ارزیابی خطر ریسک زمین‌لغزش حوضه آبخیز طالقان‌رود بر پایه الگوریتم بهینه‌سازی توافقی ویکور

جغرافیا و مخاطرات محیطی

مقاله 5، دوره 5، شماره 1 - شماره پیاپی 17، فروردین 1395، صفحه 37-54   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/geo.v5i1.46582

نویسندگان

مژگان انتظاری نجف آبادی¹؛ فاطمه خدادادی^{* 2}؛ اکبر رستمی³

¹دانسگاه اصفهان

²دانشگاه اصفهان

³شهید بهشتی

چکیده

ناپایداری‌های دامنه‌ای، ازجمله پدیده‌های معمول در بیشتر مناطق کوهستانی ایران است. در این میان یکی از مخاطره‌آمیزترین ناپایداری‏ها، زمین‌لغزش است. هدف از این پژوهش، تهیه نقشه حساسیت پذیری در زیرحوضه‌های طالقان‌رود به زمین‌لغزش با استفاده از الگوریتم بهینه‌سازی توافقی ویکور است. ابتدا پس از تهیة نقشة پایة محدودة مطالعاتی با استفاده از تصاویر ماهواره‌ای و بازدیدهای میدانی، نقشة عوامل مؤثر در حساسیت پذیری حوضه به زمین‌لغزش شامل شیب، فاصله از گسل، طبقات ارتفاعی، تراکم زهکشی، کاربری اراضی، پوشش گیاهی، لیتولوژی، نوع خاک و بارش در محیط GIS تهیه شد. سپس ضریب اهمیت هرکدام از معیارهای مذکور در وقوع زمین‌لغزش، به کمک الگوریتم سلسله مراتبی AHP به دست آمد که معیارهای شیب، لیتولوژی و طبقات ارتفاعی بیشترین ضریب اهمیت را کسب کردند. سپس بر پایة الگوریتم بهینه‌سازی ویکور، درجه سودمندی و پشیمانی انتخاب گزینه‌های برتر (زیرحوضه‌ها)، مشخص شد. در پایان با محاسبة میزان شاخص بهینة ویکور، برحسب درجة حساسیت پذیری به زمین‌لغزش، زیرحوضه‌ها در 3 کلاس کیفی حساسیت پذیری کم، متوسط و زیاد طبقه‌بندی شدند. نتایج نشان داد زیر حوضه‌های زیدشت 1، 2 و دونبولید از بیشترین حساسیت پذیری به وقوع زمین‌لغزش برخوردارند و حساسیت به وقوع زمین‌لغزش در زیر حوضه‌های شهرک، ناویزک و حسنجان حداقل است.

کلیدواژه‌ها

حساسیت پذیری؛ ناپایداری دامنه‌ها؛ الگوریتم بهینه‌سازی؛ AHP؛ طالقان‌رود

مراجع

بهنیانفر، الف؛ قنبرزاده، ه؛ منصوری دانشور، م. ر؛ 1388. پهنه‌بندی خطر زمین‌لغزش و ناپایداری دامنه‌ای به روش‌های AHP و احتمال در حوضة آبریز رودخانه کنگ، دامنه‌های شمالی بینالود. مجلة علمی پژوهشی فضای جغرافیایی. سال نهم. شماره 27. صص. 78 - 55.

بیاتی خطیبی، م؛ 1386. تعیین حساسیت بالقوة سطوح شیبدار در حوضه‌های کوهستانی نسبت به وقوع زمین‌لغزش‌ها با استفاده از روش تعیین عامل ویژه، مطالعة موردی: حوضه قرنقوچای واقع در دامنه شرقی کوهستان سهند. فصلنامة مدرس علوم انسانی. سال یازدهم. شماره 4. صص. 55 - 29.

زارع، م؛ احمدی، ح؛ غلامی، ش؛ 1390. پهنه‌بندی و ارزیابی خطر زمین‌لغزش با استفاده از مدل‌های عامل اطمینان، ارزش اطلاعات و تحلیل سلسله مراتبی در حوضة آبخیز واز. مجلة علمی پژوهشی علوم و مهندسی آبخیزداری ایران. سال پنجم. شماره 17. صص. 22 - 15.

فتوحی، ص؛ کیایی، س؛ 1393. مدیریت بحران و ارزیابی ریسک شهر قاین بر اساس مدیریت ریسک. فصل‌نامه برنامه‌ریزی محیطی. سال چهارم. شماره 14. صص 103-120

سپهر، ع؛ بهنیافر، ا؛ محمدیان، ع؛ عبدالهی، ا؛ 1392. تهیه نقشه حساسیت پذیری زمین لغزش دامنه‌های شمالی بینالود بر پایه الگوریتم بهینه‌سازی توافقی ویکور. مجله پژوهش‌های ژئومورفولوژی کمی. سال دوم. شماره 1. صص19-36

محمدی، م؛ مرادی، ح. ر؛ فیض نیا، س؛ پورقاسمی، ح. ر؛ 1388. اولویت‌بندی عوامل مؤثر بر زمین‌لغزش و تهیة نقشة خطر آن با استفاده از مدل‌های ارزش اطلاعاتی و فرایند تحلیل سلسله مراتبی (مطالعة موردی: حوضة آبخیز هراز). مجلة علوم زمین. سال نوزدهم. شماره 74. صص. 32- 27.

موسوی خطیر، س. ز؛ کاویان، ع. الف؛ سلیمانی، ک؛ 1389. تهیة نقشة حساسیت به وقوع زمین‌لغزش درحوضة آبخیز سجارود با استفاده از رگرسیون لجستیک. مجلة علوم و فنون کشاورزی و منابع طبیعی. علوم آب وخاک. سال چهاردهم. شماره 53. صص. 111 - 99.

Akgun, A. (2012). A comparison of landslide susceptibility maps produced by logistic regression, multi-criteria decision, and likelihood ratio methods: A case study atİzmir, Turkey. Landslide, 9(1), 93-106.

Ayalew, L., Yamagishi, H., Marui, H., & Kano, T. (2005). Landslides in Sado Island of Japan: Part II. GIS-based susceptibility mapping with comparisons of results from two methods and verifications. Engineering Geology, 81(4), 432-445.

Davalillo, J.G., Herrera, G., Notti, D., Strozzi, T., & Álvarez-Fernandez, I. (2012). DinSAR analysis of ALOS PALSAR images for the assessment of very slow landslides: The Tena Valley case study. Landslide, 11(2), 225-246.

Diop, S., Forbes, C., & Chiliza, G.S. (2010). Landslide inventorization and susceptibility mapping in South Africa. Landslide, 7(2), 207-210.

Felicisimo, A., Cuartero, A., Remondo, J., & Quiros, E. (2013). Mapping landslide susceptibility with logistic regression, multiple adaptive regression splines, classification and regression trees, and maximum entropy methods: A Comparative study. Journal of Landslide, 10(2), 175-189.

Kavzoglu, T., Kutlug Sahin, E., & Colkesen, E. (2013). Landslide susceptibility mapping using GIS-based multi-criteria decision analysis, support vector machines, and logistic regression. Landslide, 11(3), 425-439. DOI 10.1007/S10346-013-0391-7.

Komac, M. (2006). A landslide susceptibility model using the analytical hierarchy process method and multivariate statistics in Perialpine, Slovenia. Geomorphology, 74(1-4), 17-28.

Lee, E.M., & Jones, D.K.C. (2004). Landslide risk assessment. London: Thomas Telford.

Pellicani, R., Van Westen, C.J., & Spilotro, G. (2013). Assessing landslide exposure in areas with limited landslide information. Landslide, 11(3), 463-480.

Regmi, N.R., Giardino, J.R., Mcdonald, E.V., & Vitek, J.D. (2012). A comparison of logistic regression-based models of susceptibility to landslides in Western Colorado, USA. Landslide, 11(2), 247-262.