پهنه‌بندی خطر زمین‌لغزش با استفاده از GIS و مدل آماری دو متغیره ارزش اطلاعات و تراکم سطح در حوضه آبخیز گلورد نکا، مازندران

نویسندگان

1 گروه زمین‌شناسی دانشکده علوم، دانشگاه فردوسی مشهد، ایران

2 گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، ایران

3 گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد

10.22125/iwe.2020.114956

چکیده

زمین‌لغزش یکی از مخاطرات طبیعی است که هر ساله باعث خسارت جانی و مالی فراوانی در سراسر جهان می‌شود. یکی از راهکارهای مهم برای کاهش خسارت ناشی از وقوع زمین‌لغزش‌ها، تشخیص مناطق مستعد زمین‌لغزش و پهنه‌بندی خطر آن از طریق تهیه نقشه‌های پهنه‌بندی خطر زمین‌لغزش است. در این مطالعه کارایی دو مدل ارزش اطلاعات و تراکم سطح جهت پهنه‌بندی خطر زمین‌لغزش درحوضه آبخیز گلورد نکا مورد ارزیابی قرار گرفته است. به این منظور ابتدا نقشه پراکنش زمین‌لغزش‌های موجود در حوضه تهیه گردید. سپس 9 عامل مؤثر در وقوع زمین‌لغزش شناسایی و نقشه‌های مربوطه تهیه و طبقه‌بندی شده است. در مرحله بعد طبقات هرکدام از این لایه‌ها، با استفاده از مدل‌های تراکم سطح و ارزش اطلاعات وزن‌دهی شده، و سپس با تلفیق این لایه‌ها در نرم افزار Arc GIS ، نقشه‌های خطر زمین‌لغزش تهیه شده است. نتایج نشان داد که پارامترهای شیب، جهت شیب، وجود گسل، کاربری از نوع کشاورزی و لیتولوژی از مهم‌ترین عوامل تأثیرگذار در وقوع زمین‌لغزش در منطقه مورد مطالعه می‌باشند. به منظور مقایسه روش‌ها نسبت به یکدیگر و ارزیابی کارایی آن‌ها، شاخص‌های مجموع کیفیت (Qs) و دقت (P) مورد بررسی قرار گرفتند. مقدار بالاتر این شاخص‌ها برای مدل ارزش اطلاعات کارایی بیشتر آن را نسبت به مدل تراکم سطح جهت پهنه‌بندی زمین‌لغزش نشان می‌دهد.

کلیدواژه‌ها

عنوان مقاله [English]

Landslide hazard zonation using GIS and bivariate statistical model Information value and surface density in Neka Gelevard watershed, Mazandaran

نویسندگان [English]

  • Seyede Najme Aghili 1
  • Gholam Reza Lashkaripour 2
  • Naser Hafezi Moghadas 3
1 MSc. Student, Department of Geology, Faculty of Science, Ferdowsi University of Mashhad
2 Department of Geology, Faculty of Science, Ferdowsi University of Mashhad, Mashhad, Iran
3 Professor of Department of Geology, Faculty of Science, Ferdowsi University of Mashhad
چکیده [English]

Landslide is one of the natural disasters which causes the losses of life and property annually all over the world. One of the solution for decreasing the losses of landslides is to determine susceptible zones for landslide and to zoning its risk through preparing risk-based zoning map of landslide. In this paper, the effectiveness of both information value and area density for zoning the risk of landslide have been evaluated in Neka, Gelevard watershed basin. Therefore, at first, we prepared inventory map of landslide in the basin. Then, 9 effective factors in landslide occurrence and related maps have been prepared. The grade of each layers was measured via area density and information value models and then the risk maps of landslide has been prepared by combining these layers in Ar GIS software. The results showed that slope, direction of slope, fault existence, the efficacy of agricultural and lithology are the most important effective factors for landslide occurrence in the studied area. Quality index (Qs) and Preciseness (P) was investigated to compare the methods and evaluate their efficacy. The higher value of these indexes for information value model shows it has more efficacy than area density for zoning landslide.

کلیدواژه‌ها [English]

  • Risk-based zoning
  • Information value method
  • Area density method
  • Landslide
  • Mazandaran
  • Neka
  • GIS

مراجع

رسایی،‌ آ.، خسروی، خ.ب.،‌ حبیب‌نژاد روشن، م.، حیدری، ا.، مشایخان، آ. ۱۳۹۴. پهنه‌بندی خطر زمین‌لغزش با مدل رگرسیون چندمتغیره در محیط GIS (مطالعه موردی: حوزه آق مشهد، استان مازندران). پژوهش‌نامه مدریت حوزه آبخیز، سال ششم، شماره۱۲، ص 215-205.
شفقتی، م.، مصلحت‌جو، ع. 1391. ارزیابی و پهنه‌بندی خطر زمین‌لغزش با روش انبالاگان در محیط Arc GIS مطالعه موردی: حوضه آبخیز چاکرود گیلان. فصلنامه جغرافیایی سرزمین، سال نهم، شماره 35، ص 104-95.
کامران‌زاد، ف.، محصل افشار، ع.، مجرب، م.، معماریان، ح. 1394. پهنه‌بندی خطر زمین‌لغزش در استان تهران با استفاده از روش‌های داده محور و تحلیل سلسله مراتبی. علوم زمین، سال بیست و پنجم، شماره 97، ص 114-101.
Alexakis, D.D., Agapiou, A., Tzouvaras, M., Themistocleous, K., Neocleous, K., Michaelides, S., Hadjimitsis, D.G., 2013. Integrated Use of GIS and Remote Sensing for Monitoring Landslides in Transportation Pavements. The Case Study of Pathos area in Cyprus. Nat. Hazards 72 (1), 119–141.
Caccavale, M,. Matano ,F., Sacchi ,M., 2017 . An integrated approach to earthquake-induced landslide hazard zoning based on probabilistic seismic scenario for Phlegrean Islands (Ischia, Procida and Vivara), Italy. Geomorphology, 295, 259-235.
Chen, X.L., Liu, C.G., Yu, L., Lin, C.X. 2014. Critical Acceleration As A Criterion in Seismic Landslide Susceptibility Assessment. Geomorphology, 217: 15–22.
Farzin, S., Karami, H., Doostmohammadi, M., Ghanbari, A., Zamiri, E. 2017. The performance of Artificial Neural Network in prediction and analysis of hydrological processes (Case study: Water shortage in Nazloo-chai watershed, West Azerbaijan province). Ecohydrology, 4: 631-644. [Persian].
Gee, M.D. 1992. Classification of Landslides Hazard Zonation Methods and a Test of Predictive Capability, Bell, Davi, H(Ed), Proceedings 6th International Symposium on Landslide, 56-48.
Girma, F., Raghuvanshi, T.K., Ayenew, T., Hailemariam, T. 2015. Landslide Hazard Zonation in Ada Berga District, Central Ethiopia – a GIS Based Statistical Approach. J. Geomatics 90: 25– 38 (i).
Guzzetti, F., Cardinali,M., Relchenbach, P., Carrara, A. 2000. Comparing Landslide Map: A Case Study in The Upper Tiber River Basin, Central Italy. Environmental Management, 25: PP. 247-263.
Hong, H., Pourghasemi, H.R., Pourtaghi, Z.S. 2016.  Landslide Susceptibility Assessment in Lianhua County (China): A Comparison Between a Random Forest Data Mining Technique and Bivariate and Multivariate Statistical Models. Geomorphology, 259 (2016) 105–118.
Jaafari, A., Najafi, A., Pourghasemi, HR., Rezaeian, J., Sattarian, A. 2014. GIS-based frequency ratio and index of entropy models for landslide susceptibility assessment in the Caspian forest, northern Iran. Int J Environ Sci Technol, 11: 909-926.
Jade, S., Sarkar, S. 1993. Statistical Models For Slope Instability Classifications Engineering. Geology, 36: PP. 91-98.
Kumar, K., Sati, D., Goyal, N., Mathur, S. 2005. Landslide hazard potential analysis using GIS, patalganga Valley, Garhwal, Wesrern Himalayan region of India. European Journal of Scientific Research, 45(3): 346-366.
Lee, S., Kyungduck, M. 2001. Statistical Analysis of Landslide Susceptibility at Yonging, Korea. Enviromented Geology, 40: 1095–1113.
Mohammadi Torkashvand, A., Irani, A., Sorur, J. 2014. The preparation of landslide map by Landslide Numerical Risk Factor (LNRF) model and Geographic Information System (GIS). The Egyptian Journal of Remote Sensing and Space Sciences, 17: 159–170.
Pareta, K., Kumar, J., Pareta, U. 2012- Landslide Hazard Zonation using Quantitative Methods in GIS. International Journal of Geospatial Engineering and Technology, Vol. 1, No. 1, pp. 1-9.
Peng, L., Niu, R., Huang, B., Wu, X., Zhao, Y., Ye, R. 2014. Landslide Susceptibility Mapping Based on Rough Set Theory and Support Vector Machines: a Case of The Three Gorges Area, China. Geomorphology, 204, 287–301.
Pourghasemi, H.R., Kerle, N. 2016. Random Forest-Evidential Belief Function Based Landslide Susceptibility Assessment in Western Mazandaran Province, Iran. Environ. Earth Sci, 75, 185.
Sarkar, S., Kanungo, D.P., Patra, A.K., Kumar, P. 2008. GIS based spatial data analysis for landslide susceptibility mapping. Journal of Mountain Science, 1.52-62.
Yin, K.J., Yan, T.Z. 1988. Statistical prediction model for slope instability of metamorphosed rocks, Proceedings 5th International Symposium on Landslides, Lausanne, Switserland. 2, 1269-1272.
Youssef, A.M., Pradhan, B., Pourghasemi, H.R., Abdullahi, A. 2015c. Landslide susceptibility assessment at Wadi Jawrah Basin, Jizan region, Saudi Arabia Using Two Bivariate Models in GIS. Geosci. J, 19 (3), 449–469.
Yu, X., Wang, Y., Niu, R. Hu, Y. 2016. A Combination of Geographically Weighted Regression, Particle Swarm Optimization and Support Vector Machine for Landslide Susceptibility Mapping: A Case Study at Wanzhou in the Three Gorges Area, China. Int J Environ Res Public Health, 13 (5), doi: 10.3390/ijerph13050487.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار