تحلیل شاخصهای آسیب پذیری شهری با رویکرد مدیریت بحران زلزله (مطالعه موردی: شهر ارومیه)

مطالعات برنامه ریزی سکونتگاه های انسانی

مقاله 4، دوره 16، شماره 1 - شماره پیاپی 54، فروردین 1400، صفحه 43-62   

نوع مقاله: مقاله پژوهشی

نویسندگان

علی خدمت زاده^{* 1}؛ میرنجف موسوی²؛ اردشیر یوسف زاده³

¹دانش آموخته کارشناسی ارشد سنجش از دور و GIS، دانشگاه تبریز، تبریز، ایران

²استاد گروه جغرافیا و برنامه ریزی شهری، دانشگاه ارومیه، ارومیه، ایران

³دانشجوی دکترای اقلیم شناشی- مخاطرات اقلیمی ،دانشگاه محقق اردبیلی،اردبیل، ایران

چکیده

مقدمه: وقوع بلایای طبیعی مانند زلزله، در بافت شهری و مناطق پرتراکم جمعیتی خسارات شدیدی را ایجاد کرده است. با توجه به قرار گیری کشور روی کمربند زلزله پژوهش حاضر شهر ارومیه را به واسطه‌ی ویژگی‌های طبیعی و خطر لرزه خیزی متوسط، جهت شناسایی مهمترین عوامل تشدید کننده آسیب رسان مورد مطالعه قرار داده است.
هدف پژوهش: مدیریت بحران شهری در اثر وقوع زلزله
روش شناسی تحقیق : این پژوهش از نظر روش توصیفی و تحلیلی و از نظر هدف کاربردی می باشد. در بخش توصیفی از‌نتایج سرشماری عمومی نفوس و مسکن سال 1395، اسناد و مطالعات کتابخانه ای و در بخش تحلیلی از فرآیند تحلیل شبکه و عملگرهای فازی در نرم افزار ARC GIS استفاده شده است.
قلمروجغرافیایی پژوهش: محدوده مورد مطالعه با مساحت 91/4854 هکتار 91/0 درصد از کل مساحت شهرستان ارومیه را شامل می‌شود که جمعیتی بالغ بر 727066 نفر(غیر از شهرک گلمانخانه) را در خود جای داده است.
بر اساس سرشماری سال 1395 و بر پایه اطلاعات به دست آمده از بلوکهای آماری تعداد جمعیت و خانوار محدوده به ترتیب 727066 نفر و 222737 خانوار می باشد. محدوده مورد مطالعه 83/97 درصد از جمعیت شهرستان ارومیه را در خود جای داده است.
یافته ها و بحث: بیشترین آسیب پذیری در مناطق با شیب‌های بیشتر از20 درصد و نواحی با تراکم جمعیتی بالا مشاهده می‌شود. نواحی با آسیب پذیری خیلی زیاد با 12/34 درصد، زیاد با 81/11 درصد، متوسط با 47/30 درصد، کم با 89/20 درصد و خیلی کم با 7/2 درصد از مساحت بلوکهای آماری را به خود اختصاص دادند. در حالت کلی می‌توان گفت که 93/45 درصد از محدوده مورد مطالعه بر اساس معیارهای استفاده شده در تحلیل آسیب پذیرند.
نتایج : در پهنه بندی زلزله در سطح شهر ارومیه 5 کلاس آسیب پذیر به دست آمد که کلاس آسیب پذیری خیلی زیاد در منطقه 2 شهری با مساحت 09/341 هکتار( 19/13 درصد) بیشترین کاربری های آسیب پذیر را دارد. منطقه 3 با 24/8 درصد، منطقه 1 با 57/7 درصد، منطقه 4 با 76/2 درصد و منطقه 5 با 92/1 درصد به ترتیب دارای بیشترین کاربری های دارای آسیب پذیری خیلی زیاد می باشند.

کلیدواژه‌ها

زلزله؛ مدیریت بحران شهری؛ شهر ارومیه؛ GIS

مراجع

احدنژاد روشنی، محسن؛ مهدی، قرخلو و زیاری، کرامت الله .(1389). مدلسازی آسیب پذیری ساختمانی شهرها در برابر زلزله با استفاده از فرایند تحلیل سلسه مراتبی در محیط سیستم اطلاعات جغرافیایی نمونه شهر زنجان. مجله جغرافیا و توسعه، 8 (19)، 198-171.

امینیان، امیر احمد؛ صیامی، قدیر؛ تقی نژاد، کاظم و زاهدی کلاکی، ابراهیم .(1394). تخمین آسیب پذیری شهرگرگان در برابر زلزله با تاکید بر فاصله از تأسیسات شهری با روش منطق فازی. فصلنامه علمی پژوهشی مدیریت بحران، 4 (2)، 54-47.

زبردست، اسفندیار.(1389).کاربرد فرایند تحلیل شبکه­ای(ANP) در برنامه­ریزی شهری و منطقه­ای. نشریه هنرهای زیبا-معماری و شهرسازی، 2(41)90-79.

شمایی، علی و پور احمد، احمد .(1391). بهسازی و نوسازی شهری از دیدگاه جغرافیا. چاپ پنجم، تهران: انتشارات دانشگاه تهران.

عبدالهی، مجید .(1383). مدیریت بحران در نواحی شهری. چاپ سوم، تهران: انتشارات سازمان شهرداریها و دهیاری­های کشور.

قلندرزاده، عباس؛ معتمد، رامین و عبدالهی شریف، جعفر. (1382). بررسی خطر لرزه در شهر ارومیه. چهارمین کنفرانس بین المللی زلزله شناسی و مهندسی زلزله، ایران.

محمدپور، صابر ؛ زالی، نادر و پوراحمد، احمد .(1395).  تحلیل شاخص­های آسیب پذیری در بافت­های فرسودۀ شهری با رویکرد مدیریت بحران زلزله (مطالعة موردی: محلة سیروس تهران). پژوهش­های جغرافیای انسانی، 45 (1) 45، 52-3.

مرکز آمار ایران .(1393). تعاریف و مفاهیم استاندارد آماری (برای استفاده در طر ح­ها و گزارش های آماری). ویرایش سوم، چاپ اول.

مصیب­زاده، علی و پورمحمدی، محمدرضا .(1385). آسیب آسیب پذیری شهرهای ایران در برابر زلزله و نقش مشارکت محله­­ای در امداد رسانی آن­ها. نشریه نشریة جغرافیا و توسعه،  6 (12)، 144-117.

Alizadeh, M., Hashim, M., Alizadeh, E., Shahabi, H., Karami, M., Beiranvand Pour, A., Pradhan, B., & Zabihi, H. (2018).  Multi-Criteria Decision Making (MCDM) Model for Seismic Vulnerability Assessment (SVA) of Urban Residential Buildings. ISPRS International Journal of Geo-Information, 7(11), 444,1-22.

Chen, J., & Yang, Y. (2011). A fuzzy ANP-based approach to evaluate region agricultural drought risk. Procedia Eng, 23, 822–827.

Daneshvar, M., Mansouri, R., Rezayi, S., & Khosravi, S. (2013). Earthquake vulnerability zonation of Mashhad urban fabric by combining the quantitative models in GIS, northeast of Iran. International Journal of Environmental Protection and Policy 1(4), 44-49.

Ebert, A., Kerle, N. (2008). Urban Social Vulnerability Assessment Using Object-oriented Analysis of Remot Sensing and GIS Data, A Case Study for Tegucigalpa. Honduras. Remote Sensing and Spatial Information Sciences, 30(7), 1307-1311.

Feizizadeh, B., & Ghorbanzadeh, O. (2017). GIS-based interval pairwise comparison matrices as a Novel approach for optimizing an analytical hierarchy process and multiple criteria weighting. GI_Forum, 1, 27–35.

Garcia-Melon, M., Ferris-Onate, J., Aznar-Bellver, J., Aragonés-Beltran,  P., & Rocio Poveda Bautista .(2008). Farmland appraisal based on the analytic network Process. Journal of Global Optimization, 42, 143-155.

Ghorbanzadeh, O., Feizizadeh, B., & Blaschke, T. (2018). Multi-criteria risk evaluation by integrating an analytical network process approach into GIS-based sensitivity and uncertainty analyses. Geomatics, Natural Hazards and Risk, 9(1). 127-151.

Hwa Wang, J. (2007). Urban Seismology in the Taipei Metropolitan Area: Review and Prospective, Institute of Earth Sciences, Academia Sinica, Taipei, Taiwan.

Kreimer, A., Arnold, M., & Carlin, A. (2003). Building Safer Cities: The Future of Disaster Risk, The World Bank Disaster Management Facility Washington, D.C.

Lantada, N., Pujades, L., & Barbat, A. (2008). Vulnerability Index and Capacity Spectrum, Based Method for Urban Seismic Risk, Evaluation Journal of Nathazards, 51(3), 501-524, Doi 10-007 11069 007-9212-4.

Lyu, Hai-Min, Jack Shuilong, Sh., & Arulrajah, A. (2018). Assessment of geohazards and preventative countermeasures using AHP incorporated with GIS in Lanzhou, China." Sustainability 10(2), 304.

Moinfar, A. A., Naderzadeh, A., & Nabavi, M. H. (2012). New Iranian Seismic Hazard Zoning Map for New Edition Edition of Seismic Code and Its Comparison with Neighbor Neighbor Countries. In 15th World Conference on Earthquake Engineering.

Murata, M. (2014). A Science Instruction for the Prevention and Reduction of 2020 Nankai Earthquake Disaster in Tokushima, Southwest Japan, Procedia -Social and Behavioral Sciences, 143, 404–406.

Naess, P. (2001). Urban Planning and Sustainable Development. European Planning Studies, 9(4), 503-524.

Phuong, Nguyen Hong, & Nguyen Ta Nam. (2018). Development of a Web-GIS based Decision Support System for earthquake warning service in Vietnam. VIETNAM JOURNAL OF EARTH SCIENCES, 40(3), 193-206.

Piran, P. (1990). Theoretical Approaches in the Urban Sociology and Urbanization, Historical Schools. Economical – Polotical Information, 49-50, 62-64.

Rivas-Medina, A., Gaspar-Escribano, J. M., Benito, B., & Bernabé, M. A. (2013). The role of GIS in urban seismic risk studies: application to the city of Almería (southern Spain). Natural Hazards and Earth System Sciences, 13(11), 2717-2725.

Saaty, TL. (1990). How to make a decision: the analytic hierarchy process. Eur J Oper Res, 48(1),9–26.

Saaty, TL. (1996). Decision making with dependence and feedback: the analytic network process. Vol. 4922, Pittsburgh (PA): RWS publications;

Saaty, TL. (1996). The analytic network process. Pittsburgh (PA): RWS Publications.

Saaty, TL. (1999). Fundamentals of the Analytic Network Process. Proceedings of ISAHP 1999, Kobe, Japan.

Sarmah, T., & Sutapa, D. (2018). Earthquake Vulnerability Assessment for RCC Buildings of Guwahati City using Rapid Visual Screening. Procedia engineering, 212, 214-221.

Yamazaki, F. (2005). Building Damage Mapping of the Ban, Iran, Earthquake Using ENVISAT /ASAR Intensity Imagery. Earthquake Spectra, 21(1), S285-S294, 12.