مدل‌سازی توزیع ساختمان‌های مسکونی و جمعیت وابسته به آن با رویکرد داسیمتری در برآورد ریسک لرزه‌ای شهری؛ مطالعه موردی: شهر ساری

نوع مقاله : Articles

نویسندگان

1 پژوهشکده مدیریت خطرپذیری و بحران، پژوهشگاه بین‌المللی زلزله‌شناسی و مهندسی زلزله، تهران، ایران

2 پژوهشگاه بین‌المللی زلزله‌شناسی و مهندسی زلزله، تهران، ایران

3 پژوهشکده مهندسی سازه، پژوهشگاه بین‌المللی زلزله‌شناسی و مهندسی زلزله، تهران، ایران

چکیده

مدل‌سازی توزیع ساختمان‌های مسکونی و جمعیت وابسته به آن جزء لاینفک در تجزیه‌وتحلیل خطرپذیری مستقیم و غیرمستقیم مرتبط با سوانح طبیعی ازجمله زلزله در محیط‌های شهری است. در این مطالعه، توزیع جمعیت مسکونی همبسته با بناهای مسکونی برآورد گردیده است. این پژوهش مدلی جامع‌ با وضوح مکانی مناسب برای ایران، متناسب با شرایط منطقه‌ای و در نظر گرفتن بانک‌های اطلاعاتی موجود و قابل‌دسترس ارائه کرده است. روش داسیمتری، روشی کارا جهت توزیع مناسب داده‌های موجود به‌تناسب شرایط محیطی-منطقه‌ای است که بر اساس نیازها و شرایط مورد نظر امکان تلفیق با داده‌های رقومی کمکی را داشته و توسط مدل‌های آماری توسعه می‌یابد. در این تحقیق، داده‌های آماری (مرتبط با حوزه‌ها و یا بلوک‌های آماری- مرکز آمار) و تصاویر رقومی (شامل تصاویر ماهواره‌ای و داده‌های مدل توزیع جمعیت جهانی لندسکن) گردآوری‌ شده که پس از بررسی، پردازش و پالایش، ادغام داده‌ها صورت گرفت. همچنین شاخص‌هایی مهم و قابل‌استخراج از تصاویر اپتیکی با وضوح بسیار بالا برای قسمتی از یک شهر معرفی شد که در تکمیل بانک اطلاعات ساختمان مفید می‌باشد. به‌عنوان یک مطالعه موردی، خسارات لرزه‌ای در قالب میزان تخریب ساختمان‌ها و تلفات انسانی در منطقه مطالعاتی بررسی‌شده است. در گام اول، با هدف تکمیل و توسعه بانک‌های اطلاعات محیط ساخته‌ شده و برای دستیابی به پارسل‌های ساختمان‌های موجود، روش‌های استخراج اشیاء (ساختمان‌ها)[i]از تصاویر ماهواره‌ای در بلوک‌های شهری مورد استفاده قرار گرفت. در فاز دیگر، اطلاعات سازه‌ای و جمعیتی با رویکرد داسیمتری برای منطقه مورد نظر به دست آمدند و بانک اطلاعات با توزیع مکانی مناسب توسعه یافت. سپس، پهنه‌بندی حرکت توانمند زمین برای سناریوهای مطرح در منطقه مورد مطالعه تولید شد. در نهایت در گام آخر، برآورد میزان خسارات سازه‌ای و تلفات انسانی مرتبط برحسب سناریوهای مورد نظر به دست آمد. در منطقه مطالعاتی، برآورد خسارات فیزیکی حاکی از این است که برای سناریوی مفروض زلزله گسل خزر بیش از 50000 واحد مسکونی در معرض تخریب شدید تا فروریزش خواهد بود. 

کلیدواژه‌ها


عنوان مقاله [English]

Developing Building and Population Inventories Using Dasymetry and Remote Sensing Techniques for Urban Loss Estimation – Case Study: City of Sari

نویسندگان [English]

  • Babak Mansouri 1
  • Parham Jalilvand 2
  • Mohsen Ghafory-Ashtiany 3
1 Earthquake Risk Management Research Center, International Institute of Earthquake Engineering and Seismology (IIEES), Tehran, Iran
2 International Institute of Earthquake Engineering and Seismology (IIEES), Tehran, Iran
3 Structural Engineering Research Center, International Institute of Earthquake Engineering and Seismology (IIEES), Tehran, Iran
چکیده [English]

Residential buildings and associated population distribution modeling, is an integral part for assessing and estimating the direct and indirect risks/losses related to natural disasters, including earthquakes in the built environments such as in urban and rural settings. In this study, the geospatial database for the buildings were derived by compiling existing census data sets and the geospatial map that was derived by the comprehensive urban planning and development of the study area (Sari metropolitan area in Mazandaran, north of Iran) as obtained by the related consultant engineering firm. Combining the information from different data sets with different scales or spatial resolution involves some techniques that are mainly based on statistical inferencing methods and/or utilizing some spatial distribution patterns that exhibit the built environment topology. Once the distribution of the buildings or the residential units are derived and finalized, the population distribution pattern can be extracted based on similar aforementioned concepts. The second step in this research involved the development of the population inventory.
In this study, as mentioned earlier, the statistical datasets from different sources (related to urban zones and city blocks) were combined first. For the purpose of comparison and overall verifications, some digital imageries such as aerial and satellite images were collected in order to extract urban features such as buildings. In this fashion, detailed geometric information concerning each individual building footprint are extracted that can be summarized according to their related city block polygons. This scheme was applied for some selected parts of the city that can be evenly utilized and extended for any desired geographic extents. In conducting the present research, a simplified method for building height (or city parcel height) assignment was also delivered that indicates the average number of stories within each city block.
After the urban database has been developed (building and population inventories), the earthquake damage to the elements at risks (i.e. building destruction and human casualty) can be assessed in the study area. As a case study, the metropolitan area of Sari was focused, and some probable hypothetical scenario earthquakes were considered. For each scenario earthquake, damages to the building stock and the associated human losses were estimated according to some predefined domestic vulnerability functions and a global human casualty model as reported. For example, as a result, considering the Khazar Fault earthquake scenario, more than 5000 housing units are expected to experience very heavy damage to destruction.
This study has presented a comprehensive model according to the existing data sets and the local conditions for the study area that can be modified, upgraded and updated with newer and more accurate data whenever accessible. Also the same method can be applied for other parts of the country. Moreover, the results indicate that the expected damages, losses and human casualties are high and alarming suggesting more detailed study on the region and also devising and implementing suitable disaster management measures for the region.

کلیدواژه‌ها [English]

  • Risk Assessment
  • Risk Modeling
  • Loss estimation
  • Geospatial Databases
  • Building inventory
  • Population Distribution
  • Dasymetry
  • Remote Sensing
  1. Tavakoli, B., and Tavakoli, S. (1993) Estimating the Vulnerability and Loss Functions of Residential Buildings. Natural Hazards, 7(2), 155–171.
  2. JICA-Japan International Cooperation Agency, 2000, The Study on Seismic Microzoning of the Greater Tehran Area in the Islamic Republic of Iran, Final Report, Main Report, SSF JR 00-186.
  3. Hisada, Y., Shibayama, A., Ghayamghamian, M.R. (2005) Building Damage and seismic intensity in Bam city from the 2003 Bam, earthquake. Bull. Earthquake Research Inst. (ERI), 79, 81-93.
  4. Mansouri, B., Ghafory-Ashtiany, M., Amini-Hosseini, K., Nourjou R. and Mousavi, M. (2010) Building Seismic Loss Model for Tehran. Earthquake Spectra, Journal of Earthquake Engineering Research Institute (EERI), 26(1), 153-168.
  5. Mansouri, B., Kiani, A., and Amini-Hosseini, K. (2014) A Platform for Earthquake Risk Assessment in Iran – Case Studies: Tehran Scenarios and Ahar-Varzeghan Earthquake. Journal of Seismology and Earthquake Engineering, JSEE, 16(1).
  6. Mansouri, B., and Amini-Hosseini, K. (2013) Global Earthquake Risk Model (GEM) - Earthquake Model of the Middle East Region (EMME) - Work Package 4: Seismic Risk Assessment. Final Report, 2013, IIEES internal contract #AM 7-269 (15/5/90).
  7. Jonkman, S.N., Lentz, A., and Vrijling, J.K. (2010) A general approach for the estimation of loss of life due to natural and technological disasters. Reliab. Eng. Syst. Saf., 95(11), 1123–1133.
  8. Chen, K., McAneney, J., Blong, R., Leigh, R., Hunter, L., and Magill, C. (2004) Defining area at risk and its effect in catastrophe loss estimation: a dasymetric mapping approach. Appl. Geogr., 24(2), 97–117.
  9. Dent, B.D. (1996) Cartography: Thematic map design (4th ed.). Dubuque, IA: Wm. C. Brown Publishers.
  10. Langford, M. and Unwin, D.J. (1994) Generating and mapping population density surfaces within a geographical information system. The Cartographic Journal, 31, 21–26.
  11. Longley, P.A., Goodchild, M.F., Maguire, D.J., & Rhind, D.W. (2001) Geographic Information Systems and Science. Chichester: John Wiley & Sons.
  12. Definiens Imaging (2004) e-Cognition 4.0, User Guide, Definiens Imaging GmbH, Munich, Germany.
  13. Hessami-Azar, K. (2016) Personal Communication.
  14. Hancilar, U., Tuzun, C., Yenidogan, C., and Erdik, M. (2010) ELER software- a new tool for urban earthquake loss assessment. Nat. Hazards Earth Syst. Sci., 10(12), 2677–2696.
  15. Tatar, M., Jackson, J., Hatzfeld, D., & Bergman, E. (2007) The 2004 May 28 Baladeh earthquake (Mw 6.2) in the Alborz, Iran: overthrusting the South Caspian Basin margin, partitioning of oblique convergence and the seismic hazard of Tehran. Geophysical Journal International, 170(1), 249-261.
  16. Grunthal, G. (Ed.) (1998) European Macroseismic Scale 1998, Cahiers du Centre Europeen de G´eodynamiqueet de S´eismologie. Conseil de l’Europe, Luxembourg.
  17. Coburn, A. and Spence, R. (1992) Earthquake Protection, John Wiley & Sons.