پهنه‌بندی خطر زمین‌لغزش در محور بوکان- سردشت با استفاده از مدل‌های شواهد وزنی و تابع شواهد قطعی

نوع مقاله : پژوهشی کاربردی

نویسندگان

1 گروه ژئومورفولوژی، دانشکدۀ منابع طبیعی، دانشگاه کردستان، سنندج، ایران

2 گروه ژئومورفولوژی، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران

3 کارشناس ادارۀ کل منابع طبیعی و آبخیزداری استان کردستان، سنندج، ایران

10.22059/jhsci.2023.364694.791

چکیده

هدف این پژوهش، پهنه‌بندی خطر زمین‌لغزش در طول محور ارتباطی کوهستانی بوکان– سردشت در استان آذربایجان غربی است. این کار با استفاده از روش‌های داده‌کاوی مدل شواهد وزنی و مدل تابع شواهد قطعی و سامانۀ اطلاعات جغرافیایی (GIS) و فنون سنجش از دور انجام گرفت. دوازده عامل تأثیرگذار در وقوع زمین‌لغزش شامل لایه‌های سنگ‌شناسی، درجۀ شیب، جهت شیب، شاخص نرمال‌شدۀ تفاوت پوشش گیاهی، فاصله از آبراهه، شکل انحنای معمولی دامنه، شکل انحنای عرضی دامنه، شکل انحنای طولی دامنه، فاصله از گسل، فاصله از جاده، مقدار بارندگی سالانه و ارتفاع از سطح دریا عوامل مؤثر در وقوع زمین‌لغزش در منطقه تشخیص داده شدند و برای تهیۀ نقشۀ حساسیت به زمین‌لغزش منطقه از آنها استفاده شد. مختصات مکانی 109 نقطه لغزشی در شهرستان یادشده ثبت شد. حدود 30 درصد از لغزش‌های ثبت‌شده (32 نقطۀ لغزشی) به‌عنوان زمین‌لغزش‌های آزمایشی به‌صورت کاملاً تصادفی جدا شده و 77 نقطۀ لغزشی باقی‌مانده به‌عنوان لغزش‌های آموزشی وارد آنالیزها شدند. در روش شواهد وزنی (WOE) و تابع شواهد قطعی (EBF) مقادیر ارزش اطلاعاتی و وزن‌های اختصاص‌یافته به هر یک از عوامل با استفاده از محاسبات آماری در نرم‌افزار اکسل صورت گرفت و پس از جمع جبری همۀ لایه‌ها، نقشۀ حساسیت به زمین‌لغزش آماده شد. دقت پیش‌بینی مدل‌های مختلف با استفاده از سطح زیرمنحنی ROC سنجیده شد. سطح زیرمنحنی ROC در روش تابع شواهد قطعی (EBF) برابر با 910/0 بود و بیشترین مقدار را کسب کرد و روش شواهد وزنی نیز با مقدار سطح زیرمنحنی ROC معادل با 893/0 برآوردهای بسیار قابل قبولی در پهنه‌بندی زمین‌لغزش‌های منطقه نشان داد. با ملاحظۀ زمین‌لغزش‌های آزمایشی واقع‌شده در طبقات حساسیت وقوع زمین‌لغزش این واقعیت را آشکار می‌سازد که با افزایش طبقات حساسیت وقوع زمین‌لغزش در هر دو روش به‌صورت چشمگیری بر تراکم زمین‌لغزش‌ها در این مناطق افزوده شده است، درحالی که زمین‌لغزش‌های آزمایشی در مدل‌سازی‌ها تأثیری نداشته‌اند و صحت نقشۀ پهنه‌بندی را تأیید می‌کنند.

کلیدواژه‌ها

مراجع

  • احمدی، حسن؛ و فیض‌نیا، سادات (1385). سازندهای دوره کواترنر (مبانی نظری و کاربردی آن در منابع طبیعی)، چ 2، تهران: انتشارات دانشگاه تهران.
  • احمدی، حسن؛ اسمعلی، اباذر؛ فیض‌نیا، سادات؛ و شریعت جعفری، محسن (1382). پهنه‌بندی خطر حرکت‌های توده‌ای با استفاده از دور روش رگرسیون چندمتغیره و تحلیل سلسله‌مراتبی. منابع طبیعی ایران، 56 (4): 323-334.
  • اشقلی فراهانی، عقیل؛ تشنه‌لب، محمد؛ غیومیان، جعفر؛ و فاطمی عقدا، سید محمد (1384). بررسی خطر زمین‌لغزش با استفاده از منطق فازی (مطالعۀ موردی: منطقه رودبار). مجلۀ علوم دانشگاه تهران، 31 (1)، 43-64.
  • پورقاسمی، حمیدرضا؛ مرادی، حمیدرضا؛ و محمدی، مجید (1389). کاربرد سامانۀ اطلاعات مکانی و مدل احتمالی Weight of evidence در پهنه‌بندی حساسیت زمین‌لغزش، مجموعه‌ مقالات هفتمین همایش ملی رسانه‌های اطلاعات مکانی GIS، سازمان نقشه‌برداری کشور.
  • حسین‌آبادی، مهدی؛ موسوی، مرتضی؛ و ناظمی، محمد (1398). پهنه‌بندی خطر زمین‌لرزه و زمین‌لغزش به روش منطق فازی در رشته‌کوه باقران (جنوب بیرجند). جغرافیا و توسعه، 17(55)، 153-174.
  • روستایی، شهرام؛ کشکی، مختار؛ و اشرفی، زهرا (1399). پهنه‌بندی خطر زمین‌لغزش در حوضه آبریز طالقان با استفاده از شاخص آنتروپی شانون. جغرافیا و برنامه‌ریزی، 24(71)، 125-150.
  • زارع، محمد؛ جوری، محمدحسن؛ عسکری‌زاده، دیانا؛ سالاریان، تینا؛ و فخرقاضی، مونا (1395). تحلیل خطر زمین‌لغزش در حوزۀ آبخیز ماسوله با استفاده از تئوری دمپستر- شیفر (Dempster – Shafer) و GIS. پژوهشنامۀ مدیریت حوزۀ آبخیز، 7 (13)، 209 -217.
  • شادفر، صمد؛ قدوسی، جمال؛ خلخالی، سید علی؛ و کلارستاقی، عطااله (1387). بررسی و ارزیابی روش‌های آماری دومتغیره و LNRF در پهنه‌بندی خطر زمین‌لغزش (مطالعۀ موردی: حوزۀ آبخیز جنت رودبار). پژوهش و سازندگی در منابع طبیعی، 78، 56-66.
  • میرزانیا، صالح؛ و شهابی، هیمن (1398). ارزیابی و پیش‌بینی مکانی مخاطره زمین‌لغزش در جادۀ کوهستانی سنندج-کامیاران با استفاده از الگوریتم‌های پیشرفتۀ داده‌‌کاوی. مدیریت مخاطرات محیطی (دانش مخاطرات سابق)، 6(4)، 317-340.
  • قاسمیان، بهاره؛ عابدینی، موسی؛ روستایی. شهرام؛ و شیرزادی، عطاالله (1396). ارزیابی حساسیت زمین‌لغزش با استفاده از الگوریتم ماشین پشتیبان‌بردار (مطالعه موردی: شهرستان کامیاران، استان کردستان)، پژوهش‌های ژئومورفولوژی کمی، 6(3)، 15-36.
  • مرادی، حمیدرضا؛ پورقاسمی، حمیدرضا؛ محمدی، مجید؛ و مهدوی فر، محمدرضا (1389). پهنه‌بندی خطر زمین‌لغزش با استفاده از اپراتور فازی گاما (مطالعۀ موردی: حوزۀ آبخیز هراز). علوم محیطی، 7(4)، 129-142.
  • یمانی، مجتبی؛ احمدآبادی، علی؛ و زارع، غلامرضا (1391). به‌کارگیری الگوریتم ماشین‌های پشتیبان بردار در پهنه‌بندی خطر وقوع زمین‌لغزش (مطالعۀ موردی: حوضۀ آبریز درکه)، جغرافیا و مخاطرات محیطی، 3، 125-142.
  • Akgun A., (2012), A comparison of landslide susceptibility maps produced by logistic regression, multi-criteria decision, and likelihood ratio methods: a case study at İzmir, Turkey. Landslides, 9, 93–106.
  • Assilzadeh, H., Levy, J. K., & Wang, X. (2010). Landslide catastrophes and disaster risk reduction: A GIS framework for landslide prevention and management. Remote Sensing, 2(9): 2259-2273.
  • Bilifard, F., Jaboyedoff, M., & Satori, M. )2003(. Rock fall hazard mapping a long a mountainous road in Switzerland using a GIS-based paramte rating approach. The journal of Natural Hazard and Earth System Sciences, 3, 431-438.
  • Bui, D. T., Shahabi, H., Shirzadi, A., Chapi, K., Alizadeh, M., Chen, W., Mohammadi, A., Ahmad, B. Bin., Panahi, M., Hong, H., & Tian, Y. (2018). Landslide detection and susceptibility mapping by AIRSAR data using support vector machine and index of entropy models in Cameron Highlands. Remote Sensing, 10(10).
  • Cheng, Y.S., Yu, T.T. & Son, N.T. (2021). Random forests for landslide prediction in tsengwen river watershed, central taiwan. Remote Sensing, 13(2), 199.
  • Ercanoglu, M. & Gokceoglu, C. (2004) Use of fuzzy relations to produce landslide susceptibility map of a landslide prone area (West Black Sea Region, Turkey). Engineering Geology, 75(3-4), 229-250.
  • Intarawichian, N., & Dasananda, S., (2010). Analytical hierarchy process for landslide susceptibility mapping in lower Mae Chaem watershed, northern Thailand. Suranaree Journal of Science & Technology, 17(3): 55-65.
  • Jaiswal, P., van Westen, C. J., & Jetten, V. (2010). Quantitative landslide hazard assessment along a transportation corridor in southern India. Engineering geology, 116(3-4), 236-250.
  • Lee, S., Ryu, J. H., & Kim, I. S. (2007). Landslide susceptibility analysis and its verification using likelihood ratio, logistic regression, and artificial neural network models: case study of Youngin, Korea. Landslides, 4(4), 327-338.
  • Pradhan, B. &, Lee, S., (2010). Delineation of landslide hazard areas on Penang Island, Malaysia, by using frequency ratio, logistic regression, and artificial neural network models. Environ Earth Sci, 60:1037–1054.
  • Shahabi H., Hashim M., & Ahmad BB., (2015). Remote sensing and GIS-based landslide susceptibility mapping using frequency ratio, logistic regression, and fuzzy logic methods at the central Zab basin, Iran. Environ Earth Sciences, 73:8647–8668
  • Shahabi, H., Ahmadi, R., Alizadeh, M., Hashim, M., Al-Ansari, N., Shirzadi, A., Wolf, I.D. & Ariffin, E.H. (2023). Landslide Susceptibility Mapping in a Mountainous Area Using Machine Learning Algorithms. Remote Sensing, 15(12), p.3112.
  • Shen, H., Huang, F., Fan, X., Shahabi, H., Shirzadi, A., Wang, D., Peng, C., Zhao, X. & Chen, W. (2022). Improving the performance of artificial intelligence models using the rotation forest technique for landslide susceptibility mapping. International Journal of Environmental Science and Technology, pp.1-16.
  • Suzen, M.L., & Doyuran, V. )2004(. Data driven bivariate landslide susceptibility assessment using geographical information systems: a method and application to Asarsuyu catchment, Turkey. Geol. 71, 303–321.
  • Tavakolifar, R., Shahabi, H., Alizadeh, M., Bateni, S.M., Hashim, M., Shirzadi, A., Ariffin, E.H., Wolf, I.D. & Shojae Chaeikar, S. (2023). Spatial Prediction of Landslides Using Hybrid Multi-Criteria Decision-Making Methods: A Case Study of the Saqqez-Marivan Mountain Road in Iran. Land, 12(6), 1151.
  • Voigt, S.; Kemper, T.; Riedlinger, T.; Kiefl, R.; Scholte, K.; & Mehl, H. (2007). Satellite image analysis for disaster and crisis-management support. IEEE Trans. Geosci. Remote Sensing, 45, 1520–1528.
  • Yalcin, A., Reis, S., Aydinoglu, A.C. & Yomralioglu, T. )2011(. A GIS-based comparative study of frequency ratio, analytical hierarchy process, bivariate statistics and logistics regression methods for landslide susceptibility mapping in Trabzon, NE Turkey. Catena, 85(3),.274-287.
  • Yeh, H. H., Liu, P. L., & Synolakis, C. (Eds.). (2008). Advanced numerical models for simulating tsunami waves and runup (Vol. 10). World Scientific.
  • Yilmaz, I. (2010), Comparison of landslide susceptibility mapping methodologies for Koyulhisar, Turkey: conditional probability, logistic regression, artificial neural networks, and support vector machine. Environmental Earth Sciences, 61(4), 821-836.
  • Zhang, Y. G., Chen, X. Q., Liao, R. P., Wan, J. L., He, Z. Y., Zhao, Z. X., ... & Su, Z. Y. (2021). Research on displacement prediction of step-type landslide under the influence of various environmental factors based on intelligent WCA-ELM in the Three Gorges Reservoir area. Natural Hazards, 107(2), 1709-1729.
مدیریت مخاطرات محیطی
دوره 10، شماره 2
تیر 1402
صفحه 165-181

فایل ها

هم رسانی

ارجاع به این مقاله

آمار