تخمین خسارت ناشی از زلزله با استفاده از مدل RADIUS در محیط GIS (مطالعه موردی: استان مازندران، شهر ساری)

جغرافیا و مخاطرات محیطی

مقاله 3، دوره 9، شماره 3 - شماره پیاپی 35، آذر 1399، صفحه 39-56   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/geo.v9i3.87362

نویسندگان

مهدی مدیری¹؛ محمد اسکندری²؛ سمیرا حسن زاده^{* 3}

¹دانشیار دانشگاه صنعتی مالک اشتر، تهران، ایران.

²استادیار، مجتمع دانشگاهی پدافند غیر عامل، دانشگاه صنعتی مالک اشتر، تهران، ایران.

³دانشجوی دکتری مدیریت بحران دانشگاه صنعتی مالک اشتر، تهران، ایران

چکیده

توزیع جغرافیایی زمین‌لرزه‌ها نشان می‌دهد تقریباً تمام سرزمین ایران در معرض خطر زلزله قرار داشته و پتانسیل ناامنی دارد و بیشترین فراوانی آن متعلق به پیرامون کشور ایران، یعنی محور شرق، شمال، غرب و جنوب است به­طوری­که در 40 سال گذشته تعدادی از زلزله‌های ویرانگر که به وقوع پیوسته و از اهمیت زیادی برخوردار بوده است، در این محور رخ‌داده‌اند. با توجه به وجود گسل‌های زلزله زا در استان مازندران که می‌تواند شهر ساری را تحت تأثیر قرار دهد بررسی میزان آسیب‌پذیری لرزه‌ای آن با استفاده از مدل مناسب امری ضروری و غیرقابل‌اجتناب است؛ ازاین­رو هدف از این پژوهش تخمین خسارت ناشی از زلزله با استفاده از مدل رادیوس در محیط GIS  است. شهر ساری 3.5 کیلومتر با گسل خزر و 37.5 کیلومتر با گسل البرز فاصله دارد؛ بنابراین با توجه به اهمیت این موضوع، شهر ساری به‌عنوان منطقه موردمطالعه انتخاب شده است. پژوهش حاضر از نوع توصیفی- تحلیلی و ازلحاظ ماهیت، کاربردی است. برای جمع‌آوری داده‌ها، مطابق استانداردهای مدل رادیوس، از سازمان‌های مربوطه استفاده ‌شده است. تجزیه‌وتحلیل اطلاعات جمع‌آوری‌شده با توجه به روش‌های مبتنی بر پایگاه اطلاعاتی و با بهره‌گیری از مدل رادیوس و نرم‌افزارهای مبتنی بر رویکرد سیستم اطلاعات جغرافیایی صورت پذیرفت و دو سناریو با توجه به دو گسل خزر و شمال البرز برای تخمین خسارت‌های ناشی از زلزله احتمالی در منطقه موردمطالعه در نظر گرفته شد. نتایج حاصل بیان‌گر آن است بر اساس سناریوی گسل خزر 18910 ساختمان تخریب،2382 نفر کشته و 22897 نفر مصدوم خواهند شد. مطابق سناریوی گسل البرز نیز 3086 ساختمان تخریب،15 نفر کشته و 2102 نفر مصدوم خواهند شد. بر اساس سناریوهای درنظرگرفته شده در منطقه موردمطالعه نتایج خسارات و تلفات ناشی از وقوع زلزله حاکی از آن است که گسل خزر به دلیل فاصله اندک با منطقه موردمطالعه بیشترین آسیب را به همراه دارد. کمترین میزان آسیب‌پذیری برای منطقه ناشی از گسل شمال البرز است. نتایج به‌دست‌آمده از این مطالعه موردی می‌تواند به تصمیم گیران در اولویت‌بندی مناطق آسیب‌پذیر برای کاهش خطر زمین‌لرزه و برنامه‌ریزی مؤثر جهت خدمات اضطراری پس از وقوع زلزله کمک کند.

کلیدواژه‌ها

تخمین خسارت؛ زلزله؛ مدل رادیوس؛ سیستم اطلاعات جغرافیایی؛ ساری

مراجع

فلاحی، علیرضا .(1388). ارزیابی سوانح، خطرپذیری، آسیب‌پذیری و خسارات. تهران: موسسه آموزش عالی علمی کاربردی هلال ایران. چاپ اول.

Ara, S., 2014. Impact of temporal population distribution on earthquake loss estimation: A case study on Sylhet, Bangladesh. International Journal of Disaster Risk Science, 5(4). 296-312.

Alam, N., Alam, M.S. and Tesfamariam, S., 2012. Buildings’ seismic vulnerability assessment methods: a comparative study. Natural hazards, 62(2), 405-424.

Anagnostopoulos, S., Providakis, C., Salvaneschi, P., Athanasopoulos, G. and Bonacina, G., 2008. SEISMOCARE: An efficient GIS tool for scenario-type investigations of seismic risk of existing cities. Soil Dynamics and Earthquake Engineering, 28(2), 73-84.

Barbat, A.H., Pujades, L.G. and Lantada, N., 2008. Seismic damage evaluation in urban areas using the capacity spectrum method: application to Barcelona. Soil Dynamics and Earthquake Engineering, 28(10-11), 851-865.

Boukri, M., Farsi, M.N., Mebarki, A., Belazougui, M., Ait-Belkacem, M., Yousfi, N., Guessoum, N., Benamar, D.A., Naili, M., Mezouar, N. and Amellal, O., 2018. Seismic vulnerability assessment at urban scale: Case of Algerian buildings. International journal of disaster risk reduction, 31, 555-575

Cardona, O.D., Ordaz Schroder, M.G., Reinoso, E., Yamin, L. and Barbat Barbat, H.A., 2010. Comprehensive approach for probabilistic risk assessment (CAPRA): international initiative for disaster risk management effectiveness.

Codermatz, R., Nicolich, R. and Slejko, D., 2003. Seismic risk assessments and GIS technology: applications to infrastructures in the Friuli–Venezia Giulia region (NE Italy). Earthquake engineering & structural dynamics, 32(11), 1677-1690.

Elnashai, A., Hampton, S., Lee, J.S., McLaren, T., Myers, J.D., Navarro, C., Spencer, B. and Tolbert, N., 2008. Architectural overview of MAEviz–HAZTURK. Journal of Earthquake Engineering, 12(S2), 92-99.

Federal Emergency Management Agency., 1998. Handbook for the seismic evaluation of buildings—A Prestandard. FEMA.

Ghasemi, P., Khalili-Damghani, K., Hafezalkotob, A., & Raissi, S., 2019. Uncertain multi-objective multi-commodity multi-period multi-vehicle location-allocation model for earthquake evacuation planning. Applied Mathematics and Computation, 350, 105-132.

Hassanzadeh, R., Nedović-Budić, Z., Razavi, A. A., Norouzzadeh, M., & Hodhodkian, H., 2013. Interactive approach for GIS-based earthquake scenario development and resource estimation (Karmania hazard model). Computers & Geosciences, 51, 324-338.

ImageCat., 2018, http://www.imagecatinc.com/, browsed on September 29, 2018

Jena, R., Pradhan, B., & Beydoun, G., 2020. Earthquake vulnerability assessment in Northern Sumatra province by using a multi-criteria decision-making model. International Journal of Disaster Risk Reduction, 46, 101518.

Karimzadeh, S., Miyajima, M., Hassanzadeh, R., Amiraslanzadeh, R., & Kamel, B., 2014. A GIS-based seismic hazard, building vulnerability and human loss assessment for the earthquake scenario in Tabriz. Soil Dynamics and Earthquake Engineering, 66, 263-280.

Lantada, N., Irizarry, J., Barbat, A. H., Goula, X., Roca, A., Susagna, T., & Pujades, L. G., 2010. Seismic hazard and risk scenarios for Barcelona, Spain, using the Risk-UE vulnerability index method. Bulletin of earthquake engineering, 8(2), 201-229.

Maio, R., Ferreira, T. M., Vicente, R., & Estêvão, J., 2016. Seismic vulnerability assessment of historical urban centres: Case study of the old city centre of Faro, Portugal. Journal of Risk Research, 19(5), 551-580.

Mazumder, R. K., & Salman, A. M., 2019. Seismic damage assessment using RADIUS and GIS: A case study of Sylhet City, Bangladesh. International journal of disaster risk reduction, 34, 243-254.

Ningthoujam, M. C., & Nanda, R. P., 2018. A GIS system integrated with earthquake vulnerability assessment of RC building. In Structures (Vol. 15, pp. 329-340). Elsevier.

Okazaki, K., Villacis, C., Cardona, C., Kaneko, F., Shaw, R., Sun, J., ... & Tobin, L. T., 2000. RADIUS: Risk assessment tools for diagnosis of urban areas against seismic disasters. UN. International Strategy for Disaster Reduction (ISDR). sd Geneva. CH.

OECD., 2017. http://www.oecd.org/sti/sci-tech/theglobalearthquakemodelgem.htm, browsed on December 19, 2017

Rashidi Jahan, H., Ebrahimnia, M., Roshani, M., & Hadian, M., 2015. Crisis Preparedness among Clinical Staff: A Brief Survey in an Iranian Context. International Journal of Hospital Research, 4(4), 189-193.

Silva, V., Crowley, H., Pagani, M., Monelli, D., & Pinho, R., 2014. Development of the OpenQuake engine, the Global Earthquake Model’s open-source software for seismic risk assessment. Natural Hazards, 72(3), 1409-1427.

Sun, C. G., Chun, S. H., Ha, T. G., Chung, C. K., & Kim, D. S., 2008. Development and application of a GIS-based tool for earthquake-induced hazard prediction. Computers and Geotechnics, 35(3), 436-449.

Tesfamariam, S., & Saatcioglu, M., 2008. Risk-based seismic evaluation of reinforced concrete buildings. Earthquake Spectra, 24(3), 795-821.

U.S., 2017. Geological Survey ,Earthquake hazards program: significant earthquake and news headlines.

Villacis, C. A., & Cardona, C. N., 1999. Guidelines for the implementation of earthquake risk management projects. Geo hazards International. Palo Alto, California.

Xu, J., An, J., & Nie, G., 2016. A quick earthquake disaster loss assessment method supported by dasymetric data for emergency response in China. Nat. Hazards Earth Syst. Sci, 16(3), 885-899.