پهنه بندی حساسیت وقوع زمین‌لغزش با استفاده از تئوری بیزین (مطالعه موردی: حوضه آبخیز سیاهرود)

جغرافیا و مخاطرات محیطی

مقاله 2، دوره 3، شماره 4 - شماره پیاپی 12، بهمن 1393، صفحه 1-18   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/geo.v3i4.27293

نویسندگان

فریبا اسفندیاری درآباد؛ ابراهیم بهشتی جاوید^* ؛ محمدحسین فتحی

محقق اردبیلی

چکیده

در این پژوهش با استفاده از زمین لغزش های ثبت‌شده در منطقه و 11 پارامتر طبیعی (سنگ-شناسی، فاصله از گسل، فاصله از رودخانه، شاخص حمل رسوب (STI)، شاخص توان آبراهه (SPI)، بارش، شاخص رطوبت توپوگرافیک (TWI)، درجه شیب، جهت شیب، کاربری زمین و تراکم پوشش گیاهی (NDVI) نقشه حساسیت زمین لغزش برای حوضه سیاهرود استان گیلان تهیه گردیده است. جهت انجام این کار از تئوری بیزین استفاده‌شده است. با استفاده از احتمالات تئوری بیزین ارتباط بین پارامترها و مناطق لغزشی (دو سوم مناطق لغزشی) تعیین شد و وزن هر طبقه از پارامترها به دست آمد. اجرای مدل و اعمال وزن لایه ها با استفاده از نرم افزار Arcmap صورت گرفت و درنهایت نقشه حساسیت زمین‌لغزش در پنج کلاس حساسیت به دست آمد. با توجه به نقشه به‌دست‌آمده و نیز وزن کلاس های هر یک از پارامترها، کلاس تراس های آبرفتی قدیمی و مخروط افکنه های مرتفع در لایه سازند، مرتع متوسط در بین کلاس های کاربری زمین، جهات شمالی و شمال غربی، شیب های 20-5 درجه و نیز فاصله 100-0 متر از رودخانه بیشترین وزن و تأثیر را در وقوع زمین‌لغزش های منطقه دارند. دقت نقشه حساسیت زمین‌لغزش با استفاده از یک سوم (30 نقطه لغزشی) مناطق لغزشی مورد ارزیابی قرار گرفت. نتیجه ارزیابی نشان داد که مدل با قابلیت پیش بینی 3/83 درصد زمین لغزش ها در کلاس خطر زیاد و خیلی زیاد، دقت قابل قبولی در ارزیابی و تهیه نقشه حساسیت زمین‌لغزش دارد.

کلیدواژه‌ها

حساسیت زمین لغزش؛ تئوری بیزین؛ سیاهرود؛ وزن شواهد

مراجع

امیر احمدی، ابوالقاسم؛ کامرانی دلیر، حمید؛ صادقی، محسن؛ 1389. پهنه‌بندی خطر زمین‌لغزش با استفاده از روش تحلیل سلسله مراتبی (AHP)، مطالعه موردی حوضه آبخیز چلاو آمل. فصلنامه علمی پژوهشی انجمن جغرافیای ایران، شماره 27. صص203-181.

پورقاسمی، حمیدرضا؛ مرادی، حمیدرضا؛ محمدی، مجید؛ مصطفی‌زاده رئوف، گلی جیرنده؛ 1391. پهنه بندی خطر زمین‌لغزش با استفاده از تئوری بیزین. مجله علوم و فنون کشاورزی و منابع طبیعی. علوم آب‌وخاک. سال شانزدهم شماره شصت و دوم. صص 121-109.

حسین زاده، محمدمهدی؛ ثروتی محمدرضا؛ منصوری عادل؛ میرباقری بابک؛ خضری سعید؛ 1388. پهنه‌بندی ریسک وقوع حرکات توده‌ای با استفاده از مدل رگرسیون لجستیک. فصلنامه زمین‌شناسی ایران. سال سوم شماره یازدهم. صفحات 27-37.

قرهی، حمیدرضا. بهلولی، بهمن؛ سیار، امیر؛ شریعت جعفری، محسن؛ 1390. تهیه نقشه حساسیت پدیده زمین‌لغزش با استفاده از تحلیل سلسله مراتبی و مدل آماری دومتغیره در مخزن سد البرز. مجله علوم زمین، پاییز 1390 سال 21 شماره 81، صفحات 93-100.

نیازی، یعقوب؛ اختصاصی، محمدرضا؛ طالبی، علی؛ آرخی، صالح؛ مختاری، محمدحسین؛ 1389. ارزیابی کارایی مدل آماری دومتغیره در پیش‌بینی خطر زمین‌لغزش در حوضه سد ایلام. مجله علوم مهندسی آبخیزداری ایران. سال 4 شماره 10. صص20-9.

یمانی، مجتبی؛ احمدآبادی، علی؛ زارع، غلامرضا؛1391. ارزیابی کارایی فنون هوش مصنوعی در مطالعات زمین‌لغزش با تأکید بر الگوریتم SVM (مطالعه موردی: حوضه آبریز درکه). فصلنامه جغرافیا و مخاطرات محیطی، سال 1، شماره 3.

Amirahmadi, A.a.gh., kamranidalir, H., sadeghi, M., 2011. Landslide hazard zonation. through hierarchical analysis method (ahp). Case Study: chelav basin. Geography 2. 182 - 203.

Barbieri, G., Cambuli, P., 2009. The weight of evidence statistical method in landslide susceptibility mapping of the Rio Pardu Valley (Sardinia, Italy). In: Anderssen, R.S., Braddock, R.D., Newham, L.T.H. (Eds.), 18th World IMACS Congress and MODSIM09 International Congress on Modelling and Simulation. Modelling and Simulation Society of Australia and NewZealand and International Association for Mathematics and Computers in Simulation. 2658–2664.

BonhamCarter, G.F., Agterberg, F.P., Wright, D.F., 1989. Weights of evidence modelling: a new approach to mapping mineral potential. In: Agterberg, F.P., Bonham-Carter. G.F. (Eds.). Statistical applications in the Earth Sciences: Geological Survey of Canada 89. 171–183.

Bonham-Carter, G.F., Agterberg, F.P. and Wright, D.F., 1988. Integration of geological datasets for gold exploration in Nova Scotia. Photogrammetry and Remote Sensing 54, 1585-1592.

Denison, D.G.T., Holmes, C.C., Mallick, B.K., Smith, A.F.M., 2002. Bayesian methods for nonlinear classification and regression. John Wiley & Sons, Chichester, west Sussex.

Gharahi h., bohlooli b., sayyar a., shariat jafari m., 2011. Landslide susceptibility mapping in the reservoir of alborz dam using analytical hierarchy process and bivariate statistics. Geosciences 81. 93 - 100.

Gorum, T., Gonencgil, B., Gokceoglu, C., Nefeslioglu, H.A., 2008. Implementation of reconstructed geomorpholog icunitsin landslide susceptibility mapping: the Melen Gorge (NWTurkey). Natural Hazards 46, 323–351.

Grabs, T., Seibert, J., Laudon, H., 2007. Modelling spatial patterns of saturated areas: a comparison of the topographic wetness index and a distributed model. Journal of Hydrology 373. 15-23.

Guzzetti, F., 2005. Landslide hazard and risk assessment. Ph. D Dissertation. Bonn.

Hosenzadeh. M.m., servatie. M.r., mansurie. A., mirbagherie. B., khezrie. S., 2009. Zoning risk of mass movements using a logistic regression model. Journal of Geology 11. 27 - 37.

Mathew, J., Jha, V.K., Rawat, G.S., 2007. Weights of evidence modeling for landslide hazard zonation mapping in part of Bhagirathi valley, Uttarakhand. Current Science 92, 628-638.

Mohammadi, M., Pourghasemi, H.R., Pradhan, B., 2012. Landslide susceptibility mapping at Golestan Province, Iran: Acomparison Between frequency ratio, Dempster–Shafer, and weights-of-evidence models, Journal of Asian Earth Sciences 61, 221–236.

Moore, I.D., Burch, G.J., 1986. Sediment transport capacity of sheet and rill flow: application of unit stream power theory.Water Resource 22, 1350–1360.

Neaupane K.M., Piantanakulchai, M.2006: Analytic network process model for landslide hazard zonation, Engineering Geology 85, 281–294.

Nefeslioglu, H.A., Duman, T.Y., Duemaz, S., 2008. Landslide susceptibility mapping for a part of tectonic Kelkit Valley (Eastern Black Sea region of Turkey). Geomorphology 94, 401–418.

Niyazi. Y., ekhtesasie. M.r., talebi. A., saleh. a., mokhtarei. m.h., 2010. Assess the performance of the bivariate statistical model predicts landslide in Ilam dam basin. Journal of Engineering Science Watershed 10, 9 - 20.

Piacentinia, D., Troiani, F., Soldati, M., Notarnicola, C., Savelli, D., Schneiderbauer, S., Strada, C., 2012. Statistical analysis for assessing shallow-landslide susceptibility in South Tyrol (south-eastern Alps, Italy), Geomorphology 151, 196–206.

Poli, S., Sterlacchini, S., 2007. Landslide representation strategies in susceptibility Studies using weights-of-evidence modeling technique. Natural Resources Research, vol (16), 121–134.

Pourghasemi. H. R., Moradi, h. R., Mohammdi, m., Mostafazadeh, r., Goli jirandeh. a., 2013. Landslide hazard zoning using bayesian theory. Jwss - Isfahan University of technology 62, 109-120.

Sanwei, H., Peng, P., Lan, D., Haijun, W., Jiping, L., 2012. Application of kernel based Fisher discriminant analys is to map landslide Susceptibility in the Qinggan River delta, Three Gorges, China, Geomorphology 171, 30–41.

Schmidt, F., Persson, A., 2003. Comparison of DEM data capture and topographic wetness indices. Precision Agriculture vol (4), pp. 179–192.

Sorensen, R., Zinko, U., Seibert, J., 2006. On the calculation of the topographic wetnessindex: evaluation of different methods based on field observations. Hydrology and Earth System Sciences Discussions 2, 1807–1834.

Van Westen, C.J., 2002. Use of weights of evidence modeling for landslide susceptibility mapping. International Institute for Geoinformation Science and Earth Observation (ITC), Enschede, the Netherlands.

Wilson, J.P., Gallant, J.C., 2000, Digital terrain analysis. In: Wilson, J.P., Gallant, J.C. (Eds.), Terrain Analysis. John Wiley & Sons, NewYork, 1–27.

Yamani, M., Ahmadabadi, A., Zare, gh., 2012. The Zonation of landslide occurrence Using of Support Vector Machines algorithm (Case Study: Darakeh Basin), Geography and Environmental Hazards 3, 125 - 142.