در دهه‌های اخیر، فراوانی و شدت سیل‌های شهری به دلیل شهرنشینی سریع و تغییرات اقلیمی جهانی به طور قابل توجهی افزایش یافته است ^۱ ، که سیل را به یکی از مخرب‌ترین بلایای طبیعی از نظر اقتصادی در سراسر جهان تبدیل کرده است ^۲ . شهرهای پرجمعیت، به ویژه شهرهایی که زیرساخت‌های قدیمی و سیستم‌های زهکشی ناکافی دارند، به ویژه آسیب‌پذیر هستند ^۳ . برای رسیدگی به تقاضای رو به رشد ترافیک و کاهش ازدحام سطحی، شبکه مترو به اجزای ضروری حمل و نقل شهری پایدار تبدیل شده است ^۴،۵ . با این حال، این سیستم‌ها به دلیل ماهیت زیرزمینی خود به ویژه در معرض اختلالات مرتبط با سیل هستند ^۶،۷ . سیل ایستگاه‌ها یا تونل‌های مترو می‌تواند حمل و نقل شهری را فلج کند، جان انسان‌ها را به خطر بیندازد و خسارات اقتصادی قابل توجهی ایجاد کند ^{۸ . یک نمونه قابل توجه، فاجعه سیل مترو ژنگژو در سال ۲۰۲۱ است که در آن بارندگی بیش از} حد تونل‌ها را غرق کرد و باعث مرگ ۱۴ نفر و گرفتار شدن صدها مسافر شد ^۹ . این رویداد، آسیب‌پذیری شبکه‌های ریلی زیرزمینی در حال گسترش سریع را در برابر بارندگی شدید برجسته می‌کند. در طول دهه گذشته، چین یکی از سریع‌ترین ساخت متروها را در سراسر جهان تجربه کرده است ^۵ . تا پایان سال ۲۰۲۴، نزدیک به ۵۰ شهر شبکه مترو با طول بیش از ۱۰۰۰۰ کیلومتر را اداره می‌کردند. این گسترش سریع ملی، ردپای مکانی و وابستگی اجتماعی به زیرساخت‌های راه‌آهن زیرزمینی را به شدت افزایش داده و در نتیجه، هم احتمال برخورد دارایی‌های مترو با مناطق مستعد سیل و هم پیامدهای بالقوه انسانی/اقتصادی ناشی از طغیان ایستگاه یا تونل را افزایش داده است. در نتیجه، ارزیابی ریسک سیل شبکه مترو برای اولویت‌بندی مقاوم‌سازی و اقدامات هشدار اولیه ضروری است. با این حال، سرمایه‌گذاری‌های تاب‌آوری با گسترش سیستم، به ویژه در مناطقی که مستعد بارندگی شدید هستند، همگام نبوده است. ^{۱۰ ، ۱۱٫} در این زمینه، چنگدو، یک کلان‌شهر وسیع در حوضه سیچوان با نهرهای پیچیده، با تشدید بارندگی‌های شدید در کنار رشد مداوم شهری، با افزایش خطر سیل روبرو است.

برای تقویت تاب‌آوری شهری و حفاظت از شبکه مترو، روش‌های جامع ارزیابی ریسک سیل بسیار مهم هستند ^۱۲ . این روش‌ها باید شدت خطر، سطوح مواجهه و آسیب‌پذیری سیستم را در نظر بگیرند و در عین حال داده‌های مکانی دقیقی را برای اطلاع‌رسانی در برنامه‌ریزی و مدیریت بحران ارائه دهند ^{۱۳ ، ۱۴ ، ۱۵ ، ۱۶٫} روش‌های موجود ارزیابی ریسک سیل در چهار دسته کلی قرار می‌گیرند: آمار بلایای تاریخی (HDMS)، شبیه‌سازی‌های مبتنی بر سناریو (SSA)، سنجش از دور و ارزیابی‌های مبتنی بر GIS و تحلیل تصمیم‌گیری چندمعیاره (MCDA) ^{۱۱ ، ۱۷ ، ۱۸ ، ۱۹٫} ادغام MCDA در GIS با ترکیب تحلیل‌های مکانی با داده‌های تجربی (مانند بارندگی، کاربری اراضی، شیب) و قضاوت کارشناسی، پشتیبانی از تصمیم‌گیری مکانی را بهبود بخشیده و امکان ارزیابی‌های جامع‌تر و مبتنی بر ارزش را فراهم می‌کند ^{۱۲ ، ۲۰ ، ۲۱} .

در میان تکنیک‌های MCDA، فرآیند تحلیل سلسله مراتبی (AHP) به دلیل رویکرد ساختاریافته‌اش به وزن‌دهی عوامل و ظرفیتش برای گنجاندن قضاوت کارشناسی، به‌طور گسترده مورد استفاده قرار می‌گیرد ^{۲۲ ، ۲۳٫} با این حال، AHP به دلیل چارچوب قطعی و حساسیت به سوگیری ذهنی خود محدود شده است که قابلیت اطمینان آن را در تصمیم‌گیری تحت شرایط عدم قطعیت و اطلاعات ناقص کاهش می‌دهد ^{۲۴ ، ۲۵٫} برای پرداختن به این موضوع، محققان افزونه‌های احتمالی را به AHP معرفی کرده‌اند. یکی از این رویکردها، فرآیند تحلیل سلسله مراتبی مونت کارلو (MC-AHP) است که از توزیع‌های احتمالی، معمولاً β-PERT، برای شبیه‌سازی تغییرپذیری در قضاوت‌های کارشناسی و ایجاد تخمین‌های وزنی قوی‌تر استفاده می‌کند ^{۲۶ ، ۲۷٫} در مقایسه با AHP سنتی، MC-AHP درک عمیق‌تری از عدم قطعیت ارائه می‌دهد و تأثیر ارزیابی‌های افراطی یا متناقض را کاهش می‌دهد ^۲۸ .

علیرغم توجه روزافزون به خطرات سیل در زیرساخت‌های شهری، تحقیقات موجود هنوز چندین شکاف را نشان می‌دهد. اول، مطالعات کمی به طور سیستماتیک روش‌های چند معیاره پیشرفته مانند فرآیند سلسله مراتبی تحلیلی مونت کارلو (MC-AHP) را برای ارزیابی ریسک شبکه مترو به کار برده‌اند. دوم، بسیاری از ارزیابی‌ها فاقد دقت مکانی هستند یا نمی‌توانند شاخص‌های آسیب‌پذیری جامع مانند جریان مسافر، تراکم جمعیت و نزدیکی جاده را در نظر بگیرند. علاوه بر این، مطالعات موجود اغلب خطرات آینده‌ای را که زیرساخت‌های در حال ساخت با آن مواجه هستند، نادیده می‌گیرند. برای رفع این محدودیت‌ها، این مطالعه یک چارچوب ارزیابی ریسک سیل مبتنی بر GIS احتمالی را توسعه می‌دهد که AHP را با پسوند مونت کارلو (MC-AHP) ادغام می‌کند. به طور خاص، یک سیستم شاخص چند سطحی بر اساس چارچوب ریسک هیئت بین دولتی تغییرات اقلیمی ^۲۹ ایجاد شده است که شامل ۱۶ شاخص در سه بعد خطر، قرار گرفتن در معرض خطر و آسیب‌پذیری است. این چارچوب AHP سنتی را با MC-AHP ادغام می‌کند تا توزیع مکانی خطرات سیل را در خطوط و ایستگاه‌های مترو ارزیابی و مقایسه کند.

این مطالعه، تحقیقات موجود را در سه جنبه کلیدی پیش می‌برد و هم ارزش روش‌شناختی و هم اهمیت عملی ارزیابی ریسک سیل مترو را افزایش می‌دهد. اول، MC-AHP را برای کمی‌سازی صریح عدم قطعیت در قضاوت‌های کارشناسی معرفی می‌کند، محدودیتی حیاتی که اغلب در مطالعات مرسوم مبتنی بر AHP نادیده گرفته می‌شود. دوم، با ادغام سه‌گانه مکانیک شکل‌گیری فاجعه – عوامل ایجادکننده خطر، محیط مستعد خطر و حامل‌های خطر – این چارچوب، ارزیابی جامع‌تری را امکان‌پذیر می‌سازد. سوم، با ارزیابی همزمان خطوط و ایستگاه‌های مترو عملیاتی و در حال ساخت، این مطالعه دامنه تحقیقات قبلی را گسترش می‌دهد و بینش‌های آینده‌نگرانه‌ای را برای برنامه‌ریزی زیرساخت‌ها و ایجاد تاب‌آوری ارائه می‌دهد.

اهداف این مطالعه چهار مورد است: (۱) ساخت یک مدل ارزیابی ریسک سیل با رویکرد فضایی صریح و احتمالی برای شبکه مترو با استفاده از GIS، AHP و MC-AHP؛ (۲) شناسایی خطوط و ایستگاه‌های مترو با ریسک بالا در چنگدو و بررسی توزیع فضایی آنها؛ (۳) مقایسه عملکرد AHP قطعی و MC-AHP احتمالی در در نظر گرفتن عدم قطعیت در ارزیابی ریسک سیل شهری؛ و (۴) ارائه توصیه‌های عملی برای برنامه‌ریزی زیرساخت‌ها، سیستم‌های هشدار اولیه و افزایش تاب‌آوری.

این مطالعه با ترکیب نوآوری روش‌شناختی با اعتبارسنجی تجربی در چنگدو، نه تنها به محدودیت‌های ارزیابی‌های مرسوم ریسک سیل می‌پردازد، بلکه بینش‌های قابل تعمیمی را برای تقویت تاب‌آوری شبکه مترو در شهرهای به سرعت در حال شهری شدن و تحت تنش آب و هوایی در سراسر جهان ارائه می‌دهد.

با هدایت اهداف تحقیق، ما AHP، MC-AHP و GIS را برای ارزیابی خطر سیل در شبکه متروی چنگدو ادغام کردیم. شکل  ۱ نمودار جریان ارزیابی را نشان می‌دهد. این ارزیابی هم خطوط عملیاتی و هم خطوط در حال ساخت را پوشش می‌دهد و شامل سه جزء است: (i) ساخت یک سیستم شاخص سلسله مراتبی؛ (ii) استخراج وزن شاخص‌ها از طریق AHP و MC-AHP؛ و (iii) انجام تحلیل و تجسم مکانی مبتنی بر GIS.

ارزیابی سیستم سازه‌ای

ساخت سیستم

ساختار ارزیابی شامل لایه هدف، لایه معیارها و لایه شاخص است. با پیروی از چارچوب ریسک IPCC ^۲۹ و نظریه سیستم بلایا، ریسک سیل به عنوان تابعی از خطر (H)، میزان مواجهه (E) و آسیب‌پذیری (V) تعریف می‌شود، همانطور که در معادله ( ۱ ) نشان داده شده است.

که در آن «+» نشان دهنده تحلیل همپوشانی در GIS و R نشان دهنده خطر فاجعه سیل در کلانشهرها است. با توجه به اینکه عوامل مختلف به طور متفاوتی در خطر سیل نقش دارند، ارزیابی خطر سیل باید از عوامل ارزیابی مختلف و وزن‌های مربوط به آنها استفاده کند.

بنابراین، ریسک سیل مترو را می‌توان با استفاده از معادله ( ۲ ) دوباره تعریف کرد.

که در آن  ،  و  به ترتیب وزن‌های خطر، مواجهه و آسیب‌پذیری هستند.  ،  و  نشان دهنده مقادیر شاخص‌های خطر، مواجهه و آسیب‌پذیری هستند و  ،  و  وزن هر شاخص مربوطه را در سه عامل خطر، مواجهه و آسیب‌پذیری نشان می‌دهند.

سیستم فهرست

طبق مکانیسم شکل‌گیری بلایای سیل، یک سیستم منطقه‌ای بلایای سیل از سه جزء تشکیل شده است: عوامل ایجادکننده بلایا، محیط مستعد بلایا و حاملان بلایا ^{۳۰ ، ۳۱٫} بر اساس این چارچوب، یک سیستم شاخص ارزیابی ریسک سیل کلان‌شهر با ترکیب ابعاد خطر، مواجهه و آسیب‌پذیری توسعه داده می‌شود. این سیستم شاخص شامل موارد زیر است:

(۱) شاخص خطر. خطر به احتمال وقوع یک رویداد، روند یا تأثیر فیزیکی طبیعی یا انسانی اشاره دارد که ممکن است باعث از دست رفتن جان، خسارت به اموال، اکوسیستم‌ها یا اختلال در خدمات شود ^{۲۹ ، ۳۲٫} در این مطالعه، خطر به احتمال، فراوانی و شدت فرآیندهای ایجاد کننده سیل (مثلاً بارندگی شدید، سرریز رودخانه) که می‌توانند باعث سیل شوند، اشاره دارد. شاخص عوامل ایجاد کننده خطر شامل میانگین بارندگی سالانه (H11)، تعداد روزهای بارانی سنگین سالانه (H12) و حداکثر بارندگی روزانه (H13) است. و شاخص خطر محیطی آبستن فاجعه شامل ارتفاع (H21)، شیب (H22)، تراکم رودخانه (H23) و نزدیکی به رودخانه (H24) است. تراکم رودخانه (H23) به طول رودخانه‌ها در واحد سطح اشاره دارد. نزدیکی به رودخانه (H24) به رابطه مکانی بین رودخانه‌ها و محیط‌های اطراف اشاره دارد.

(۲) شاخص مواجهه. مواجهه به حضور و توزیع افراد، دارایی‌ها و اکوسیستم‌ها در مناطقی اشاره دارد که ممکن است تحت تأثیر منفی مخاطرات طبیعی قرار گیرند و نشان می‌دهد که این گیرنده‌ها تا چه حد در معرض فراوانی، شدت و ویژگی‌های مکانی-زمانی رویدادهای خطرناک قرار دارند. ^{۲۹ ، ۳۳٫} در این مطالعه، شاخص مواجهه با حاملان فاجعه شامل تعداد خروجی‌های مترو (E1)، تراکم مترو (E2)، نزدیکی مترو (E3) و تعداد ایستگاه‌های انتقال (E4) است.

(۳) شاخص آسیب‌پذیری. آسیب‌پذیری به ویژگی‌های ذاتی گیرنده‌ها اشاره دارد که میزان آسیب‌پذیری آنها در برابر آسیب و ظرفیت آنها برای مقابله، مقاومت و بازیابی از اثرات مخاطرات طبیعی را تعیین می‌کند. ^{۲۹ ، ۳۴٫} شاخص آسیب‌پذیری حامل‌های بلایا شامل پنج شاخص است: شدت جریان مسافر (V1)، شدت ایستگاه (V2)، تراکم جمعیت (V3)، تراکم شبکه جاده‌ای (V4) و نزدیکی شبکه جاده‌ای (V5).

محاسبه وزن

فرآیند تحلیل سلسله مراتبی (AHP)

AHP از مقایسه‌های زوجی برای ارزیابی اهمیت نسبی شاخص‌ها در هر لایه استفاده می‌کند. ^{۲۳ ، ۳۵٫} این روش به تجزیه مسائل پیچیده به یک ساختار سلسله مراتبی برای مقایسه چند سطحی و تعیین وزن، و به دنبال آن ارزیابی‌های کیفی و کمی کمک می‌کند و در نهایت منجر به نتایج تصمیم‌گیری می‌شود. مراحل اصلی عبارتند از:

1. (۱)ساخت ماتریس قضاوت: طبق اصول اساسی AHP ^۲۲ ، ماتریس قضاوت با استفاده از مقایسه‌های زوجی، همانطور که در معادله ( ۳ ) نشان داده شده است، ساخته می‌شود.
   (۳)

1. (۲)محاسبه وزن‌ها با نرمال‌سازی ماتریس و حل برای بردار ویژه اصلی.

1. (۳)بررسی سازگاری از طریق نسبت سازگاری (CR). یک ماتریس در صورتی معتبر است که CR < 0.1 باشد.

فرآیند تحلیل سلسله مراتبی مونت کارلو (MC-AHP)

در مقایسه با روش AHP، کاربرد MC-AHP دو مزیت عمده را نشان می‌دهد. اول، MC-AHP عدم قطعیت ذاتی در قضاوت‌های کارشناسی را در طول فرآیند تصمیم‌گیری ادغام می‌کند . ^۳۶. برای گنجاندن عدم قطعیت در قضاوت کارشناسی، MC-AHP مقایسه‌های زوجی را به عنوان توزیع‌های β-PERT با استفاده از مقادیر حداقل، محتمل‌ترین و حداکثر در نظر می‌گیرد. دوم، MC-AHP خروجی دقیق‌تری ارائه می‌دهد و به تصمیم‌گیرندگان کمک می‌کند تا عدم قطعیت پشت رتبه‌بندی‌ها را بهتر درک کنند . ^۲۸. مراحل اصلی به شرح زیر است:

1. (۱)توزیع‌های β مربوطه را برای عناصر خارج از قطر هر ماتریس قضاوت ایجاد کنید.

1. (۲)به طور تصادفی اعدادی با پیروی از توزیع β-PERT برای عناصر غیرقطری هر ماتریس قضاوت تولید کنید و معکوس اعداد تصادفی مربوطه را تولید کنید. تعریف در معادله ( ۴ ) آمده است.
   (۴)

1. (۳)حداکثر مقدار ویژه و بردار ویژه متناظر آن را برای هر ماتریس قضاوت تصادفی تولید شده محاسبه کنید. بردار ویژه حاصل، برای تعیین وزن نسبی هر شاخص، بیشتر نرمال‌سازی می‌شود.

1. (۴)مشابه روش سنتی AHP، با محاسبه شاخص سازگاری (CI)، سازگاری ماتریس قضاوت را اندازه‌گیری کنید.

1. (۵)مراحل ۴ تا ۶ را با استفاده از شبیه‌سازی‌های مونت کارلو تکرار کنید تا ۱۰۰۰ ماتریس قضاوت برای هر گروه شاخص به دست آید. اگر یک ماتریس قضاوت الزام سازگاری را برآورده نکند (CR > 0.1)، تا زمانی که نسبت سازگاری (CR) برای همه ماتریس‌های قضاوت به دست آمده کمتر از ۰.۱ نباشد، از مطالعه حذف می‌شود. در نهایت، وزن نسبی هر عامل با استفاده از ۱۰۰۰ ماتریس قضاوت تعیین شده و به عنوان توابع چگالی احتمال به جای مقادیر قطعی ارائه می‌شوند.

تحلیل مکانی مبتنی بر GIS

نرمال‌سازی شاخص

برای اطمینان از صحت نتایج ارزیابی، قبل از انجام تحلیل همپوشانی، باید تمام عوامل ارزیابی نرمال‌سازی شوند. بر اساس ویژگی‌های مکانی عوامل، از تکنیک نرمال‌سازی حداکثر-حداقل در پلتفرم GIS ^۳۷ استفاده می‌شود . ارتفاع و شیب به عنوان شاخص‌های منفی در نظر گرفته می‌شوند و با استفاده از معادله ( ۵ ) نرمال‌سازی می‌شوند. سایر عوامل که افزایش آنها متناسب با خطر سیل است، به عنوان شاخص‌های مثبت در نظر گرفته می‌شوند و با استفاده از معادله ( ۶ ) نرمال‌سازی می‌شوند.

که در آن نشان دهنده مقدار نرمال شده شاخص، و مقادیر حداکثر و حداقل شاخص و مقدار واقعی شاخص ارزیابی است.

ترکیب خطی وزنی (WLC)

ترکیب خطی وزن‌دار (WLC) به صورت خطی چندین لایه رستری جغرافیایی را طبق وزن‌های از پیش تعریف‌شده ترکیب می‌کند تا یک نتیجه ارزیابی کلی، همانطور که در معادله ( ۷ ) تعریف شده است، به دست آورد.

که در آن R مقدار ریسک فاجعه سیل، وزن و مقدار نرمال شده عامل لایه معیار

تجسم سطح ریسک

در این مطالعه، عوامل ارزیابی وقایع بارندگی با استفاده از ابزارهای GIS تجسم می‌شوند. روش درون‌یابی کریجینگ به طور گسترده برای بازتولید وقایع بارندگی استفاده می‌شود، زیرا الگوهای توزیع مکانی وقایع بارندگی را به طور دقیق نشان می‌دهد ^۳۸ .

اصل درون‌یابی کریجینگ در معادله ( ۸ ) بیان شده است، که در آن s نشان دهنده مختصات مکانی، Z(s) متغیر در مختصات s و Z(s) از a، روند µ(s) و انحرافات تصادفی ε(s) تشکیل شده است.

نمای کلی منطقه مورد مطالعه

چنگدو در بخش غربی حوضه سیچوان واقع شده است، که بین طول‌های جغرافیایی ۱۰۲°۵۴′ تا ۱۰۴°۵۳′ و عرض‌های جغرافیایی ۳۰°۰۵′ تا ۳۱°۲۶′۳۹ قرار دارد ^. موقعیت جغرافیایی آن در شکل ۲ نشان داده شده است . توپوگرافی در شمال غربی مرتفع‌تر و در جنوب پست‌تر است. این شهر عمدتاً از دشت‌هایی تشکیل شده است که در میانه‌های رودخانه مین واقع شده‌اند، جایی که رودخانه‌ها به صورت متقاطع قرار گرفته‌اند و یک دشت چند رودخانه‌ای را تشکیل می‌دهند. از سال ۲۰۲۳، چنگدو ۱۲ منطقه شهری، ۳ شهرستان و ۵ شهر در سطح شهرستان را اداره می‌کند که مساحت کل ۱۴۳۳۵ کیلومتر مربع را با جمعیت دائمی ۲۱٫۴۰۳ میلیون نفر پوشش می‌دهد. از زمان افتتاح متروی چنگدو در سال ۲۰۱۰، این مترو به بخش جدایی‌ناپذیری از سیستم حمل و نقل شهر تبدیل شده است. تا دسامبر ۲۰۲۴، متروی چنگدو ۱۴ خط را اداره می‌کرد که طول کل عملیاتی آن ۵۹۴.۱۴ کیلومتر (به استثنای تراموا و راه‌آهن حومه) بود. ۵ خط مترو در دست ساخت است که طول کل آنها ۲۶۹.۹ کیلومتر است. در سال ۲۰۲۴، میانگین مسافران روزانه متروی چنگدو به ۶.۰۰۲۵ میلیون سفر رسید. این ارقام نشان دهنده‌ی فضای وسیع و مواجهه قابل توجه با انسان است. شکل ۳ شبکه متروی منطقه مورد مطالعه را نشان می‌دهد.

داده‌های آماری نشان می‌دهد که چنگدو بین سال‌های ۲۰۰۰ تا ۲۰۲۰، ۳۰ رویداد بزرگ سیل را تجربه کرده است . ^۳۱. در طول فصل سیل ۲۰۲۰ (مه تا سپتامبر)، میزان بارندگی این شهر به ۱۱۱۰.۹ میلی‌متر رسید که بسیار بیشتر از میانگین بلندمدت ۷۶۰.۰ میلی‌متر بود. تنها در ماه اوت، بارندگی بیش از ۶۰٪ از کل بارندگی فصل سیل را تشکیل می‌داد. در این دوره، چهار رویداد بارندگی شدید (در ۷، ۱۱، ۱۶ و ۳۰ اوت) رخ داد که با باران‌های سنگین مکرر، مدت طولانی، شدت زیاد، پوشش وسیع و بارندگی‌های ساعتی زیاد مشخص می‌شوند. این رویدادها همچنین باعث افزایش سطح آب و خسارات شدید ناشی از بلایای طبیعی شدند. به عنوان مثال، رویداد بارندگی «۸.۱۶» باعث سیل گسترده در ایستگاه شوفانگ خط ۲ مترو شد و بسیاری از مسافران را به دام انداخت. و مجموعه داده‌های مورد استفاده برای تعیین کمیت خطر، قرار گرفتن در معرض خطر و آسیب‌پذیری در جدول ۱ خلاصه شده است .

ارزیابی ریسک بر اساس AHP

محاسبه وزن شاخص‌ها

بر اساس سیستم شاخص ساخته شده و نتایج نظرسنجی‌های کارشناسی، و همچنین فرآیند محاسبه وزن معرفی شده در بخش ۲٫۲٫۱ با استفاده از فرآیند تحلیل سلسله مراتبی (AHP)، ماتریس‌های قضاوت و محاسبات وزن با استفاده از اکسل ساخته شدند. نتایج محاسبه وزن جامع سیستم شاخص ارزیابی در جدول ۲ نشان داده شده است . از جدول، می‌توان دریافت که تأثیرگذارترین عامل مؤثر بر خطر سیل مترو، آسیب‌پذیری حامل‌های فاجعه‌بار است. این با یافته‌های لیو و همکاران. ^۴۰ همسو است که استدلال کردند در ارزیابی‌های خطر سیل شبکه مترو، آسیب‌پذیری مهم‌تر از خطر و قرار گرفتن در معرض آن است.

تحلیل خطر

بر اساس داده‌های عمومی موجود، این مطالعه داده‌های میانگین بارندگی سالانه از سال ۲۰۰۱ تا ۲۰۲۳ و همچنین تعداد روزهای بارندگی شدید سالانه و حداکثر بارندگی روزانه از سال ۲۰۰۱ تا ۲۰۲۲ را جمع‌آوری کرد. این داده‌ها با استفاده از درون‌یابی کریجینگ در GIS تجسم شدند و در نتیجه نقشه‌های توزیع مکانی برای این سه شاخص، همانطور که در شکل  ۴ (ac) نشان داده شده است، ایجاد شد.

با استفاده از روش نرمال‌سازی شرح داده شده در بخش  ۲٫۳٫۲ ، ابزارهای GIS قبل از انجام تحلیل همپوشانی اعمال شدند. بر اساس وزن‌های شاخص خطر برای عوامل ایجادکننده فاجعه، توزیع مکانی نرمال‌شده هر عامل ایجادکننده فاجعه با وزن‌های مربوطه از شاخص‌های خطر با استفاده از محاسبه‌گر رستری در QGIS ترکیب شد و در نتیجه سطوح خطر برای عوامل ایجادکننده فاجعه، همانطور که در شکل  ۴ (d) نشان داده شده است، به دست آمد. از شکل می‌توان مشاهده کرد که مناطق پرخطر در شمال غربی چنگدو، مانند دوجیانگیان، متمرکز شده‌اند. مناطقی مانند پنگژو، چونگژو، دای، کیونگلای و پوجیانگ با سطوح بالاتری از خطر فاجعه مرتبط هستند.

لایه‌های رستری ارتفاع (H21) و شیب (H22) از مدل ارتفاعی دیجیتال (DEM) با استفاده از ابزارهای تحلیل رستری زمین در جعبه ابزار پردازش QGIS تولید شدند. تراکم رودخانه به طول رودخانه‌ها در واحد سطح اشاره دارد که با استفاده از تابع تراکم خط با شعاع جستجوی ۱ کیلومتر محاسبه می‌شود. نزدیکی شبکه رودخانه به فاصله تا نزدیکترین رودخانه اشاره دارد که با استفاده از ابزار بافر در QGIS با مشخص کردن فواصل متحدالمرکز چندگانه (۲۰۰ متر، ۴۰۰ متر، ۶۰۰ متر، ۸۰۰ متر و ۱۰۰۰ متر) ^{۴۱ تولید} می‌شود . شکل‌های ۵ (ad) توزیع مکانی هر شاخص خطر محیطی مستعد فاجعه، از جمله ارتفاع، شیب، تراکم رودخانه و نزدیکی شبکه رودخانه را نشان می‌دهند.

با استفاده از همین روش، نقشه توزیع سطح محیط مستعد فاجعه برای فاجعه سیل شبکه مترو در شکل  ۵ (ه) نشان داده شده است. می‌توان مشاهده کرد که مناطق پرخطر در مناطق مرکزی کم ارتفاع، مسطح و مناطق نزدیک به سیستم‌های رودخانه‌ای واقع شده‌اند.

بر اساس تحلیل فوق، شکل  ۴ (د) و شکل  ۵ (ه) تحت ترکیب خطی وزنی در GIS قرار گرفتند تا نقشه سطح خطر سیل، همانطور که در شکل  ۵ (و) نشان داده شده است، ایجاد شود. نقشه نشان می‌دهد که دوجیانگیان بالاترین سطح خطر سیل را نشان می‌دهد. مناطقی با سطح خطر نسبتاً بالا شامل پنگژو، چونگژو، دای، کیونگلای و پوجیانگ هستند. منطقه شهری اصلی سطح خطر خطر کمتری را نشان می‌دهد، در حالی که منطقه شرقی چنگدو کمترین سطح خطر خطر را نشان می‌دهد.

تحلیل مواجهه با ناقلین بلایا

سطح مواجهه شبکه مترو با بلایای سیل با استفاده از همان روش تحلیل خطر ارزیابی می‌شود. تراکم خطوط مترو به صورت طول خطوط مترو در هر کیلومتر مربع تعریف می‌شود که با استفاده از شعاع ۱۰۰۰ متر به دست می‌آید. نزدیکی خط مترو به صورت فاصله تا نزدیکترین خط مترو تعریف می‌شود که با استفاده از ابزار بافر در QGIS با مشخص کردن فواصل متحدالمرکز چندگانه (۲۰۰ متر، ۴۰۰ متر، ۶۰۰ متر، ۸۰۰ متر و ۱۰۰۰ متر) تولید می‌شود. شکل  ۶ توزیع مکانی هر شاخص مواجهه را نشان می‌دهد.

بر اساس تحلیل فوق، نقشه توزیع مکانی سطح خطر مواجهه با حامل‌های فاجعه با ترکیب وزنی با استفاده از محاسبه‌گر رستری در QGIS، با در نظر گرفتن وزن هر شاخص و نقشه توزیع مکانی نرمال‌شده، همانطور که در شکل  ۷ نشان داده شده است، به دست آمد . می‌توان مشاهده کرد که خطوط مترو در مرکز شهر متراکم‌تر توزیع شده‌اند و در نتیجه سطوح مواجهه بالاتری دارند، که در درجه اول شامل خطوط مترو که از منطقه اصلی شهری عبور می‌کنند، از جمله خط مترو ۱، خط ۲، خط ۴، خط ۷ و خط ۸ و همچنین بخش‌های در حال ساخت فاز ۳ خط ۱۸، فاز ۱ خط ۱۳ و فاز ۲ خط ۱۷ می‌شود.

تحلیل آسیب‌پذیری حامل‌های بلایا

تراکم شبکه جاده‌ای، طول شبکه جاده‌ای در واحد سطح را نشان می‌دهد، در حالی که نزدیکی شبکه جاده‌ای به فاصله تا نزدیکترین جاده اشاره دارد. در فرآیند تحلیل، از همان روشی که برای شبکه رودخانه‌ای و شبکه مترو استفاده شد، استفاده شد. تراکم شبکه جاده‌ای با استفاده از تابع تراکم خط، با شعاع جستجوی ۱۰۰۰ متر محاسبه شد. ابزار بافر در QGIS با تعیین فواصل متحدالمرکز چندگانه (۲۰۰ متر، ۴۰۰ متر، ۶۰۰ متر، ۸۰۰ متر و ۱۰۰۰ متر) برای نزدیکی شبکه جاده‌ای به کار گرفته شد. شکل‌های  ۸ (ae) توزیع مکانی هر شاخص آسیب‌پذیری را نشان می‌دهند.

بر اساس تحلیل فوق، هر شاخص نرمال‌سازی شد و شاخص‌های ارزیابی نرمال‌سازی شده با وزن‌های مربوطه خود با استفاده از محاسبه‌گر رستری در QGIS ترکیب شدند تا توزیع مکانی آسیب‌پذیری حامل‌های فاجعه، همانطور که در شکل  ۸ (f) نشان داده شده است، به دست آید. می‌توان مشاهده کرد که منطقه اصلی شهری بالاترین سطح خطر آسیب‌پذیری را نشان می‌دهد و پس از آن مناطق اطراف ونجیانگ، شوانگلیو، لونگ‌کوانیی، شیندو و پیدو قرار دارند. علاوه بر این، مناطقی که در امتداد توزیع جاده اصلی در چنگدو قرار دارند نیز آسیب‌پذیری نسبتاً بالایی را نشان می‌دهند.

نتایج ارزیابی ریسک سیل با روش AHP

بر اساس تحلیل فوق، خطر سیل منطقه‌ای در چنگدو را می‌توان با تحلیل همپوشانی با استفاده از Raster Calculator در QGIS به دست آورد. شکل  ۹ (الف) توزیع مکانی خطر سیل منطقه‌ای به دست آمده با استفاده از روش AHP را نشان می‌دهد. همانطور که در شکل نشان داده شده است، مناطق پرخطر عمدتاً در منطقه شهری مرکزی واقع شده‌اند و خطر از توزیع حلقه‌ای در منطقه شهری مرکزی پیروی می‌کند. توزیع خطوط مترو و شبکه جاده‌ای تأثیر قابل توجهی بر خطر سیل در چنگدو دارد، و توزیع خطوط مترو تأثیر بیشتری دارد. مناطق با خطر متوسط ​​عمدتاً در قسمت‌های شمالی و غربی چنگدو و با خطرات کمتر در شرق واقع شده‌اند.

پس از ارزیابی خطر سیل منطقه‌ای، سطح خطر در امتداد خطوط مترو را می‌توان با استخراج مقادیر رستری در یک منطقه حائل ۵۰۰ متری از خطوط مترو با استفاده از ابزار «Clip Raster by Mask Layer» در QGIS که برای ارزیابی خطر سیل برای شبکه مترو استفاده می‌شود، بدست آورد . ^۴۰ برای تعیین سطح خطر شبکه مترو، رستری خطر سیل با استفاده از ابزار «Reclassify by table» در QGIS به پنج سطح طبقه‌بندی مجدد شد: بسیار بالا، بالا، متوسط، کم و بسیار کم. شکل ۹ (ب) توزیع مکانی سطوح خطر سیل را برای شبکه مترو چنگدو بر اساس روش AHP نشان می‌دهد. همانطور که در شکل نشان داده شده است، منطقه مرکزی شهری با خطوط متراکم مترو، خطر سیل بالاتری را نشان می‌دهد.

ارزیابی ریسک مبتنی بر MC-AHP

AHP سنتی در مدیریت ابهام و عدم قطعیت‌های احتمالی محدودیت‌هایی دارد. در این مطالعه، ارزیابی با ادغام توزیع‌های β-PERT، ماتریس‌های قضاوت و شبیه‌سازی‌های مونت کارلو بهبود یافته است. مطالعات موردی متعدد، امکان‌سنجی و اثربخشی این روش را در مدیریت عدم قطعیت در ارزیابی‌های تصمیم‌گیری تأیید کرده‌اند ^۴۲ .

محاسبه وزن شاخص

محاسبه وزن شاخص‌ها با استفاده از روش معرفی شده در بخش  ۲٫۲٫۲ انجام می‌شود . با استفاده از ۱۰۰۰ ماتریس قضاوت سازگار، می‌توان وزن نسبی هر عامل را بدست آورد و توزیع چگالی احتمال آنها را تولید کرد. به عنوان مثال، توزیع چگالی احتمال لایه معیار در شکل  ۱۰ (الف) و توزیع چگالی احتمال آسیب‌پذیری در شکل  ۱۰ (ب) نشان داده شده است. جدول  ۳ آماره امتیاز کلی MC-AHP را ارائه می‌دهد.

نتایج نشان می‌دهد که در توزیع چگالی احتمال لایه معیار، تابع چگالی احتمال آسیب‌پذیری بیشترین وزن را دارد، که نشان می‌دهد آسیب‌پذیری حامل‌های فاجعه، خطر سیل مترو را به ویژه در خطوط با جریان مسافر زیاد به طور قابل توجهی افزایش می‌دهد. این با نتایج حاصل از روش AHP سازگار است. بر اساس مقادیر میانگین وزنی MC-AHP هر شاخص، نقشه توزیع مکانی خطر سیل در شبکه مترو ترسیم شده است.

تحلیل ریسک فاجعه سیل شبکه مترو مبتنی بر MC-AHP

با اعمال همین روش، نقشه توزیع مکانی سطوح ریسک برای هر لایه معیار با استفاده از تحلیل همپوشانی GIS، همانطور که در شکل  ۱۱ نشان داده شده است، به دست می‌آید .

شکل ۱۱ (الف) توزیع فضایی سطوح خطر یکپارچه را نشان می‌دهد. می‌توان مشاهده کرد که دوجیانگیان سطح خطر بالاتری نسبت به سایر مناطق دارد، به طوری که خطرات خطر بالا در قسمت‌های شمالی و غربی و کمترین خطر در شرق قرار دارد. شکل  ۱۱ (ب) توزیع فضایی سطوح خطر مواجهه را برای حامل‌های فاجعه نشان می‌دهد. می‌توان مشاهده کرد که مناطق پرخطر عمدتاً در منطقه شهری مرکزی واقع شده‌اند، که عمدتاً به دلیل توزیع متراکم شبکه مترو در این منطقه است. شکل  ۱۱ (ج) توزیع فضایی سطوح خطر آسیب‌پذیری را برای حامل‌های فاجعه نشان می‌دهد. از روی شکل می‌توان دریافت که خطر آسیب‌پذیری در پنج منطقه منطقه شهری مرکزی، شوانگلیو و شیندو، بیشتر از سایر مناطق، به ویژه در چینگ‌یانگ، ووهو و جین‌جیانگ است، جایی که سطوح خطر آسیب‌پذیری بالاترین است. در خارج از این مناطق، آسیب‌پذیری بالا از توزیع کمربندی مانندی پیروی می‌کند که تحت تأثیر شبکه جاده‌ای قرار دارد. مناطق با خطر متوسط ​​در اطراف مناطق بسیار پرخطر و پرخطر توزیع شده‌اند و بزرگترین منطقه را پوشش می‌دهند. مناطق با خطر آسیب‌پذیری بالا عمدتاً در مناطق پرجمعیت و مناطقی با شبکه متروی متراکم واقع شده‌اند.

نتایج ارزیابی ریسک MC-AHP

با استفاده از همین روش، توزیع مکانی خطر سیل منطقه‌ای که از طریق MC-AHP به دست آمده است در شکل  ۱۲ (الف) نشان داده شده است؛ توزیع مکانی سطوح خطر سیل برای شبکه متروی چنگدو بر اساس MC-AHP در شکل  ۱۲ (ب) نشان داده شده است. همانطور که نشان داده شده است، بالاترین خطر سیل در منطقه شهری مرکزی است که به طور قابل توجهی بالاتر از سایر مناطق است و پس از آن دوجیانگیان قرار دارد. خطر در بخش شرقی چنگدو کمتر است. در نقشه توزیع خطر سیل برای شبکه مترو، مناطق پرخطر عمدتاً در منطقه شهری مرکزی متمرکز شده‌اند و سطح خطر به سمت خارج از مرکز کاهش می‌یابد.

مشابه نتایج به‌دست‌آمده از AHP، خطر سیل برای شبکه مترو بر اساس MC-AHP از توزیع حلقه‌ای پیروی می‌کند، به طوری که مناطق با خطر بسیار بالا تا خطر بسیار پایین به ترتیب ۴۲.۷۸ کیلومتر مربع (۸٪)، ۶۷.۵۷ کیلومتر مربع (۱۳٪)، ۱۱۵.۱۳ کیلومتر مربع (۲۱٪)، ۱۳۳.۲۵ کیلومتر مربع (۲۵٪) و ۱۷۷.۴۲ کیلومتر مربع (۳۳٪) هستند. مناطق همپوشانی بین خطوط مترو به دلیل عبور خطوط مختلف مترو دوباره محاسبه می‌شوند.

شکل ۱۳ توزیع منطقه‌ای سطوح مختلف خطر سیل را برای خطوط مختلف مترو در چنگدو نشان می‌دهد. می‌توان مشاهده کرد که بزرگترین و گسترده‌ترین سطوح خطر، سطوح خطر متوسط ​​و بالا هستند. پنج خط مترو، به طور خاص، دارای ریسک بالایی هستند و مناطق خطر بالا و بسیار بالا بیش از ۵۰٪ از کل منطقه تحت پوشش آنها را تشکیل می‌دهند: خط ۱ (جهت ووگنسونگ، ۵۴.۲۴٪)، خط ۲ (۵۲.۳۹٪)، خط ۹ (۵۲.۰۳٪)، فاز سوم خط ۱۰ (۶۲.۲۵٪) و فاز سوم توسعه شمالی خط ۱۸ (۹۴.۳۸٪). این خطوط عمدتاً در منطقه مرکزی شهر واقع شده‌اند یا از آن عبور می‌کنند.

برای خطر سیل ایستگاه‌های مترو، پلتفرم QGIS سطح خطر سیل ۴۸۴ ایستگاه مترو (شامل برخی از ایستگاه‌های در حال ساخت) را شناسایی کرد. شکل  ۱۴ توزیع تعداد ایستگاه‌های مترو با سطوح مختلف خطر سیل را برای هر خط مترو در چنگدو نشان می‌دهد. پس از حذف ۱۳۷ ایستگاه انتقال تکراری، تعداد واقعی ایستگاه‌ها در شبکه مترو چنگدو ۳۵۴ (شامل ۷ ایستگاه در حال ساخت) است. ایستگاه‌های با خطر بسیار بالا ۵۴ ایستگاه هستند و ایستگاه‌های با خطر بالا با ۱۲۴ ایستگاه، بیشترین پراکندگی را دارند که به ترتیب ۱۵.۲۵٪ و ۳۵.۰۳٪ از کل را تشکیل می‌دهند. ایستگاه‌های با خطر متوسط ​​یا بالاتر (شامل خطر متوسط) ۷۲.۶۰٪ را تشکیل می‌دهند. این نسبت نشان می‌دهد که شبکه مترو چنگدو پتانسیل بالایی برای خطر سیل دارد. همانطور که در شکل  ۱۴ مشاهده می‌شود ، ایستگاه‌های بسیار پرخطر عمدتاً در خط ۷ (۱۹ ایستگاه)، خط ۴ (۱۱ ایستگاه)، خط ۳ (۷ ایستگاه)، خط ۲ (۱۱ ایستگاه) و خط ۱ (۱۱ ایستگاه) قرار دارند که این ایستگاه‌ها عمدتاً در منطقه مرکزی شهر، عمدتاً ایستگاه‌های انتقال، واقع شده‌اند. شناسایی سطوح خطر خطوط و ایستگاه‌های مترو به انجام واکنش‌های اضطراری به موقع و اجرای اقدامات پیشگیری از سیل قبل از باران‌های شدید و سیل کمک می‌کند و تلفات و خسارات را کاهش می‌دهد.

اعتبارسنجی نتایج ارزیابی

برای تأیید اثربخشی عملی و دقت مدل ارزیابی ریسک سیل، یک تحلیل همپوشانی مکانی با استفاده از سوابق تاریخی رویدادهای سیل انجام شد. اطلاعات مربوط به ده ایستگاه مترو که در طول بارندگی‌های شدید گذشته (به عنوان مثال، رگبارهای باران در ۲ ژوئیه ۲۰۱۸؛ ۱۶ اوت ۲۰۲۰؛ و ۳ ژوئیه ۲۰۲۵) دچار آبگرفتگی شده بودند، از گزارش‌های رسمی و منابع رسانه‌ای معتبر جمع‌آوری شد. این ایستگاه‌های تحت تأثیر تاریخی به عنوان نقاط مرجع برای اعتبارسنجی در نظر گرفته شدند.

با استفاده از پلتفرم QGIS، موقعیت مکانی این ده ایستگاه بر روی نقشه طبقه‌بندی خطر سیل شبکه مترو (شکل  ۱۲ (ب)) که بر اساس فرآیند سلسله مراتبی تحلیلی مونت کارلو (MC-AHP) ایجاد شده بود، قرار داده شد. سپس سطح خطر مربوطه برای هر نقطه سیل تاریخی استخراج و از نظر آماری تجزیه و تحلیل شد.

نتایج نشان می‌دهد که بیشتر ایستگاه‌های مترو که از نظر تاریخی تحت تأثیر قرار گرفته‌اند، در مناطق با خطر متوسط ​​تا بسیار بالا که در این مطالعه شناسایی شده‌اند، قرار می‌گیرند، به طوری که پنج ایستگاه در منطقه با خطر بسیار بالا و چهار ایستگاه در منطقه با خطر بالا واقع شده‌اند. به عنوان مثال، ایستگاه شوفانگ که در رویداد ۱۶ آگوست ۲۰۲۰ دچار آبگرفتگی شد، در یک منطقه با خطر بالا در نقشه خطر قرار دارد. به طور مشابه، ایستگاه فوهوایوان که در طول طوفان ۳ جولای ۲۰۲۵ آب جمع کرد، در یک منطقه با خطر بسیار بالا واقع شده است. به طور کلی، نقاط سیل تاریخی با مناطق با خطر متوسط ​​و بالاتر که در این ارزیابی مشخص شده‌اند، مطابقت زیادی دارند که نشان دهنده سازگاری قوی بین اثرات فاجعه مشاهده شده و پیش‌بینی‌های مدل است. این امر تأیید می‌کند که چارچوب ارزیابی پیشنهادی می‌تواند بخش‌هایی از شبکه مترو را که واقعاً مستعد سیل هستند، به طور مؤثر و دقیق شناسایی کند.

مقایسه نتایج AHP و MC-AHP

همانطور که در شکل‌های  ۹ و ۱۲ نشان داده شده است ، توزیع مکانی خطر سیل در منطقه محاسبه شده با استفاده از AHP مشابه توزیع مکانی به دست آمده از طریق MC-AHP است. مناطقی که خطر سیل بسیار بالایی دارند، عمدتاً در منطقه مرکزی شهری متمرکز شده‌اند و پس از آن لانگکوانیی، شیندو و ونجیانگ قرار دارند و منطقه جنوب شرقی کمترین خطر را نشان می‌دهد. نتایج خطر سیل برای شبکه مترو که توسط هر دو روش به دست آمده است نیز کاملاً مشابه است و خطر از الگوی توزیع دایره‌ای پیروی می‌کند.

شکل ۱۵ (الف) درصد سطوح مختلف خطر سیل را برای شبکه مترو، برگرفته از هر دو روش AHP و MC-AHP، نشان می‌دهد. در شبکه مترو، درصد مناطق بسیار پرخطر طبق AHP، ۷٪ است، در حالی که برای MC-AHP، ۸٪ است. مناطق پرخطر در AHP و MC-AHP به ترتیب ۸٪ و ۱۳٪ و درصد مناطق با خطر متوسط ​​یا بالاتر (شامل متوسط) به ترتیب ۳۲٪ و ۴۲٪ است. نسبت سطوح خطر بسیار بالا، بالا و متوسط ​​یا بالاتر در روش MC-AHP بیشتر از AHP است، که نشان می‌دهد MC-AHP می‌تواند مناطق پرخطر بیشتری را در شبکه مترو شناسایی کند.

یک تحلیل مقایسه‌ای با محاسبه امتیازات کلی برای هر شاخص ارزیابی با استفاده از هر دو روش AHP و MC-AHP انجام شد. داده‌های آماری، شامل میانگین، حداقل، حداکثر، انحراف معیار (SD)، فاصله اطمینان ۹۵% (CI 95%) و تغییرات انحراف معیار (SD%) محاسبه شدند. جدول  ۴ امتیازات آماری SD و CI (95%) را برای AHP و MC-AHP نشان می‌دهد.

این تحلیل نشان می‌دهد که توزیع β-PERT که در MC-AHP به کار گرفته شده است، انحراف معیار را در مقایسه با AHP سنتی به طور قابل توجهی ۴۲ تا ۷۶ درصد کاهش می‌دهد، در حالی که تأثیر ارزیابی‌های افراطی بر نتایج را تضعیف می‌کند. نتایج توزیع β-PERT شبیه توزیع نرمال است که تمایل به تمرکز در اطراف میانگین دارد و فواصل اطمینان آن نسبتاً کوچکتر است (به عنوان مثال، مقایسه فواصل اطمینان برای لایه معیار در شکل ۱۵ (ب) نشان داده شده است)، که نشان می‌دهد توزیع β-PERT در مدیریت عدم قطعیت در فرآیندهای تصمیم‌گیری گروهی عملکرد بسیار خوبی دارد. این نتیجه با مطالعه یراقی و همکاران ^۲۸ سازگار است .

تفسیر نتایج و مقایسه با مطالعات قبلی

این ارزیابی، توزیع فضایی متحدالمرکزی از خطر سیل را نشان می‌دهد که از هسته شهری پرخطر به سمت حومه‌های کم‌خطرتر امتداد می‌یابد. این الگو با مشاهدات در سایر کلان‌شهرها با شبکه متروی گسترده، مانند پکن ^۱۵ و شانگهای ^۷ ، که در آن‌ها هسته‌های شهری نیز به دلیل زیرساخت‌ها و جمعیت متمرکز، به عنوان نقاط حساس خطر سیل شناخته می‌شوند، سازگار است. با این حال، این مطالعه با بررسی عوامل مؤثر، این درک را عمیق‌تر می‌کند: در مرکز شهر چنگدو، خطر شدید عمدتاً ناشی از آسیب‌پذیری بالا (به عنوان مثال، جریان عظیم مسافر، تراکم بالای ایستگاه) است، حتی اگر سطح خطر نسبتاً متوسط ​​باشد. این در تضاد با مناطقی مانند دوجیانگیان است که در آن خطر بالا عمدتاً به عوامل خطر (به عنوان مثال، بارندگی شدید) نسبت داده می‌شود. این دوگانگی بر اهمیت حیاتی ادغام سه بعد خطر، قرار گرفتن در معرض خطر و آسیب‌پذیری در ارزیابی‌های خطر سیل مترو تأکید می‌کند. ارزیابی‌هایی که صرفاً بر اساس یک بعد واحد انجام می‌شوند، ممکن است به نتایج ناقص یا بالقوه گمراه‌کننده منجر شوند.

تحلیل عدم قطعیت

علیرغم ایجاد یک چارچوب ارزیابی قوی، باید به چندین منبع عدم قطعیت اذعان کرد. اول، تحلیل خطر به داده‌های بارندگی تاریخی و عوامل محیطی ایستا متکی است. سناریوهای تغییرات اقلیمی آینده، که انتظار می‌رود فراوانی و شدت رویدادهای بارندگی شدید را افزایش دهند، در نظر گرفته نشده‌اند، که به طور بالقوه منجر به دست کم گرفتن خطرات آینده می‌شود. دوم، اگرچه شاخص‌های آسیب‌پذیری جامع هستند، داده‌های آسیب‌پذیری فیزیکی دقیق‌تر – مانند ارتفاع واقعی ورودی‌های ایستگاه – در این مطالعه گنجانده نشده‌اند، اگرچه چنین داده‌هایی می‌توانند دقت مدل را بیشتر افزایش دهند. سوم، در حالی که روش MC-AHP به طور مؤثر عدم قطعیت در تخصیص وزن را مدیریت می‌کند، همچنان به ساختار اولیه سلسله مراتب و انتخاب شاخص‌ها وابسته است که هر دو بر اساس نظر کارشناسان و ادبیات هستند. اگرچه عدم قطعیت در فرآیند وزن‌دهی کمی‌سازی شد، اما عدم قطعیت ساختاری خود مدل، کاوش بیشتر را می‌طلبد.

تحقیقات آینده

با تکیه بر این مطالعه، تحقیقات آینده می‌توانند تکنیک‌های محاسباتی پیشرفته‌تری را برای افزایش بیشتر دقت ارزیابی‌های ریسک سیل بررسی کنند. روش‌های مبتنی بر داده، از جمله چارچوب‌های احتمالی و الگوریتم‌های بهینه‌سازی، می‌توانند برای کاوش روابط غیرخطی پیچیده بین شاخص‌های ریسک و رویدادهای سیل تاریخی به کار گرفته شوند و به طور بالقوه الگوهای پنهانی را که روش‌های سنتی MCDA ممکن است از دست بدهند، کشف کنند . ^۴۳٫ به عنوان مثال، صادق‌فام و همکاران. ^۴۴ یک چارچوب احتمالی ایجاد کردند که تجزیه و تحلیل فرکانس و بهینه‌سازی ازدحام ذرات (PSO) را برای تعیین عینی مناسب بودن آب و هوا برای کشاورزی ادغام می‌کند، به طور قابل توجهی ذهنیت را کاهش می‌دهد و پتانسیل رویکردهای مبتنی بر داده را برای افزایش دقت ارزیابی نشان می‌دهد. علاوه بر این، چارچوب‌های تحلیل عدم قطعیت پیچیده‌تر، مانند روش تخمین عدم قطعیت درستنمایی تعمیم‌یافته (GLUE) – که با موفقیت برای تعیین کمیت عدم قطعیت و پرداختن به هم پایانی در مدل‌های محیطی، مانند ارزیابی‌های آسیب‌پذیری آب‌های زیرزمینی ^۴۵ به کار گرفته شده است – می‌توانند در حوزه ریسک سیل مترو معرفی شوند. به کارگیری این روش‌های پیشرفته مبتنی بر داده و تکنیک‌های GLUE، مرز امیدوارکننده‌ای را برای تحقیقات آینده نشان می‌دهد.

پیامدهای عملی و راهبردهای کاهش اثرات

نقشه‌های ریسک مکانی صریح تولید شده در این مطالعه، ارزش عملی قابل توجهی دارند و اطلاعات پشتیبانی تصمیم‌گیری قابل اجرا را برای برنامه‌ریزان شهری و اپراتورهای مترو فراهم می‌کنند. طبقه‌بندی ریسک با وضوح بالا، توسعه استراتژی‌های واکنش اضطراری چند سطحی را تسهیل می‌کند و تخصیص منابع اولویت‌بندی شده را بر اساس مشخصات ریسک خاص هر خط و ایستگاه مترو امکان‌پذیر می‌سازد. بر اساس این مفاهیم عملی، استراتژی‌های ملموس زیر بر اساس حوزه‌های عملیاتی پیشنهاد می‌شوند:

اول، از منظر سیستم‌های هشدار اولیه، برای خطوط و ایستگاه‌های مترو با خطر سیل بسیار بالا، مانند خط ۱، خط ۲، خط ۴، خط ۷ و ایستگاه‌هایی مانند ایستگاه شوفانگ، ایستگاه گوانگفو، ایستگاه فوهوایوان، ایستگاه راه‌آهن جنوبی، ایستگاه تایپینگ‌یوان و ایستگاه بیمارستان استانی دانشگاه TCM، که در آن‌ها جریان مسافر زیاد و ضرایب انتقال قابل توجه است، سیستم هشدار اولیه فاجعه سیل مترو باید بیشتر بهبود یابد. این امر تضمین می‌کند که اطلاعات فاجعه به سرعت دریافت شده و هشدارهای مؤثر به عموم مردم صادر شود. علاوه بر این، باید یک مکانیسم واکنش سریع ایجاد شود تا به محض دریافت اطلاعات هشدار اولیه، شبکه مترو بتواند به سرعت برنامه‌های اضطراری را فعال کرده و اقدامات لازم برای پیشگیری از سیل را انجام دهد.

دوم، از منظر ارتقاء تأسیسات، ساخت تأسیسات ضد آب در ورودی‌ها و تونل‌های ایستگاه‌های مترو مانند ایستگاه شوفانگ که در جریان طوفان «۸.۱۶» دچار تجمع شدید آب شد و ایستگاه دریاچه شنگشیان که در جریان طوفان «۷.۳» زیر آب رفت، باید تقویت شود. علاوه بر افزایش ارتفاع خروجی‌ها و نصب آب‌بندها یا درهای ضد آب، باید به افزودن لایه‌های ضد آب در تونل‌ها و بهبود تأسیسات زهکشی نیز توجه شود. علاوه بر این، برای خطوط و تأسیسات متروی قدیمی‌تر، مانند خط ۱، باید بازرسی‌ها و نگهداری منظم انجام شود تا اطمینان حاصل شود که آنها در شرایط کاری خوبی باقی می‌مانند.

سوم، از منظر برنامه‌ریزی شهری، برنامه‌ریزی پیشگیری از سیل برای فضاهای زیرزمینی باید در مناطق پرخطر مانند منطقه جین‌جیانگ، منطقه ووهو، منطقه جینی‌یو، منطقه چنگ‌هوا، منطقه چینگ‌یانگ، منطقه شوانگ‌لیو، منطقه لونگ‌کوانیی، منطقه ونجیانگ و منطقه پیدو تقویت شود. این مناطق دارای بارندگی سالانه بالا یا میزان سطوح نفوذناپذیر هستند. در توسعه شهری، الزامات پیشگیری از سیل برای فضاهای زیرزمینی باید به طور کامل در نظر گرفته شود و سیستم‌های زهکشی و تأسیسات کنترل سیل باید به طور مناسب برنامه‌ریزی شوند. اجتناب از ساخت ایستگاه‌های مترو و سایر زیرساخت‌های حیاتی در مناطق مستعد سیل برای کاهش تأثیر بلایای سیل بر شبکه مترو بسیار مهم است.

با اجرای این استراتژی چند مرحله‌ای – از واکنش‌های پیشرفته هشدار اولیه و ارتقاء سازه‌ها گرفته تا برنامه‌ریزی آینده‌نگر – برنامه‌ریزان شهری، اپراتورهای مترو و بخش‌های مدیریت بحران می‌توانند فراتر از اقدامات واکنشی عمل کنند و به طور سیستماتیک تاب‌آوری شبکه مترو چنگدو را افزایش دهند. این مطالعه برای حفظ تداوم عملیات شهری، تضمین ایمنی مسافران و در نهایت تقویت تاب‌آوری کلی شهری اهمیت حیاتی دارد.

این مطالعه یک چارچوب یکپارچه مبتنی بر GIS را با ترکیب روش‌های AHP و MC-AHP برای ارزیابی خطر سیل در شبکه متروی چنگدو توسعه داد. این چارچوب با ترکیب ۱۶ شاخص در ابعاد خطر، مواجهه و آسیب‌پذیری، به طور مؤثر مناطق پرخطر را شناسایی کرده و ابزاری قوی برای برنامه‌ریزی تاب‌آوری زیرساخت‌های شهری ارائه می‌دهد.

یافته‌های اصلی شامل چهار جنبه است. اول، توزیع خطر سیل یک الگوی متحدالمرکز را نشان می‌دهد که از هسته شهری پرخطر به حومه‌های کم‌خطرتر کاهش می‌یابد. دوم، روش MC-AHP نسبت به AHP سنتی برتری خود را نشان داد و بخش بیشتری از مناطق پرخطر (۸٪ در مقابل ۷٪ برای مناطق بسیار پرخطر) را شناسایی کرد و به طور مؤثر عدم قطعیت‌ها را در قضاوت کارشناسی از طریق توزیع‌های β-PERT کمّی کرد و در نتیجه نقشه‌های خطر قابل اعتمادتر و دقیق‌تری به دست داد. سوم، ارزیابی ۱۴ خط عملیاتی و ۵ خط در حال ساخت نشان داد که خطوط ۷، ۴ و ۲ حاوی بالاترین غلظت ایستگاه‌های بسیار پرخطر هستند که نیاز به تلاش‌های کاهش اولویت‌بندی شده دارد. چهارم، در سطح ایستگاه، ۵۴ ایستگاه (≈ ۱۵٫۳٪) به عنوان خطر بسیار پرخطر و ۱۲۴ ایستگاه (≈ ۳۵٫۰٪) به عنوان خطر بالا طبقه‌بندی می‌شوند، که حدود ۷۲٫۶٪ از ایستگاه‌ها در معرض خطر متوسط ​​یا بالاتر قرار دارند که نشان‌دهنده آسیب‌پذیری قابل توجه سیستم است.

اعتبارسنجی نتایج در برابر رویدادهای سیل تاریخی، دقت عملی مدل را تأیید کرد. یافته‌ها، بینش‌های مهمی را برای سیاست‌گذاران و برنامه‌ریزان شهری ارائه می‌دهند و بر ضرورت اجرای استراتژی‌های واکنش اضطراری چندلایه، ارتقاء زیرساخت‌های ضد آب در ایستگاه‌های پرخطر و ادغام تاب‌آوری در برابر سیل در برنامه‌ریزی شهری آینده تأکید می‌کنند. این چارچوب می‌تواند به عنوان یک معیار روش‌شناختی برای ارزیابی ریسک سیل در سایر کلان‌شهرهایی که با چالش‌های مشابه گسترش سریع زیرزمینی و تشدید خطرات آب و هوایی روبرو هستند، عمل کند.