سیستم اطلاعات جغرافیایی وقایع مین (MAGIS)، ابزار مدیریتی در تسهیل و تسریع روند پاکسازی مناطق آلوده به مین
Publish place: 4th International Congress of The Islamic World Geographers
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 973
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIWG04_185
تاریخ نمایه سازی: 13 آذر 1388
Abstract:
کشورهای اسلامی از جمله مناطق پرمساله در جه ان امروز محسوب می گردند. تجهیزات دفاعی مورد استفاده این کشورها با رویکرد دفاعی در زمان تهدید و جنگ از اولویت برخوردار هستند اما پس از خاتمه جنگ بقایای تجهیزات دفاعی و مهمات جنگی در کشورها و مناطقی که دچار جنگ بوده اند به عنوان یک عامل تهدید حیات جوامع ساکنین است. بر اساس آخرین آماری که توسط سازمان ملل اعلام شده حدود 160 میلیون مین عمل نکرده در 70 کشور جهان مدفون است و سالانه 24 هزار غیرنظامی توسط مین های زمینی کشته و یا مجروح می شوند . درواقع یعنی هر 22 دقیقه یک نفر. ایران نیز با دارا بودن حدود 16 میلیون مین خنثی نشد ه ، بعد از کشور مصر دومین کشور آلوده به مین در دنیا محسوب می شود. براساس آمارهای جمع آوری شده 16 میلیون مین باقی مانده از زمان جنگ نزدیک به 3 میلیون هکتار از اراضی ایران را آلوده کرده است . سازمان ملل و سازمانهای غیر دولتی فعال در امور بشردوستانه به تدوین استانداردها و ضوابطی در زمینه رفع آلودگی پرداخته اند که استفاده از سیستم اطلاعات جغرافیایی وقایع مین به منظور ثبت و نگهداری داده های مناطق آلوده، فعالیت های پاکسازی، مصدومین و قربانیان، هزینه های صورت گرفته و پیشرفت کار از این استانداردها است . مطالعه با هدف مدیرت مخاطرات محیطی ناشی از فعالیتهای انسانی به معرفی و بررسی سیستم اطلاعات جغرافیایی وقایع مین MAGIS می پردازد و هدف آن کاربرد این سیستم در کمک به تصمیم سازی مدیران در کاهش تلفات انسانی ناشی از برخورد با مین در کشورهای مسلمان بویژه در منطقه خاورمیانه است
Keywords:
بقایای مواد انفجاری UXO , مهمات عمل نکرده ERW , استانداردهای فعالیت پاکسازی مین IMAS , فعالیتهای پاکسازی بشردوستانه
Authors
علی گلی
استادیار بخش جامعه شناسی و برنامه ریزی اجتماعی دانشگاه شیراز، شیراز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :