یک روش جدید برای نگاشت رویدادهای Rockfall گذشته: از جمع سپاری موبایل تا اعتبارسنجی شبیه سازی Rockfall

خلاصه

ریزش سنگ یکی از رایج ترین مخاطرات طبیعی در مناطق کوهستانی است که خطرات زیادی برای مردم و فعالیت های آنها به همراه دارد. ارزیابی خطر ریزش سنگ معمولاً با استفاده از مدل‌هایی انجام می‌شود که می‌توانند منبع احتمالی ریزش سنگ، انتشار و نواحی فرسایشی را شبیه‌سازی کنند. کیفیت مدل‌ها را می‌توان با جمع‌آوری داده‌ها در مورد رویدادهای گذشته سنگ‌ریزی بهبود بخشید. جمع‌سپاری موبایلی در حال تبدیل شدن به یک رویکرد رایج برای جمع‌آوری داده‌های میدانی با استفاده از تلفن‌های هوشمند است که مزایای اصلی آن استفاده از یک پروتکل هماهنگ و امکان ایجاد مجموعه داده‌های بزرگ به دلیل استفاده همزمان توسط چندین کاربر است. این مقاله یک روش جدید برای جمع‌آوری رویدادهای ریزش سنگ گذشته با یک برنامه تلفن همراه ارائه می‌کند، که در آن مکان‌ها و ویژگی‌های مناطق منبع ریزش سنگ و نهشته‌های ریزش سنگ جمع‌آوری می‌شوند. و داده ها در یک پایگاه داده آنلاین ذخیره می شوند که از طریق پلت فرم WebGIS قابل دسترسی است. این روش همچنین رویکردی را برای محاسبه مکان منبع واقعی بر اساس تجزیه و تحلیل دیدگاه ارائه می دهد که تا حد زیادی مشکل نقشه برداری میدانی مناطق منبع غیرقابل دسترس را کاهش می دهد. علاوه بر این، ما یک پایگاه داده ریزش سنگ در فضای آلپ ارائه می کنیم که با روش ارائه شده ایجاد شده است، و یک برنامه از داده های جمع آوری شده برای کالیبراسیون و اعتبارسنجی دو مدل ریزش سنگ (CONEFALL و Rockyfor3D) ایجاد شده است.

کلید واژه ها:

خطرات طبیعی ؛ ریزش سنگ ; پایگاه داده ; WebGIS ; گوشی های هوشمند ؛ جمع سپاری ; مدل سازی ; نقشه برداری

چکیده گرافیکی

۱٫ معرفی

ریزش سنگ یک سنگ تکه تکه یا بلوکی است که با سقوط، سر خوردن، واژگونی، جهش یا غلتش از یک شیب سطحی یا صخره جدا شده است [ ۱ ]. از آنجایی که ریزش سنگ ها به طور ناگهانی و معمولاً بدون هیچ علامت هشدار دهنده قابل مشاهده ای رخ می دهد، پیش بینی آنها بسیار دشوار (یا غیرممکن) است و یک تهدید بالقوه بزرگ برای مردم و زیرساخت ها است [ ۲ ، ۳ ]. مدل‌های ریزش سنگ ابزارهای مفیدی برای ارزیابی خطر ریزش سنگ، و همچنین برنامه‌ریزی اقدامات حفاظتی از ریزش سنگ در مناطق پرخطر هستند، زیرا می‌توانند برای پیش‌بینی مسیر ریزش سنگ، توزیع و شدت ضربه‌ها، و بزرگی رویدادهای ریزش سنگ مورد استفاده قرار گیرند [ ۴ ، ۵ ، ۶]. کیفیت ارزیابی ریسک ریزش سنگ مستقیماً با پایگاه‌های اطلاعاتی موجود رویدادهای ریزش سنگ گذشته مرتبط است زیرا این اطلاعات امکان تجزیه و تحلیل توزیع فضایی فرآیند، فراوانی و بزرگی آن را فراهم می‌کند. مهم‌ترین ویژگی‌هایی که برای تعیین توزیع مکانی، فراوانی و بزرگی یک رویداد ریزش سنگ مورد نیاز است، موقعیت منطقه منبع ریزش سنگ (رهاسازی) و مکان‌های نهشته‌های مربوطه (بلوک‌های سنگی و حجم آنها) است [ ۷ ، ۸ ]. , ۹ , ۱۰ , ۱۱ ]. توزیع مکانی پدیده‌های ریزش سنگ برای تحلیل‌های انتشار سنگ‌ریزی که با مدل‌های تجربی و احتمالی مختلف انجام می‌شوند استفاده می‌شود ۴ ، ۵ ]،۶ ، ۱۲ ، ۱۳ ]، یعنی به منظور کالیبراسیون، اعتبارسنجی و تأیید عملکرد مدل [ ۴ ، ۶ ، ۱۴ ]. علاوه بر این، حجم رسوب سنگ برای مطالعه قوانین توزیع فرکانس اندازه ریزش سنگ، و وقوع موقتی ریزش سنگ برای محاسبه دوره‌های بازگشت ریزش سنگ مورد نیاز است [ ۷ ، ۱۵ ، ۱۶ ، ۱۷ ، ۱۸ ، ۱۹ ]. بنابراین داشتن اطلاعات دقیق، دقیق و دقیق در مورد رویدادهای گذشته سنگ‌ریزی بسیار مهم است.

با مرور ادبیات مربوطه، داده‌های مربوط به رویدادهای سنگ‌ریزی گذشته را می‌توان از طریق استراتژی‌ها و منابع متعدد، به‌ویژه:

(۱): بایگانی‌های تاریخی: گزارش‌ها و موجودی‌های مربوط به رویدادهای جنبش توده‌ای، به عنوان مثال، گزارش‌هایی که بر رویدادهایی تمرکز می‌کنند که به خانه‌ها، جاده‌ها و مسیرهای پیاده‌روی آسیب رسانده‌اند، می‌توانند برای بازسازی آمار و فراوانی انتشار سنگ‌ریزه استفاده شوند [ ۷ ، ۱۰ ، ۲۰ ، ۲۱ ].
(۲): پایگاه‌های داده فرآیندهای حرکت توده‌ای گذشته: به عنوان مثال، پایگاه‌های اطلاعاتی درباره ریزش سنگ، رانش زمین، زمین‌لرزه [ ۸ ، ۹ ، ۲۱ ، ۲۲ ].
(۳): تخمین بصری در میدان: بر اساس مشاهدات زمین‌شناسی مناطق منبع ریزش سنگ و شاهدان خاموش (سنگ‌های رسوب‌شده، سنگ‌های متوقف شده توسط درختان، آسیب بصری روی درختان، سطح و زیرساخت‌ها) [ ۴ ، ۱۰ ، ۱۴ ].
(۴): دندروژئومورفولوژی: تجزیه و تحلیل تغییرات ناگهانی در رشد درخت، وجود مجاری رزینی آسیب‌زا، و تاریخ‌گذاری متقابل کالوس با استفاده از حلقه‌های درختی می‌تواند بینش‌هایی را برای بازسازی فرکانس‌ها و مسیرهای ریزش سنگ ارائه دهد [ ۲۳ ، ۲۴ ، ۲۵ ، ۲۶ ].
(۵): تکنیک‌های سنجش از راه دور: تصاویر تصحیح‌شده، داده‌های LiDAR، فناوری پهپاد، تصاویر چندطیفی و غیره می‌توانند اطلاعاتی در مورد تغییرات در سطح و اثرات رویدادهای ریزش سنگ ارائه دهند [ ۲۷ ، ۲۸ ، ۲۹ ، ۳۰ ، ۳۱ ].

با این حال، از آنجایی که موجودی های ریزش سنگ متفاوت است و می تواند بر اساس منابع مختلف داده ها باشد، آنها همیشه حاوی اطلاعات کمی و جزئی از رویدادهای ریزش سنگ در گذشته نیستند [ ۱۵ ، ۳۲ ]. داده‌ها معمولاً با دقت فضایی پایین مشخص می‌شوند و اغلب شامل اطلاعات ضعیفی در مورد رویداد ریزش سنگ می‌شوند، تنها محل رویداد اصلی ریزش سنگ ثبت شده است، اما نه منطقه منبع ریزش سنگ، اطلاعات مربوط به حجم نهشته‌های سنگ یا اطلاعات زمانی و غیره. [ ۱۵ , ۳۳ ]. اغلب داده‌های مربوط به رویدادهای کوچک‌تر ریزش سنگ وجود ندارد، به‌خصوص آن‌هایی که هیچ آسیبی ایجاد نکرده‌اند [ ۱۵ ، ۳۴ ]]. بنابراین پایگاه‌های داده ناقص هستند، هماهنگ نیستند و شامل عدم قطعیت‌های مختلفی در مورد قابلیت اطمینان آنها می‌شوند. مجموعه میدانی رویداد گذشته می تواند چالش برانگیز باشد، به عنوان مثال، زمان عود ریزش سنگ، ماندگاری کوتاه آثار پس از رویداد، فقدان داده های تاریخی در مورد رویدادها، و ناهمگونی منبع و نهشته های ریزش سنگ [ ۱۰ ]. رویه‌هایی برای جمع‌آوری عینی نهشته‌های سنگ پیشنهاد شده‌اند [ ۳۵ ، ۳۶ ]، با این وجود از آنجایی که ریزش‌های سنگ عمدتاً در مناطق کوهستانی رخ می‌دهند، اغلب دور از دسترس هستند و دسترسی به آنها دشوار است، به این معنی که جمع‌آوری داده‌های گذشته پیچیده، کار فشرده و زمان‌بر است. [ ۴ ، ۱۰ ].

کیفیت داده‌های جمع‌آوری‌شده می‌تواند تا حد زیادی بر نتایج تحلیل‌های ریسک ریزش سنگ تأثیر بگذارد و کاربرد آن‌ها در مدل‌سازی پدیده‌های ریزش سنگ می‌تواند منجر به کالیبراسیون نادرست مدل‌های ریزش سنگ و شناسایی نادرست مناطق بالقوه منبع ریزش سنگ و شبیه‌سازی مناطق انتشار و روان‌ریزی سنگ‌ریزی شود [ ۳۷ ]. ، ۳۸ ]. در نتیجه، برای مثال، حداکثر مسیرهای ریزش سنگ می‌تواند میزان دسترسی بالقوه سنگ‌ها را در امتداد شیب دست‌کم یا بیش از حد تخمین بزند، و به طور بالقوه دارایی‌های انسانی [ ۳۲ ] را در معرض خطر بالای ریزش سنگ قرار دهد. تعداد محدود یا کاهش یافته رویدادهای ریزش سنگ در گذشته می تواند باعث خطاهای بزرگی در تخمین پارامترهای قوانین فرکانس ریزش سنگ و در نتیجه حجم ریزش سنگ شود [ ۳۳ , ۳۹]، که همچنین برای طراحی اقدامات حفاظتی و کاهش ریزش سنگ، و برای اجرای تمایز قابلیت اطمینان در مهندسی سازه اهمیت اولیه دارند [ ۳۹ ]. به عنوان مثال، در مورد طراحی شبکه های حفاظتی از ریزش سنگ، تعداد ثبت شده رسوبات ریزش سنگ که کوچکتر از ۲۰۰ باشد، نمونه آماری نماینده ای را ارائه نمی دهد [ ۴۰ ]. با توجه به حقایق ارائه شده، نیاز زیادی به رویکردی وجود دارد که هم روند جمع‌آوری رویدادهای ریزش سنگ گذشته، از جمله اطلاعات مربوط به مناطق منشأ ریزش سنگ و نهشته‌های سنگ‌ریزی و سازمان‌دهی پایگاه‌های اطلاعاتی مربوط به ریزش سنگ را هماهنگ کند.

با توسعه تلفن های هوشمند و برنامه های کاربردی تلفن همراه [ ۴۱ ]، جمع سپاری به یک پارادایم رایج برای جمع آوری و به اشتراک گذاری داده ها توسط گروه هایی از مردم یا جمعیت های گسترده تر تبدیل شده است [ ۴۲ ]. تلفن های هوشمند به حسگرهای مختلفی مجهز هستند، به عنوان مثال، گیرنده داخلی سیستم موقعیت یاب جهانی (GPS)، دوربین، قطب نما دیجیتال و غیره، به این معنی که آنها عملا یک زیرساخت عملی و جهانی برای جمع آوری داده های اطلاعاتی ارائه می دهند [ ۴۱ ]. رویکرد جمع سپاری به طور فزاینده ای برای جمع آوری اطلاعات در مورد خطرات طبیعی استفاده می شود. داده‌های جمع‌آوری‌شده می‌توانند در سیستم‌های هشدار اولیه و مدیریت پس از فاجعه استفاده شوند [ ۴۳ ، ۴۴ ، ۴۵و با ارائه داده‌هایی که برای علم برای درک بهتر مکانیسم‌های این فرآیندها [ ۴۶ ]، شناسایی مناطق پرخطر، و در نتیجه اجرای اقدامات حفاظتی که می‌تواند اثرات منفی بر جامعه را کاهش دهد، ضروری است.

در میان فرآیندهای گرانشی، رویکرد جمع سپاری سیار بیشترین استفاده را برای ثبت زمین لغزش داشته است. علی زاده و همکاران [ ۴۷ ] یک برنامه تلفن همراه برای جمع آوری سریع داده های خطر و خطر زمین لغزش ارائه کرده اند که با جمع آوری اطلاعات در مورد نوع، ویژگی، تاریخ و الگوهای زمین لغزش، امکان ایجاد سریع نقشه های فهرست زمین لغزش را فراهم می کند. چوی و همکاران [ ۴۶ ] یک برنامه تلفن همراه ارائه کرده اند که توسط پلتفرم نقشه های گوگل برای جمع آوری داده ها و مکان های زمین لغزش با هدف کاهش اثرات زمین لغزش ها طراحی شده است. یک برنامه کاربردی تلفن هوشمند برای جمع آوری اطلاعات ضروری و مختصر زمین لغزش نیز توسط Kocaman و Gokceoglu ارائه شده است [ ۴۸ ]. جوانگ و همکاران [ ۴۹] یک مخزن آنلاین زمین لغزش با مشارکت شهروندان برای جمع آوری رویدادهای جدید زمین لغزش پیاده سازی کرده اند. علاوه بر این، چو و چن [ ۵۰ ] نشان داده‌اند که می‌توان از عکس‌های جمع‌سپاری برای تعریف جریان لغزش و آوار بالقوه در نقشه‌های نقاط داغ خطرناک استفاده کرد.

از آنجایی که جمع‌سپاری موبایل می‌تواند ابزاری قدرتمند برای ایجاد پایگاه‌های اطلاعاتی بزرگ باشد، این رویکرد در این مقاله برای تشکیل یک برنامه کاربردی تلفن همراه برای جمع‌آوری داده‌های مربوط به رویدادهای ریزش سنگ به طور مستقیم در میدان، با تمرکز بر به دست آوردن مکان‌ها و ویژگی‌های اضافی ریزش سنگ مورد استفاده قرار گرفته است. مناطق منبع و نهشته های سنگی مربوط به آنها. هدف اصلی تحقیق ما طراحی و توسعه روشی برای جمع‌آوری رویدادهای ریزش سنگ گذشته در این زمینه با یک برنامه تلفن همراه بود تا کاربران بتوانند داده‌ها را در یک رویکرد هماهنگ جمع‌آوری کنند که گردش کار میدانی ساده و سریع را ممکن می‌سازد. در همان زمان، شرط ما این بود که این روش، کاربرد مستقیم نتایج جمع‌آوری‌شده را برای تحلیل‌های مختلف سنگ‌ریزی، هم در مقیاس محلی و هم در مقیاس منطقه‌ای، ممکن می‌سازد.۵۱]. داده‌ها توسط یک دستگاه تلفن همراه جمع‌آوری شده و به مخزن داده‌های سیستم اطلاعات جغرافیایی آنلاین مبتنی بر ابر (GIS) (سرور ArcGIS Online) پیوند داده می‌شوند که از آنجا مستقیماً با یک برنامه WebGIS (نقشه وب) تجسم می‌شوند. تمام قسمت‌های پلت‌فرم قابل تنظیم هستند و مطابق با نیازهای جمع‌آوری و تجسم رویدادهای ریزش سنگ در گذشته طراحی شده‌اند. در این مقاله ما (۱) یک روش برای جمع‌سپاری رویدادهای ریزش سنگ گذشته، عملکرد آن در یک برنامه تلفن همراه و ویژگی‌هایی که می‌توان جمع‌آوری کرد، (۲) یک روش محاسبه برای مناطق منبع واقعی ریزش سنگ همراه با زوایای خطوط انرژی ارائه می‌کنیم. iii) طراحی و تجسم یک پایگاه داده از طریق بستر WebGIS، (iv) پایگاه داده ریزش سنگ در فضای آلپ که با متدولوژی ارائه شده ایجاد شده است،

۲٫ مواد و روشها

شکل ۱ چارچوب روش‌شناختی کل جریان کار را از جمع‌آوری داده‌ها در میدان تا همگام‌سازی آن با یک پایگاه داده کامل، تجسم و استفاده بیشتر احتمالی آن را نشان می‌دهد. چارچوب به دو بخش تقسیم می شود: به کار میدانی و پردازش داده. کار میدانی شامل جمع آوری منبع ریزش سنگ و سپرده گذاری داده ها به طور مستقیم در میدان با استفاده از برنامه تلفن همراه (اعم از گوشی هوشمند یا تبلت) است، در حالی که بخش پردازش داده شامل بارگذاری داده های جمع آوری شده در پایگاه داده موجود، تجسم داده ها در WebGIS و محاسبه مقادیر زاویه خط انرژی برای استفاده بیشتر از داده‌ها در مدل‌سازی ریزش سنگ.

۲٫۱٫ کار میدانی

۲٫۱٫۱٫ خصوصیات اپلیکیشن موبایل

جمع آوری یک منطقه منبع ریزش سنگ و نهشته های آن در میدان با Collector for ArcGIS برنامه تلفن همراه [ ۵۱ ] انجام می شود. برنامه پیکربندی فرم جمع‌آوری داده‌ها را که در مورد این مطالعه برای ذخیره داده‌ها به‌عنوان دو شکل فایل‌های نقطه‌ای جداگانه (برای منبع و سپرده‌ها) پیکربندی شده بود را فعال می‌کند. این برنامه یک رابط کاربری ساده ارائه می دهد و بنابراین، جمع آوری آسان و سریع داده ها را امکان پذیر می کند. ویژگی های اصلی این نرم افزار تلفن همراه عبارتند از [ ۵۱]: (۱) موقعیت جغرافیایی (طول و عرض جغرافیایی) را به عنوان شکل فایل نقطه ای ارائه می دهد. (۲) مجموعه ای از ویژگی های مختلف را با ورودی مستقیم یا تشکیل یک لیست از پیش تعریف شده از امکانات ویژگی که از طریق یک منوی کشویی قابل دسترسی هستند را قادر می سازد. (۳) داده های جمع آوری شده را می توان در کل فرآیند ویرایش کرد. (۴) برنامه می تواند توسط چندین کاربر به طور همزمان با فعال کردن گزینه ردیابی نویسنده و گزینه ردیابی زمان استفاده شود. (۵) چندین عکس را می توان به هر ویژگی جمع آوری شده اضافه کرد. (۶) برای سیستم عامل های مختلف (مانند اندروید، iOS، ویندوز) در دسترس است. (۷) برنامه را می توان در تلفن هوشمند یا تبلت استفاده کرد. (۸) برای استفاده در این زمینه نیازی به اتصال اینترنت ندارد زیرا داده های جمع آوری شده را می توان در دستگاه ذخیره کرد و بعداً با پایگاه داده آنلاین همگام شد. (۹) نقشه های مورد نیاز برای کار میدانی را می توان در دستگاه بارگیری کرد. و (۱۰) برنامه با گیرنده‌های GNSS خارجی سازگار است که امکان جمع‌آوری داده‌ها را با دقت مکان بیشتر و با گزینه استفاده از مکان متوسط فراهم می‌کند.

۲٫۱٫۲٫ جمع آوری داده ها در فیلد

جمع آوری داده ها با گرفتن موقعیت منطقه منبع ریزش سنگ آغاز می شود. از آنجایی که مناطق منبع ریزش سنگ عموماً غیرقابل دسترسی هستند یا دسترسی به آنها دشوار است (مثلاً صخره‌های سنگی)، کاربر محل ایستاده‌ای را که منطقه منبع ریزش سنگ از آن قابل مشاهده است، جمع‌آوری می‌کند. از این نقطه، زاویه و آزیموت نسبت به ناحیه منبع واقعی ریزش سنگ ( شکل ۲ – مرحله ۱) را نیز اندازه گیری می کند، و همچنین ویژگی های اضافی را وارد می کند که ناحیه منبع را توصیف می کند (به بخش ۲٫۱٫۳ مراجعه کنید ). مکان واقعی منطقه منبع ریزش سنگ متعاقباً در مرحله پردازش داده ها محاسبه می شود (به بخش ۲٫۲٫۲ مراجعه کنید ). در مرحله بعد، کاربر مکان‌های نهشته‌های سنگی مربوطه را اندازه‌گیری می‌کند و ویژگی‌های اضافی را ثبت می‌کند (نگاه کنید بهبخش ۲٫۱٫۳ مراجعه کنید. ). از آنجایی که منطقه منبع ریزش سنگ به طور کلی یک منطقه منفرد است (نماینده یک منطقه بزرگتر)، فرم بررسی به گونه ای طراحی شده است که با استفاده از مفهوم “یک به چند”، نهشته های متعدد ریزش سنگ به منطقه منبع ریزش سنگ اضافه می شود ( شکل ۲).-گام ۲). این بدان معنی است که هر شیء در جدول ویژگی اصلی (منطقه منبع سقوط سنگ) به چندین شیء در جدول مرتبط (منطقه سپرده سنگریزه) مرتبط است. با توجه به این رابطه، هر نقطه مشخصه منطقه منبع ریزش سنگ دارای شماره شناسایی منحصر به فرد خود است (SOURCE_ID) که همه نهشته‌های مربوطه را به هم مرتبط می‌کند، در حالی که هر نهشته همچنین دارای شناسه منحصر به فرد خود است (DEPOSIT_ID). تعداد نهشته های مربوط به ریزش سنگ به یک منطقه منبع ریزش سنگ نامحدود است. اگر کسی در این زمینه اتصال اینترنتی داشته باشد، داده های جمع آوری شده مستقیماً با پایگاه داده موجود همگام می شوند. اگر اتصال اینترنت وجود نداشته باشد، داده ها به طور موقت در دستگاه تلفن همراه ذخیره می شوند و پس از جمع آوری داده ها در میدان همگام سازی می شوند.

۲٫۱٫۳٫ ویژگی های داده

علاوه بر مکان ( مختصات X و Y ) یک ویژگی منفرد (به طور خودکار ذخیره می شود)، رکورد منطقه منبع ریزش سنگ می تواند تا ۱۴ ویژگی داشته باشد، و رسوب سنگ تا ۱۷ ویژگی ( شکل ۳)). همه رکوردها اطلاعات مربوط به تاریخ و زمانی که داده ها در آن جمع آوری شده اند به همراه اطلاعات مربوط به نویسنده ای که منبع یا سپرده جدید را وارد کرده است و اطلاعات مربوط به زمان و زمان تغییر ورودی را ذخیره می کند. هر دو ویژگی به طور خودکار ذخیره می شوند زیرا کاربر دارای یک حساب کاربری خاص است که با آن از برنامه استفاده می کند. برخی از ویژگی ها برای هر دو ویژگی اختیاری هستند و نیازی به جمع آوری ندارند، در حالی که اکثر آنها اجباری هستند، به این معنی که نمی توان یک ویژگی را قبل از پر کردن آن ویژگی ها ذخیره کرد. ویژگی هایی که اجباری نیستند عبارتند از: یادداشت ها (هم منبع و هم ویژگی سپرده – کاربر می تواند مشاهدات مربوط به آن ویژگی را وارد کند؛ به عنوان مثال، اطلاعات زمانی در مورد رویداد ریزش سنگ)، اطلاعات مربوط به تجهیزات اندازه گیری استفاده شده (ذخیره شده با ویژگی منبع ریزش سنگ – به عنوان مثال، اطلاعات زمانی درباره رویداد ریزش سنگ) ، نوع گیرنده GNSS،

سایر ویژگی‌ها (نشان داده شده در شکل ۳ ) برای جمع‌آوری و توصیف منبع یا نهشته الزامی هستند و بر اساس طبقه‌بندی‌های مختلف مورد استفاده برای توصیف پدیده‌ها تعیین شدند، با تأکید بر اینکه داده‌های جمع‌آوری‌شده می‌توانند برای مدل‌سازی ریزش سنگ‌ها استفاده شوند. داده های عددی (به عنوان مثال، زاویه و آزیموت برای ناحیه منبع، بعد سنگ و DBH درخت برای نهشته سنگ) دارای محدودیت های بالا و پایین هستند که می توان آنها را به منظور جلوگیری از اشتباهات احتمالی در هنگام وارد کردن اعداد در برنامه وارد کرد (مقادیر زاویه ۰- ۹۰ درجه، مقادیر آزیموت ۰-۳۶۰ درجه). هر نهشته ریزش سنگ باید در هر سه بعد اندازه گیری شود و برای جمع آوری سنگ باید حداقل یک بعد ( x ، y یا z ) داشته باشد.) بزرگتر از ۵۰ سانتی متر نوع منبع ریزش سنگ، اطلاعات جنگل، شکل نهشته ریزش سنگ و علت توقف ریزش سنگ ویژگی های طبقه بندی شده و از پیش تعریف شده هستند، به این معنی که کاربر فقط می تواند بین دسته های تعریف شده از منوی کشویی انتخاب کند. نوع طبقه بندی منطقه منبع ریزش سنگ بر اساس گونه شناسی توسط Ancelin و همکاران تشکیل شد. [ ۵۲ ]، در حالی که دسته بندی شکل سنگ بر اساس دورن [ ۴ ] است. علت توقف رسوبات سنگ بر اساس رایج ترین موقعیت های مشاهده شده در مزرعه تعیین شد. اطلاعات جنگل اطلاعاتی در مورد اینکه آیا منطقه منبع سنگ یا نهشته در داخل یک جنگل قرار دارد یا خیر، ارائه می دهد.

۲٫۲٫ پردازش داده ها

۲٫۲٫۱٫ همگام سازی داده ها و تجسم در بستر WebGIS

پلت فرم WebGIS برای تجسم داده های جمع آوری شده با یک برنامه تلفن همراه در نظر گرفته شده است و از آنجایی که یک رابط کاربری گرافیکی ساده و تعاملی ارائه می دهد، می تواند توسط عموم مردم استفاده شود. این نشان‌دهنده پیوند بین داده‌های جغرافیایی (رویدادهای جمع‌آوری شده ریزش سنگ) است که توسط Collector for ArcGIS جمع‌آوری شده است و پایگاه داده آنلاین مبتنی بر ابر که در سرور ArcGIS Online Esri نگهداری می‌شود. پلت فرم برای نشان دادن رویدادهای گذشته سنگریزه از طریق برنامه نقشه وب آنلاین Esri پیاده سازی شده است ( شکل ۲– مرحله ۳). کاربران WebGIS فقط می‌توانند داده‌های جمع‌آوری‌شده را مشاهده کنند، زیرا هدف برنامه تلفن همراه جمع‌آوری رویدادهای ریزش سنگ است که می‌تواند در ترکیب با یک گیرنده GNSS خارجی با دقت بالاتری انجام شود. با این حال، بسیاری از عملکردهای دیگر وجود دارد که کاربران انبوه می توانند در آن پلتفرم از آنها استفاده کنند که نمایش و جستجوی داده ها را در قالب نمودارها، نماهای نقشه و تصاویر امکان پذیر می کند. داده های نمایش داده شده از داده های اصلی و زنده که از پایگاه داده راک فال گرفته شده است، نشات می گیرد و با هر ورودی جدید از برنامه تلفن همراه، به طور خودکار به نقشه وب اضافه می شود. برنامه وب به صورت عمومی در دسترس است و داده ها نیز توسط کاربر قابل دانلود است. برنامه WebGIS آپلود مستقیم رویدادهای جدید توسط کاربر را فعال نمی کند مگر اینکه با مدیر تماس بگیرید. علاوه بر این،

۲٫۲٫۲٫ محاسبه مساحت منبع واقعی ریزش سنگ و زوایای خط انرژی

محاسبه منطقه منبع واقعی ریزش سنگ با استفاده از یک ابزار طراحی شده ویژه (به نام ELA، زاویه خط انرژی) در محیط ArcGIS [ ۵۳ ] (خلاصه شده در شکل ۴ ) انجام می شود. این ابزار با استفاده از مکان منطقه منبع ریزش سنگ اندازه‌گیری شده در میدان، مکان‌های نهشته‌های ریزش سنگ و مدل زمین دیجیتال با وضوح بالا – DTM (ورودی‌های ابزار) یک منطقه منبع واقعی را محاسبه می‌کند. خروجی نهایی ابزار دو است: مکان واقعی منطقه منبع ریزش سنگ، و زوایای خطوط انرژی برای هر نهشته ریزش سنگ. اولین خروجی ابزار بر اساس تحلیل دید با استفاده از ابزار Viewshed 2 در ArcMap 10.5 [ ۵۲ ] محاسبه می شود.]. این ابزار سطح قابل مشاهده (بر اساس DTM) را از یک مکان محاسبه می کند – در این مورد، محل ناحیه منبع ریزش سنگ جمع آوری شده در میدان، در حالی که دید توسط زاویه و آزیموت به سمت منطقه منبع واقعی ریزش سنگ محدود می شود.

دومی مجموعه ای از زوایای خطوط انرژی برای هر رسوب سنگ است که بر اساس اصل هایم [ ۵۴ ] محاسبه می شود. بر اساس این اصل ( شکل ۴ )، فاصله خروجی (L) یک نهشته ریزش سنگ را می توان با استفاده از تقاطع خطی که بالای صخره ریزش سنگ را با شیبی برابر با:

tanγ = ∆z/L

(۱)

با توپوگرافی، که ∆z برابر است با اختلاف ارتفاع بین بالای صخره ریزش سنگ و L که فاصله بین بالای صخره ریزش سنگ و یک رسوب ریزش سنگ فردی است [ ۵۵ ]. بنابراین، مختصات یک نقطه منطقه منبع واقعی ریزش سنگ و نهشته‌های مربوط به ریزش سنگ برای محاسبه فاصله خروجی (L) نهشته‌های تک‌ریز سنگ و همچنین اختلاف (∆z) در ارتفاع بین نقطه منبع و نقاط نهشته استفاده می‌شود. شکل ۵ ). با استفاده از رابطه (۱)، مقدار γ محاسبه می‌شود که مقدار یک زاویه خط انرژی را به عنوان خروجی نشان می‌دهد که به جدول ویژگی موجود اضافه می‌شود.

۳٫ نتایج

۳٫۱٫ مطالعه موردی: پایگاه داده Rockfall در فضای آلپ

پس از طراحی اپلیکیشن موبایل، ما شروع به جمع‌آوری داده‌ها در منطقه آلپ اسپیس (کوه‌های آلپ و دشت‌های اطراف آن – ایتالیا، فرانسه، سوئیس، آلمان، اتریش و اسلوونی) کردیم. هدف از ایجاد یک پایگاه داده تاریخی ریزش سنگ، توسعه یک مدل جدید ریزش سنگ به نام ROCK-EU (پروژه فضایی آلپ اینترگ ROCKtheALPS) بود [ ۵۶ ]]. در طول مدت پروژه، ما ۱۵۱۶ مکان از سایت های ریزش سنگ را بررسی کردیم و داده هایی را در مورد ۴۴۴۸ نهشته های مربوط به ریزش سنگ جمع آوری کردیم. از طریق منابع دیگر ما همچنین ۱۱۸۱ ریزش سنگ با ۲۵۷۴ نهشته سنگ را اضافه کردیم. بررسی میدانی توسط کارشناسان حوزه های تحقیقاتی مختلف (به عنوان مثال، کارشناسان جنگلداری، زمین شناسی، مهندسی محیط زیست و غیره) انجام شد. پس از بررسی میدانی، ویژگی‌های جمع‌آوری‌شده با پایگاه داده آنلاین موجود همگام‌سازی شدند و سپس داده‌ها مستقیماً به WebGIS منتقل شدند.

چشم انداز WebGIS به گونه ای ساختار یافته است که نقشه وب با ویژگی های جمع آوری شده بزرگترین بخش وب سایت را نشان می دهد ( شکل ۵ ). صفحه ناوبری محدود به آیکون های کوچکی است که با کلیک کردن روی آنها می توان آنها را باز کرد. این صفحه شامل پنج بخش است: (۱) مقدمه کوتاهی که محتوای نقشه وب را توضیح می دهد، (۲) لیست لایه ها، (iii) ابزارهای آمار سقوط سنگ، (IV) نقشه های پایه موجود برای نقشه وب، و (v) بخش دانلود از جایی که می توان داده های نقشه وب را صادر کرد. با کلیک بر روی یک نقطه منبع ریزش سنگ یا نقطه رسوب جداگانه ( شکل ۶ )، یک پنجره بازشو با لیستی از تمام ویژگی‌هایی که جمع‌آوری شده‌اند به همراه عکس‌های آن منبع/کانسار در صورت گرفته شدن ظاهر می‌شود.

با انتخاب یک نقطه منبع ریزش سنگ، می‌توان فهرستی از تمام نهشته‌های سنگی که در این سایت جمع‌آوری شده‌اند را نیز به‌دست آورد و از طریق آن فهرست به همه آن ویژگی‌های نهشته دسترسی داشت. ابزار WebGIS تجزیه و تحلیل آماری ساده ویژگی های جمع آوری شده را امکان پذیر می کند ( شکل ۷)، به عنوان مثال، در مورد نسبت بین انواع منبع مختلف یا اشکال نهشته های ریزش سنگ و غیره. تجزیه و تحلیل ها را می توان برای کل وسعت نقشه وب به یکباره یا با استفاده از یک جستجوی محدودیت مکانی مانند کاهش وسعت نقشه وب یا تعریف وب انجام داد. وسعت نقشه برای تحلیل مورد نظر. کاربر WebGIS می تواند نقشه پایه وب مپ (به عنوان مثال، توپوگرافی، تصاویر، خیابان ها و غیره) را برای تجسم بهتر تغییر دهد، و داده های جمع آوری شده را می توان در یک قالب فایل شکل رایج صادر کرد تا در برنامه های مختلف GIS مورد استفاده قرار گیرد. داده مورد استفاده در تمام WebGIS EPSG:3857 است.

بر اساس داده‌های جمع‌آوری‌شده، آمارهای پایه به‌منظور دستیابی به نمای کلی از ریزش‌های سنگ در این منطقه محاسبه شد. میانگین طول ثبت شده منطقه روان‌ریزی ریزش سنگ ۲۵۰ متر بود. کوتاه ترین رانند ۵ متر و طولانی ترین ۱۸۲۸ متر بود. اکثر رسوبات ریزش سنگ در زاویه خط انرژی ۴۹ درجه متوقف شده اند ( شکل ۸ ). پس از زاویه خط انرژی ۵۲ درجه فرکانس زاویه خط انرژی به شدت کاهش می یابد. پیک دوم بین ۲۰ تا ۴۰ درجه است. رایج ترین نوع منبع ریزش سنگ، صخره صخره ای (۹۹٫۱٪) و پس از آن سنگ های لخت (۰٫۵٪) و سنگ های زمینی (۰٫۴٪) است، در حالی که نمونه ای از نوع “سنگ های پشت درختان” وجود نداشت. مکان های منطقه منبع ریزش سنگ عمدتاً در خارج از منطقه جنگلی (۹۷٫۱٪) قرار داشتند. میانگین حجم نهشته های ریزش سنگ ۳/۲ مترمکعب ^بودو اکثر سنگها حجمی کمتر از ۱ متر مکعب ^داشتند . رایج ترین اشکال ریزش سنگ نامشخص (۷/۴۵ درصد) و مستطیل (۴/۳۰ درصد) بودند. علت اصلی توقف سنگ ها سایر سنگ ها (۹/۶۹ درصد) و پس از آن توقف نامشخص/عادی (۴/۱۲ درصد) و درختان (۱/۹ درصد) بودند. میانگین DBH آن درختان ۲۸٫۴ سانتی متر بود. بیش از نیمی از رسوبات ریزش سنگ در خارج از منطقه جنگلی (۶۶٫۷٪) نهشته شده است.

پهنه بندی ارتفاعی پوشش گیاهی در کوه های آلپ که نمایانگر پوشش گیاهی و ویژگی های اقلیمی خاص است و هم می تواند تأثیر زیادی در تشکیل مناطق منشأ ریزش سنگ (آزادسازی مواد سنگی) و هم در انتقال و رسوب نهشته های ریزش سنگ (وجود یا عدم وجود پوشش گیاهی جنگلی) داشته باشد. ). بیشترین تغییر در پوشش گیاهی با افزایش ارتفاع رخ می دهد زیرا دیگر هیچ مانعی وجود نخواهد داشت که بتواند سرعت سنگ ها را کاهش دهد یا به طور کامل آنها را متوقف کند. ویژگی‌های جمع‌آوری‌شده با برنامه به ما بینشی از توپوگرافی و فعالیت‌های ریزش سنگ در فضای آلپ را ارائه می‌دهد. به دنبال پوشش گیاهی و ویژگی‌های ارتفاعی آلپ، ما توانستیم ریزش‌های سنگی را بر اساس پنج منطقه تجزیه و تحلیل کنیم (محدودیت‌های ارتفاع کمتری را برای دامنه‌های رو به شمال در نظر گرفتیم) [ ۵۷]، یعنی شیب کوهپایه (۰-۹۰۰ متر)، منطقه کوهستانی (۹۰۱-۱۵۰۰ متر)، منطقه زیر آلپ (۱۵۰۱-۲۲۰۰ متر)، منطقه کوهستانی (۲۲۰۱-۲۹۰۰ متر)، و منطقه نیوال (بیش از ۲۹۰۰ متر). آنالیزها با مدل DEM 25 متری برای کل فضای آلپ که توسط کوپرنیک ارائه شده بود ترکیب شدند [ ۵۸ ].

همانطور که در شکل ۹ مشاهده می شود ، اکثر منابع ریزش سنگ در سه زون اول و همچنین نهشته های سنگریزه قرار دارند. اکثر ذخایر در ناحیه دوم کوهستانی جمع آوری شد. حداکثر ارتفاع منبع ریزش سنگ ۳۵۷۰ متر بود، در حالی که برای نهشته ریزش سنگ کمی کمتر بود: ۳۳۰۹ متر. میانگین ارتفاع ثبت شده منبع ریزش سنگ ۱۳۴۱ متر و میانگین ارتفاع رسوب سنگ ۱۲۱۱ متر بود. جهت شیب غالب منابع و نهشته‌ها غرب (۲۵% و ۳۲%) و به دنبال آن شیب‌های جهت شمال غربی و جنوب غربی بود.

۳٫۲٫ استفاده از داده های جمع آوری شده برای کالیبراسیون و اعتبار سنجی مدلسازی سنگریزه

کاربرد روش برای کالیبراسیون و اعتبارسنجی دو مدل ریزش سنگ مورد آزمایش قرار گرفت: مدل تجربی ریزش سنگ CONEFALL [ ۵۵ ]، و مدل مسیر سقوط سنگ مبتنی بر فرآیند احتمالی Rockyfor3D [ ۵۹ ]]. مدل CONEFALL از روش خط انرژی مبتنی بر یک مدل اصطکاکی کولن ساده برای محاسبه مناطق انتشار ریزش سنگ که بر اساس یک شکل مخروطی محاسبه می‌شود، استفاده می‌کند. Rockyfor3D یک مدل مبتنی بر فیزیکی است که مسیر تک تک سنگ‌های در حال سقوط را در سه بعدی (۳D) محاسبه می‌کند. برای توضیحات دقیق هر دو مدل به منابع ابتدای پاراگراف مراجعه کنید. به منظور نشان دادن قابلیت کالیبراسیون و اعتبارسنجی داده‌های جمع‌آوری‌شده با برنامه تلفن همراه بر اساس روش پیشنهادی، ریزش سنگ، ویژگی‌های دو ریزش سنگ جمع‌آوری شد. ریزش سنگ های آزمایش شده در قسمت شمال غربی اسلوونی (اروپا) در کوه های آلپ جولیان واقع شده اند ( شکل ۱۰).، به ویژه در دره کرنیکا (۴۶ درجه و ۲۵ دقیقه و ۵۴ اینچ شمالی، ۱۳ درجه و ۴۷ دقیقه و ۷ دقیقه اینچ شرقی)، و در دره ترنتا (۴۶ درجه و ۲۳ دقیقه و ۴۵ اینچ شمالی، ۱۳ درجه و ۴۵ دقیقه و ۵ ثانیه شرقی). ریزش سنگ کرنیکا در سال ۲۰۰۷ از ارتفاع حدود ۱۴۶۵ متری (لایه های سنگ آهک و دولومیت) به سمت دره رخ داد که دورترین سنگ ها در ارتفاع حدود ۱۰۹۰ متری متوقف شدند. مساحتی به وسعت ۵۰۰۰۰ مترمربع ^با تخته سنگهای مجزا از ۰٫۰۲ مترمکعب ^تا بیش از ۱۰۰ مترمکعب ^را پوشش می دهد . ریزش سنگ در دره ترنتا در سال ۲۰۱۷ از یک دیواره سنگی آهکی به ارتفاع حدود ۱۱۶۰ متر رخ داد و سنگ ها در شیب تند جنگلی در ارتفاع حدود ۹۴۰ متری متوقف شدند. مساحتی به وسعت تقریبی ۱۹۰۰۰ متر مربع ^را با تخته سنگهایی از ۰٫۰۱ مترمکعب ^تا ۸۰ مترمکعب ^{پوشانده است.}. در مجموع ۱۳۳۴ نهشته ریزش سنگ در ریزش سنگ کرنیکا و ۳۶۸ نهشته ریزش سنگ در ریزش سنگ ترنتا جمع آوری شد. جمع آوری رسوبات ریزش سنگ با استفاده از گوشی هوشمند و دستگاه GNSS خارجی (Trimble R1) انجام شد که می تواند به دقت موقعیت تا ۱ متر دست یابد. صخره سنگی کرنیکا با مدل CONEFALL مدل‌سازی شد، در حالی که سنگ‌شکن ترنتا با مدل Rockyfor3D مدل‌سازی شد.

نتایج مدل‌سازی با استفاده از شاخص‌های برازش (GOF) [ ۶۰ ]، بر اساس مقایسه پیکسل به پیکسل بین منطقه ریزش سنگ مشاهده‌شده و مدل‌سازی‌شده، تأیید شد، که منجر به چهار نتیجه ممکن شد: (۱) مثبت واقعی – TP ( ریزش واقعی سنگ و منطقه ریزش سنگ مدل سازی شده؛ پیش بینی صحیح)، (۲) منفی واقعی – TN (بدون ریزش سنگ و بدون منطقه ریزش سنگ مدل شده)، (iii) مثبت کاذب – FP (بدون منطقه ریزش سنگ اما به عنوان یک مدل) و (IV) نادرست منفی – FN (بدون منطقه ریزش سنگ و همچنین به عنوان یک مدل نشده است). این شاخص ها برای کمی سازی عملکرد مدل استفاده می شوند زیرا آنها عملکرد مدل را با استفاده از رابطه بین منافع (مثبت واقعی) و هزینه ها (مثبت کاذب) ارزیابی می کنند. فورمتا و همکاران [ ۶۰] تنوع شاخص‌های مختلفی را نشان داده‌اند که می‌توان برای تحلیل اعتبارسنجی استفاده کرد، با این حال بیان می‌کنند که حتی یک شاخص برای ارزیابی عملکرد مدل کافی است. در نتیجه، ما از دو شاخص مناسب بر اساس تجربه آنها استفاده کرده ایم: شاخص موفقیت (SI) و شاخص میانگین (AI):

SI = ۱ ۲ \times (TP TP + FN + TN FP + TN)

(۲)

هوش مصنوعی = ۱ ۴ \times (TP TP + FN + TP TP + FP + TN FP + TN + TN FN + TN)

(۳)

۳٫۲٫۱٫ آبشار سنگی کرنیکا

با استفاده از مکان‌های ناحیه منبع ریزش سنگ و نهشته‌های ریزش سنگ، و ابزار ELA، زوایای خطوط انرژی برای نهشته‌های سنگریزه فردی برای سنگ‌ریزه کرنیکا محاسبه شد. میانگین مقدار زاویه خط انرژی ۵۱ درجه با حداقل مقدار ۴۳ درجه و حداکثر ۶۴ درجه بود، در حالی که زاویه بعدی منطقه رسوب ریزش سنگ ۱۹± درجه بود. هنگام مدل سازی با CONEFALL از سه سناریو با مجموعه پارامترهای مختلف استفاده کردیم: (i) زاویه خط انرژی ۳۲ درجه و زاویه جانبی ± ۱۶ درجه (از آنجایی که این مقادیر معمولاً در ادبیات پیشنهاد می شوند) [ ۶۱]، (ii) زاویه خط انرژی ۴۳ درجه و زاویه جانبی ± ۱۹ درجه (محاسبه بر اساس اندازه‌گیری‌های میدانی)، و (iii) زاویه خط انرژی ۴۳ درجه و زاویه جانبی ۲۵± درجه (افزایش زاویه جانبی به طوری که همه مکان‌های ریزش سنگ در منطقه مدل شده قرار دارند). مدل CONEFALL به دو مجموعه داده ورودی نیاز دارد: DTM و شطرنجی منطقه منبع سقوط سنگ. برای DTM از داده‌های LiDAR با اندازه سلول شبکه‌ای ۱×۱ متر استفاده کردیم [ ۶۲]، و برای ناحیه منبع ریزش سنگ از مکان (یک سلول شبکه) منبع واقعی ریزش سنگ محاسبه شده با ابزار ELA استفاده کردیم. از آنجایی که مدل از جنبه سطح برای محاسبه جهت ناحیه روان‌ریزی ریزش سنگ استفاده می‌کند، منطقه منبع ریزش سنگ بر اساس مقدار میانه سطح منبع ریزش سنگ بزرگ‌تر تعیین شده با نقشه‌برداری با استفاده از تصویر ارتوفتو و موقعیت‌های ریزش سنگ داده شد. سپرده ها به منظور نشان دادن تطابق بین رسوبات ثبت شده ریزش سنگ، ما فقط از یک سلول شبکه ای ریزش سنگ استفاده کردیم.

نتایج مدلسازی در شکل ۱۱ نشان داده شده است. هنگام استفاده از ترکیب مقادیر موجود در ادبیات (۱۶ ± ۳۲ درجه) می توان مشاهده کرد که مدل دارای مقداری قدرت پیش بینی است ( جدول ۱)با مدل‌سازی (AI = 0.78، SI = 0.89) اکثریت ناحیه روان‌ریزی واقعی سنگ‌ریزی و گرفتن اکثر نهشته‌های سنگ‌ریزی ثبت‌شده (۹۵٫۴%)، با این حال منطقه روان‌ریزی تا حد زیادی در حداکثر آن (به طور متوسط ۲۲۶ متر) بیش از حد تخمین زده می‌شود. در قسمتی نیز در جهت جانبی (به طور متوسط ۷ متر). با استفاده از مقادیر جمع آوری شده از مشاهدات میدانی، قدرت پیش بینی مدل به طور قابل توجهی افزایش می یابد. با استفاده از سناریوی دوم (۱۹ ± ۴۳ درجه)، مدل به بهترین نسبت بین نهشته‌های ریزش سنگ واقع در داخل منطقه روان‌ریزی ریزش سنگ مدل‌سازی شده (AI = 0.92، SI = 0.98)، حداکثر و گستره روان‌ریزی ریزش سنگ جانبی دست می‌یابد. در منطقه ماکزیمم فرسایش، مدل هنوز به طور متوسط ۳۲ متر و در جهت رسوب جانبی تنها ۹ متر بیش از حد برآورد می کند در حالی که ۹۹٫۵ درصد از نهشته های ریزش سنگ جمع آوری شده در منطقه مدل شده قرار دارند. با سناریوی سوم (۲۵ ± ۴۳ درجه)، مدل همچنان قدرت پیش‌بینی بالایی را نشان می‌دهد (AI = 0.90، SI = 0.93)، همه رسوبات ثبت‌شده ریزش سنگ را ثبت می‌کند، اما با افزایش زاویه جانبی، مدل تا حد زیادی در جهت جانبی بیش از حد برآورد می‌کند (در حداکثر به طور متوسط ۳۶ متر، در جهت جانبی به طور متوسط ۲۷ متر). شاخص‌های SI و AI هر دو با سناریوی دوم به بالاترین مقادیر می‌رسند که در آن هر دو زاویه مورد استفاده در مدل‌سازی به طور کامل با اندازه‌گیری‌های میدانی تنظیم شدند.

۳٫۲٫۲٫ ترنتا راک فال

مدل Rockyfor3D به چندین داده ورودی و پارامترها نیاز دارد که قبل از شروع روش مدل‌سازی تنظیم شوند، به ویژه منطقه منبع ریزش سنگ، DTM، تعداد شبیه‌سازی‌ها، ارتفاع سقوط اضافی از ناحیه منبع، تغییر حجم سنگ (%)، تراکم سنگ (کیلوگرم). ^/ m3 )، ابعاد بلوک سنگ (d1، d2، d3)، شکل بلوک سنگ، نوع خاک روی شیب سطح، و ضرایب زبری سطح (rg70، rg20، rg10) که ۷۰٪، ۲۰٪ و ۱۰٪ از میانگین ارتفاع مانع (MOH؛ ارتفاع سنگ ها) در شیب سطح [ ۵۹ ]. علاوه بر این، این مدل شبیه‌سازی ریزش سنگ را با تأثیر جنگل و/یا شبیه‌سازی با استفاده از شبکه‌ها امکان‌پذیر می‌سازد.

به منظور کالیبراسیون مدل، از روش پیشنهادی برای جمع‌آوری داده‌های مربوط به ابعاد نهشته‌های سنگریزه (d1، d2، d3) و شکل آن‌ها استفاده کردیم. علاوه بر این، از آنجایی که هدف ما اعتبارسنجی منطقه انتشار ریزش سنگ مدل‌سازی شده بود، موقعیت‌های نهشته‌های ریزش سنگ را در حداکثر طرح کلی ریزش سنگ جمع‌آوری کردیم تا شکل واقعی ریزش سنگ را به دست آوریم. پس از شبیه سازی ها، طرح اصلی ریزش سنگ پس از شبیه سازی ها در مقایسه با نقشه شطرنجی به نام “احتمال انتشار” بود که نتیجه شبیه سازی Rockyfor3D است که واقعی ترین توزیع فضایی رویداد ریزش سنگ را ارائه می دهد. همراه با جمع آوری نهشته های ریزش سنگ، انواع خاک و ضرایب rg را نیز ترسیم کردیم. بر اساس ضرایب rg ما سه ناحیه را تقسیم کردیم: (۱) سطح شیب اسکری، و (ii) زمین های صخره ای که توسط کاج های کوتوله و مخروطیان رشد کرده اند و (iii) زمین های شیب دار با صخره های سطحی در جنگل های مختلط. کل منطقه دارای یک نوع خاک (شیب تالوس با Ø > ~ 10 سانتی متر، یا خاک فشرده با قطعات سنگ بزرگ) تنظیم شد. مجموعه ای از نهشته های ریزش سنگ با روش پیشنهادی و برنامه موبایل ما را قادر می سازد تا داده های واقع بینانه زیر را محاسبه کنیم: ابعاد بلوک سنگی که در شبیه سازی استفاده کردیم d1 = 1.4 m، d2 = 0.9 m، d3 = 0.8 m تنظیم شده است، در حالی که شکل سنگ غالب نهشته ها مستطیل شکل بود. سایر داده ها/پارامترهای ورودی روی این موارد تنظیم شدند: DTM با اندازه سلول شبکه ۲ × ۲ متر [ یا خاک فشرده با قطعات سنگ بزرگ). مجموعه ای از نهشته های ریزش سنگ با روش پیشنهادی و برنامه موبایل ما را قادر می سازد تا داده های واقع بینانه زیر را محاسبه کنیم: ابعاد بلوک سنگی که در شبیه سازی استفاده کردیم d1 = 1.4 m، d2 = 0.9 m، d3 = 0.8 m تنظیم شده است، در حالی که شکل سنگ غالب نهشته ها مستطیل شکل بود. سایر داده ها/پارامترهای ورودی روی این موارد تنظیم شدند: DTM با اندازه سلول شبکه ۲ × ۲ متر [ یا خاک فشرده با قطعات سنگ بزرگ). مجموعه ای از نهشته های ریزش سنگ با روش پیشنهادی و برنامه موبایل ما را قادر می سازد تا داده های واقع بینانه زیر را محاسبه کنیم: ابعاد بلوک سنگی که در شبیه سازی استفاده کردیم d1 = 1.4 m، d2 = 0.9 m، d3 = 0.8 m تنظیم شده است، در حالی که شکل سنگ غالب نهشته ها مستطیل شکل بود. سایر داده ها/پارامترهای ورودی روی این موارد تنظیم شدند: DTM با اندازه سلول شبکه ۲ × ۲ متر [۶۲ ]، تعداد شبیه سازی ها ۱۰۰۰، ارتفاع سقوط اولیه تا ۵۰ متر (محاسبه بر اساس اختلاف ارتفاع با استفاده از داده های DTM)، تغییرپذیری حجم سنگ ۰ ± درصد تعیین شد و مدل سازی با در نظر گرفتن اثر انجام شد. جنگل (داده های ورودی به مدل مختصات XY درختان با DBH آنها بود).

ضرایب زبری سطح آنهایی بودند که بیشترین تأثیر را بر روی سطح رواناب نهایی داشتند و با تنظیم مقادیر آن بر اساس مکان نهشته‌های ریزش سنگ توانستیم بهترین ترکیب را تعیین کنیم. پس از تنظیم دقیق مدل، از ضرایب زبری سطح (rg70، rg20، rg10) 0.14، ۰٫۳۶ و ۰٫۶۵ استفاده کردیم. این مدل می‌تواند شکل انتشار ریزش سنگ و منطقه روان‌شدن را به درستی شبیه‌سازی کند و همچنین مسیر تک تک سنگ‌هایی را که در جنگل در قسمت شمالی منطقه روان‌آب متوقف شده‌اند، ثبت کند ( شکل ۱۲).). بزرگترین برآورد بیش از حد در مقایسه با طرح کلی ریزش سنگ واقعی در هر دو جهت جانبی (به طور متوسط ۲۰ متر در قسمت جانبی جنوبی و ۲۸ متر در قسمت جانبی شمالی) رخ داده است. در بخش‌های کوچک‌تر در حداکثر وسعت روان‌شدگی، مدل وسعت ریزش واقعی سنگ را به‌طور متوسط ۶ متر دست‌کم گرفت. شاخص‌های GOF AI و SI نشان می‌دهند که مدل قادر است تقریباً ۹۰٪ ( جدول ۱ ) از منطقه انتشار واقعی ریزش سنگ را به درستی پیش‌بینی کند. یکی از خروجی های مدل Rockyfor3D نیز یک نقشه شطرنجی با حداقل زوایای خط انرژی محاسبه شده مجدد در هر سلول شطرنجی بر حسب درجه است. به منظور اعتبارسنجی همبستگی بین زاویه خط انرژی و حجم سنگ، دو پارامتر زیر را با هم مقایسه کردیم. همانطور که در شکل ۱۳ مشاهده می شودهیچ ارتباطی بین مقدار خط انرژی و حجم رسوب سنگ وجود ندارد.

۴٫ بحث

این مقاله یک روش جدید برای جمع‌آوری داده‌های ریزش سنگ به طور مستقیم در میدان با استفاده از یک مجموعه‌دهنده برنامه موبایل Esri برای ArcGIS ارائه می‌کند. هدف اصلی استفاده از آن جمع‌آوری رویدادهای جدید ریزش سنگ است که هنوز در پایگاه‌های اطلاعاتی موجود ثبت نشده‌اند، که بعداً می‌تواند با داده‌های سایت‌های ریزش سنگ شناخته شده یکی شود. این امکان جمع آوری دو شکل مهم از اطلاعات در مورد ریزش سنگ را فراهم می کند: مکان های ناحیه منبع و نهشته های ریزش سنگ، و ویژگی های اضافی که ویژگی های هر ریزش سنگ را توصیف می کند (به عنوان مثال، نوع منطقه منبع، شکل رسوب سنگ و علت توقف، مکان در جنگل یا نه و غیره). از آنجایی که اندازه گیری مستقیم محل منبع در میدان دشوار است، رویکردی برای محاسبه آن بر اساس مقدار زاویه و زاویه از نقطه مرئی به سمت یک منبع واقعی است. در ترکیب با مدل دیجیتال زمین (DTM)، نشان داده شده است. مزایای اصلی این رویکرد عبارتند از: (۱) داده های جمع آوری شده در فایل برداری استاندارد (polygon shapefile, .shp) ذخیره می شوند و می توان آنها را با نرم افزارهای مختلف GIS تجزیه و تحلیل کرد. (۲) مجموعه داده ها یکپارچه و هماهنگ است به این معنی که مجموعه داده ها قابل تکرار و مقایسه با سایت های مختلف ریزش سنگ است. (۳) داده های جمع آوری شده را می توان به طور مستقیم در میدان با پایگاه داده آنلاین موجود به روز کرد و داده ها را می توان در زمان واقعی پردازش کرد. (۴) ویژگی های جمع آوری شده برای کالیبراسیون و اعتبارسنجی مدل های ریزش سنگ قابل اجرا هستند. مقدار داده ها و سطح جزئیاتی که می توان با این رویکرد جمع آوری کرد، در مقایسه با نقشه برداری میدانی سنتی (به عنوان مثال، استفاده از فرم های درخواست کاغذی) مزیت بزرگی دارد. مزایای اصلی این رویکرد عبارتند از: (۱) داده های جمع آوری شده در فایل برداری استاندارد (polygon shapefile, .shp) ذخیره می شوند و می توان آنها را با نرم افزارهای مختلف GIS تجزیه و تحلیل کرد. (۲) مجموعه داده ها یکپارچه و هماهنگ است به این معنی که مجموعه داده ها قابل تکرار و مقایسه با سایت های مختلف ریزش سنگ است. (۳) داده های جمع آوری شده را می توان به طور مستقیم در میدان با پایگاه داده آنلاین موجود به روز کرد و داده ها را می توان در زمان واقعی پردازش کرد. (۴) ویژگی های جمع آوری شده برای کالیبراسیون و اعتبارسنجی مدل های ریزش سنگ قابل اجرا هستند. مقدار داده ها و سطح جزئیاتی که می توان با این رویکرد جمع آوری کرد، در مقایسه با نقشه برداری میدانی سنتی (به عنوان مثال، استفاده از فرم های درخواست کاغذی) مزیت بزرگی دارد. مزایای اصلی این رویکرد عبارتند از: (۱) داده های جمع آوری شده در فایل برداری استاندارد (polygon shapefile, .shp) ذخیره می شوند و می توان آنها را با نرم افزارهای مختلف GIS تجزیه و تحلیل کرد. (۲) مجموعه داده ها یکپارچه و هماهنگ است به این معنی که مجموعه داده ها قابل تکرار و مقایسه با سایت های مختلف ریزش سنگ است. (۳) داده های جمع آوری شده را می توان به طور مستقیم در میدان با پایگاه داده آنلاین موجود به روز کرد و داده ها را می توان در زمان واقعی پردازش کرد. (۴) ویژگی های جمع آوری شده برای کالیبراسیون و اعتبارسنجی مدل های ریزش سنگ قابل اجرا هستند. مقدار داده ها و سطح جزئیاتی که می توان با این رویکرد جمع آوری کرد، در مقایسه با نقشه برداری میدانی سنتی (به عنوان مثال، استفاده از فرم های درخواست کاغذی) مزیت بزرگی دارد. (۱) داده های جمع آوری شده در فایل برداری استاندارد (polygon shapefile، .shp) ذخیره می شوند و می توانند با نرم افزارهای مختلف GIS تجزیه و تحلیل شوند. (۲) مجموعه داده ها یکپارچه و هماهنگ است به این معنی که مجموعه داده ها قابل تکرار و مقایسه با سایت های مختلف ریزش سنگ است. (۳) داده های جمع آوری شده را می توان به طور مستقیم در میدان با پایگاه داده آنلاین موجود به روز کرد و داده ها را می توان در زمان واقعی پردازش کرد. (۴) ویژگی های جمع آوری شده برای کالیبراسیون و اعتبارسنجی مدل های ریزش سنگ قابل اجرا هستند. مقدار داده ها و سطح جزئیاتی که می توان با این رویکرد جمع آوری کرد، در مقایسه با نقشه برداری میدانی سنتی (به عنوان مثال، استفاده از فرم های درخواست کاغذی) مزیت بزرگی دارد. (۱) داده های جمع آوری شده در فایل برداری استاندارد (polygon shapefile، .shp) ذخیره می شوند و می توانند با نرم افزارهای مختلف GIS تجزیه و تحلیل شوند. (۲) مجموعه داده ها یکپارچه و هماهنگ است به این معنی که مجموعه داده ها قابل تکرار و مقایسه با سایت های مختلف ریزش سنگ است. (۳) داده های جمع آوری شده را می توان به طور مستقیم در میدان با پایگاه داده آنلاین موجود به روز کرد و داده ها را می توان در زمان واقعی پردازش کرد. (۴) ویژگی های جمع آوری شده برای کالیبراسیون و اعتبارسنجی مدل های ریزش سنگ قابل اجرا هستند. مقدار داده ها و سطح جزئیاتی که می توان با این رویکرد جمع آوری کرد، در مقایسه با نقشه برداری میدانی سنتی (به عنوان مثال، استفاده از فرم های درخواست کاغذی) مزیت بزرگی دارد. (۲) مجموعه داده ها یکپارچه و هماهنگ است به این معنی که مجموعه داده ها قابل تکرار و مقایسه با سایت های مختلف ریزش سنگ است. (۳) داده های جمع آوری شده را می توان به طور مستقیم در میدان با پایگاه داده آنلاین موجود به روز کرد و داده ها را می توان در زمان واقعی پردازش کرد. (۴) ویژگی های جمع آوری شده برای کالیبراسیون و اعتبارسنجی مدل های ریزش سنگ قابل اجرا هستند. مقدار داده ها و سطح جزئیاتی که می توان با این رویکرد جمع آوری کرد، در مقایسه با نقشه برداری میدانی سنتی (به عنوان مثال، استفاده از فرم های درخواست کاغذی) مزیت بزرگی دارد. (۲) مجموعه داده ها یکپارچه و هماهنگ است به این معنی که مجموعه داده ها قابل تکرار و مقایسه با سایت های مختلف ریزش سنگ است. (۳) داده های جمع آوری شده را می توان به طور مستقیم در میدان با پایگاه داده آنلاین موجود به روز کرد و داده ها را می توان در زمان واقعی پردازش کرد. (۴) ویژگی های جمع آوری شده برای کالیبراسیون و اعتبارسنجی مدل های ریزش سنگ قابل اجرا هستند. مقدار داده ها و سطح جزئیاتی که می توان با این رویکرد جمع آوری کرد، در مقایسه با نقشه برداری میدانی سنتی (به عنوان مثال، استفاده از فرم های درخواست کاغذی) مزیت بزرگی دارد. (۴) ویژگی های جمع آوری شده برای کالیبراسیون و اعتبارسنجی مدل های ریزش سنگ قابل اجرا هستند. مقدار داده ها و سطح جزئیاتی که می توان با این رویکرد جمع آوری کرد، در مقایسه با نقشه برداری میدانی سنتی (به عنوان مثال، استفاده از فرم های درخواست کاغذی) مزیت بزرگی دارد. (۴) ویژگی های جمع آوری شده برای کالیبراسیون و اعتبارسنجی مدل های ریزش سنگ قابل اجرا هستند. مقدار داده ها و سطح جزئیاتی که می توان با این رویکرد جمع آوری کرد، در مقایسه با نقشه برداری میدانی سنتی (به عنوان مثال، استفاده از فرم های درخواست کاغذی) مزیت بزرگی دارد.

داده‌های جمع‌آوری‌شده در WebGIS نیز توسط Esri ارائه شده است، و به‌صورت آنلاین در دسترس هستند تا کاربران در سطوح مختلف متخصص به آن دسترسی داشته باشند، یعنی ما می‌توانیم بین سه دسته از کاربران تمایز قائل شویم:

کاربر سطح ۱: فقط برای تجسم داده های جمع آوری شده می تواند به پلت فرم WebGIS دسترسی داشته باشد.
کاربر سطح ۲: می تواند به پلتفرم WebGIS برای تجسم دسترسی داشته باشد و می تواند از برنامه تلفن همراه برای جمع آوری داده ها و برای به روز رسانی داده ها در بستر WebGIS استفاده کند.
کاربر سطح ۳: توانایی های مشابه کاربر سطح ۲ را دارد و علاوه بر این می تواند با به روز رسانی ژئودیتابیس با داده های خارجی کار کند، می تواند WebGIS و اپلیکیشن موبایل را کنترل کند و پرس و جوها و تحلیل های پیچیده را روی داده های پایگاه داده جغرافیایی انجام دهد.

به طور کلی، کاربران سطح ۱ را می توان به عنوان عمومی عمومی نامگذاری کرد، در حالی که کاربران سطح ۲ و ۳ به دلیل ماهیت ویژگی هایی که باید جمع آوری شوند و تجهیزات مورد نیاز برای جمع آوری داده ها، با کاربران خبره مطابقت دارند. ارتقای برنامه‌ریزی‌شده بعدی پلت‌فرم WebGIS به‌گونه‌ای که امکان مشارکت عمومی را فراهم می‌آورد به طوری که آنها فقط مکان نشستن سنگ‌ریزه جدید را ثبت می‌کنند و سپس یک تیم متخصص می‌توانند از آن اطلاعات برای بازدید از آن سایت و انجام بررسی کامل آن استفاده کنند. ریزش سنگ با توجه به رویکرد ارائه شده در این مقاله. این امر همچنین مستلزم تهیه دستورالعمل‌هایی برای روند جمع‌آوری داده‌ها برای افراد غیرمتخصص و ایجاد یک تیم اداری است که اعتبار سوابق ارائه شده توسط آنها را بررسی می‌کند. علاوه بر این،

هدف اصلی بخش نتایج این مقاله نشان دادن این بود که برنامه تلفن همراه: (i) می‌تواند برای جمع‌آوری داده‌ها در مقیاس منطقه‌ای استفاده شود (از آنجایی که برای ایجاد پایگاه داده در فضای آلپ استفاده می‌شد). و (ii) می تواند برای کالیبراسیون و اعتبارسنجی مدل های ریزش سنگ استفاده شود. بر اساس رویدادهای جمع آوری شده ریزش سنگ در فضای آلپ، ما توانستیم بینشی از آمار ریزش سنگ در مقیاس منطقه ای به دست آوریم که برای اولین بار در مقیاس آلپ است. با مشاهده زوایای خطوط انرژی، می توانیم دو پیک در مقادیر را تشخیص دهیم. اولی بین مقادیر زاویه خط انرژی ۴۶ درجه تا ۵۷ درجه است، در حالی که دومی بین ۲۰ درجه و ۳۶ درجه است، که به این معنی است که اکثر رویدادهای ثبت شده ریزش سنگ دارای طول جریان بسیار کوتاهی هستند. بین تعداد رویدادهای ثبت شده در طبقات ارتفاعی بین منابع و نهشته های ریزش سنگ تفاوت وجود دارد. اگر بازنمایی منابع ریزش سنگ بین طبقات برابرتر باشد (به جز کلاس ارتفاع > 2900 متر که تنها ۱۱ رویداد وجود دارد)، تفاوت واضحی در طبقات با نهشته های سنگریزه وجود دارد که به مراتب بیشترین فراوانی را در کلاس ارتفاع دارند. ۹۰۰-۱۵۰۰ متر. کمترین رکوردها مربوط به هر دو منبع / نهشته های مناطق ریزش سنگ در بالاترین کلاس ارتفاع است زیرا ریزش های سنگی در ارتفاع بالا در پایگاه داده ثبت نشده است. در این مطالعه ما بر مطالعه تفاوت در طبقات ارتفاع تمرکز نکردیم، بلکه هدف اصلی نشان دادن استفاده از اپلیکیشن موبایل حتی برای ایجاد پایگاه داده سنگریزه در چنین مقیاسی بود. با این حال، نتایج نشان دهنده شروع مطالعه آینده است. ۲۹۰۰ متر که تنها ۱۱ رویداد وجود دارد)، تفاوت آشکاری در طبقات با نهشته‌های سنگریزه وجود دارد که بیشترین فراوانی را در کلاس ارتفاع ۹۰۰-۱۵۰۰ متر دارند. کمترین رکوردها مربوط به هر دو منبع / نهشته های مناطق ریزش سنگ در بالاترین کلاس ارتفاع است زیرا ریزش های سنگی در ارتفاع بالا در پایگاه داده ثبت نشده است. در این مطالعه ما بر مطالعه تفاوت در طبقات ارتفاع تمرکز نکردیم، بلکه هدف اصلی نشان دادن استفاده از اپلیکیشن موبایل حتی برای ایجاد پایگاه داده سنگریزه در چنین مقیاسی بود. با این حال، نتایج نشان دهنده شروع مطالعه آینده است. ۲۹۰۰ متر که تنها ۱۱ رویداد وجود دارد)، تفاوت آشکاری در طبقات با نهشته‌های سنگریزه وجود دارد که بیشترین فراوانی را در کلاس ارتفاع ۹۰۰-۱۵۰۰ متر دارند. کمترین رکوردها مربوط به هر دو منبع / نهشته های مناطق ریزش سنگ در بالاترین کلاس ارتفاع است زیرا ریزش های سنگی در ارتفاع بالا در پایگاه داده ثبت نشده است. در این مطالعه ما بر مطالعه تفاوت در طبقات ارتفاع تمرکز نکردیم، بلکه هدف اصلی نشان دادن استفاده از اپلیکیشن موبایل حتی برای ایجاد پایگاه داده سنگریزه در چنین مقیاسی بود. با این حال، نتایج نشان دهنده شروع مطالعه آینده است. کمترین رکوردها مربوط به هر دو منبع / نهشته های مناطق ریزش سنگ در بالاترین کلاس ارتفاع است زیرا ریزش های سنگی در ارتفاع بالا در پایگاه داده ثبت نشده است. در این مطالعه ما بر مطالعه تفاوت در طبقات ارتفاع تمرکز نکردیم، بلکه هدف اصلی نشان دادن استفاده از اپلیکیشن موبایل حتی برای ایجاد پایگاه داده سنگریزه در چنین مقیاسی بود. با این حال، نتایج نشان دهنده شروع مطالعه آینده است. کمترین رکوردها مربوط به هر دو منبع / نهشته های مناطق ریزش سنگ در بالاترین کلاس ارتفاع است زیرا ریزش های سنگی در ارتفاع بالا در پایگاه داده ثبت نشده است. در این مطالعه ما بر مطالعه تفاوت در طبقات ارتفاع تمرکز نکردیم، بلکه هدف اصلی نشان دادن استفاده از اپلیکیشن موبایل حتی برای ایجاد پایگاه داده سنگریزه در چنین مقیاسی بود. با این حال، نتایج نشان دهنده شروع مطالعه آینده است.

کاربرد نتایج در مدل‌سازی سقوط سنگ به طور خلاصه از طریق استفاده از دو مدل نشان داده شد: مدل تجربی CONEFALL، و مدل احتمالی Rockyfor3D مبتنی بر فیزیکی. ما عمداً مدل‌هایی را با رویکردهای مدل‌سازی کاملاً متفاوت انتخاب کردیم تا بتوانیم استفاده همه‌جانبه از داده‌های جمع‌آوری‌شده را با روش‌شناسی جدید به تصویر بکشیم. داده‌های جمع‌آوری‌شده برای کالیبراسیون هر دو مدل بسیار مهم بود، و ما نشان داده‌ایم که بدون داده‌های مربوط به مکان، نتایج شبیه‌سازی، انتشار ریزش سنگ و منطقه خروجی را به روشی غیرواقعی مدل‌سازی می‌کند. از آنجایی که مدل CONEFALL ناحیه خروجی ریزش سنگ را به شکل مخروطی مدل می کند، تنظیم دقیق مدل از اهمیت بیشتری برخوردار است. یعنی روش مدل‌سازی به شدت به ژئومورفولوژی منطقه مورد مطالعه وابسته است.۵۵]. از این نظر، روش پیشنهادی یک ابزار کارآمد برای مدل‌های ریزش سنگ ارائه می‌کند که از رویکردهای مدل‌سازی آماری مشابه استفاده می‌کنند. برای مدل‌های تجربی، مهم‌ترین اطلاعات حداکثر وسعت منطقه ریزش سنگ است. در این موارد، جمع‌آوری ریزش سنگ تنها حداکثر طرح کلی ریزش سنگ رسوب‌شده ممکن است کافی باشد. در مورد این مقاله CONEFALL در سطح محلی (یک محل ریزش سنگ) مورد استفاده قرار گرفت، اما به دلیل انتشار ساده ریزش سنگ و منطقه ریزش، برای استفاده در مقیاس های منطقه ای بزرگتر مناسب تر است. برای اهداف نمایشی این مقاله ما همچنین از یک سلول منبع ریزش سنگ استفاده کردیم به این معنی که مدل برای مدل‌سازی جهت ناحیه انتشار سنگریزه حساس‌تر بود. با تعداد سلول‌های منبع بیشتر، سلول‌های منبع مجاور با در نظر گرفتن جهت تمام سلول‌های منبع، یک ناحیه خروجی مشترک را تشکیل می‌دهند. پارامترهای ورودی بیشتر برای مدل‌سازی با برنامه تلفن همراه برای شبیه‌سازی با Rockyfor3D (منطقه منبع سنگ، شکل و ابعاد رسوبات سنگ) جمع‌آوری شد. در مورد مدل هایی که به پارامترهای ورودی بیشتری نیاز دارند، کالیبراسیون مدل به ورودی بیشتری نیاز دارد، اما نتایج نهایی شکلی از انتشار و ناحیه ریزش سنگ را ارائه می دهد که در بیشتر موارد با شکل نهشته های ریزش سنگی جمع آوری شده مطابقت دارد و ثابت می کند که مدل برای استفاده در مقیاس محلی مناسب است. ما نشان داده‌ایم که حجم نهشته‌های ریزش سنگ لزوماً با حجم سنگ‌ها همبستگی ندارد که یافته‌های برخی از نویسندگان را تأیید می‌کند. پارامترهای ورودی بیشتر برای مدل‌سازی با برنامه تلفن همراه برای شبیه‌سازی با Rockyfor3D (منطقه منبع سنگ، شکل و ابعاد رسوبات سنگ) جمع‌آوری شد. در مورد مدل هایی که به پارامترهای ورودی بیشتری نیاز دارند، کالیبراسیون مدل به ورودی بیشتری نیاز دارد، اما نتایج نهایی شکلی از انتشار و ناحیه ریزش سنگ را ارائه می دهد که در بیشتر موارد با شکل نهشته های ریزش سنگی جمع آوری شده مطابقت دارد و ثابت می کند که مدل برای استفاده در مقیاس محلی مناسب است. ما نشان داده‌ایم که حجم نهشته‌های ریزش سنگ لزوماً با حجم سنگ‌ها همبستگی ندارد که یافته‌های برخی از نویسندگان را تأیید می‌کند. پارامترهای ورودی بیشتر برای مدل‌سازی با برنامه تلفن همراه برای شبیه‌سازی با Rockyfor3D (منطقه منبع سنگ، شکل و ابعاد رسوبات سنگ) جمع‌آوری شد. در مورد مدل هایی که به پارامترهای ورودی بیشتری نیاز دارند، کالیبراسیون مدل به ورودی بیشتری نیاز دارد، اما نتایج نهایی شکلی از انتشار و ناحیه ریزش سنگ را ارائه می دهد که در بیشتر موارد با شکل نهشته های ریزش سنگی جمع آوری شده مطابقت دارد و ثابت می کند که مدل برای استفاده در مقیاس محلی مناسب است. ما نشان داده‌ایم که حجم نهشته‌های ریزش سنگ لزوماً با حجم سنگ‌ها همبستگی ندارد که یافته‌های برخی از نویسندگان را تأیید می‌کند. اما نتایج نهایی شکلی از ناحیه انتشار و روان‌ریزی ریزش را ارائه می‌کند که در بیشتر موارد با شکل نهشته‌های ریزش سنگی جمع‌آوری‌شده مطابقت دارد و ثابت می‌کند که مدل برای استفاده در مقیاس محلی مناسب است. ما نشان داده‌ایم که حجم نهشته‌های ریزش سنگ لزوماً با حجم سنگ‌ها همبستگی ندارد که یافته‌های برخی از نویسندگان را تأیید می‌کند. اما نتایج نهایی شکلی از ناحیه انتشار و روان‌ریزی ریزش را ارائه می‌کند که در بیشتر موارد با شکل نهشته‌های ریزش سنگی جمع‌آوری‌شده مطابقت دارد و ثابت می‌کند که مدل برای استفاده در مقیاس محلی مناسب است. ما نشان داده‌ایم که حجم نهشته‌های ریزش سنگ لزوماً با حجم سنگ‌ها همبستگی ندارد که یافته‌های برخی از نویسندگان را تأیید می‌کند.۶۳ ].

کاربرد داده های جمع آوری شده با یک برنامه تلفن همراه ارائه شده تنها در کالیبراسیون و اعتبارسنجی مدل ها متوقف نمی شود. آنچه نشان داده‌ایم فقط یک نگاه اجمالی از آنچه می‌توان با داده‌های جمع‌آوری‌شده ریزش سنگ انجام داد. سایر کاربردهای ممکن می تواند به عنوان مثال مطالعه مکانیسم های ایجاد ریزش سنگ و وقوع زمانی [ ۳۲ ، ۳۴ ، ۶۴ ، ۶۵ ، ۶۶ ، ۶۷ ، ۶۸ ]، فرکانس بزرگی رویدادها [ ۷ ، ۸ ، ۱۵ ، ۱۷ ]، لیت ۲۰ خصوصیات [ ۳۲ , ۶۹ ,۷۰ ، ۷۱ ]، بررسی اثر حفاظتی جنگل در برابر ریزش سنگ [ ۷۲ ، ۷۳ ، ۷۴ ، ۷۵ ]، توزیع سنگ در ارتفاعات مختلف [ ۳۲ ، ۶۴ ]، تأثیر تغییر اقلیم بر فعالیت سنگریزه [ ۶۴ ، ۶۷ ، ۷۶ ] و غیره.

۵٫ نتیجه گیری ها

در مطالعه حاضر، یک روش جدید و اپلیکیشن موبایل برای جمع‌آوری داده‌های رخدادهای سنگ‌ریزی گذشته (مناطق منشأ ریزش سنگ و نهشته‌های ریزش سنگ) ارائه شده است. از آنجایی که پایگاه‌های داده‌های مربوط به ریزش سنگ‌های موجود فاقد داده‌هایی درباره رویدادهای گذشته هستند یا اغلب به عنوان ناقص، غیر هماهنگ و در نتیجه نامشخص توصیف می‌شوند، نیاز به رویکردی وجود دارد که مسائل ارائه‌شده را حل کند. با توسعه فناوری‌ها، جمع‌آوری داده‌ها از طریق تلفن‌های هوشمند به طور فزاینده‌ای مورد استفاده قرار می‌گیرد، و تحقیقات ما را به شکل‌گیری روشی هدایت می‌کند که مبتنی بر جمع‌آوری رویدادهای سقوط سنگ‌های گذشته با یک دستگاه تلفن همراه (با استفاده از Collector برای ArcGIS) است که یکنواخت و سریع را ممکن می‌سازد. و رویکرد ساده به جمع آوری داده ها در این زمینه. داده هایی که در میدان جمع آوری می شوند به طور موقت در دستگاه تلفن همراه ذخیره می شوند و سپس در پایگاه داده مشترک در ابر ArcGIS Online آپلود می شوند، به این معنی که دو چیز: (۱) برنامه می تواند توسط تعداد نامحدودی کاربر به طور همزمان استفاده شود. و (ii) داده ها را می توان به طور مستقیم، در زمان واقعی، در پلت فرم WebGIS نشان داد و تجزیه و تحلیل کرد. داده‌های جمع‌آوری‌شده بیشتر برای کلاس‌های مختلف کاربر (بر اساس سطح کاربری آن‌ها) در دسترس هستند و می‌توانند در تحلیل‌های مختلف ریسک ریزش سنگ به کار روند. با استفاده از این روش، شرکای پروژه «ROCKtheALPS» یک پایگاه داده در مقیاس بزرگ (فراملی) ساخته و از آن برای مدل‌سازی ریزش‌های سنگی و جنگل‌های حفاظت از ریزش سنگ در فضای آلپ استفاده کرده‌اند. با این حال، استفاده از برنامه در اینجا متوقف نمی شود – این پتانسیل را دارد که توسط جمعیت های بزرگتر مورد استفاده قرار گیرد و موانع را در رویدادهای شناخته شده گذشته سنگ ریزش یا حتی سایر فرآیندهای حرکت انبوه (مانند بهمن، رانش زمین، جریان های زباله) گسترش دهد. پایگاه های داده Rockfall نه تنها اهمیت زیادی برای جامعه علمی دارد، بلکه آگاهی از خطرات مربوط به ریزش سنگ را برای عموم مردم نیز افزایش می دهد.

همانطور که نشان داده شد، ویژگی‌های جمع‌آوری‌شده منبع و نهشته‌های سنگ را می‌توان برای ارائه پارامترهای ورودی برای کالیبراسیون مدل‌های ریزش سنگ تجربی و مبتنی بر فرآیند، و همچنین می‌تواند برای اعتبارسنجی ریسک ریزش سنگ مدل‌سازی شده با به‌دست آوردن چندین آمار انتشار سنگ‌ریزی استفاده کرد. این روش به ویژه برای استخراج زوایای خطوط انرژی که یک پارامتر ورودی مهم در مدل‌های تجربی هستند، مناسب است. از آنجایی که زوایای خطوط انرژی به شدت به ژئومورفولوژی سطح بستگی دارد، نمی توان آنها را کورکورانه اعمال کرد، انتخاب زاویه خط انرژی مناسب باید بر اساس مشاهدات میدانی محلی باشد. با توسعه ابزاری برای محاسبه زوایای خطوط انرژی بر اساس منطقه منبع ریزش سنگ و نهشته‌های مربوطه، این فرآیند تا حد زیادی ساده می‌شود. اعتبارسنجی نتایج شبیه‌سازی به داده‌های حقیقت زمینی زیادی نیاز دارد که جمع‌آوری آن‌ها یک فعالیت زمان‌بر است. ابزارهای پیاده‌سازی قادر به پشتیبانی از این بررسی میدانی برای نقشه‌برداری ریسک ریزش سنگ از اهمیت بالایی برخوردار است. داشتن یک مجموعه داده بزرگ برای اعتبارسنجی نتایج شبیه‌سازی می‌تواند به اتخاذ راه‌حل‌های مختلف کمک کند، نه تنها محدود به رویکرد «روایی رویداد» بلکه اجازه اعتبارسنجی آماری مدل را می‌دهد.

منابع

Cruden، DM; انواع و فرآیندهای Varnes، DJ Landslide. در بررسی زمین لغزش و کاهش; شورای ملی تحقیقات، هیئت تحقیقات حمل و نقل ؛ گزارش ویژه ۲۴۷; Turner, AK, Schuster, RL, Eds. هیئت تحقیقات حمل و نقل: واشنگتن، دی سی، ایالات متحده آمریکا، ۱۹۹۶; صص ۳۶-۷۵٫ [ Google Scholar ]
لوپز-سائز، جی. کرونا، سی. اکرت، ن. استوفل، ام. بوریر، اف. برگر، اف. تأثیرات استفاده از زمین و تغییرات پوشش زمین بر انتشار سنگریزه: بینش هایی از شهرک گرنوبل. علمی کل محیط. ۲۰۱۶ ، ۵۴۷ ، ۳۴۵-۳۵۵٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
کرومیناس، جی. ماورولی، ا. رویز-کارولا، R. راک فال وقوع و تکه تکه شدن. در پیشرفت زندگی با رانش زمین، WLF 2017 ; Sassa, K., Mikoš, M., Yin, Y., Eds.; Springer: Cham, Switzerland, 2017; صص ۷۵-۹۷٫ [ Google Scholar ]
دورن، ال. برگر، اف. جانسون، ام. کراتبلاتر، ام. مولک، م. استوفل، ام. Wehrli، A. وضعیت هنر در ریزش سنگ – تعاملات جنگل. شویز. Z. Forstwes ۲۰۰۷ ، ۱۵۸ ، ۱۲۸-۱۴۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Volkwein، A. شلنبرگ، ک. لابیوز، وی. آگلیاردی، اف. برگر، اف. بوریر، اف. دورن، LKA؛ گربر، دبلیو. Jaboyedoff، M. Rockfall خصوصیات و حفاظت ساختاری – بررسی. نات. سیستم خطرات زمین. علمی ۲۰۱۱ ، ۱۱ ، ۲۶۱۷-۲۶۵۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کروستا، گیگابایت؛ آگلیاردی، اف. فراتینی، پ. لاری، اس. مسائل کلیدی در مدل‌سازی سقوط سنگ، ارزیابی خطر و خطر برای حفاظت از سقوط سنگ. در زمین شناسی مهندسی برای جامعه و قلمرو ; لولینو، جی.، جوردان، دی.، کروستا، جی بی، کورومیناس، ج.، آزم، آر.، واسوفسکی، جی.، اسکیارا، ن.، ویرایش. Springer: Cham, Switzerland, 2015; جلد ۳، ص ۴۳-۵۸٫ [ Google Scholar ]
دوسوج-پیسر، سی. هلمستتر، ا. گراسو، جی.- آر. هانتز، دی. دسوارو، پی. جینین، م. Giraud، A. رویکرد احتمالی برای ارزیابی خطر سقوط سنگ: پتانسیل تجزیه و تحلیل داده های تاریخی. نات. سیستم خطرات زمین. علمی ۲۰۰۲ ، ۲ ، ۱۵-۲۶٫ [ Google Scholar ] [ CrossRef ]
گوزتی، اف. رایشنباخ، پ. Wieczorek، GF خطر سقوط راک و ارزیابی خطر در دره یوسمیتی، کالیفرنیا، ایالات متحده. نات. سیستم خطرات زمین. علمی ۲۰۰۳ ، ۳ ، ۴۹۱-۵۰۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Malamud، BD; Turcotte، DL; گوزتی، اف. Reichenbach, P. موجودی زمین لغزش و ویژگی های آماری آنها. زمین گشت و گذار. روند. Landf. ۲۰۰۴ ، ۲۹ ، ۶۸۷-۷۱۱٫ [ Google Scholar ] [ CrossRef ]
متئوس، آر.ام. گارسیا مورنو، آی. رایشنباخ، پ. هررا، جی. سارو، آر. ریوس، جی. آگیلو، آر. Fiorucci، F. کالیبراسیون و اعتبارسنجی مدل‌سازی ریزش سنگ در مقیاس منطقه‌ای: کاربرد در امتداد یک جاده در مایورکا (اسپانیا) و سازماندهی مدیریت آن. زمین لغزش ۲۰۱۶ ، ۱۳ ، ۷۵۱-۷۶۳٫ [ Google Scholar ] [ CrossRef ]
ژابوتا، بی. رپه، بی. Kobal, M. تأثیر وضوح مدل رقومی ارتفاعی بر مدل‌سازی ریزش سنگ. ژئومورفولوژی ۲۰۱۹ ، ۳۲۸ ، ۱۸۳-۱۹۵٫ [ Google Scholar ] [ CrossRef ]
Abbruzzese, JM; ساوتیر، سی. Labiouse، V. ملاحظات در مورد روش های سوئیسی برای نقشه برداری خطر سقوط سنگ بر اساس مدل سازی مسیر. نات. سیستم خطرات زمین. علمی ۲۰۰۹ ، ۹ ، ۱۰۹۵-۱۱۰۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لاری، س. فراتینی، پ. Crosta، GB یک رویکرد احتمالی برای تجزیه و تحلیل خطر زمین لغزش. مهندس جئول ۲۰۱۴ ، ۱۸۲ ، ۳-۱۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
میکوش، م. پژه، یو. Ribičič، M. کاربرد یک برنامه شبیه سازی سقوط سنگ در دره آلپ در اسلوونی. در کاهش بلایای جریانات آوار، شکست های شیب و رانش زمین ؛ Lambrat, S., Nicot, F., Eds. انتشارات آکادمی یونیورسال، شرکت: توکیو، ژاپن، ۲۰۰۶; صص ۱۹۹-۲۱۱٫ [ Google Scholar ]
دی بیاگی، وی. لیا ناپولی، م. باربرو، م. Peila, D. برآورد دوره بازگشت ریزش سنگ با توجه به اندازه بلوک. نات. سیستم خطرات زمین. علمی ۲۰۱۶ ، ۱۷ ، ۱۰۳-۱۱۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
دوسوج، سی. گراسو، جی.- آر. Helmstetter، A. تجزیه و تحلیل آماری توزیع حجم سنگریزه: مفاهیمی برای دینامیک ریزش سنگ. جی. ژئوفیس. Res. ۲۰۰۳ ، ۱۰۸ ، ۲۲۸۶٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
برونتی، ام تی. گوزتی، اف. Rossi, M. توزیع احتمالی حجم زمین لغزش. فرآیند غیر خطی ژئوفیز. ۲۰۰۹ ، ۱۶ ، ۱۷۹-۱۸۸٫ [ Google Scholar ] [ CrossRef ]
کرومیناس، جی. ماورولی، ا. رویز-کارولا، R. روابط قدر و فرکانس: آیا محدودیت های زمین شناسی برای اندازه سنگریزه وجود دارد؟ زمین لغزش ۲۰۱۸ ، ۱۵ ، ۸۲۹-۸۴۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
جابویدوف، م. داد، جی پی؛ Labiouse, V. تلاشی برای اصلاح منطقه بندی خطر ریزش سنگ بر اساس انرژی جنبشی، فرکانس و درجه تکه تکه شدن. نات. سیستم خطرات زمین. علمی ۲۰۰۵ ، ۵ ، ۶۲۱-۶۳۲٫ [ Google Scholar ] [ CrossRef ]
هانگر، او. ایوانز، اس جی; Hazzard, J. بزرگی و فراوانی ریزش سنگ و لغزش سنگ در امتداد راهروهای حمل و نقل اصلی جنوب غربی بریتیش کلمبیا. می توان. ژئوتک. J. ۱۹۹۹ , ۳۶ , ۲۲۴-۲۳۸٫ [ Google Scholar ] [ CrossRef ]
راک، جی. زوپانچیچ، جی. پاپز، ج. کوزلج، د. تهیه نقشه های خطر، آسیب پذیری و خطر در صورت ریزش بهمن و سنگ برای بخشی از خط راه آهن بوهینج. UJMA ۲۰۱۲ ، ۲۶ ، ۱۳۰-۱۳۷٫ [ Google Scholar ]
گوزتی، اف. رایشنباخ، پ. Ghigi، S. خطر سقوط سنگ و ارزیابی خطر در امتداد یک راهرو حمل و نقل در دره نرا، مرکز ایتالیا. محیط زیست مدیریت ۲۰۰۴ ، ۳۴ ، ۱۹۱-۲۰۸٫ [ Google Scholar ] [ CrossRef ]
استوفل، ام. بولشوایلر، ام. باتلر، DR; لاکمن، حلقه های درخت BH و خطرات طبیعی: مقدمه. در حلقه درختان و خطرات طبیعی. پیشرفت در تحقیقات تغییر جهانی Stoffel, M., Bollschweiler, M., Butler, D., Luckman, B., Eds. Springer: Dordrecht International Publishing: برلین، آلمان، ۲۰۱۰; جلد ۴۱، ص ۳-۲۳٫ [ Google Scholar ]
تراپمن، دی. کرونا، سی. Stoffel, M. سنگ های نورد و حلقه های درخت. Prog. فیزیک Geogr. محیط زمین. ۲۰۱۳ ، ۳۷ ، ۷۰۱-۷۱۶٫ [ Google Scholar ] [ CrossRef ]
کرونا، سی. لوپز-سائز، جی. فاویلیر، ا. ماینری، آر. اکرت، ن. تراپمن، دی. استوفل، ام. بوریر، اف. Berger, F. مدل‌سازی فرکانس ریزش سنگ و ارتفاع پرش از مدل‌های فرآیند شبیه‌سازی سه‌بعدی و اختلالات رشد در درختان پهن‌برگ زیرکوهی. ژئومورفولوژی ۲۰۱۷ ، ۲۸۱ ، ۶۶-۷۷٫ [ Google Scholar ] [ CrossRef ]
فاویلیر، ا. ماینری، آر. لوپز-سائز، جی. برگر، اف. استوفل، ام. Corona، C. ارزیابی دندروژمورفیک فواصل عود ریزش سنگ در سنت پل دو وارس، آلپ غربی فرانسه. فرآیند امداد ژئوموفولوژی. محیط زیست ۲۰۱۷ , ۲۳ . [ Google Scholar ] [ CrossRef ]
شوبر، آ. بنوارت، سی. مدل‌سازی Keuschnig، M. Rockfall در زمین‌های بلند کوهستانی- اعتبارسنجی و محدودیت‌ها/Steinschlagsimulation در hochalpinem Raum-Validierung und Limitationen. ژئومک. تون. ۲۰۱۲ ، ۵ ، ۳۶۸-۳۷۸٫ [ Google Scholar ] [ CrossRef ]
گومز، سی. پردی، H. فتوگرامتری و ژئومحاسبات مبتنی بر پهپاد برای نظارت بر خطرات و خطرات بلایا – مروری. بلایای ژئومحیطی ۲۰۱۶ ، ۳ ، ۱-۱۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
سارو، آر. ریکلمه، ا. گارسیا داوالیلو، جی سی. متئوس، آر.ام. توماس، آر. کشیش، جی ال. کانو، م. شبیه‌سازی هررا، جی. راک فال بر اساس داده‌های فتوگرامتری پهپاد به‌دست‌آمده در طی یک اعلام اضطراری: کاربرد در سایت میراث فرهنگی. Remote Sens. ۲۰۱۸ ، ۱۰ ، ۱۹۲۳٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
ساروگلو، سی. آستریو، پ. زککوس، دی. تسیامباوس، جی. کلارک، ام. Manousakis، J. نقشه برداری مبتنی بر پهپاد، تحلیل برگشتی و مدل سازی مسیر یک ریزش زمین لرزه ای در جزیره Lefkada، یونان. نات. سیستم خطرات زمین. علمی ۲۰۱۸ ، ۱۸ ، ۳۲۱-۳۳۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
وانشی، سی. کامیلو، MD; آیلو، ای. بونچیانی، اف. سالوینی، فتوگرامتری R. SFM-MVS برای تجزیه و تحلیل ریزش سنگ و ارزیابی خطر در امتداد روم باستان از طریق جاده Flaminia در تنگه Furlo (ایتالیا). ISPRS Int. J. Geo-Inf. ۲۰۱۹ ، ۸ ، ۳۲۵٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
کورو، دی. گالگارو، آ. فونتانا، ا. Carton, A. پایگاه داده منطقه ای مربوط به ریزش سنگ: سایت آزمایشی آلپ شرقی. محیط زیست علوم زمین ۲۰۱۵ ، ۷۴ ، ۱۷۳۱-۱۷۴۲٫ [ Google Scholar ] [ CrossRef ]
فراری، اف. جیاکومینی، آ. Thoeni، K. ارزیابی کیفی خطر سقوط سنگ: مروری جامع بر رویه‌های فعلی. راک مکانیک. مهندس راک ۲۰۱۶ ، ۴۹ ، ۲۸۶۵-۲۹۲۲٫ [ Google Scholar ] [ CrossRef ]
راپ، اس. Damm, B. مجموعه داده ملی ریزش سنگ به عنوان ابزاری برای تجزیه و تحلیل وقوع ریزش سنگی مکانی و زمانی در آلمان. زمین گشت و گذار. روند. Landf. ۲۰۲۰ ، ۴۵ ، ۱۵۲۸-۱۵۳۸٫ [ Google Scholar ] [ CrossRef ]
رویز-کارولا، آر. کرومیناس، جی. Mavrouli, O. روشی برای به دست آوردن توزیع اندازه بلوک رسوبات سنگریزه قطعه قطعه. زمین لغزش ۲۰۱۵ ، ۱۲ ، ۸۱۵-۸۲۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
مارچلی، م. روش های بهینه سازی برای ارزیابی پارامترهای یک مدل تکه تکه شدن فراکتال ریزش سنگ. رانش زمین ۲۰۱۹ ، ۱۶ ، ۱۳۸۵–۱۳۹۶٫ [ Google Scholar ] [ CrossRef ]
بودتا، پ. دی لوکا، سی. Nappi، M. ارزیابی کمی ریسک ریزش سنگ برای یک جاده مهم با استفاده از روش مدیریت ریسک ریزش سنگ (RO.MA.). گاو نر مهندس جئول محیط زیست ۲۰۱۶ ، ۷۵ ، ۱۳۷۷–۱۳۹۷٫ [ Google Scholar ] [ CrossRef ]
کوپنز، آر. ویلاپلانا، جی.ام. تحلیل مسافت سفر Linares، R. Rockfall با استفاده از مدل‌های تجربی (Solà d’Andorra la Vella، Central Pyrenees). نات. سیستم خطرات زمین. علمی ۲۰۰۹ ، ۹ ، ۲۱۰۷-۲۱۱۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
دی بیاگی، وی. ارتباط مختصر: دقت بلوک های افتاده قانون حجم-فرکانس. نات. سیستم خطرات زمین. علمی ۲۰۱۷ ، ۱۷ ، ۱۴۸۷-۱۴۹۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
مارچلی، م. دی بیاگی، وی. Peila، D. طراحی حصارهای شبکه حفاظتی مبتنی بر قابلیت اطمینان: تأثیر عدم قطعیت های ریزش سنگ از طریق یک تحلیل آماری. Geosciences ۲۰۲۰ , ۱۰ , ۲۸۰٫ [ Google Scholar ] [ CrossRef ]
زو، ی. زو، اچ. یو، جی. کائو، جی. Ni, L. به سوی مکانیزم های واقعی برای جمع سپاری تلفن همراه با تلفن های هوشمند پویا. در مجموعه مقالات سی و چهارمین کنفرانس بین المللی سیستم های کامپیوتری توزیع شده، مادرید، اسپانیا، ۳۰ ژوئن تا ۳ ژوئیه ۲۰۱۴٫ صص ۱۱-۲۰٫ [ Google Scholar ]
هاو، جی. ظهور جمع سپاری. مگ سیمی ۲۰۰۶ ، ۱۴ ، ۱-۴٫ [ Google Scholar ]
میسن، یو. Fuchs-Kittowski، F. جمع سپاری در سیستم های هشدار اولیه. در مجموعه مقالات انجمن بین‌المللی مدل‌سازی محیطی و نرم‌افزار (iEMSs) هفتمین کنگره بین‌المللی مدل‌سازی و نرم‌افزار محیطی، سن دیگو، کالیفرنیا، ایالات متحده آمریکا، ۱۵ تا ۱۹ ژوئن ۲۰۱۴٫ جلد ۱، ص ۱-۷٫ [ Google Scholar ]
بیلسکی، سی. اوبراین، وی. ویتمور، سی. یلینن، ک. جوگا، آی. نورمی، پ. کیلپینن، جی. پوراس، آی. Sole, JM; گیمز، پ. و همکاران جفت کردن خدمات هشدار اولیه، جمع سپاری، و مدل سازی برای بهبود پشتیبانی تصمیم و مدیریت اضطراری آتش سوزی. در مجموعه مقالات کنفرانس بین المللی IEEE در مورد داده های بزرگ (BIGDATA)، بوستون، MA، ایالات متحده، ۱۱-۱۴ دسامبر ۲۰۱۷؛ صص ۲۱۷-۲۳۰٫ [ Google Scholar ]
نگاه کنید به L. مروری بر علم شهروندی و جمع سپاری در کاربردهای سیلابی. جلو. علوم زمین ۲۰۱۹ ، ۷ ، ۴۴٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
چوی، سی سی; کوی، ی. Zhou، GGD استفاده از جمع سپاری برای بهبود کاهش و مدیریت زمین لغزش. زمین لغزش ۲۰۱۸ ، ۱۵ ، ۱۸۸۹-۱۸۹۹٫ [ Google Scholar ] [ CrossRef ]
علیزاده، ر. سودمایر-ریو، ک. جابویدوف، م. درون، M.-H. Devkota, S. یک برنامه اندرویدی آنلاین Web-GIS برای جمع آوری سریع داده ها از خطر و خطر زمین لغزش. نات. سیستم خطرات زمین. علمی ۲۰۱۷ ، ۱۷ ، ۵۴۹-۵۶۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کوکامن، س. Gokceoglu، C. یک برنامه CitSci برای جمع آوری داده های زمین لغزش. رانش زمین ۲۰۱۹ ، ۱۶ ، ۶۱۱-۶۱۵ . [ Google Scholar ] [ CrossRef ]
جوانگ، CS; استانلی، TA; Kirschbaum، DB استفاده از دانش شهروندی برای گسترش نقشه جهانی زمین لغزش: معرفی مخزن زمین لغزش آنلاین باز تعاونی (COOLR). PLoS ONE ۲۰۱۹ , ۱۴ , e0218657. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
چو، اچ جی; چن، YC Crowdsourcing از مکان‌ها برای نقشه‌برداری نقطه داغ جریان زباله عکس‌برداری می‌کند. نات. خطرات ۲۰۱۸ ، ۹۰ ، ۱۲۵۹-۱۲۷۶٫ [ Google Scholar ] [ CrossRef ]
گردآورنده برای ArcGIS، Esri. در دسترس آنلاین: http://www.esri.com/products/collector-for-arcgis (در ۲۱ ژوئن ۲۰۲۰ قابل دسترسی است).
آنسلین، پی. بارتلون، سی. برگر، اف. کاردیو، ام. شووین، سی. کورباود، بی. دسکروکس، ال. دورن، ال. فی، جی. گادری، پی. و همکاران Guide des Sylvicultures de Montagne Alpes du Nord. فرانسه ; Irstea: Publications Scientifiques et Tehniques; Gestion des Territoires-CemOA: پاریس، فرانسه، ۲۰۰۶; پ. ۲۸۹٫ [ Google Scholar ]
ArcGIS برای دسکتاپ، Esri. در دسترس آنلاین: http://desktop.arcgis.com/en/ (در ۲۳ ژوئیه ۲۰۲۰ قابل دسترسی است).
هایم، آ. برگستورز و منشنلبن. بیبل Vierteljahrsschr. نات. Ges. زوریخ ۱۹۳۲ ، ۲۰ ، ۲۱۸٫ [ Google Scholar ]
جابویدوف، م. Labiouse, V. نکته فنی: برآورد اولیه مناطق روان ریزش سنگ. نات. سیستم خطرات زمین. علمی ۲۰۱۱ ، ۱۱ ، ۸۱۹-۸۲۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
RockTheAlps—جنگل های آلپ ستاره های راک هستند! فضای آلپ اینتررگ در دسترس آنلاین: https://www.alpine-space.eu/projects/rockthealps/en/home (در ۲۳ ژوئیه ۲۰۲۰ قابل دسترسی است).
دانشگاه گرنوبل آلپ – منطقه بندی حیات گیاهی در کوهستان. ۲۰۱۸٫ در دسترس آنلاین: https://www.jardinalpindulautaret.fr/garden/exceptional-natural-environment/zoning-plant-life-mountains (دسترسی در ۱۵ ژوئن ۲۰۱۸).
EU-DEM v1.1 – Copernicus. ۲۰۱۶٫ در دسترس آنلاین: https://land.copernicus.eu/pan-european/satellite-derived-products/eu-dem/eu-dem-v1.1/view (در ۱۹ اوت ۲۰۱۹ قابل دسترسی است).
Dorren، LKA Rockyfor3D (v5.2) Revealed—Transparent Description of Complete 3D Rockfall Model ; کاغذ EcorisQ; EcorisQ-انجمن بین المللی: ژنو، سوئیس، ۲۰۱۶; پ. ۳۲٫ [ Google Scholar ]
فورمتا، جی. کاپارلی، جی. ورساچه، ص. ارزیابی عملکرد مدل‌های مبتنی بر فیزیکی ساده شده برای حساسیت زمین لغزش کم عمق. هیدرول. سیستم زمین علمی ۲۰۱۶ ، ۲۰ ، ۴۵۸۵-۴۶۰۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لارچر، وی. سیمونی، س. پاسکوازو، آر. استرادا، سی. زامپدیرو، جی. Berger, F. PARAmount: WP6 Guidelines, Rock Fall and Forest Systems ; PARAmount: لس آنجلس، کالیفرنیا، ایالات متحده آمریکا، ۲۰۱۲٫ پ. ۸۴٫ [ Google Scholar ]
SMRS; سازمان نقشه برداری و نقشه برداری جمهوری اسلوونی. داده های LiDAR در طرح ریزی D96/TM. ۲۰۱۴٫ در دسترس آنلاین: http://gis.arso.gov.si/evode/ profile.aspx?id=atlas_voda_Lidar@Arso (در ۱۹ اوت ۲۰۱۹ قابل دسترسی است).
بشارت، م. Rohn, J. تأثیرات بر مسافت سفر حرکتهای توده ای که توسط زلزله کشمیر ۲۰۰۵ در شمال شرقی هیمالیا پاکستان ایجاد شده است. نات. خطرات ۲۰۱۵ ، ۷۷ ، ۲۷۳-۲۹۲٫ [ Google Scholar ] [ CrossRef ]
ساس، او. Oberlechner, M. آیا آب و هوا باعث افزایش فراوانی ریزش سنگ در اتریش می شود. نات. سیستم خطرات زمین. علمی ۲۰۱۲ ، ۱۲ ، ۳۲۰۹-۳۲۱۶٫ [ Google Scholar ] [ CrossRef ]
دلونکا، آ. گانزبرگر، ی. Verdel, T. همبستگی آماری بین پایگاه‌های اطلاعاتی هواشناسی و ریزش سنگ. نات. سیستم خطرات زمین. علمی ۲۰۱۴ ، ۱۴ ، ۱۹۵۳-۱۹۶۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
داماتو، جی. هانتز، دی. گورین، آ. جابویدوف، م. بیلت، ال. ماریسکال، الف. تأثیر عوامل هواشناسی بر وقوع ریزش سنگ در یک صخره آهکی کوه میانی. نات. سیستم خطرات زمین. علمی ۲۰۱۶ ، ۱۶ ، ۷۱۹-۷۳۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
پارانونزیو، آر. لایو، اف. چیارل، ام. نیگرلی، جی. Guzzetti، F. ناهنجاری های آب و هوایی مرتبط با وقوع ریزش سنگ در ارتفاعات بالا در کوه های آلپ ایتالیا. نات. سیستم خطرات زمین. علمی ۲۰۱۶ ، ۱۶ ، ۲۰۸۵–۲۱۰۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
پرت، سی. ماچیوتا، آر. هندری، ام. رابطه کمی بین فصلی بودن آب و هوا و وقوع سقوط سنگ شمال هوپ، پیش از میلاد، کانادا. گاو نر مهندس جئول محیط زیست ۲۰۱۹ ، ۷۸ ، ۳۲۳۹–۳۲۵۱٫ [ Google Scholar ] [ CrossRef ]
دوارت منندز، آر. Marquínez, J. تاثیر عوامل محیطی و سنگ‌شناسی بر ریزش سنگ در مقیاس منطقه‌ای: ارزیابی با استفاده از GIS.ژئومورفولوژی ۲۰۰۲ ، ۴۳ ، ۱۱۷-۱۳۶٫ [ Google Scholar ] [ CrossRef ]
بورلا، جی. کویگلی، ام. کراوس، ز. لینکلن، ک. آتانایکه، جی. تمبر، L. لانمن، اچ. لوین، اس. همپتون، اس. Gravley، D. کنترل‌های زمین‌شناسی و ژئومورفیک بر خطر ریزش سنگ: ریزش‌های سنگی گذشته چقدر توزیع‌های آینده را پیش‌بینی می‌کنند؟ نات. سیستم خطرات زمین. علمی ۲۰۱۹ ، ۱۹ ، ۲۲۴۹–۲۲۸۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ساروگلو، سی. منطقه‌بندی حساسیت سنگ‌ریزی مبتنی بر GIS در یونان. Geosciences ۲۰۱۹ ، ۹ ، ۱۶۳٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
برگر، اف. دورن، ال. کلیمیر، ک. مایر، بی. پلانینسک، اس. بیگوت، سی. بوریر، اف. یانکه، او. انگشت پا، دی. Cerbu, G. مهندسی زیست محیطی و حفاظت از جنگل در برابر ریزش سنگ و بهمن برفی . Cerbu, G., Ed. InTech: لندن، انگلستان، ۲۰۱۳; صص ۱۹۱-۲۱۰٫ [ Google Scholar ]
دوپایر، اس. بوریر، اف. مونه، ج.-م. بیگوت، اس. بورجینت، ال. برگر، اف. کرت، تی. شاخص های کمی جدید برای توصیف اثر محافظتی جنگل های کوهستانی در برابر ریزش سنگ. Ecol. اندیک. ۲۰۱۶ ، ۶۷ ، ۹۸-۱۰۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
موس، سی. دورن، ال. استوفل، ام. کمی سازی اثر جنگل ها بر فراوانی و شدت ریزش سنگ. نات. سیستم خطرات زمین. علمی ۲۰۱۷ ، ۱۷ ، ۲۹۱-۳۰۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لانفرانکونی، سی. سالا، جی. فراتینی، پ. کروستا، گیگابایت؛ Valagussa، A. ارزیابی کارایی حفاظت از سنگریزه جنگل در مقیاس منطقه ای. رانش زمین ۲۰۲۰ . [ Google Scholar ] [ CrossRef ]
شلوگل، آر. کوفلر، سی. گاریانو، اس ال. ون کامپنهوت، جی. پلامر، S. تغییرات در الگوهای آب و هوا و ارتباط آنها با توزیع خطرات طبیعی در تیرول جنوبی (آلپ شرقی ایتالیا). علمی جمهوری ۲۰۲۰ ، ۱۰ ، ۵۰۲۲٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]

شکل ۱٫ چارچوب روش شناختی برای جمع آوری رویدادهای ریزش سنگ گذشته و محاسبه آمار انتشار سنگریزه.

شکل ۲٫ نمایش منطقی جمع آوری داده های ریزش سنگ: مرحله ۱-مفهوم تعریف منطقه منبع ریزش سنگ و مناطق نهشته در میدان. مرحله ۲- جمع‌آوری برنامه تلفن همراه برای رابط ArcGIS (سمت چپ-وارد کردن داده‌ها برای ناحیه منبع، وسط- لیست رسوبات ثبت شده سنگ‌ریزی، سمت راست- ویژگی‌های جمع‌آوری‌شده ارائه شده در نقشه وب، نقطه قرمز نقطه منبع، نقاط سبز-نقاط سپرده) ; مرحله ۳- داده هایی که با Collector برای ArcGIS جمع آوری می شوند در پایگاه داده مبتنی بر ابر در سرور آنلاین ArcGIS ذخیره می شوند. با این کار، آنها همچنین با پایگاه داده راک فال وب موجود (پس از کار میدانی) همگام می شوند. سپس داده‌های جمع‌آوری‌شده به‌طور مستقیم در پلتفرم WebGIS به‌عنوان یک نقشه وب که نمایش، تجزیه و تحلیل و جستجوی داده‌های ذخیره‌شده در فضای ابری را امکان‌پذیر می‌سازد، تجسم می‌شوند.

شکل ۳٫ مدل پایگاه داده ریزش سنگ که ساخت ساده ای از داده ها را در برنامه موبایل نشان می دهد. یک منطقه منبع سنگریزه جداگانه با یک رکورد در جدول Rockfall_source نشان داده می شود و می تواند به چندین رکورد Rockfall_deposit مرتبط باشد. هر دو جدول ویژگی های احتمالی قابل جمع آوری توسط هر ویژگی را نشان می دهد. ویژگی های دسته بندی source_type، forest_info، rock_shape، و stop_cause را فقط می توان بر اساس کلاس های از پیش تعریف شده از منوهای کشویی انتخاب کرد.

شکل ۴٫ مدل مفهومی محاسبه نقطه منطقه منبع واقعی ریزش سنگ و زوایای خط انرژی با استفاده از ابزار زاویه خط انرژی (ELA). داده‌های ورودی شامل مکان منطقه منبع ریزش صخره‌ای جمع‌آوری‌شده در میدان، نهشته‌های مربوطه (محاسبه در هر ریزش سنگ) و یک مدل زمین دیجیتال (DTM) است. بر اساس اندازه‌گیری‌های زاویه و آزیموت نسبت به ناحیه منبع واقعی، مکان واقعی با استفاده از تحلیل دیدگاه محاسبه می‌شود. بر اساس موقعیت منطقه منبع واقعی ریزش سنگ و مکان‌های نهشته‌های ریزش سنگ مربوطه، فاصله بین جفت‌های جداگانه محاسبه می‌شود که بیشتر برای محاسبه زوایای خطوط انرژی (همراه با تغییر ارتفاع) استفاده می‌شود.

شکل ۵٫ ویژگی اصلی WebGIS یک نقشه وب است که رویدادهای ریزش سنگ گذشته را نشان می دهد (نقطه قرمز – منطقه منبع سقوط سنگ، نقطه سبز – رسوب سنگ). قسمت پایینی نقشه وب از سه عنصر ساخته شده است: شرح کوتاهی از هدف پایگاه داده (سمت چپ)، تعداد سایت های ریزش سنگ (وسط) و رسوبات ریزش سنگ (راست). تعداد سایت‌ها و نهشته‌های ثبت‌شده ریزش سنگ با تغییر مقیاس نقشه وب تغییر می‌کند و تعداد به تعداد رکوردهایی که می‌توان در گستره نقشه وب تغییر یافته مشاهده کرد تنظیم می‌شود. یک صفحه ناوبری در گوشه سمت چپ بالا قرار دارد و شامل عناصر زیر است: اطلاعات نقشه وب، لیست لایه ها، آمار مربوط به داده ها، گزینه های نقشه پایه و بخش دانلود.

شکل ۶٫ پنجره پاپ آپ با ویژگی های منبع ریزش سنگ یا منطقه نهشته. اگر ویژگی دارای یک پیوست باشد، می توانید تصاویر پیوست را باز کرده و مشاهده کنید.

شکل ۷٫ آمار موجود در مورد هر دو ویژگی (منبع و منطقه سپرده). آمار را می توان برای کل وسعت نقشه وب یا برای یک منطقه از نظر مکانی محدود محاسبه کرد که می تواند با وسعت فضایی متفاوتی از نقشه وب یا با استفاده از یک منطقه تعریف شده توسط کاربر (مثلاً انتخاب فضایی از طریق نقطه، خط، یا انتخاب شود) محاسبه شود. چند ضلعی).

شکل ۸٫ زوایای خط انرژی (°) برای رسوبات ریزش سنگ در فضای آلپ.

شکل ۹٫ آمار برای ( الف ) منابع ریزش سنگ و ( ب ) نهشته های ریزش سنگ، واقع در هر پوشش گیاهی و منطقه ارتفاعی در فضای آلپ.

شکل ۱۰٫ ریزش های سنگی آزمایش شده در بخش شمال غربی اسلوونی، در کوه های آلپ جولیان، نزدیک مرز ایتالیا و اتریش قرار دارند.

شکل ۱۱٫ ( الف ) تصویر ارتوفتو از ریزش سنگ کرنیکا و ( ب ) نتایج مدل‌سازی ریزش سنگ با مدل CONEFALL با استفاده از زوایای مختلف خطوط انرژی و زوایای جانبی.

شکل ۱۲٫ ( الف ) تصویر اورتوفوتو از ریزش سنگ ترنتا و ( ب ) نتایج مدل‌سازی ریزش سنگ با مدل Rockyfor3D با مکان‌های مشخص شده از رسوبات ریزش سنگ.

شکل ۱۳٫ نمودار پراکندگی نشان دهنده همبستگی بین حجم رسوب سنگ (m3 ⁾ و زوایای خط انرژی (°).

هوش مکانی اتیم تحقیقاتی ونوس نصیرفام