Αξιολόγηση του κινδύνου των καταστροφών απο κύμα θύελλας με αριθμητικά μοντέλα και τηλεπισκόπηση
Από RemoteSensing Wiki
Η αξιολόγηση του κινδύνου των καταστροφών από κύμα θύελλας που βασίζεται σε αριθμητικά μοντέλα και τηλεπισκόπηση
Πρότυπος τίτλος: Risk assessment of storm surge disaster based on numerical models and remote sensing
Συγγραφέας : Qingrong Liu, Chengqing Ruan, Shan Zhong, Jian Li, Zhonghui Yin, Xihu Lian
Μία από τις πιο σοβαρές καταστροφές των ωκεανών του κόσμου είναι το κύμα θύελλας. Οι επιπτώσεις για τον σχεδιασμό της οικονομικής ανάπτυξης και τη μείωση των καταστροφικών απωλειών για τις παράκτιες περιοχές γίνεται μέσω της αξιολόγησης του κινδύνου των καταστροφών. Βασισμένο στην θεωρία της εκτίμησης των κινδύνων και χρησιμοποιώντας παράκτιες υδρολογικές παρατηρήσεις, ένα αριθμητικό μοντέλο από κύμα θύελλας και μία πηγή ποικίλων τηλεπισκοπικών δεδομένων.
Μέσω αυτής της εργασίας, προτείνονται μέθοδοι αποτίμησης των κινδύνων και της τρωτότητας από το κύμα θύελλας, χτίζοντας ένα μοντέλο εκτίμησης των κινδύνων. Γίνεται προσομοίωση σε μη αριθμητικά μοντέλα για τον υπολογισμό των επηρεαζόμενων περιοχών και του βάθους, τα οποία χρησιμοποιούνται για την εκτίμηση της επικινδυνότητας των κυμάτων καταιγίδας.
Ο στόχος της αξιολόγησης της επικινδυνότητας είναι να αξιολογηθούν τα φυσικά χαρακτηριστικά του κύματος θύελλας (πόσο σοβαρό είναι το κύμα θύελλας), η οποία συνήθως περιλαμβάνει αριθμητικές προσομοιώσεις επανεμφάνισης υπολογισμού, καθώς και το πιθανό μέγιστο κύμα θύελλας. Δεδομένου ότι η ποικιλομορφία των παραγόντων καταστροφής και της ιδιαιτερότητας των κομιστών των καταστροφών, η αξιολόγηση του κινδύνου κύματος θύελλας έχει μεγαλύτερη αβεβαιότητα σε σχέση με τις άλλες καταστροφές.
Η ευπάθεια είναι ένα από τα πιο σημαντικά χαρακτηριστικά των συστημάτων καταστροφής, η οποία γεφυρώνει παράγοντες κινδύνου και φορείς καταστροφής. Η ευπάθεια είναι συνάρτηση δύο μεταβλητών, της έκθεσης σε καταστροφές και της ικανότητας ανταπόκρισης.
Τα δεδομένα χρήσης γης είναι πολύ σημαντικά για την εκτίμηση τρωτότητας. Με την ανάπτυξη της τεχνολογίας της δορυφορικής τηλεπισκόπησης, είναι πλέον σύνηθες να χρησιμοποιείται η τηλεπισκόπηση για την ταξινόμηση των χρήσεων της γης.
Η εργασία αυτή για να εξετάσει τις προς μελέτη περιοχές βασίζεται σε μια σειρά από αποστολές και επιλέγει υψηλής ανάλυσης εικόνες τηλεπισκόπισης.
Τα τηλεπισκοπικά αυτά δεδομένα περιλαμβάνουν 32 εικόνες GF-2 και 5 εικόνες GF-1 συμπεριλαμβανομένων των πολυφασματικών και παγχρωματικών δεδομένων από το 2015 έως το 2016.
Σε αυτό το άρθρο, η επικινδυνότητα του ρίσκου για ένα κύμα θυέλλης, βασίζεται σε μη αριθμητικά μοντέλα και κάτω από διαφορετικές περιπτώσεις, τα αποτελέσματα αυξάνονται από τη μέγιστη ταχύτητα του ανέμου. Στις πιο σοβαρές περιπτώσεις (μιλάμε για μία περίοδο 1000 χρόνων) επιφάνειες πάνω από 2000Km2 υπόκεινται σε κίνδυνο από κύμα θυέλλης και τα πιο επικίνδυνα σημεία είναι αυτά των βορείων ακτών, όπου η χρήση γης είναι για λιμάνια και αποβάθρες. Η αξιοπιστία και η εγκυρότητα της εκτίμησης των κινδύνων φαίνεται από το αποτέλεσμα.
Σε μια διαδικασία για την ανάπτυξη της πόλης, η υδρομετεωρολογική παρατήρηση συνήθως είναι μικρή και αραιή. Τα καλά επιλεγμένα δεδομένα κοστίζουν πολύ και είναι δύσκολο να ενημερωθούν. Έτσι δεν είναι εύκολο για την ανάπτυξη μιας πόλης, η αξιολόγηση του κινδύνου ενός κύματος θυέλλης. Αυτό το άρθρο χρησιμοποιεί μη αριθμητικά μοντέλα και υδρομετεωρολογικά δεδομένα, τα οποία μπορούν να δώσουν μία πιθανή πρόβλεψη του κύματος θυέλλης.
Για τον σχεδιασμό της αστικής ανάπτυξης μίας πόλης αλλά και την ενίσχυση της πρόληψης των καταστροφών, βασιζόμαστε στην κτιριακή υποδομή αυτής καθώς και στην σωστή εφαρμογή του μοντέλου.
Με το παρόν άρθρο μπορούμε να κάνουμε αξιολόγηση και σε άλλους τύπους κύματος θυέλλης, π.χ. σε τροπικό κύμα θυέλλης. Βασιζόμενοι σε αριθμητικές προσομοιώσεις καταιγίδων (τροπικές καταιγίδες) μπορούμε να εκτιμήσουμε τον κίνδυνο ως προς την επικινδυνότητα και την τρωτότητα. Η επικινδυνότητα βασίζεται στα αριθμητικά μοντέλα ενώ η τρωτότητα στη δορυφορική τηλεπισκόπηση.
