef ]
- پیغاله، ا. محمودآبادی، و. مارتین، جی آر. شاهجویی، ع. چن، کیو. جوانبرگ، م. خوشنویسان، س. تأثیر شرایط محل محلی بر برآورد تلفات زلزله نمونه کارها برای انواع مختلف ساختمان. نات. خطرات ۲۰۱۸ ، ۹۴ ، ۱۲۱-۱۵۰٫ [ Google Scholar ] [ CrossRef ]
- هیث، دی سی؛ والد، دی جی؛ Worden، CB; تامپسون، EM; Smoczyk، GM یک نقشه جهانی هیبریدی VS30 با شیب توپوگرافی مبتنی بر پیش فرض و ورودی های نقشه منطقه ای. زمین Spectra ۲۰۲۰ ، ۳۶ ، ۱۵۷۰-۱۵۸۴٫ [ Google Scholar ] [ CrossRef ]
- مندوزا، ال. آیالا، ف. فوئنتس، بی. سوتو، وی. سائز، ای. یانیز، جی. مونتالوا، جی. گالز، سی. سپولودا، ن. لازو، آی. و همکاران Estimación Cuantitativa de la Amenaza Sísmica en Base a Metodos Geofísicos: Aplicación a las Localidades Costeras del Segmento los Vilos-San Antonio ; کنگره سوچیگه: والپارایسو، شیلی، ۲۰۱۸٫ [ Google Scholar ]
- ودریل، GA؛ سیلوا، وی. کراولی، اچ. Bazzurro، P. بررسی تأثیر همبستگیهای فضایی و عدم قطعیت برای تجزیه و تحلیل پورتفولیو در تخمین تلفات لرزهای احتمالی. گاو نر زمین مهندس ۲۰۱۵ ، ۱۳ ، ۹۵۷-۹۸۱٫ [ Google Scholar ] [ CrossRef ]
- جایارام، ن. مدل همبستگی بیکر، JW برای شدت های حرکت زمینی توزیع شده فضایی. زمین مهندس ساختار. دین ۲۰۰۹ ، ۳۸ ، ۱۶۸۷-۱۷۰۸٫ [ Google Scholar ] [ CrossRef ]
- مرخویدا، م. چفرینو، ال. مدلسازی بیکر، JW، شتابهای طیفی را در دورههای مختلف با استفاده از تحلیل مؤلفههای اصلی و زمینآمار همبستگی مکانی همبسته کردند. زمین مهندس ساختار. دین ۲۰۱۸ ، ۴۷ ، ۱۱۰۷-۱۱۲۳٫ [ Google Scholar ] [ CrossRef ]
- سیلوا، V. مسائل بحرانی در مدل سازی تلفات سناریو زلزله. J. Earthq. مهندس ۲۰۱۶ ، ۲۰ ، ۱۳۲۲-۱۳۴۱٫ [ Google Scholar ] [ CrossRef ]
- پیتور، ام. گومز-زاپاتا، جی سی. برینکمن، ن. Rüster، M. Assetmaster و modelprop: خدمات وب برای ارائه مدلهای قرار گرفتن در معرض ساختمان و عملکردهای شکنندگی برای آسیبپذیری فیزیکی در برابر خطرات طبیعی. V. 1.0. سرویس داده GFZ ۲۰۲۱ . [ Google Scholar ] [ CrossRef ]
- برینکمن، ن. گومز-زاپاتا، جی سی. پیتور، ام. Rüster، M. DEUS: خدمات به روز رسانی آسیب، قرار گرفتن در معرض. V. 1.0. سرویس داده GFZ ۲۰۲۱ . [ Google Scholar ] [ CrossRef ]
- Beven، KJ; Aspinall، WP؛ بیتس، PD; بورگومئو، ای. گودا، ک. هال، جی دبلیو. پیج، تی. فیلیپس، جی سی. سیمپسون، ام. اسمیت، پی جی. و همکاران عدم قطعیت های معرفتی و ارزیابی ریسک خطرات طبیعی – بخش ۲: چه چیزی باید عملکرد خوب را تشکیل دهد؟ نات. سیستم خطرات زمین. علمی ۲۰۱۸ ، ۱۸ ، ۲۷۶۹-۲۷۸۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- وامواتسیکوس، دی. پاناگووپولوس، جی. کاپو، ای جی؛ نیگرو، ای. روزتو، تی. لوید، TO; Stathopoulos, T. ارزیابی آسیبپذیری ساختاری تحت خطرات طبیعی: یک بررسی. در ساخت و سازهای زیستگاه شهری تحت رویدادهای فاجعه بار ; فصل ۳-۴; ماتزولانی، FM، اد. CRC Press: Boca Raton، FL، USA، ۲۰۱۰٫ [ Google Scholar ]
- Stafford، PJ ارزیابی عملکرد سازه در عواقب بلافاصله پس از زلزله: مطالعه موردی زلزله ۲۰۱۱ کرایست چرچ. بین المللی J. Forensic Eng. ۲۰۱۲ ، ۱ ، ۵۸-۷۷٫ [ Google Scholar ] [ CrossRef ]
- آگیره، پی. واسکز، جی. de la Llera، JC; گونزالس، جی. گونزالس، جی. ارزیابی خسارت زلزله برای سناریوهای قطعی در ایکوئیک، شیلی. نات. خطرات ۲۰۱۸ ، ۹۲ ، ۱۴۳۳-۱۴۶۱٫ [ Google Scholar ] [ CrossRef ]
- زوکارو، جی. دی گرگوریو، دی. مدل نظری لئون، MF برای تجزیه و تحلیل اثرات آبشاری. بین المللی J. کاهش خطر بلایا. ۲۰۱۸ ، ۳۰ ، ۱۹۹-۲۱۵٫ [ Google Scholar ] [ CrossRef ]
- پیلز، ام. Cotton, F. آیا فرض یک بعدی برای تجزیه و تحلیل پاسخ سایت صادق است؟ بررسی پاسخهای مکان لرزهای و پیامدهای ارزیابی حرکت زمین با استفاده از دادههای حرکت قوی KiK-Net. زمین Spectra ۲۰۱۹ , ۳۵ , ۸۸۳-۹۰۵٫ [ Google Scholar ] [ CrossRef ]
- کاندیا، جی. پولوس، آ. de la Llera، JC; Crempien، JGF; Macedo، J. همبستگی شتاب های طیفی در منطقه فرورانش شیلی. زمین Spectra ۲۰۲۰ , ۳۶ , ۷۸۸-۸۰۵٫ [ Google Scholar ] [ CrossRef ]
- عباس نژادفرد، م. بسطامی، م. فلاح، ع. گراکانی نژاد، ع. تحلیل تأثیر همبستگی های فضایی ناهمسانگرد اقدامات شدت زلزله بر نتیجه ارزیابی ریسک لرزه ای و تاب آوری مجموعه ساختمان ها و سیستم های زیرساختی. گاو نر زمین مهندس ۲۰۲۱ ، ۱۹ ، ۵۷۹۱-۵۸۱۷٫ [ Google Scholar ] [ CrossRef ]
- کابررا، تی. هیوب، ام. سانتا ماریا، H. منحنی های تجربی شکنندگی برای خانه های بتن مسلح و چوب، با استفاده از معیارهای شدت مختلف. در مجموعه مقالات هفدهمین کنفرانس جهانی مهندسی زلزله، سندای، ژاپن، ۱۳ تا ۱۸ سپتامبر ۲۰۲۰٫ [ Google Scholar ]
- سوزا، ال. سیلوا، وی. مارکز، ام. کراولی، اچ. در مورد درمان عدم قطعیت در آسیب پذیری لرزه ای و ارزیابی ریسک نمونه کارها. زمین مهندس ساختار. دین ۲۰۱۸ ، ۴۷ ، ۸۷-۱۰۴٫ [ Google Scholar ] [ CrossRef ]
- پیتور، ام. گرازیانی، ال. مرامایی، ع. هاس، م. پارولای، س. Tertulliani، A. Bayesian برآورد شدت ماکروز لرزه از نقشه برداری آسیب سریع پس از زلزله. زمین Spectra ۲۰۱۸ ، ۳۴ ، ۱۸۰۹-۱۸۲۸٫ [ Google Scholar ] [ CrossRef ]
- کنترراس، دی. ویلکینسون، اس. جیمز، پی. منابع داده های شناسایی زلزله، بررسی ادبیات. زمین ۲۰۲۱ ، ۲ ، ۱۰۰۶-۱۰۳۷٫ [ Google Scholar ] [ CrossRef ]
- گومز-زاپاتا، جی سی. شینده، س. پیتور، ام. Merino-Peña، Y. اسکریپت هایی برای ایجاد (۱) امتیازهای فازی مبتنی بر ویژگی برای کلاس های ساختمان SARA و HAZUS، و (۲) ماتریس های سازگاری بین طرحی احتمالی. یک برنامه کاربردی در انبار ساختمان های مسکونی Valparaiso (شیلی) برای برنامه های کاربردی خطر لرزه ای. سرویس داده GFZ ۲۰۲۱ . [ Google Scholar ] [ CrossRef ]
- زینگ، EP 19: ناپارامتری های بیزی: فرآیندهای دیریکله. مدل های گرافیکی احتمالی ۱۰-۷۰۸٫ ۲۰۱۴٫ در دسترس آنلاین: https://www.cs.cmu.edu/~epxing/Class/10708-14/scribe_notes/scribe_note_lecture19.pdf (دسترسی در ۲۱ دسامبر ۲۰۲۱).
- پیتور، ام. Wieland، M. به سوی ارزیابی آسیبپذیری لرزهای احتمالی سریع با استفاده از سنجش از دور ماهوارهای و زمینی. نات. خطرات ۲۰۱۳ ، ۶۸ ، ۱۱۵-۱۴۵٫ [ Google Scholar ] [ CrossRef ]
- لینچ، اس ام مقدمه ای بر آمار و تخمین بیزی کاربردی برای دانشمندان علوم اجتماعی . Springer: New York, NY, USA, 2007; شابک ۹۷۸-۰-۳۸۷-۷۱۲۶۴-۲٫ [ Google Scholar ]
بدون دیدگاه