रिमोट सेंसिंग और जीआईएस जर्नल

अमूर्त

भू-स्थानिक तकनीकों का उपयोग करके बारूदी सुरंगों और ERW का खतरा मानचित्रण

ऑरा सेसिलिया एलेग्रिया, एस्टेबन ज़िमानी, जान कॉर्नेलिस और हिचेम साहली

प्रभावित देशों में बारूदी सुरंगें और युद्ध के विस्फोटक अवशेष (ERW) समाज के लिए एक महत्वपूर्ण उपद्रव बने हुए हैं। मानवीय और विकास गतिविधियों से निपटने के लिए, बारूदी सुरंगों की कार्रवाई का उद्देश्य आबादी पर बारूदी सुरंगों/ERW की मौजूदगी के प्रभावों को कम करना और अंततः समुदायों को साफ़ की गई भूमि वापस करना है। ये बारूदी सुरंगों की कार्रवाई के निर्णय निर्माताओं के मुख्य कार्य हैं। यह अध्ययन बारूदी सुरंगों/ERW संदूषण डेटा को व्याख्यात्मक चर के साथ जोड़ता है जिसमें अंतर्निहित लक्ष्यों के बारे में जानकारी होती है। उन्हें भौगोलिक सूचना प्रणाली का उपयोग करके अन्य सूचना स्रोतों, जैसे रिमोट सेंसिंग के साथ जोखिम मानचित्रण ढांचे में एकीकृत किया जाता है। इस पत्र का उद्देश्य व्यापक और स्थानीय पैमाने पर बारूदी सुरंगों और ERW प्रभावों के कारण जोखिम में रहने वाली आबादी और/या स्थानों के बारे में जानकारी प्रदान करना है। इस प्रकार, 'हॉटस्पॉट' की अवधारणा विशेष रूप से उपयोगी है क्योंकि यह जोखिम का एक दृश्य प्रतिनिधित्व प्रदान करती है, जिसमें बारूदी सुरंगों की कार्रवाई करने वालों के लिए प्राथमिकता वाले क्षेत्रों का भू-स्थानिक प्रतिनिधित्व होता है। हम ऐसे 'हॉटस्पॉट' प्राप्त करने के लिए कर्नेल घनत्व अनुमानक (KDE) लागू करते हैं। केडीई को लैंडमाइन और ईआरडब्ल्यू खतरा, भेद्यता, और तत्व-जोखिम मानचित्रों को परिभाषित करने के आधार के रूप में प्रस्तावित किया गया है, जो अंतिम आउटपुट, लैंडमाइन/ईआरडब्ल्यू जोखिम मानचित्र का उत्पादन करने में सक्षम बनाता है। यह अत्यधिक विषम स्थानिक वितरण वाले डेटासेट के लिए एक अनुकूली कर्नेल बैंडविड्थ का उपयोग करके और केडीई के लिए इनपुट के रूप में उपयोग करने से पहले पॉलीगॉन डेटा से बिंदु नमूने उत्पन्न करने के लिए एक समस्या-विशिष्ट विधि का उपयोग करके पूरा किया जाता है। यहाँ प्रस्तुत भू-सांख्यिकीय मॉडल लैंडमाइन जोखिम मानचित्र बनाने के लिए एक समय-और-लागत-कुशल विधि है, जो कि माइन एक्शन एक्टर्स द्वारा उत्पादित मैप्स जितना ही प्रतिनिधि है। इसका उपयोग इन एक्टर्स द्वारा बनाए गए जोखिम क्षेत्र मानचित्रों के पूरक के रूप में किया जा सकता है क्योंकि वे थोड़े अलग हैं लेकिन एक बड़े पैमाने पर ओवरलैप दिखाते हैं। इसके अलावा, यह विधि उन चरों को प्रकट करने में मदद करती है जो अध्ययन क्षेत्र में लैंडमाइन/ईआरडब्ल्यू-संबंधित घटनाओं से सबसे अधिक जुड़े हुए हैं।