Terapan Geografi 56 (2015) 154 e 163

daftar isi yang tersedia di ScienceDirect

Terapan Geografi

jurnal homepage: www.elsevier .com / cari / apgeog

Sensitivitas pemodelan evakuasi tsunami untuk arah dan tanah penutup asumsi

Mathew C. Schmidtlein Sebuah . * . Nathan J. Wood b

Sebuah California State University, Sacramento, Departemen Geografi, 6000 J Street, Sacramento, CA 95819, USA
b Western Geographic Science Center, United States Geological Survey, 2130 SW 5th Avenue, Portland, OR 97201, USA

articleinfo abstrak

Sejarah Artikel: Meskipun anisotropic paling murah jarak jauh (LCD) pemodelan menjadi alat umum untuk memperkirakan waktu perjalanan pejalan
Tersedia online 18 Desember 2014 kaki-evakuasi keluar dari zona bahaya tsunami, telah ada insufisiensi fi Perhatian sien dibayar dengan model sensitivitas pemahaman belakang
perkiraan. Untuk dukungan perencanaan pengurangan risiko tsunami, kita mengeksplorasi dua aspek pemodelan LCD yang berlaku untuk
Kata kunci: evakuasi pejalan kaki dan menggunakan masyarakat pesisir dari Seward, Alaska, sebagai studi kasus kami. Pertama, kita menjelajahi
Setidaknya biaya Evakuasi sensitivitas pemodelan dengan arah gerakan dengan membandingkan standar keamanan-to-bahaya kali evakuasi bahaya-to-safety kali
jarak
evakuasi untuk sampel 3985 poin di zona tsunami-bahaya Seward. Keselamatan-to-bahaya kali evakuasi sedikit berlebihan bahaya-to-safety
Model sensitivitas
kali evakuasi tetapi hubungan yang kuat dengan bahaya-to-keselamatan kali evakuasi bias sedikit konservatif, dan waktu pengolahan lebih
Tsunami Anisotropy
pendek dari pendekatan safetyto-bahaya membuatnya pendekatan yang lebih disukai. Kedua, fl kinerja model pengaruh menggunakan
pendekatan Monte Carlo dengan satu ribu set SCVs tutupan lahan. Model LCD relatif kuat untuk perubahan SCVs tutupan lahan dengan
besarnya sensitivitas model yang lokal terbesar di daerah dengan waktu evakuasi yang lebih tinggi atau dengan lahan basah atau pantai jenis
tutupan lahan, di mana hasil model mungkin kali perjalanan sedikit meremehkan. Studi ini menunjukkan bahwa manajer darurat harus peduli
tidak hanya dengan populasi di lokasi dengan waktu evakuasi lebih besar dari waktu kedatangan gelombang, tetapi juga dengan populasi
dengan kali evakuasi lebih rendah dari tapi dekat diharapkan kedatangan kali gelombang, terutama jika mereka diminta untuk lahan basah
lintas atau pantai.

© 2014 Penulis. Diterbitkan oleh Elsevier Ltd Ini adalah artikel akses terbuka di bawah CC BY-NC-ND
lisensi ( http://creativecommons.org/licenses/by-nc-nd/3.0/ ).

pengantar
bahaya tsunami mengancam masyarakat pesisir di seluruh dunia. Perhatian khusus adalah
gelombang yang bisa menggenangi daerah yang letaknya rendah dalam beberapa menit setelah
yang dihasilkan oleh sumber lokal, seperti gempa bumi lepas pantai. Evakuasi dari tsunami lokal
kemungkinan akan diri diprakarsai dan pejalan kaki berbasis karena skala waktu yang singkat dan
kemungkinan kerusakan jaringan jalan dari gempa awal. Setelah kehilangan kehidupan disaksikan
selama bencana tsunami baru-baru ini (misalnya, Samudra Hindia 2004, 2009 Samoa, 2010 Chile,
dan 2011 Tohoku), telah ada upaya yang cukup untuk evakuasi Model pejalan kaki keluar dari zona
tsunami-bahaya (misalnya, Laghi, Cavalletti, & Polo, 2006; Jonkmann, Vrijling, & Vrouwenvelder,
2008; Yeh, Fiez, & Karon, 2009; Johnstone, & Lence 2012 ; Kayu
& Schmidtlein, 2012, 2013 ). Peta kali perjalanan ke keselamatan berdasarkan pejalan kaki evakuasi
pemodelan bantuan manajer darurat memahami di mana evakuasi berhasil dimungkinkan dan di
mana strategi vertikal-evakuasi dapat dibenarkan.
Salah satu pendekatan untuk evakuasi pejalan kaki model yang telah difokuskan pada
menghasilkan permukaan spasial yang merepresentasikan biaya minimal dalam perjalanan di lanskap.
heuristik biaya yang digunakan dalam cara-sebelumnya
fi nding modeling bervariasi, seperti panjang jalan terpendek ( Dijkstra, 1959; Kayu & Schmidtlein 2013 ),
Jalan paling sederhana ( Duckham & Kulik, 2003 ), Dan jalur resiko minimal ( Vanclooster et al. 2014 ).
Paling murah jarak (LCD) model berdasarkan algoritma jalur terpendek yang dihasilkan biasanya
sebagai fungsi dari kemiringan permukaan tanah, jenis tutupan lahan, dan asumsi kecepatan
perjalanan. upaya terkait tsunami baru-baru ini telah meningkatkan bagaimana lereng termasuk
dalam pemodelan dengan memasukkan arah gerakan; sebagai contoh, Kayu dan Schmidtlein (2012) menunjukkan
bagaimana asumsi (kemiringan konstan terlepas dari arah perjalanan) isotropik

* Penulis yang sesuai. Tel .: þ 1 916 278 7581.

Alamat email: schmidtlein@csus.edu (MC Schmidtlein), nwood@usgs.gov
(NJ Wood).

http://dx.doi.org/10.1016/j.apgeog.2014.11.014
0143-6228 / © 2014 Penulis. Diterbitkan oleh Elsevier Ltd Ini adalah artikel akses terbuka di bawah CC BY-NC-ND lisensi ( http://creativecommons.org/licenses/by-nc-nd/3.0/ ).
 MC Schmidtlein, NJ Kayu / Terapan Geografi 56 (2015) 154 e 163 155

secara konsisten meremehkan waktu perjalanan untuk keselamatan keluar dari zona tsunami-bahaya
dibandingkan dengan pendekatan anisotropic untuk perhitungan kemiringan yang re fl ected arah
gerakan.
Sebuah terkait, namun belum dijelajahi, pertanyaan pada LCDmodeling adalah howwell arah
gerakan ditandai dalam perhitungan paling-costsurface yang sebenarnya. model LCD penggunaan
pendekatan berdasarkan
Dijkstra (1959) algoritma untuk fi nding jalan panjang minimum antara dua titik. Pendekatan ini dapat
digunakan dalam konteks raster ke
fi nd jarak minimum dari sel asal diberikan kepada semua sel yang tersisa di daerah penelitian. Dalam
rangka untuk menghasilkan peta waktu evakuasi untuk seluruh wilayah bahaya tsunami, pendekatan
standar ini akan memerlukan analisis LCD terpisah yang akan dijalankan untuk setiap sel individu
dalam zona bahaya. Laghi et al. (2006) mengusulkan bahwa ef lebih komputasi fi Pendekatan efisien
akan memperlakukan zona aman seperti asal-usul, dan menghitung waktu yang dibutuhkan untuk
pindah dari daerah-daerah aman untuk setiap sel di zona bahaya, berlaku membalik arah analisis
LCD. upaya pemodelan pedestrian-evakuasi berikutnya (misalnya, kayu & Schmidtlein 2012 ) Diikuti
pendekatan ini dalam model LCD anisotropic mereka, dan menggunakan arah tampilan terbalik meja
untuk mewakili dampak kemiringan pada waktu perjalanan, karena model LCD arah pencarian adalah
kebalikan dari arah perjalanan pejalan kaki yang sebenarnya (dari keselamatan bahaya, daripada dari
bahaya terhadap keselamatan). Meskipun pemodelan arah terbalik
secara konseptual memuaskan, kita tidak mengetahui adanya upaya untuk menentukan sensitivitas
pemodelan LCD dan peta perjalanan waktu berikutnya untuk asumsi ini.
Selain meneliti efek dari lereng anisotropy pada model LCD, belum dijelajahi pertanyaan model
sensitivitas lain berkaitan dengan bagaimana biaya perjalanan ditugaskan untuk kategori tutupan
lahan. Saat ini, kendala perjalanan karena variasi tutupan lahan diekspresikan melalui kecepatan
nilai-nilai konservasi (SCVs; Laghi et al. 2006 ) Yang mewakili persen kecepatan perjalanan
maksimum yang pejalan kaki akan diharapkan untuk memiliki pada tutupan lahan yang diberikan.
Karena tidak ada yang konsisten, hubungan berdasarkan empiris antara tutupan lahan dan
kecepatan perjalanan bisa diidentifikasi fi ed dalam literatur, saat SCVs tutupan lahan yang digunakan
oleh Kayu & Schmidtlein 2012 didasarkan pada perbedaan dalam jumlah energi yang digunakan
tomove seluruh jenis tutupan lahan yang berbeda ( Soule & Goldman, 1972 ). Ini adalah oversimpli fi kation
proses yang sebenarnya yang berhubungan tutupan lahan untuk kecepatan evakuasi pejalan kaki
dan tidak jelas seberapa sensitif hasil model yang ke fl fluktuasi di SCVs tutupan lahan.
Tujuan dari makalah ini adalah untuk mengeksplorasi sensitivitas waktu pemodelan
pedestrian-evakuasi ke asumsi yang dibuat dalam penokohan dari jalur gerakan dan di permukaan
tutupan lahan. Hal ini menyebabkan dua pertanyaan penelitian yang berbeda. Pertama, jangan
mencontoh kali evakuasi berbeda tergantung pada arah

Gambar. 1. daerah penelitian dari Seward, Alaska, termasuk (A) Seward lokasi di Resurrection Bay, Alaska, (B) lokasi Seward di Negara Bagian Alaska, (C) tahun 2005 gambar pusat kota Seward termasuk jalur mencatat zona maksimum
tsunami-bahaya (hitam line) dan potensi genangan yang disebabkan oleh tanah longsor bawah laut (garis putih), (D) tutupan lahan di Seward berdasarkan interpretasi manual 2005, resolusi 1-m, orthorecti RGB-band fi ed IKONOS citra, dan (E)
kemiringan berdasarkan 2009 5-kaki (1,5 m) LIDAR yang diturunkan Model digital elevasi daerah (elevasi dan citra dari Kenai Peninsula Borough GIS Divisi 2013 ).
156 MC Schmidtlein, NJ Kayu / Terapan Geografi 56 (2015) 154 e 163

Gerakan digunakan untuk memperkirakan saat-saat (safety-to-bahaya vs bahaya-to-safety pencarian kotoran, kerikil, dan Shoreland terkonsolidasi ( Gambar. 1 D). Daerah ini relatif fl di, dengan sebagian
arah)? Kedua, seberapa sensitif dimodelkan kali evakuasi untuk variasi dalam SCVs tutupan lahan? besar lereng di sepanjang rute perjalanan utama kurang dari 5 ( Gambar. 1 E). Lebih besar lereng
Kami mengeksplorasi pertanyaan-pertanyaan ini menggunakan studi kasus Seward, Alaska, sebuah yang berhubungan dengan bidang kuas dan pantai tidak dikonsolidasi.
komunitas pesisir yang menderita kerugian yang cukup besar dari 1964

M w 9.2 Jumat Agung gempa bumi dan tsunami ( Gambar. 1 ). Dengan peringatan 50 tahun 1964
bencana, telah ada upaya terakhir untuk mengevaluasi potensi evakuasi tsunami di masa depan
Seward ( Kayu, Schmidtlein, & Peters, 2014 ); Oleh karena itu, data geospasial yang mewakili elevasi,
tutupan lahan, dan zona bahaya yang tersedia. Komunitas ini juga menarik untuk menjelajahi
sensitivitas Model karena ukurannya yang ringkas dan tutupan lahan bervariasi.
kertas kami diatur sebagai berikut. Di bagian “ daerah penelitian ”, kita brie fl y meninjau daerah
penelitian dengan konteks bahaya tsunami nya. Di bagian “ Perkiraan awal dari waktu perjalanan
pejalan kaki ”, kami memberikan gambaran dasar dari Kayu dan Schmidtlein tahun 2012 Model,
digunakan untuk memperkirakan kali pejalan kaki evakuasi. Di bagian “ Sensitivitas model LCD ke
arah jalan ”, kita menganalisis fi pertama pertanyaan penelitian dengan membandingkan waktu
perjalanan menggunakan arah terbalik (yaitu, zona aman untuk situs di zona bahaya) untuk kali
evakuasi untuk sampel poin dalam zona bahaya ke zona aman. Di bagian “ Sensitivitas LCDmodel ke
tanah penutup SCV tugas ”, sensitivitas Model karena tutupan penokohan lahan dinilai menggunakan
pendekatan simulasi Monte-Carlo. Di bagian “ kesimpulan ”, kita membahas implikasi dari semua hasil
bagi manajer darurat lokal dalam konteks upaya mereka untuk membangun kesiapsiagaan tsunami
dan evakuasi rencana yang efektif. Penelitian ini furthers penerapan pemodelan evakuasi bagi upaya
pengurangan risiko dengan membahas di fl pengaruh data dan pemodelan asumsi perkiraan waktu
perjalanan ke tempat yang aman. Meningkatkan kemampuan kita untuk Model pedestrian kali
evakuasi akan membantu manajer darurat mengembangkan strategi pengurangan risiko yang akan
menyelamatkan nyawa dari tsunami di masa mendatang.
Perkiraan awal dari waktu perjalanan pejalan kaki
Untuk menguji model yang sensitivitas LCD untuk masukan dan asumsi, kita fi pertama
menghasilkan dasar perjalanan waktu permukaan evakuasi untuk Seward. Baseline anisotropic
Model LCD untuk Seward dilaksanakan di ArcMap 10.1 software ESRI ini, metode berikut ini
dijelaskan secara lebih rinci dalam Kayu dan Schmidtlein (2012) . Pendekatan ini menggunakan empat
set data berikut:
A 2009 5-kaki (1,5 m) LIDAR yang diturunkan digital elevation model daerah ( Kenai Peninsula
Borough GIS Divisi 2013 ) Digunakan untuk kemiringan Turunkan, ditambah dengan tabel
pencarian berdasarkan (1993) fungsi mendaki Tobler yang bertobat kemiringan ke SCVs;
Permukaan tutupan lahan, yang berasal dari klasifikasi diawasi dan manual fi kation 2005,
resolusi 1-m, RGB-band orthorecti fi ed IKONOS citra ( Kenai Peninsula Borough GIS Divisi 2013 )
Di Erdas IMAGINE dan kemudian reclassi fi ed ke SCVs ( Tabel 1 ) Sebagai kebalikan dari
koefisien energi medan fi koefisien dibahas di Soule dan Goldman (1972) ; zona aman terhadap
yang pejalan kaki bisa mengevakuasi berdasarkan buffer zona tsunami-genangan maksimum
dimodelkan dengan
Suleimani et al. (2010) ; dan
Asumsi kecepatan perjalanan pejalan kaki dari 1.1m / s, yang re fl ects sebuah sesuai kecepatan
lambat-berjalan dipertimbangkan untuk populasi campuran ( Departemen Transportasi Amerika
Serikat 2009 ).

daerah penelitian
Seward, Alaska adalah sebuah kota pelabuhan kecil (2010 penduduk: 2693, Biro Sensus
Amerika Serikat 2012 ) Pada bebas es pantai Teluk kebangkitan ( Gambar. 1 SEBUAH). Lokasinya di
seismik aktif Pasifik fi c Samudera basin ( Gambar. 1 B) telah membuat rentan terhadap tsunami dari
sejumlah sumber gempa jauh, seperti Chile (1960, 2010), Samoa (2009), Rusia (1952, 2006) dan
Jepang (2011), dan dari gempa lokal terkait dengan Alaska zona -Aleutian megathrust (1946,
1964) ( NOAA National Geophysical Data Center / World Service Data untuk Geofisika 2012 ). terbesar
dan paling merusak gelombang tsunami Seward dalam sejarah modern berasal dari tanah longsor
bawah laut dan tsunami gempa dipicu oleh 1964 M w 9.2 Jumat Agung gempa dari zona
Alaska-Aleutian. Efek gabungan dari gempa, tanah longsor, dan gelombang tsunami menewaskan 12
orang di Seward, serta hancur atau rusak parah sekitar 95% dari basis industri dan 15% dari tempat
tinggal ( Lander, 1996; Lemke 1967 ). Masa Depan bahaya tsunami di Seward berhubungan dengan
gempa bumi yang jauh (misalnya, 2011 acara Tohoku yang berasal dari Jepang), gempa bumi lokal
yang terkait dengan zona megathrust Alaska-Aleutian, atau tanah longsor lokal ( Suleimani, Nicolsky,
Barat, Combellick, & Hansen, 2010 ). Untuk studi kasus Seward kami, kami menggunakan zona
maksimum tsunami-bahaya ( Gambar. 1 C) dari
Untuk menghasilkan pejalan kaki perjalanan waktu permukaan, kebalikan tutupan lahan
permukaan SCV, elevasi, dan terbalik terbalik arah Tobler meja kemiringan dimasukkan ke alat Jalan
Jarak anisotropic ESRI, dengan zona aman yang berfungsi sebagai lokasi asal. Hasil model ini
kemudian dikalikan dengan kebalikan pejalan kaki kecepatan evakuasi, dan kali evakuasi yang
dihasilkan diubah menjadi menit. Gambar. 2 menunjukkan model dasar kali evakuasi dan
menunjukkan bagaimana lokasi di kecil-kapal pelabuhan dan di sepanjang tepi yang berdekatan
memiliki waktu perjalanan terbesar untuk keamanan 5 e 15 menit. kali kedatangan untuk gelombang
yang terkait dengan zona bahaya maksimum tsunami sekitar 30 menit ( Suleimani et al. 2010 ); Oleh
karena itu individu di lokasi tersebut mungkin memiliki cukup waktu untuk mengevakuasi dari tsunami
tektonik yang dihasilkan, memberikan model evakuasi dengan benar memperkirakan waktu
perjalanan pejalan kaki dan berisiko individu tidak menunda selama evakuasi. Sisa artikel ini berfokus
pada pemeriksaan sensitivitas Model;
Tabel 1
kelas tutupan lahan dan nilai-nilai konservasi kecepatan ditugaskan.
kelas tutupan lahan koe energi Medan fi kategori sien ( Soule & Goldman, nilai konservasi kecepatan
1972 ) (SCV)

air Tidak ada data Sebuah

bangunan Tidak ada data Sebuah

dan pagar
Tahan Aspal 1.0000
Suleimani et al. (2010) , Yang didasarkan pada beberapa skenario gempa mirip dengan gempa 1964 Rumput Dirt Jalan 0,9091
Jumat Agung, bukan spesifik suatu fi c skenario tektonik. Kami melakukan ini untuk menangkap Kotoran / Kerikil Dirt Jalan 0,9091

sepenuhnya potensi genangan yang berkaitan dengan gelombang tektonik yang dihasilkan karena light Brush light Brush 0,8333
berat Brush berat Brush 0,6667
luasan genangan dari skenario individu memiliki variasi halus karena ketidakpastian yang melekat
Wetlands Swampy Bog 0,5556
dalam parameter sumber gempa. tutupan lahan di daerah penelitian terutama grid permukaan tahan
Pasir keras Pasir 0,5556
(misalnya, jalan, tempat parkir, dan bangunan), campuran berat dan sikat cahaya dalam grid, dan Pantai keras Pasir 0,5556
garis pantai tertutup Sebuah “ Tidak ada data ” nilai-nilai yang digunakan untuk daerah catatan di mana perjalanan tidak diperbolehkan dan

digunakan dalam perhitungan bukan nilai nol karena konvensi alat Jalan Jarak.
MC Schmidtlein, NJ Kayu / Terapan Geografi 56 (2015) 154 e 163 157

Namun, informasi tambahan tentang distribusi penduduk di Seward sebagai fungsi waktu perjalanan
keluar dari zona bahaya dapat ditemukan di Kayu et al. (2014) .

Sensitivitas model LCD ke arah jalan

Untuk menilai seberapa baik terbalik pendekatan ke arah LCD cocok dengan analisis LCD
normal, sampel reguler 3985 poin dengan waktu evakuasi non-nol diambil dari model evakuasi dasar
pejalan kaki. Titik-titik ini ditarik di persimpangan setiap baris kedelapan dan kolom tutupan lahan sel
raster grid untuk themajority dari wilayah studi. Karena luasnya relatif terbatas dari lahan basah dan
pantai tutupan lahan di daerah penelitian, sampel diambil di daerah-daerah di persimpangan setiap
baris keempat dan kolom sel jaringan. Sebuah anisotropic pejalan kaki Model evakuasi terpisah
dijalankan untuk setiap titik. Input data yang sama yang digunakan untuk menghasilkan model ini
sebagai yang digunakan untuk model dasar, dengan dua perbedaan utama. Pertama, dalam setiap
contoh, titik sampel yang diberikan digunakan sebagai asal untuk model. Kedua, karena arah
pencarian LCD di model ini cocok dengan arah itu pejalan kaki akan mengevakuasi dalam (dari
bahaya terhadap keselamatan), yang terbalik arah kemiringan meja SCV digantikan oleh salah satu
berdasarkan normal fungsi mendaki Tobler. Ini berarti bahwa SCV untuk perjalanan di dua piksel
dalam model bahaya-to-safety (selanjutnya disebut arah normal) cocok mereka untuk model
keamanan-to-bahaya (selanjutnya disebut model dasar).

The 3985 anisotropic permukaan LCD mewakili kali evakuasi terpendek dari titik asal diberikan
kepada semua sel-sel lain di studyarea tersebut. The stepwas berikutnya untuk menggunakan
permukaan ini toderive jalan biaya sedikit dan waktu yang terkait dari setiap titik ke lokasi terdekat di
zona aman. Hal ini dilakukan dengan memasukkan permukaan waktu evakuasi disertai raster
backlink yang terkait ke dalam alat Biaya Jalan ESRI, dengan zona aman dimasukkan dalam sebagai
tujuan. raster Backlink berisi nilai 0 sampai 8, yang de fi ne arah sepanjang sel froma biaya jalur
setidaknya ke sumbernya ( ESRI, 2013 ), Dan digunakan untuk merekonstruksi biaya jalur setidaknya
dari asal ke givendestination sebuah (nol menunjukkan sel source, 1 menunjukkan perjalanan ke sel
ke kanan, 2 di sebelah kanan bawah, dan terus dalam searah jarum jam pola yang sama). Itu fi Langkah
terakhir dalam analisis ini adalah untuk fi nd perbedaan antara model dasar kali evakuasi dan sampel
yang normal kali arah evakuasi.

Statistik deskriptif untuk perjalanan kali baselinemodel, normal waktu perjalanan Model arah,
selisih antara dua pendekatan, dan perbedaan proporsional antara dua pendekatan untuk setiap
lokasi sampel ditunjukkan pada Meja 2 . Gambar. 3

menunjukkan distribusi dari perbedaan total dan proporsional antara baseline dan model arah normal
( Gambar. 3 a dan b, masing-masing). Sedangkan nilai maksimum untuk kedua total dan proporsional
perbedaan yang cukup besar, total perbedaan memiliki nilai median relatif kecil dari 0,53 menit. Nilai
median dari 0,22 untuk perbedaan proporsional relatif kecil juga, mengingat kali yang relatif singkat
untuk evakuasi di daerah penelitian. Dalam hampir setiap kasus, model evakuasi dasar juga
cenderung sedikit melebih-lebihkan standar-arah kali Model evakuasi.

Sebuah analisis regresi menunjukkan sangat kuat dan secara statistik signifikan fi hubungan
signifikan antara model dasar dan normaldirection evakuasi kali ( R 2 ¼ 0,976, p < 0,0001). Scatterplots
menunjukkan perbandingan dari model dasar kali evakuasi dan model arah normal menunjukkan
bahwa jumlah perbedaan antara baseline dan normal Model arah evakuasi kali meningkat karena kali
model dasar evakuasi meningkat ( Gambar. 4 a, b) dan bahwa

Gambar. 2. Dimodelkan waktu perjalanan ke tempat yang aman dalam hitungan menit, dengan asumsi kecepatan lambat-berjalan kaki dari

1,1 m per detik.

158 MC Schmidtlein, NJ Kayu / Terapan Geografi 56 (2015) 154 e 163

Meja 2
ringkasan statistik untuk titik sampel di jalur-of-arah analisis sensitivitas.

Mengukur Keselamatan untuk waktu perjalanan Hazard untuk waktu perjalanan Perbedaan antara baseline dan model arah Perbedaan proporsi antara baseline dan model arah
hazard (model dasar, menit) keselamatan (model arah normal, normal untuk waktu perjalanan (menit) normal
menit)

Minimum 0.02 0.02 0,0002 0,0002

rata-rata 3.23 1,77 0.53 0.22
Berarti 2,43 2,53 0,71 0,23
Maksimum 14.84 12.2 3,85 0,63

Gambar. 3. Histogram dari (a) perbedaan antara dua skenario arah, dan (b) perbedaan proporsional antara dua skenario arah.

perbedaan proporsional yang terbesar ketika kali model dasar evakuasi yang terpendek ( Gambar. 4 c).
Hasil penelitian menunjukkan bahwa sementara membalik arah pencarian LCD dalam model
pejalan kaki evakuasi anisotropic tidak mengakibatkan waktu evakuasi identik, itu tidak mengarah
pada pendekatan yang sangat dekat. Perbedaan terbesar antara kali evakuasi berada di daerah di
mana model dasar kali adalah yang tertinggi dan perbedaan proporsional terbesar adalah di daerah
di mana kali evakuasi adalah yang terendah. Dengan kata lain, perbedaan proporsional tertinggi
dihasilkan dari variasi kecil di daerah dengan waktu evakuasi rendah.
berisi empat SCVs, satu untuk masing-masing SCV unik diterapkan untuk non-tahan kategori
penutup permukaan tanah yang digunakan dalam skenario Model evakuasi ( Tabel 1 ). Non-bervariasi
SCVs dari 1 untuk permukaan tahan ditambahkan ke set 4 acak yang bervariasi SCV untuk mewakili
kecepatan perjalanan konstan maksimum pada permukaan ini, dan SCV untuk air dan bangunan
ditetapkan untuk “ Tidak ada data ” untuk evakuasi menghalangi mutasi di permukaan ini. Nilai untuk
setiap SCV berbagai dihasilkan menggunakan paket truncnorm di R paket statistik ( Trautmann,
Steuer, Mersmann, & Bornkamp 2014; R Tim Inti 2014 ) Mengikuti distribusi normal terpotong dengan
nilai rata cocok dengan model dasar SCV untuk jenis tutupan lahan dan semua nilai jatuh antara 0
dan 1 (mewakili kecepatan perjalanan potensial antara 0 dan 100% dari basis kecepatan evakuasi
model). standar deviasi 0,10 (mewakili perubahan 10 persen dalam kecepatan perjalanan) digunakan
sebagai standar deviasi untuk menghasilkan SCVs untuk lahan basah, pantai dan sikat berat jenis
tutupan lahan. Distribusi SCVs untuk kedua sikat ringan dan rumput, kotoran, kerikil kategori tutupan

Sensitivitas model LCD untuk tutupan lahan SCV tugas lahan (dengan nilai-nilai dasar 0,8333 dan 0,9091,

Sebuah Monte Carlo analisis ketidakpastian berdasarkan dilakukan untuk menentukan

sensitivitas model LCD anisotropic perubahan SCVs tutupan lahan. Analisis ketidakpastian beganwith
generasi acak satu set 1000 tanah penutup SCV koe fi koefisien. setiap set

Gambar. 4. Scatterplots membandingkan waktu perjalanan ke bahaya dari keselamatan dengan (a) waktu perjalanan ke tempat yang aman dari zona bahaya, (b) perbedaan antara dua skenario arah, dan (c) perbedaan proporsional antara dua
skenario arah.
 MC Schmidtlein, NJ Kayu / Terapan Geografi 56 (2015) 154 e 163 159

masing-masing) secara substansial dipotong karena kedekatan mereka dengan nilai maksimum yang
diizinkan (1), standar deviasi sehingga lebih besar dari
0,113 dan 0,14 digunakan masing-masing untuk menghasilkan distro tersebut untuk memastikan
varians sebanding dalam distribusi yang dihasilkan dari SCVs di semua kategori tutupan lahan. Gambar.
5 menunjukkan kurva densitas untuk nilai SCV yang dihasilkan untuk setiap kategori tutupan lahan.
Hasil tes Levene untuk homogenitas varians ( F ¼ 00:35; p ¼ 0:79) ditemukan varian yang sama di
SCVs dihasilkan antara kelompok tutupan lahan. tutupan lahan datawere reclassi kemudian fi ed ke
tutupan lahan SCV permukaan menggunakan nilai SCV secara acak, dan ini kemudian masukan,
bersama dengan semua data yang relevan lainnya, ke dalam model LCD anisotropic untuk membuat
1000 Monte Carlo skenario pejalan kaki waktu evakuasi permukaan.

Dampak dari perubahan SCVs tutupan lahan pada kinerja model itu kemudian dinilai dengan
menganalisis variasi dalam waktu evakuasi antara 1000 skenario evakuasi ini. Analisis ini
berlangsung dalam tiga langkah berurutan yang membantu kita untuk memahami berbagai
pertanyaan tentang kinerja model relevan dengan manajer darurat lokal. Pertama, kita menilai
seberapa kuat model secara keseluruhan adalah perubahan SCVs tutupan lahan. Kedua, kita melihat
variasi lokal dalam kinerja model dalam wilayah studi. Akhirnya, kami menggunakan kombinasi
Gambar. 5. Distribusi secara acak, nilai-nilai konservasi kecepatan untuk rumput, kotoran, dan kerikil; sikat ringan;
statistik deskriptif dan model regresi spasial untuk menilai faktor yang berkontribusi terhadap kinerja sikat berat; dan lahan basah, pasir, dan penutup pantai tanah.
model lokal. Metodologi yang digunakan dalam setiap tahap dalam analisis ini dijelaskan dalam tiga
bagian berikut,

Carlo kali skenario evakuasi untuk setiap pixel ( Gambar. 7 Sebuah). Daerah dengan tinggi 90% con fi dence
lebar interval memiliki besarnya lebih tinggi dari ketidakpastian. Meskipun ada besaran lebih tinggi
dari ketidakpastian di sekitar tanah dan kerikil daerah di ujung selatan dari pelabuhan perahu kecil,
serta daerah-daerah lahan basah langsung ke utara dari laguna, sisa wilayah studi memiliki besaran
yang relatif rendah ketidakpastian ( Gambar. 7 Sebuah).

Secara keseluruhan kinerja Model

Ukuran kedua, ketidakpastian presisi, adalah koefisien lokal fi

Idealnya, analisis kinerja keseluruhan model akan melibatkan perbandingan model kali evakuasi
sien variasi untuk Monte Carlo kali skenario evakuasi ( Gambar. 7 b). nilai-nilai yang lebih rendah
untuk kali evakuasi dikenal di seluruh daerah studi. Kurang suatu ukuran seperti itu, kita berasumsi
untuk ukuran ini menunjukkan tingkat yang lebih tinggi dari model yang presisi. Gambar. 7 b
bahwa jika SCVs model dasar sekitar yang benar, maka akurasi dan presisi dari model dapat
menunjukkan kantong perkiraan yang lebih tepat di sebelah barat pelabuhan perahu kecil, dan
dipahami dengan melihat distribusi perbedaan antara model dasar dan skenario Monte Carlo. Berikut Tate
sepanjang tepi selatan kipas aluvial di daerah yang terutama diklasi fi ed sebagai tahan ( Gambar. 1 D).
(2012) , Kita menghitung nilai absolut lokal rata-rata dari perbedaan antara Monte Carlo kali skenario
Area model ketidaktepatan termasuk daerah lahan basah langsung utara laguna, di ujung selatan dari
dan kali skenario baseline (pencocokan skenario anisotropic standar). Nilai median dari perbedaan ini
wilayah studi, dan inmany daerah kecil berbatasan zona aman yang diklasi fi ed sebagai campuran
diambil untuk mewakili akurasi keseluruhan model, dan deviasi mutlak median digunakan untuk
kotoran, kerikil, dan rumput.
mewakili presisi keseluruhan. Dengan kata lain, jika ada perbedaan lowmedian antara dasar skenario
dan skenario Monte Carlo, ini berarti bahwa perubahan dalam SCV hasil rata-rata perubahan minimal
untuk kali evakuasi, dan bahwa model dasar memiliki akurasi cukup tinggi. Jika deviasi mutlak
Itu fi ukuran nal, ketidakpastian Bias, ditemukan dengan mengurangi kali evakuasi median lokal
median untuk perbedaan antara dasar skenario dan skenario Monte Carlo rendah, ini berarti bahwa
dari skenario Monte Carlo dari zaman skenario baseline evakuasi ( Gambar. 7 c). nilai-nilai positif
perubahan dalam tanah penutup SCV mengarah ke variabilitas terbatas di kali evakuasi,
menunjukkan bahwa skenario dasar dapat overestimating kali evakuasi, sedangkan nilai negatif
menunjukkan bahwa skenario dasar mungkin

Distribusi perbedaan berarti antara basis skenario dan skenario Monte Carlo menunjukkan
bahwa model dasar ini cukup akurat ( Gambar. 6 ). Median dari distribusi ini

0.10 min, atau sekitar 6 s, dan deviasi mutlak median adalah

0.05 min, atau sekitar 3 s. Kedua nilai yang relatif rendah, menunjukkan bahwa model keseluruhan
memiliki akurasi yang cukup baik dan presisi dan bahwa model dasar keseluruhan cukup kuat untuk
perubahan tutupan lahan SCV.

kinerja model lokal

Tate (2013) menjelaskan tiga langkah-langkah tambahan yang dapat digunakan untuk
menggambarkan variasi lokal dalam ketidakpastian akibat perubahan tutupan lahan SCV. Itu fi ukuran
pertama, besarnya ketidakpastian, adalah ukuran lebar 90% con fi dence interval Monte Gambar. 6. Histogram dari deviasi rata-rata Monte Carlo skenario bahaya-to-aman dari skenario yang
aman-to-bahaya basis.
160 MC Schmidtlein, NJ Kayu / Terapan Geografi 56 (2015) 154 e 163

Sebuah b c

Basis dikurangi waktu

perjalanan median (menit)

- 0,60 -0,45
- 0,45 ke -0,3
interval kepercayaan 90% Koefisien variasi - 0,3 untuk -0,15
200m 200m 200m - 0,15-0,0
0.0 4.1 0 17 0,0-0,06

Gambar. 7. Maps tindakan ketidakpastian lokal yang berasal dari skenario Monte Carlo termasuk (a) besarnya ketidakpastian, dinyatakan sebagai 90% con fi dence hasil skenario interval dimana nilai yang lebih tinggi menunjukkan besarnya lebih besar, (b)
ketidakpastian presisi, dinyatakan sebagai koefisien yang fi sien variasi hasil skenario di mana nilai-nilai yang lebih tinggi menunjukkan presisi yang lebih rendah, dan (c) ketidakpastian Bias, dinyatakan sebagai kali dasar evakuasi minus median lokal skenario kali
evakuasi di mana nilai-nilai positif menunjukkan perkiraan yang terlalu tinggi dan nilai-nilai negatif menunjukkan perkiraan terlalu rendah dalam waktu perjalanan.

meremehkan kali evakuasi. Sejauh tren diamati dominan adalah bahwa sementara secara
keseluruhan bias yang masih relatif kecil (dengan bias terbesar dari sekitar 35 s), nilai negatif (atau
mungkin meremehkan) mendominasi hampir semua daerah penelitian. Untuk daerah dengan
besarnya tinggi ketidakpastian dan bias (misalnya, kotoran dan daerah kerikil di sisi selatan dari
marina), manajer darurat mungkin ingin berasumsi kali evakuasi sedikit lebih panjang daripada yang
ditunjukkan oleh skenario evakuasi dasar anisotropic.
dicatat sebelumnya, bias negatif yang lebih besar terjadi di daerah waktu evakuasi yang lebih tinggi ( Gambar.
7 b). Daerah besarnya ketidakpastian tinggi dan rendah utara presisi laguna mungkin menunjukkan
bahwa kehadiran lahan basah dan sikat berat ( Gambar. 1 D) mungkin juga di fl uencing ketidakpastian
Model. Nilai ini uncertaintymeasures lokal karena dibandingkan dengan baseline kali Model evakuasi
dan tutupan lahan lokal pada pixel dengan dasar pixel untuk melihat apakah mereka memang
sistematis terkait dengan model ketidakpastian.

Di fl uences pada kinerja model lokal
Ketidakpastian lokal peta di Gambar. 7 memberikan informasi yang mungkin bisa membantu
manajer darurat karena mereka berusaha untuk lebih memahami dan keputusan make berdasarkan
model kali pejalan kaki evakuasi. Peta juga menyarankan bahwa mungkin ada di sistematis fl uences
yang mempengaruhi kinerja anisotropic Model evakuasi LCD pejalan kaki. Sebagai contoh, Gambar. 7 a
menunjukkan bahwa besarnya ketidakpastian yang tinggi mungkin terkait dengan kali evakuasi lebih
tinggi (misalnya kotoran dan kerikil daerah selatan pelabuhan perahu kecil), yang presisi
ketidakpastian yang lebih rendah mungkin berhubungan dengan waktu evakuasi yang lebih kecil
(misalnya di daerah dekat dengan zona aman, Gambar. 7 b), dan sebagai
Hubungan antara kali baselinemodel evakuasi dan langkah-langkah lokal ketidakpastian dapat
dilihat di hexplots ditampilkan di
Gambar. 8 . Hexplots adalah pengganti berguna untuk scatterplots ketika jumlah poin yang
ditampilkan di sebar adalah begitu besar bahwa pola dalam data dikaburkan oleh overprinting simbol
titik. Masalah ini dibahas dalam hexplots dengan membagi ruang plot menjadi tessellation
heksagonal, dan shading setiap segi enam berdasarkan jumlah pengamatan yang masuk dalam
wilayah digambarkan nya. Kita bisa menafsirkan hexplot sebuah sama dengan sebar, tapi daripada
mencari pola di lokasi titik, kita bukan mencari pola berdasarkan shading dari segi enam. Di ketiga
hexplots, gelap warna menunjukkan bahwa lebih banyak poin occurredwithin sel tertentu, dan warna
yang lebih ringan menunjukkan lebih sedikit.
 MC Schmidtlein, NJ Kayu / Terapan Geografi 56 (2015) 154 e 163
Themost hubungan mencolok jelas dalam hexplots ini adalah hubungan linear positif antara kali
model dasar evakuasi dan besarnya ketidakpastian ( Gambar. 8 a) dan bias linier relationshipwith
ketidakpastian negatif ( Gambar. 8 c). Meskipun tidak ada hubungan linear jelas antara waktu evakuasi
dan presisi lokal ( Gambar. 8 b), pola dalam plot menunjukkan mungkin ada hubungan non-linear yang
lebih kompleks tidak langsung. koefisien korelasi Spearman fi koefisien dihitung untuk menganalisis
lebih lanjut hubungan ini, dan mereka con fi rmed korelasi yang relatif kuat antara kali dasar evakuasi
dan kedua besarnya ketidakpastian dan bias ( r s ¼ 0,68 dan
r s ¼? 0,63, masing-masing), tetapi korelasi lemah untuk ketidakpastian presisi ( r s ¼? 0,39).
Boxplots menunjukkan hubungan antara tutupan lahan dan langkah-langkah lokal ketidakpastian
ditunjukkan pada Gambar. 9 . Kami melihat perbedaan yang cukup berarti dalam ketidakpastian
besarnya untuk kategori lahan basah dan tutupan lahan pantai ( Gambar. 9 Sebuah). Hasil ini
tampaknya konsisten dengan hubungan antara ketidakpastian besarnya dan kali evakuasi lebih tinggi
di sebagian besar pantai dan lahan basah tutupan lahan yang akan terjadi di daerah dekat ke pantai,
dan karena itu pada besar jarak dari zona aman. Hal ini juga membantu menjelaskan mengapa
nilai-nilai besarnya ketidakpastian yang tinggi ditemukan di daerah utara dari Laguna ( Gambar. 7 Sebuah). heteroscedatiscity masalah baik karena masalah ini tidak mempengaruhi estimasi lereng koe fi koefisien,
Sementara daerah ini memiliki kali relatif lowevacuation ( Gambar. 2 ) Dan terletak dekat zona aman,
itu jenis lahan basah tutupan lahan ( Gambar. 7 Sebuah).
Hubungan antara presisi lokal dan jenis tutupan lahan menunjukkan bahwa presisi substansial
lebih baik terjadi di daerah dengan tanah tahan ( Gambar. 9 b). koe rendah fi sien variasi (CV) nilai
untuk permukaan tahan yang mengejutkan dan cenderung artefak dari desain analisis yang
digunakan, mengingat bahwa SCVs untuk jenis tutupan lahan diadakan konstan. Nilai bias
ketidakpastian yang didominasi negatif di semua kategori tutupan lahan, dengan nilai yang lebih
besar negatif secara keseluruhan untuk lahan basah, pantai dan rumput, kotoran, kerikil kategori ( Gambar. dan variabel independen kemiringan koe fi koefisien untuk tiga model regresi spasial.
9 c). Sementara ini biasanya kecil, negatif biasesmay memiliki signi praktis terbatas fi cance di daerah
penelitian ini, dengan zona bahaya yang relatif dibatasi, kelanjutan dari tren ini di zona evakuasi
tsunami yang lebih luas dapat mengakibatkan meremehkan lebih substansial kali evakuasi untuk
daerah tutupan lahan rawa / pantai.
Untuk lebih mengeksplorasi di fl pengaruh tutupan lahan pada langkah-langkah ketidakpastian
lokal, serangkaian model regresi spasial diciptakan. Jumlah piksel di setiap kategori tutupan lahan
dilintasi paling murah model dasar jalur evakuasi ke zona aman yang ditemukan untuk
masing-masing dijelaskan sebelumnya 3985 titik sampel. tabel 3
memberikan statistik deskriptif pada total panjang (dalam pixel), basis kali evakuasi, dan jumlah piksel
dari setiap kategori tutupan lahan dilintasi ini setidaknya jalur biaya evakuasi. nilai-nilai ini
Gambar. 8. Hexplots menunjukkan hubungan antara model dasar kali evakuasi dan berbagai langkah ketidakpastian lokal, termasuk (a) besarnya, (b) presisi, dan (c) Bias. Darker segi enam menunjukkan daerah di mana sejumlah besar
pengamatan jatuh, dan segi enam ringan menunjukkan lebih sedikit.
161
menunjukkan bahwa sementara sebagian besar jalur evakuasi menyeberang setidaknya beberapa piksel
dari mempan; sikat ringan; dan rumput, kotoran, kategori tutupan lahan kerikil, jalan jauh lebih sedikit
menyeberang piksel dengan lahan basah, pantai atau berat selimut semak tanah.
Hitungan piksel dilintasi jenis tutupan lahan untuk masing-masing jalur tersebut kemudian
dibandingkan dengan langkah-langkah ketidakpastian lokal ditemukan di masing-masing titik sampel,
dengan jumlah piksel di setiap kategori tutupan lahan dilintasi jalur evakuasi paling-biaya sebagai
variabel independen , dan masing-masing ukuran lokal ketidakpastian digunakan sebagai variabel
dependen dalam salah satu dari tiga model regresi spasial terpisah. bobot spasial untuk model
regresi yang dihasilkan dengan menggunakan paket perangkat lunak GeoDa ( Anselin, 2013 ), Dengan
8 tetangga terdekat untuk setiap titik merupakan lingkungan. Pemodelan regresi spasial yang
sebenarnya kemudian dilakukan dengan paket spdep ( Bivand 2014 ) Di R. Biasa pemodelan kuadrat
terkecil adalah fi pertama digunakan untuk fi t masing-masing dari tiga model regresi, dan saya tes
Moran mengungkapkan sangat signi fi tidak bisa ( p < 0,001) pengelompokan spasial dalam residual
masing-masing model. Tidak ada masalah multikolinearitas bermasalah yang ditemukan dalam model
ini, dengan Variance Dalam fl asi Factor nilai untuk semua variabel independen dalam eachmodel
below1.6 jatuh. plot diagnostik (residual dan kuantil e kuantil) digunakan untuk menilai asumsi model
tambahan. Kami dilanjutkan dengan analisis kami meskipun fi nding baik normalitas dan
dan juga karena signi statistik ekstrim fi
cance dari hasil model.
Mengikuti prosedur yang dijelaskan oleh Anselin (2003, 2005) , Sebuah
spasial kesalahan model autoregressive simultan dijalankan untuk setiap regresi untuk mengatasi
signi statistik fi pengelompokan spasial tidak bisa model residual. tabel 4 menunjukkan pseudo-R 2 nilai-nilai
Meneliti hasil model regresi ini memungkinkan kita untuk memahami bagaimana tutupan lahan
permukaan sepanjang seluruh jalan evakuasi yang dimodelkan di fl uences ketidakpastian lokal, bukan
hanya tutupan lahan yang ditemukan pada titik fromwhich evacuationwould terjadi. Sejumlah pola
yang menarik muncul dari pemeriksaan ini. Semua jenis tutupan lahan menyebabkan peningkatan
besarnya ketidakpastian, dan semua jenis kecuali sikat berat memimpin ketidakpastian bias negatif
(meremehkan kali evakuasi basis). Dan sementara permukaan tahan cenderung meningkatkan
ketidakpastian presisi, semua jenis tutupan lahan lainnya menyebabkan kurang presisi.
Selain menjadi satu-satunya jenis tutupan lahan yang ditingkatkan ketidakpastian presisi,
kategori tahan memiliki dampak paling pada kedua Bias ketidakpastian dan besarnya. Tapi seperti
dibahas sebelumnya, ini harus diharapkan mengingat bagaimana SCVs tanah kedap
162 MC Schmidtlein, NJ Kayu / Terapan Geografi 56 (2015) 154 e 163

Gambar. 9. Boxplots yang menunjukkan hubungan antara tutupan lahan dan berbagai langkah ketidakpastian lokal, termasuk (a) besarnya, (b) presisi, dan (c) Bias. Bagian bawah dan atas dari kotak mewakili fi pertama dan kuartil ketiga dan garis
gelap mewakili median. Garis vertikal yang solid terhubung ke kotak ditarik ke titik terjauh yang ada di dalam 1,5 kali jarak antara fi pertama dan kuartil ketiga. Garis putus-putus menunjukkan kisaran total pengamatan.

selimut diadakan konstan dalam analisis ini. Satu-satunya tutupan lahan dengan dampak pada presisi
lokal sekuat tahan adalah lahan basah, kategori pantai, tapi kategori ini menyebabkan hilangnya
sebagian besar presisi. Lahan basah, kategori pantai juga terlihat dalam hal itu memberikan
kontribusi terkuat untuk kedua Bias ketidakpastian dan besarnya. Ini berarti bahwa melintasi lahan
basah, jenis tutupan lahan pantai menyebabkan peningkatan terbesar dalam semua
uncertaintymeasures lokal dari semua jenis tutupan lahan dengan SCVs bervariasi dalam analisis ini.
Akhirnya, sementara sebagian besar kemiringan koe fi koefisien yang signi fi tidak bisa di
masing-masing model, kategori tutupan lahan yang tampaknya memiliki sedikit signi fi hubungan tidak
bisa dengan langkah-langkah ketidakpastian lokal sikat berat, dengan signi fi cance dari p ¼ 0,03
dalam model Bias lokal, dan p ¼ 0,50 dalam model presisi lokal. Secara bersama-sama, ini
memungkinkan kita untuk memperluas pemahaman kita tentang di fl pengaruh tutupan lahan pada
ketidakpastian di dimodelkan kali evakuasi. Pertama, besarnya ketidakpastian lokal dan presisi akan
lebih buruk di daerah yang melintasi sejumlah besar lahan basah, daerah pantai. di ini fl uences lagi
bisa dilihat di laut wilayah laguna dari pelabuhan perahu kecil, di mana dominasi tutupan lahan sawah
di jalur evakuasi mengarah ke besarnya ketidakpastian buruk dan presisi daripada yang kita lihat di
daerah lain dengan jarak Euclidean sama singkat ke zona aman. Selain itu, kedua ketidakpastian
besaran dan bias negatif lebih besar di daerah-daerah dengan waktu evakuasi lebih tinggi lebih jauh
dari zona aman.
dibuat dalam penokohan dari bagaimana arah evakuasi diwakili dalam algoritma pemodelan
terpendek-jalan dan di biaya permukaan tutupan lahan. Berdasarkan analisis kami, kami mencapai
beberapa kesimpulan yang beruang pada aplikasi masa depan pemodelan LCD untuk
memperkirakan waktu perjalanan ke tempat yang aman dari zona bahaya tsunami (atau bahaya
onset mendadak lainnya).
Sebuah kuat, hubungan langsung antara kali baselinemodel evakuasi dan normal kali arah
evakuasi ( Gambar. 4 . Meja 2 ) Menunjukkan bahwa sementara pendekatan keamanan-to-bahaya
tidak mereplikasi nilai waktu perjalanan dari pendekatan bahaya-to-keselamatan, itu adalah
representasi wajar, terutama ketika mempertimbangkan pengurangan dramatis dalam waktu yang
terlibat dalam menghasilkan satu anisotropik permukaan biaya setidaknya bukan pengolahan dari
biaya setidaknya permukaan yang terpisah untuk setiap pixel di daerah penelitian. Perbedaan antara
keselamatan-tohazard (model dasar) dan bahaya-to-safety (arah normal) model lebih besar dari atau
sama dengan nol untuk 98,9 persen dari titik sampel. perbedaan negatif hanya terlihat untuk 1,1
persen dari titik sampel, yang semuanya memiliki waktu evakuasi yang sangat singkat (1,2 menit atau
kurang) dan memiliki kali arah normal paling besar 0,01 s dari model dasar kali evakuasi. Hal ini
menunjukkan bahwa sementara itu adalah mungkin bahwa model dasar dapat sedikit meremehkan
kali evakuasi, itu jauh lebih mungkin untuk menghasilkan over-estimasi. Meskipun model dasar tidak
mengakibatkan bias kali evakuasi, bias tampaknya menjadi salah satu solid konservatif yang akan
mengakibatkan warga memiliki sedikit lebih banyak waktu dari yang diperkirakan, yang merupakan
bias disukai dari perspektif pengurangan risiko.

kesimpulan
nilai-nilai rendah untuk kedua median dan deviasi mutlak median dari perbedaan rata-rata antara

pemodelan pejalan kaki evakuasi dapat menjadi alat yang efektif untuk mengidentifikasi skenario dasar evakuasi dan skenario Monte Carlo dihasilkan menunjukkan bahwa anisotropic LCD

daerah-daerah di mana evakuasi tidak mungkin dan verticalevacuation strategi dapat dibenarkan. evacuationmodel sangat tidak sensitif terhadap perubahan tutupan lahan SCV. Sementara ini tidak

Sebelum masyarakat berkomitmen sumber daya yang terbatas untuk upaya mitigasi memberikan jaminan bahwa kali evakuasi benar, sebagai hubungan diukur secara empiris antara tipe

risiko-mengurangi, sangat penting bahwa mereka memiliki pemahaman yang jelas tentang tutupan lahan dan kecepatan evakuasi akan, itu tidak menunjukkan themodel yang berkinerja baik

keterbatasan dan kekokohan pemodelan. Makalah ini berusaha untuk mengeksplorasi sensitivitas dan meningkat con fi dence

pemodelan pedestrian-evakuasi ke asumsi

tabel 3
statistik deskriptif panjang, waktu evakuasi, dan tutupan lahan piksel menyeberang untuk sampel setidaknya jalur biaya evakuasi.

Minimum 1 Kuartil rata-rata 3 Kuartil Maksimum

Pengungsian 2 31 62 129 420

jalur panjang
Evakuasi dasar 0.02 1,23 2,43 4.64 14.84
Waktu (menit)
Minimum (proporsi) pixel per jalur 1 Kuartil (proporsi) pixel per jalur Median (proporsi) pixel per jalur 3 Kuartil (proporsi) pixel per jalur Maksimum (proporsi) pixel per jalur
evakuasi evakuasi evakuasi evakuasi evakuasi
Tahan 0 (0%) 3 (6,1%) 18 (36,4%) 75 (69,7%) 300 (100%)
Lahan Basah, pantai 0 (0%) 0 (0%) 0 (0%) 0 (0%) 53 (77,9%)
sikat berat 0 (0%) 0 (0%) 0 (0%) 2 (1.4%) 20 (100%)
sikat cahaya 0 (0%) 2 (4.7%) 9 (13%) 22 (27,1%) 70 (100%)
Rumput, kotoran, kerikil 0 (0%) 5 (10,5%) 17 (28,2%) 36 (56,3%) 255 (100%)
 MC Schmidtlein, NJ Kayu / Terapan Geografi 56 (2015) 154 e 163
tabel 4
Pseueo-R 2 dan variabel independen kemiringan koe fi koefisien untuk regressionmodels spasial.
Bias ketidakpastian lokal besarnya ketidakpastian
ketidakpastian presisi
Nagelkerke pseudo-R 2 0,98 0.99
Tahan 0,0001 ** 0,0023 ***
Lahan Basah, pantai 0,0021 *** 0,0191 ***
sikat berat 0,0004 * 0,0084 ***
sikat cahaya 0,0003 *** 0,0085 ***
Rumput, kotoran, kerikil 0,0017 *** 0,0096 ***
signi statistik fi cance di * p < 0,05, ** p < 0,01, *** p < 0,001.
dalam hasil model. Penggunaan koe energi fi koefisien sebagai pengganti untuk berbasis empiris
tutupan lahan SCV masih merupakan oversimpli fi kation, tapi hasil menunjukkan bahwa jika mereka
bahkan relatif dekat dengan mewakili hubungan yang benar antara tipe tutupan lahan dan kecepatan
pejalan kaki, kita cenderung melihat hasil yang bermanfaat dari model.
pola spasial, dan hubungan antara, langkah-langkah lokal ketidakpastian (magnitude, bias, dan
presisi) menunjukkan bahwa daerah-daerah yang memiliki besarnya terbesar dari ketidakpastian juga
di mana kita cenderung melihat terbesar kali dasar diremehkan Model evakuasi. Mengetahui baik
bahwa ada sedikit kepastian di masa evakuasi di daerah-daerah, serta yang kali evakuasi mungkin
meremehkan, mungkin menyarankan bahwa manajer darurat akan bijaksana untuk rencana kali
evakuasi lebih lama untuk daerah-daerah daripada yang ditunjukkan oleh model. Membandingkan
langkah-langkah lokal ketidakpastian untuk kali model dasar evakuasi dan tutupan lahan wilayah
studi terungkap dalam sistematis fl uences pada model ketidakpastian. Daerah dengan waktu evakuasi
yang lebih tinggi dan jalur evakuasi yang melintasi lebih lahan basah atau Shoreland unconsolidated
lebih mungkin untuk memiliki besarnya lebih tinggi dan presisi yang lebih buruk dari ketidakpastian,
dan meremehkan yang lebih besar di masa evakuasi.
Secara keseluruhan, hasil ini menunjukkan hati-hati dijamin dalam menafsirkan hasil dengan
waktu evakuasi yang lebih tinggi (di mana mereka mungkin besarnya lebih besar dari ketidakpastian),
dan di mana ada penutup lahan basah atau pantai tanah (di mana mungkin ada besarnya lebih besar
ketidakpastian, serta sebagai potensi untuk meremehkan kali evakuasi). Informasi ini dapat
membantu untuk menginformasikan bagaimana hasil analysismay yang digunakan oleh
emergencymanagers, terutama jika berisiko individu harus menyeberangi lahan basah atau daerah
tutupan pantai lahan untuk mencapai keselamatan.
Keterbatasan terus di anisotropic LCD evacuationmodel adalah kurangnya dasar empiris untuk
SCV tutupan lahan. Bahkan jika
Soule dan Goldman (1972) koe energi fi koefisien terwakili secara memadai dalam fl pengaruh tutupan
lahan pada kecepatan evakuasi, jenis tutupan lahan yang mereka termasuk dikembangkan di
daerah-daerah tutupan lahan yang berbeda daripada implementasi saat ini anisotropic Model LCD
evakuasi. Ini berarti bahwa dalam setiap contoh, analis harus dasarnya sewenang-wenang
memutuskan mana dari koefisien yang ada fi koefisien akan ditugaskan towhich jenis tutupan lahan.
Sedangkan analisis sensitivitas menunjukkan bahwa model akan tampil cukup baik selama koefisien
energi fi proxy sien yang saat ini sedang digunakan adalah cukup dekat dengan realitas, secara
empiris nilai-nilai diturunkan berdasarkan kondisi tutupan lahan yang sebenarnya dan pada individu
yang berisiko akan ideal.
Ucapan Terima Kasih
studywas ini didukung oleh United States Geological Survey (USGS) Program Geospasial
Nasional dan Program Ilmu Perubahan USGS Land. Mara Lidah dari USGS, Eric Tate dari University
of Iowa, dan empat pengulas anonim memberikan ulasan mendalam dari themanuscript. Setiap
penggunaan perdagangan, produk, atau fi rmnames adalah untuk tujuan deskriptif saja dan tidak
menyiratkan pengesahan oleh Pemerintah AS.
163
Referensi
Anselin, L. (2003). Pengantar untuk analisis regresi spasial dalam R. tersedia online
di http://geodacenter.asu.edu/drupal_ fi les / spdepintro.pdf . Terakhir Diakses
11.07.14.
0,87 Anselin, L. (2005). Menjelajahi data spasial dengan GeoDaTM: A workbook. Tersedia di-
0,0004 *** line di https://geodacenter.asu.edu/system/ fi les / geodaworkbook.pdf . Terakhir
diakses 30.05.14. Anselin, L. (2013). GeoDa 1.4.6. https://geodacenter.asu.edu/software/downloads . Bivand, R.
0,0004 ***
(2014). spdep: ketergantungan spasial: Pembobotan skema, statistik dan
0,0002
0,0001 *
model. R paket versi 0,5-71. http://CRAN.R-project.org/package ¼ spdep .
0,0001 ***
Dijkstra, EW (1959). Sebuah catatan pada dua masalah sehubungan dengan grafik.
Numerische jamelbenammou, 1, 269 e 271 .
Duckham, M., & Kulik, L. (2003). “ sederhana ” jalur: pemilihan rute otomatis untuk
navigasi. Dalam W. Kuhn, M. Worboys, & S. Timpf (Eds.), teori informasi spasial. -Dasar ilmu pengetahuan
informasi geografis ( pp. 169 e 185). Heidelberg: Springer .
ESRI. (2013). Biaya jarak [secara online]. ESRI Bantuan. tersedia dari http: //webhelp.esri.
com / arcgisdesktop / 9.2 / body.cfm? tocVisable ¼ 1 & ID ¼ 4925 & topicname ¼ Biaya% 20distance Diakses
07.06.13.
Johnstone, W., & Lence, B. (2012). Penggunaan fl banjir, kehilangan, dan model evakuasi untuk menilai
eksposur dan meningkatkan rencana respon tsunami masyarakat d Pulau Vancouver.
Natural Hazards Review, 13 ( 2), 162 e 171 .
Jonkmann, S., Vrijling, J., & Vrouwenvelder, A. (2008). Metode untuk estimasi
hilangnya nyawa akibat fl oods: tinjauan literatur dan proposal untuk metode baru.
Bencana Alam, 46, 353 e 389 .
Kenai Peninsula Borough Divisi GIS. (2013). sistem informasi geografis
download. [ on line]. tersedia dari http://www2.borough.kenai.ak.us/GISDept/ Downloads.html Diakses 10.01.13.
Laghi, M., Cavalletti, A., & Polo, P. (2006). -rute evakuasi alat ArcGIS toolbox pengguna
pengguna [ on line]. Italia Kementerian Lingkungan Hidup dan Wilayah dan Asian Disaster Preparedness Center.
tersedia dari http://www.adpc.net/ v2007 / Downloads / 2007 / Mei / EVAKUASI% 20ROUTES% 20TOOLS%
20A5_for_ print.pdf Diakses 16.07.10.
Lander, J. (1996). Tsunami yang mempengaruhi Alaska 1737 e 1996. kunci NCGC dokumentasi penelitian geofisika
No 31. Boulder, CO: National Geophysical Data Center .
Lemke, R. (1967). Efek dari gempa 27 Maret 1964, di Seward, Alaska.
survei geologi profesional kertas 542-E. Washington, DC: Pemerintah Amerika Serikat Percetakan Of fi ce .
National Geophysical Data Center / Dunia Data Service (NGDC / WDS). (2012). Global
Database tsunami sejarah. Geofisika Data Center Nasional, NOAA. [on line]. Tersedia
dari http://www.ngdc.noaa.gov/hazard/tsu_db.shtml diakses
28.01.13.
Tim Inti R. (2014). R: bahasa A dan lingkungan untuk komputasi statistik. Wina,
Austria: R Yayasan Komputasi Statistika. http://www.R-project.org/ .
Soule, R., & Goldman, R. (1972). medan koe fi koefisien untuk biaya energi prediksi.
Journal of Applied Physiology, 32, 706 e 708 .
Suleimani, E., Nicolsky, D., Barat, D., Combellick, R., & Hansen, R. (2010). tsunami
genangan peta dari Seward dan Utara kebangkitan Bay, Alaska. Laporan investigasi 2010 e 1. Alaska Divisi
Geologi & Survei Geofisika .
Tate, E. (2012). indeks kerentanan sosial: penilaian komparatif menggunakan un-
kepastian dan analisis sensitivitas. Bencana Alam, 63 ( 2), 325 e 347 .
Tate, E. (2013). analisis ketidakpastian untuk indeks kerentanan sosial. Annals of the
Asosiasi Geografer Amerika, 103 ( 3), 526 e 543 .
Trautmann, H., Steuer, D., Mersmann, O., & Bornkamp, ​B. (2014). truncnorm: Trun-
berdedikasi distribusi normal. R paket versi 1,0-7. http://CRAN.R-project.org/ paket ¼ truncnorm .
Biro Sensus Amerika Serikat. (2012). FactFinder Amerika. [ on line]. tersedia dari
http: // fakta fi nder2.census.gov/faces/nav/jsf/pages/index.xhtml diakses
27.10.12.
Departemen Transportasi Amerika Serikat. (2009). Manual pada traf seragam fi c
mengontrol perangkat untuk jalan-jalan dan jalan raya. Federal Highway Administration. tersedia dari http://mutcd.fhwa.dot.gov/
Diakses 07 06.13.
Vanclooster, A., Ooms, K., Viaene, P., Fack, V., Van de Weghe, N., & Maeyer, P. (2014).
Mengevaluasi kesesuaian algoritma paling path risiko untuk mendukung cara kognitif fi nding di ruangan tertutup d studi
empiris. Terapan Geografi, 53,
128 e 140 .
Kayu, N., & Schmidtlein, M. (2012). pemodelan jalur Anisotropic untuk menilai
potensi pedestrian-evakuasi dari tsunami Cascadia terkait di Pasifik AS fi c Northwest. Bencana Alam, 62 ( 2), 275 e
300 .
Kayu, N., & Schmidtlein, M. (2013). variasi masyarakat dalam paparan populasi
untuk dekat- fi bahaya tsunami eld sebagai fungsi dari waktu tempuh pejalan kaki untuk keselamatan.
Bencana Alam, 65 ( 3), 1603 e 1628 .
Kayu, N., Schmidtlein, M., & Peters, J. (2014). Perubahan evakuasi penduduk
potensi bahaya tsunami di Seward, Alaska, sejak 1964 Jumat Agung gempa. Bencana Alam, 70, 1031 e 1053 .
Yeh, H., Fiez, T., & Karon, J. (2009). Sebuah simulator tsunami yang komprehensif untuk Long Beach
Peninsula fase-1 d kerangka pembangunan fi laporan akhir. Negara Departemen Militer Washington Divisi
Manajemen Darurat .