జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

భౌగోళిక-ప్రాదేశిక సాంకేతికతలను ఉపయోగించి ల్యాండ్‌మైన్‌లు మరియు ERW యొక్క ప్రమాద మ్యాపింగ్

ఆరా సిసిలియా అలెగ్రియా, ఎస్టేబాన్ జిమనీ, జాన్ కార్నెలిస్ మరియు హిచెమ్ సాహ్లీ

ల్యాండ్‌మైన్‌లు మరియు పేలుడు అవశేషాలు (ERW) ప్రభావిత దేశాలలో సమాజానికి గణనీయమైన విసుగును సూచిస్తూనే ఉన్నాయి. మానవతావాద మరియు అభివృద్ధి కార్యకలాపాలను ఎదుర్కోవడం, గని చర్య రెండింటినీ లక్ష్యంగా చేసుకుంటుంది, జనాభాపై ల్యాండ్‌మైన్‌లు/ERW ఉనికి యొక్క ప్రభావాలను తగ్గించడం మరియు చివరికి క్లియర్ చేయబడిన భూమిని కమ్యూనిటీలకు తిరిగి ఇవ్వడం. గని చర్య నిర్ణయాధికారుల ప్రధాన పనులు ఇవి. ఈ అధ్యయనం ల్యాండ్‌మైన్/ERW కాలుష్య డేటాను అంతర్లీన లక్ష్యాల గురించి సమాచారాన్ని కలిగి ఉన్న వివరణాత్మక వేరియబుల్‌లతో మిళితం చేస్తుంది. రిమోట్ సెన్సింగ్ వంటి ఇతర సమాచార వనరులతో జియోగ్రాఫిక్ ఇన్ఫర్మేషన్ సిస్టమ్‌లను ఉపయోగించి రిస్క్ మ్యాపింగ్ ఫ్రేమ్‌వర్క్‌లో అవి ఏకీకృతం చేయబడ్డాయి. విస్తృత మరియు స్థానిక స్థాయిలో ల్యాండ్‌మైన్ మరియు ERW ప్రభావాల వల్ల కలిగే ప్రమాదంలో ఉన్న జనాభా మరియు/లేదా స్థానాలపై అంతర్దృష్టులను అందించడం ఈ పేపర్ యొక్క లక్ష్యం. అందువల్ల, 'హాట్‌స్పాట్‌లు' అనే భావన ముఖ్యంగా ఉపయోగకరంగా ఉంటుంది, ఎందుకంటే ఇది బహిర్గతం యొక్క దృశ్యమాన ప్రాతినిధ్యాన్ని అందిస్తుంది, ఇది 'గని యాక్షన్ ప్లానర్‌లు దృష్టి సారించడానికి ప్రాధాన్యత గల ప్రాంతాల యొక్క భౌగోళిక-ప్రాదేశిక ప్రాతినిధ్యం ద్వారా సహాయపడుతుంది. అటువంటి 'హాట్‌స్పాట్‌లను' పొందేందుకు మేము కెర్నల్ డెన్సిటీ ఎస్టిమేటర్ (KDE)ని వర్తింపజేస్తాము. ల్యాండ్‌మైన్ మరియు ERW ప్రమాదం, దుర్బలత్వం మరియు ఎలిమెంట్-ఎట్-రిస్క్ మ్యాప్‌లను నిర్వచించడానికి KDE ప్రాతిపదికగా ప్రతిపాదించబడింది, ఇది ల్యాండ్‌మైన్/ERW రిస్క్ మ్యాప్‌ను తుది అవుట్‌పుట్‌ను ఉత్పత్తి చేయడానికి వీలు కల్పిస్తుంది. అత్యంత భిన్నమైన ప్రాదేశిక పంపిణీలతో కూడిన డేటాసెట్‌ల కోసం అనుకూల కెర్నల్ బ్యాండ్‌విడ్త్‌ను ఉపయోగించడం ద్వారా మరియు వాటిని KDE కోసం ఇన్‌పుట్‌లుగా ఉపయోగించే ముందు, బహుభుజి డేటా నుండి పాయింట్ నమూనాలను రూపొందించడానికి సమస్య-నిర్దిష్ట పద్ధతిని ఉపయోగించడం ద్వారా ఇది సాధించబడుతుంది. ఇక్కడ అందించిన జియో-స్టాటిస్టికల్ మోడల్ ల్యాండ్‌మైన్ రిస్క్ మ్యాప్‌ను రూపొందించడానికి సమయం మరియు ఖర్చుతో కూడిన పద్ధతి, ఇది గని యాక్షన్ యాక్టర్స్‌చే రూపొందించబడిన వాటి వలె ప్రాతినిధ్యం వహిస్తుంది. ఈ నటీనటులు తయారు చేసిన రిస్క్ ఏరియా మ్యాప్‌లకు ఇది ఒక పూరకంగా ఉపయోగించబడుతుంది ఎందుకంటే అవి కొద్దిగా భిన్నంగా ఉంటాయి కానీ పెద్ద స్థాయిలో అతివ్యాప్తిని చూపుతాయి. అంతేకాకుండా, స్టడీ ఏరియాలో ల్యాండ్‌మైన్/ERW-సంబంధిత ఈవెంట్‌లతో అత్యంత అనుసంధానించబడిన వేరియబుల్‌లను బహిర్గతం చేయడంలో ఈ పద్ధతి సహాయపడుతుంది.