پهنه‌بندی مناطق آلوده به مین با استفاده از منابع سنجش‌ازدور و فنون GIS (مطالعه موردی: ناحیه مشترک مرزی کشور عراق با شهرستان‌های دهلران، شوش و دشت آزادگان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد سنجش‌ازدور و GIS دانشگاه تبریز، ایران.

2 دانشجوی دکتری سنجش‌ازدور و GIS، مرکز سنجش‌ازدور و GIS ایران، دانشگاه شهید بهشتی، تهران.

3 دانشجوی دکتری تکنولوژی گرایش تحقیق و توسعه دانشگاه مالک اشتر، تهران، ایران.

4 کارشناس ارشد پدافند غیرعامل دانشگاه مالک اشتر، تهران، ایران.

10.22034/qjmst.2024.560739.1762

چکیده

هدف: از این پژوهش، پهنه‌بندی خطر مین و مشخص نمودن مناطق خطرناک مجاور میدان‌های مین با استفاده از منابع سنجش‌ازدور و فنون GIS است.
روش: در پژوهش حاضر چهار عامل ارتفاع، شیب، فاصله از شبکه آبراهه و عامل فرسایش خاک (حاصل از مدل RUSLE) در نظر گرفته شد. 7 نقشه مکان‌یابی پهنه‌بندی خطر مین برای منطقه موردمطالعه با استفاده از همپوشانی فازی از نوع عملگرهای گامای 0، 0.25، 0.5، 0.625، 0.75، 0.875 و 1 در محیط GIS ایجاد شد.
یافته‌ها: نتایج پژوهش رابطه همبستگی بالایی بین نقشه مکان‌یابی پهنه‌بندی خطر مین با توان‌های گامای مختلف (به‌جز گامای 1) به ترتیب با عوامل ارتفاع و فرسایش خاک ‌نشان داد. در نقشه مکان‌یابی حاصل از همپوشانی فازی با گامای 1، این رابطه همبستگی بالا، به ترتیب با عوامل فرسایش و شیب ایجاد شد. هنگامی‌که توان گاما برابر با 1 می‌شود، بیشتر نواحی به‌عنوان کلاس پرخطر معرفی‌شده، بدین معنی است که در معرفی مناطق به‌عنوان پهنه‌های پرخطر، سهل‌انگارانه عمل شده است. برعکس هر چه مقدار توان گاما کمتر می‌شود، از مساحت کلاس خیلی پرخطر کاسته شده و به ترتیب مساحت کلاس‌های پرخطر، با خطر متوسط، کم‌خطر و خیلی کم‌خطر افزایش می‌یابد و در حقیقت در معرفی مناطق به‌عنوان پهنه‌های پرخطر، سخت‌گیرانه عمل شده است.
نتیجه‌گیری: در تمامی نقشه‌های مکان‌یابی ایجادشده، مناطق کم ارتفاع و شبکه آبراهه‌ها در کلاس‌های پرخطر و خیلی پرخطر قرار می‌گیرند که نشان می‌دهد این مناطق باید در اولویت پاک‌سازی مین قرار بگیرند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Lotting out the minefields by means of Remote sensing sources and GIS techniques (case study: The common border region of Iraq with the cities of (Dehloran, Shush and Dasht-e-Azadegan)

نویسندگان [English]

  • Vahid Rahmatinia. 1
  • Ehsan Moradi 2
  • Mohammad Jafari 3
  • Mohammad Reza Mehrabi 4
1 MSc of Remote sensing and GIS from University of Tabriz Iran.
2 PhD student in Remote Sensing and GIS, Iran Remote Sensing and GIS Center, Shahid Beheshti University, Tehran.
3 PhD student of Technology in area of study (Research and Development) from Malek Ashtar university, Tehran, Iran.
4 MSc of Passive Defense from Malek-e-Ashtar University, Tehran, Iran.
چکیده [English]

Objective: The purpose of this article is lotting the mine hazardous and determining the dangerous zone next to the minefields by means of Remote Sensing and GIS techniques.
Method: In this article four factors are considered such as; Altitude, gradient, The distance from waterway network and soil erosion factor (the result of RUSLE-mode) 7 location map for lotting mine hazardous for under study zone was created by means of fuzzy overlap of gamma operators type 0, 0.25, 0.5, 0.625, 0.75 and 0.875.
Findings: The results of the research showed a high correlation between the location map of lotting mine hazardous with different gamma powers (except gamma 1) and height and soil erosion factors in sequence.
In the location map resulting from the fuzzy overlap with gamma 1, this high correlation relationship was created with erosion and gradient factors in sequence When the gamma power is equal to 1, most of the areas are introduced as high-risk class, which means that it has been negligent in introducing the lots as high-risk zones. On the contrary, as the value of gamma power decreases, the area of the high-risk class decreases and the area of the high-risk, medium-risk, low-risk, and very low-risk classes increases in sequence. and in fact in introducing the zones as high risk lots is act strictly.
Conclusion: In all the location maps created, low altitude areas and waterways are placed in high-risk and very high-risk classes, which shows that these areas should be prioritized for demining.

کلیدواژه‌ها [English]

  • Lotting
  • Minefield
  • Remote Sensing
  • GIS

مراجع

  • احمدی، حسن. (1388). ژئومورفولوژی کاربردی، چاپ اول، تهران: انتشارات دانشگاه تهران.
  • آرخی، صالح؛ نیازی، یعقوب. (1389)، بررسی کاربرد RS و GIS برای تخمین فرسایش خاک و بار رسوب با استفاده از مدل RUSLE (مطالعه موردی: حوضه بالادست سد ایلام)، فصلنامه پژوهش‌های حفاظت آب‌وخاک. ۱7(2): 27-1.
  • پال بولستاد. (1392). سیستم‌های اطلاعات جغرافیایی، ترجمه حمیدرضا جعفری، چاپ دوم، تهران: انتشارات دانشگاه تهران.
  • جعفری، محمد. (1399). آیین‌نامه موانع، چاپ اول، تهران: انتشارات معاونت آموزش نزاجا.
  • رضایی مقدم، اندریانی، ولیزاده کامران، خلیل، الماس پور. (2016). تعیین بهترین الگوریتم استخراج کاربری-پوشش اراضی و کشف تغییرات از تصاویر ماهواره‌ای لندست (مطالعه موردی: حوضه صوفی چای مراغه). فصلنامه فضای جغرافیایی، 55(16): 85-65.
  • رفاهی، حسین قلی، (1393)، فرسایش آبی و کنترل آن، چاپ دوم، تهران: انتشارات دانشگاه تهران.
  • طهماسبی، پرویز، جعفری، محمد. (1398). استانداردهای پاک‌سازی مین (SOP)، چاپ دوم، تهران: انتشارات معاونت آموزش نزاجا.
  • عظیمی حسینی، محمد، نظری فر، محمدهادی، مؤمنی، رضوانه. (1389). کاربرد GIS در مکان‌یابی، چاپ اول، تهران: انتشارات مهرگان قلم،
  • قدسی، خیرخواه زرکش، میر مسعود، قرمزچشمه، باقر. (2021). مقایسه دقت روش‌های ماشین بردار پشتیبان و جنگل تصادفی در تهیه نقشه کاربری اراضی و محصولات زراعی، با استفاده از تصاویر چندزمانة سنتینل-2، فصلنامه سنجش‌ازدور و GIS ایران. 12(4): 92-73.‎
  • کیخایی، مهدی، رفیع زاده ملکشاه، ارسلان، بیرانوند، نادر. (1400)، طراحی سامانه Web-GIS مبتنی بر مسیریابی بهینه بین نقاط مختلف صحنه نبرد به‌منظور مدیریت و طرح‌ریزی صحیح عملیات‌های نظامی آینده، فصلنامه آینده‌پژوهی دفاعی. 6(22): 94-69.
  • همت، حمید، فرهادی، علی، خادم دقیق، امیر هوشنگ. (1398)، نقش سامانه‌های تصمیم‌یار سیستم‌های اطلاعات جغرافیایی در مدیریت بحران‌های آینده، فصلنامه آینده‌پژوهی دفاعی. 4(12): 164-143.
  • Abdel-Kader, F. H. & Yacoub, R. K. (2005), Land resources assessment of landmine-affected areas, Northwest of Egypt. In Suitma Symposium; The National Information and Documentation Centre (NIDOC): Cairo, Egypt, 19.
  • Alqudsi, Y. S. Alsharafi, A. S. & Mohamed, A. (2021, July). A Review of Airborne Landmine Detection Technologies: Unmanned Aerial Vehicle-Based Approach. In 2021 International Congress of Advanced Technology and Engineering (ICOTEN)(pp. 1-5). IEEE.
  • Eitvandi, N. Sarikhani, R. & Derikvand, S. (2022). Landslide susceptibility mapping by integrating analytical hierarchy process, frequency ratio, and fuzzy gamma operator models, case study: North of Lorestan Province, Iran. Environmental Monitoring and Assessment, 194(9), 600.
  • Gooneratne, C. P. Mukhopahyay, S. C. & Gupta, G. S. (2014, December). A review of sensing technologies for landmine detection: Unmanned vehicle based approach. In 2nd International Conference on Autonomous Robots and Agents (pp. 401-407).‏
  • IMAS, (2014), A guide to fighting With mines, Fifth Edition, International mine Action standard. gichd,org.
  • ‏Oskooee M. )2015( Hyperspectral telemetry, benefits and requirements of development and its future in Iran. Iranian Remote Sensing & GIS, Vol.6, No. 1, 22-35.
  • Panagos, P. Borrelli, P. Meusburger, K. Yu, B. Klik, A. Jae Lim, K. & Ballabio, C. (2017). Global rainfall erosivity assessment based on high-temporal resolution rainfall records. Scientific reports, 7(1), 1-12.‏
  • Bello(2013) Literature Review on Landmines and Detection Methods” Frontiers in Science, pp.27-42
  • Schorlemer, J. Jebramcik, J. Rolfes, I. & Barowski, J. (2022, April). Comparison of Short-Range SAR Imaging Algorithms for the Detection of Landmines using Numerical Simulations. In 2021 18th European Radar Conference (EuRAD)(pp. 393-396). IEEE.‏
  • Schultz, C. Alegría, A. C. Cornelis, J. & Sahli, H. (2016). Comparison of spatial and aspatial logistic regression models for landmine risk mapping. Applied Geography, 66, 52-63.
  • Shariat Jafari, M. & Hamedpanah, R. (2007). Predication Of Natural Slope Instability Hazard Using Fuzzy Algebraic Product And Sum Operators In Centeral Alborz [Article]. Iranian Journal Of Natural Resources, 60(3), 745-757.
  • Tbarki, K. Ksantini, R. Ben Said, S. & Lachiri, Z. (2021). A novel landmine detection system based on within and between subclasses dispersion information. International Journal of Remote Sensing, 42(19), 7405-7427.‏
  • Tso Brandt and Paul Mather, (2009). Classification methodds for Remotely Sensed Data. Chapter 2-3. 2nd ed. Pub. Technology & Engineering - 376 pages.
  • Wenkoff, J. A, (2008), Predictive GIS Modeling for Minefield Delineation in Post-conflict States. Journal of Military and Strategic Studies, 10(4).
  • Williams, C. & Dunn, C. E. (2003). GIS in Participatory Research: Assessing the Impact of Landmines on Communities in North‐west Cambodia. Transactions in GIS, 7(3), 393-410.
  • Zhang H, Yang Q, Li R, Liu Q, Moore D, He P, Ritsema C J, Geissen V, (2013), Extension of a GIS procedure for calculating the RUSLE equation LS factor[J]. Computers & Geosciences, 52 (0): 177-188.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار