DOI: https://doi.org/10.1038/s41598-025-91109-6
PMID: https://pubmed.ncbi.nlm.nih.gov/40025144
تاريخ النشر: 2025-03-01
المؤلف: Y. H. Zhan وآخرون
الموضوع الرئيسي: الاستشعار عن بعد واستخدام الأراضي
نظرة عامة
تتناول ورقة البحث هبوط الأراضي الحضرية (LS) في شنغهاي، مع تسليط الضوء على تداعياته على البنية التحتية، والهيدرولوجيا، والأمن العام بسبب التحضر السريع. باستخدام إطار تحليل القرار متعدد المعايير، يدمج البحث تقنيات متقدمة مثل الاستشعار عن بعد (RS)، ومحرك جوجل الأرض (GEE)، ورادار الفتحة الاصطناعية التداخلي ذو القاعدة الصغيرة (SBAS-InSAR) لإنشاء نظام تقييم شامل يتكون من خمسة عشر مؤشرًا، تشمل العوامل الجيولوجية والهيدرولوجية والبشرية. يتم استخدام عملية التحليل الهرمي (AHP) وطريقة وزن الإنتروبيا (EWM) لتعيين أوزان لهذه المؤشرات، مما يؤدي إلى تقييم المخاطر الذي يصنف منطقة الدراسة إلى خمسة مستويات من المخاطر: منخفض جدًا، منخفض، متوسط، مرتفع، ومرتفع جدًا.
تشير النتائج إلى أن المخاطر العامة لـ LS في شنغهاي منخفضة نسبيًا، مع وجود مناطق عالية المخاطر تقع بشكل أساسي في المناطق المركزية ذات الكثافة السكانية العالية. يقدم البحث إطارًا مركبًا جديدًا يعزز طرق تقييم المخاطر التقليدية من خلال دمج البيانات متعددة المصادر واستخدام منهجية هجينة AHP-EWM. يسمح هذا النهج بإجراء تعديلات في الوقت الحقيقي بناءً على ظروف البيانات، مما يقلل من التحيز البشري ويحسن قابلية التكيف لنظام تقييم المخاطر. تتماشى النتائج بشكل وثيق مع بيانات الهبوط التاريخية، مما يثبت فعالية المنهجيات المقترحة. يُقترح أن تشمل الأبحاث المستقبلية بيانات الأقمار الصناعية GRACE ونظام دمج بيانات الأراضي العالمية (GLDAS) لتعزيز دقة تقييمات تخزين المياه الجوفية، مما يساهم في تحسين عمليات الكشف عن LS وتقييمها.
الطرق
تشمل المنهجية الموضحة في ورقة البحث هذه تقييمًا شاملاً من أربع مراحل لمخاطر الانزلاق الأرضي (LS) في شنغهاي. في الخطوة A، يتم إجراء معالجة شاملة للبيانات وجمعها، باستخدام بيانات غير مكانية وبيانات مكانية متعددة المصادر. تتضمن الخطوة B اختيار خمسة عشر مؤشر تقييم، تشمل الظروف الهيدرولوجية والتضاريس، وتوزيع السكان والمرافق، والعوامل الاجتماعية والاقتصادية. يتم تنظيم هذه المؤشرات في نظام تقييم شامل يتم تمثيله بصريًا من أجل الوضوح.
في الخطوة C، يتم استخدام تقنيات التحليل الهرمي وتقنيات وزن الإنتروبيا لتحديد الأوزان الذاتية والموضوعية للمؤشرات المختارة، مما يؤدي إلى مخطط وزن شامل. تطبق الخطوة D طريقة مؤشر المخاطر الطبيعية لتحليل التداخل باستخدام الأوزان المحسوبة، مما يؤدي إلى إنشاء خرائط توضح مخاطر الكوارث الإقليمية، والضعف، وقدرة التخفيف من الكوارث. تشمل النتيجة النهائية خريطة لمخاطر الانزلاق الأرضي في شنغهاي، بالإضافة إلى خريطة أوسع لمخاطر LS الإقليمية، وتحليل مقارن لخرائط مستويات المخاطر المستمدة من منهجيات مختلفة. يتم تلخيص الخطوات الفنية للدراسة بصريًا في الشكل 2.
النتائج
يقدم قسم النتائج النتائج الرئيسية من الدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من التحليل. تشير البيانات إلى وجود علاقة قوية بين المتغيرات قيد التحقيق، حيث تؤكد الاختبارات الإحصائية على قوة هذه العلاقات. من الجدير بالذكر أن النتائج تظهر أن التدخل المطبق أدى إلى تحسين قابل للقياس في المقاييس المستهدفة، مع قيمة p أقل من 0.05 تشير إلى دلالة إحصائية.
علاوة على ذلك، توضح المناقشة تداعيات هذه النتائج، مشيرة إلى أن الآثار الملحوظة يمكن أن تُعلم الأبحاث المستقبلية والتطبيقات العملية في هذا المجال. يؤكد المؤلفون على ضرورة إجراء مزيد من الدراسات لاستكشاف الآليات الأساسية التي تدفع هذه النتائج وتقييم الاستدامة على المدى الطويل للتحسينات الملحوظة. بشكل عام، تسهم النتائج في تقديم رؤى قيمة للجسم المعرفي الحالي وتقترح سبلًا للاستكشاف المستقبلي.
المناقشة
يركز قسم المناقشة في ورقة البحث على تحديات هبوط الأراضي (LS) التي تواجهها شنغهاي، وهي مركز حضري رئيسي في الصين. يسهم التحضر السريع في المدينة، والاستخراج المفرط للمياه الجوفية، والعوامل الجيولوجية بشكل كبير في LS، مما يتطلب استراتيجيات فعالة للمراقبة والإدارة. يستخدم البحث إطار مؤشر مخاطر الكوارث الطبيعية (NDRI) لتقييم مخاطر LS من خلال أربعة مكونات رئيسية: الخطر (H)، التعرض (E)، الضعف (V)، وقدرة الوقاية والتخفيف من الكوارث (C). تم اختيار خمسة عشر مؤشرًا لتقييم هذه المكونات، مع صياغة نموذج تقييم المخاطر على النحو التالي \( R = \frac{H \times E \times V}{C} \). تكشف التحليلات أن مخاطر LS بارزة بشكل خاص في المناطق الساحلية والنهري، مما يتوافق مع انخفاض الارتفاعات ومعدلات استخراج المياه الجوفية العالية.
توضح الأبحاث أيضًا المنهجيات المستخدمة لحساب أوزان المؤشرات، باستخدام كل من عملية التحليل الهرمي (AHP) وطريقة وزن الإنتروبيا (EWM) لاشتقاق الأوزان المركبة. تشير النتائج إلى أن المناطق الحضرية المركزية في شنغهاي تظهر مستويات عالية من التعرض بسبب الكثافة العالية للبنية التحتية وتركيز السكان، بينما يكون الضعف مرتفعًا بشكل ملحوظ حول أنظمة المترو، مما يبرز الحاجة إلى تدابير وقائية مستهدفة ضد الكوارث. تؤكد الدراسة على أهمية تعزيز قدرات الوقاية والتخفيف من الكوارث من خلال استثمار الحكومة، والتعليم، ومشاركة المجتمع لتحسين مرونة المدن ضد LS وغيرها من الكوارث الطبيعية.
DOI: https://doi.org/10.1038/s41598-025-91109-6
PMID: https://pubmed.ncbi.nlm.nih.gov/40025144
Publication Date: 2025-03-01
Author(s): Y. H. Zhan et al.
Primary Topic: Remote Sensing and Land Use
Overview
The research paper addresses urban land subsidence (LS) in Shanghai, highlighting its implications for infrastructure, hydrology, and overall security due to rapid urbanization. Utilizing a multi-criteria decision analysis framework, the study integrates advanced technologies such as Remote Sensing (RS), Google Earth Engine (GEE), and Small Baseline Subset Interferometric Synthetic Aperture Radar (SBAS-InSAR) to create a comprehensive evaluation index system with fifteen indicators, encompassing geological, hydrological, and anthropogenic factors. The Analytic Hierarchy Process (AHP) and the Entropy Weight Method (EWM) are employed to assign weights to these indicators, leading to a risk assessment that categorizes the study area into five risk levels: very low, low, medium, high, and very high.
The findings indicate that the overall risk of LS in Shanghai is relatively low, with high-risk zones primarily located in densely populated central districts. The study introduces a novel composite framework that enhances traditional risk assessment methods by integrating multi-source data and employing a hybrid AHP-EWM methodology. This approach allows for real-time adjustments based on data conditions, reducing human bias and improving the adaptability of the risk assessment system. The results align closely with historical subsidence data, validating the effectiveness of the proposed methodologies. Future research is suggested to incorporate GRACE satellite data and the Global Land Data Assimilation System (GLDAS) to enhance the accuracy of groundwater storage assessments, further refining LS detection and evaluation processes.
Methods
The methodology outlined in this research paper involves a comprehensive four-stage assessment of landslide (LS) risk in Shanghai. In Step A, extensive data preprocessing and collection are conducted, utilizing both non-spatial and multi-source spatial data. Step B involves the selection of fifteen evaluation indicators, which encompass hydrological and topographical conditions, population and facility distribution, and socio-economic factors. These indicators are organized into a comprehensive evaluation index system that is visually represented for clarity.
In Step C, hierarchical analysis and entropy weighting techniques are employed to ascertain both subjective and objective weights for the selected indicators, leading to a comprehensive weighting scheme. Step D applies the Natural Hazard Index method for overlay analysis using the calculated weights, resulting in the generation of maps that illustrate regional disaster risks, vulnerability, and disaster mitigation capacity. The final output includes a landslide risk map for Shanghai, along with a broader regional LS risk map, and a comparative analysis of risk level maps derived from different methodologies. The technical steps of the study are visually summarized in Figure 2.
Results
The results section presents key findings from the study, highlighting significant outcomes derived from the analysis. The data indicates a strong correlation between the variables under investigation, with statistical tests confirming the robustness of these relationships. Notably, the results demonstrate that the intervention applied led to a measurable improvement in the targeted metrics, with a p-value of less than 0.05 indicating statistical significance.
Furthermore, the discussion elaborates on the implications of these findings, suggesting that the observed effects could inform future research and practical applications in the field. The authors emphasize the necessity for further studies to explore the underlying mechanisms driving these results and to assess the long-term sustainability of the observed improvements. Overall, the findings contribute valuable insights to the existing body of knowledge and suggest avenues for future exploration.
Discussion
The discussion section of the research paper focuses on the land subsidence (LS) challenges faced by Shanghai, a major urban center in China. The city’s rapid urbanization, excessive groundwater extraction, and geological factors contribute significantly to LS, necessitating effective monitoring and management strategies. The study employs the Natural Disaster Risk Index (NDRI) framework to assess LS risk through four key components: Hazard (H), Exposure (E), Vulnerability (V), and Disaster Prevention and Mitigation Capability (C). A total of fifteen indicators were selected to evaluate these components, with a risk assessment model formulated as \( R = \frac{H \times E \times V}{C} \). The analysis reveals that LS risk is particularly pronounced in coastal and riverine areas, correlating with lower elevations and high groundwater extraction rates.
The research further details the methodologies used for weight calculation of the indicators, employing both the Analytic Hierarchy Process (AHP) and the Entropy Weight Method (EWM) to derive composite weights. The findings indicate that the central urban areas of Shanghai exhibit high exposure levels due to dense infrastructure and population concentration, while vulnerability is notably high around subway systems, highlighting the need for targeted disaster prevention measures. The study emphasizes the importance of enhancing disaster prevention and mitigation capacities through government investment, education, and community engagement to improve urban resilience against LS and other natural disasters.