بررسی تغییر شکل پوسته زمین و آسیب زیرساختها ها بعد از زلزله شبه جزیره نوتو 2024 ژاپن با استفاده از سنجش از دور راداری باند L

نوع مقاله : مقاله پژوهشی

نویسنده

گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز

10.22034/rsgi.2025.64015.1106

چکیده

اگر چه زلزله ها فقط در چند ثانیه رخ می دهند اما متاسفانه آثار آنها تا سال ها و شاید دهه ها در محیط باقی می ماند. زلزله ها قابل پیش بینی در بلند مدت نیستند اما با این حال فناوری های فضایی از جمله سنجش از دور راداری می تواند کمک بسزایی در کاهش ریسک و تلفات زلزله بازی کنند. در این مطالعه تصاویر رادار با گشودگی مصنوعی (SAR) ماهواره ALOS-2موسوم به PALSAR-2 در باند L با استفاده از روش تداخل سنجی راداری (InSAR) و سنجش همدوسی (Coherence) برای ارزیابی تخریب ساختمان ها و زیرساختهای جاده ای تحت تاثیر از زلزله 1 ژانویه 2024 نوتو ژاپن مورد استفاده قرار گرفته است. نتایج نشان می دهد که داده های باند L در محدوده طیفی 24 سانتی متر قدرت نفوذ مناسبی در مناطق با پوشش گیاهی متراکم و بلند (همانند شبه جزیره نوتو) دارد که از این ویژگی میتوان برای استخراج میدان جابجایی زمین و همینطور آسیب ساختمان ها و جاده ها استفاده کرد. نتایج بدست آمده حاکی از جابجایی بیشینه حدوداً یک متری در راستای خط دید ماهواره می باشد.

تازه های تحقیق

همانطور که در بخش قبلی ارائه شد، تصاویر راداری ALOS-2  و روش تداخل سنجی راداری به‌عنوان یکی از ابزارهای کارآمد در پایش آسیب‌پذیری ناشی از زلزله، نقش مهمی در ارزیابی‌های علمی و عملیاتی ایفا می‌کنند. نتایج این آنالیزها می‌توانند تغییرات زمینی و حرکت‌های زمین در مناطق زلزله‌زده را با دقت بالا ثبت کنند. کاربرد این داده‌ها به‌طور گسترده‌ای برای بررسی قبل، حین و بعد از وقوع زلزله به کار می‌رود و به ارزیابی دقیق‌تر و سریع‌تر آسیب‌های ناشی از زمین‌لرزه کمک می‌کند. مزایای اصلی استفاده از ALOS-2 برای پایش زلزله شامل قابلیت ثبت داده‌ها در شرایط آب‌وهوایی مختلف و شبانه‌روزی، و پوشش مناطق وسیع در مدت زمان کوتاه است. این ویژگی‌ها به‌ویژه در مناطق کوهستانی و جنگلی نظیر شبه جزیره نوتو که پوشیده از ابر هستند بر روش‌های سنتی برتری دارد. همچنین، این تصاویر امکان تهیه نقشه‌های جابه‌جایی زمین را با استفاده از روش تداخل‌سنجی برای زلزله فوق را فراهم کرد که می‌تواند میزان تغییرات سطحی زمین ناشی از زلزله را با دقت میلی‌متری شناسایی کند. لازم به ذکر است که اندازه گیری جابجایی سطح زمین با استفاده از داده های سنتینل-1 بدلیل استفاده از طول موج های کوتاه تر برای بررسی این زلزله امکان پذیر نبود. علاوه بر این، استفاده از ALOS-2 در مدل‌سازی پیش‌بینی خطرات زلزله نیز اهمیت دارد. داده‌های تاریخی این ماهواره می‌توانند به مدل‌سازی حرکات گسل‌ها و الگوهای پیش‌بینی زلزله کمک کنند و این اطلاعات به‌طور مستقیم در مدیریت خطرات زلزله و کاهش آسیب‌پذیری مناطق پرخطر کاربرد دارند. یکی دیگر از کاربردهای مهم ALOS-2 که در این مقاله بذان پرداخته شد، امکان ارزیابی آسیب‌پذیری زیرساخت‌ها مانند ساختمان‌ها، جاده‌ها پس از وقوع زلزله است. با استفاده از داده‌های پیش و پس از حادثه، تغییرات ساختاری و آسیب های احتمالی را شناسایی شد و به ارزیابی میزان خسارت‌های وارده پرداخت. این اطلاعات می‌توانند به تصمیم‌گیری‌های سریع‌تر و موثرتر در خصوص امدادرسانی و بازسازی کمک کنند.

در نهایت، می‌توان گفت که تصاویر راداری ALOS-2 به‌عنوان یک ابزار مهم در پایش و ارزیابی آسیب‌پذیری ناشی از زلزله، می‌توانند داده‌های ارزشمندی برای تحلیل سریع و دقیق مناطق آسیب‌دیده ارائه دهند. این قابلیت‌ها نه تنها در بهبود واکنش سریع پس از زلزله مؤثر هستند، بلکه در برنامه‌ریزی بلندمدت برای کاهش خسارات و بهبود پایداری زیرساخت‌ها نیز نقش حیاتی دارند. استفاده از این فناوری می‌تواند به بهبود آمادگی و مدیریت بهتر بحران‌های زلزله در سطح ملی و منطقه‌ای کمک کند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

An investigation of ground deformation and infrastructure damages following Noto peninsula earthquake (2024) using L-band remote sensing

چکیده [English]

Earthquakes are among the natural hazards that can have significant impacts. Although earthquakes occur within just a few seconds, their effects can persist in the environment for years, or even decades. Earthquakes cannot be predicted in the long term, but space technologies, such as radar remote sensing, can play a crucial role in reducing earthquake risks and losses. In this study, Synthetic Aperture Radar (SAR) images from the ALOS-2 satellite, known as PALSAR-2, operating in the L-band, were used to assess the damage to buildings and road infrastructure resulting from the January 1, 2024, Noto earthquake in Japan. Interferometric Synthetic Aperture Radar (InSAR) and Coherence analyses have been used in this study. The results show that L-band data, with a wavelength of approximately 24 centimeters, have good penetration capability in areas with dense and tall vegetation cover (such as the Noto Peninsula). This advantage can be utilized to extract ground displacement fields and assess damage to buildings and roads in which the results show that the maximum displacement is about 1 meter in the line of sight of satellite.

کلیدواژه‌ها [English]

  • Earthquake
  • Hazard
  • SAR Remote Sensing
  • ALOS-2
  • Coherence

اگر چه زلزله ها فقط در چند ثانیه رخ می دهند اما متاسفانه آثار آنها تا سال ها و شاید دهه ها در محیط باقی می ماند. زلزله ها قابل پیش بینی در بلند مدت نیستند اما با این حال فناوری های فضایی از جمله سنجش از دور راداری می تواند کمک بسزایی در کاهش ریسک و تلفات زلزله بازی کنند. در این مطالعه تصاویر رادار با گشودگی مصنوعی (SAR) ماهواره ALOS-2موسوم به PALSAR-2 در باند L با استفاده از روش تداخل سنجی راداری (InSAR) و سنجش همدوسی (Coherence) برای ارزیابی تخریب ساختمان ها و زیرساختهای جاده ای تحت تاثیر از زلزله 1 ژانویه 2024 نوتو ژاپن مورد استفاده قرار گرفته است. نتایج نشان می دهد که داده های باند L در محدوده طیفی 24 سانتی متر قدرت نفوذ مناسبی در مناطق با پوشش گیاهی متراکم و بلند (همانند شبه جزیره نوتو) دارد که از این ویژگی میتوان برای استخراج میدان جابجایی زمین و همینطور آسیب ساختمان ها و جاده ها استفاده کرد. نتایج بدست آمده حاکی از جابجایی بیشینه حدوداً یک متری در راستای خط دید ماهواره می باشد.

ALOS-2/PALSAR-2 level 1.1/1.5/2.1/3.1 CEOS SAR product format description, Japan Aerospace Exploration Agency, May. (2014).
Aslan, G., Cakır, Z., Ergintav, S., Lasserre, C., & Renard, F. (2018). Analysis of secular ground motions in Istanbul from a long-term InSAR time-series (1992–2017). Remote Sensing, 10(3), 408. https://doi. org/10.3390/rs10030408.
Cigna, F., Esquivel Ramírez, R., & Tapete, D. (2021). Accuracy of sentinel-1 PSI and SBAS InSAR displacement velocities against GNSS and geodetic leveling monitoring data. Remote Sensing, 13 (23), 4800. https://doi.org/10.3390/rs13234800 .
Karimzadeh, S., Ghasemi, M., Matsuoka, M., Yagi, K., & Zulfikar, A. C. (2022). A deep learning model for road damage detection after an earthquake based on synthetic aperture radar (SAR) and field datasets. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15, 5753–5765. https://doi.org/10.1109/JSTARS.2022.3189875.
Karimzadeh, S., & Matsuoka, M. (2020). Ground displacement in east azerbaijan province, Iran, revealed by L-band and C-band InSAR analyses. Sensors, 20(23), 6913. https://doi.org/10.3390/ s20236913.
Karimzadeh, S., Matsuoka, M., & Ogushi, F. (2018). Spatiotemporal deformationpatterns of the lake urmia causeway as characterized by multisensor InSAR analysis. Scientific Reports, 8(1), 5357. https://doi.org/10.1038/s41598-018-23650-6.
دوره 4، شماره 13
بهمن 1403
صفحه 133-117
  • تاریخ دریافت: 24 مهر 1403
  • تاریخ بازنگری: 21 آبان 1403
  • تاریخ پذیرش: 10 بهمن 1403